第13章-Agent系统

《第13章-Agent系统》由会员分享，可在线阅读，更多相关《第13章-Agent系统（32页珍藏版）》请在文档大全上搜索。

1、第 13 章 Agent系统 第 13 章 Agent系统 13.1 Agent的概念的概念 13.2 Agent的结构的结构 13.3 Agent实例实例Web Agent 13.4 多多Agent系统系统 13.5 Agent的实现工具的实现工具 13.6 Agent技术的发展与应用技术的发展与应用习题十三习题十三 第 13 章 Agent系统 13.1 Agent的概念的概念 13.1.1 13.1.1 什么是什么是AgentAgent我们知道,Agent一词的通常含义有: 代理(人)、代办、 媒介、服务等, 而且作为“代理”在计算机领域广为使用。但在人工智能领域现在所说的Agent则具

2、有更加特定的含义。简单地讲, 这里的Agent指的是一种实体, 而且是一种具有智能的实体。 这种实体可以是智能软件、智能设备、智能机器人或智能计算机系统等等, 甚至也可以是人。国内人工智能文献中对Agent的翻译或称呼有智能体、主体、智能Agent等, 现在则逐渐趋向于不翻译而直接使用Agent。Agent的这一特定含义是由MIT 的Minsky在其1986年出版的思维的社会一书中提出的。Minsky认为社会中的某些个体经过协商之后可求得问题的解, 这些个体就是Agent。他还认为Agent应具有社会交互性和智能性。从此, 这种含义扩展了的Agent便被引入人工智能领域, 并迅速成为研究热点。

3、 第 13 章 Agent系统 Agent的抽象模型是具有传感器和效应器,处于某一环境中的实体。它通过传感器感知环境; 通过效应器作用于环境; 它能运用自己所拥有的知识进行问题求解; 它还能与其他Agent进行信息交流并协同工作。 因此, Agent应具有如下基本特性: (1) 自主性,亦称自治性, 即能够在没有人或别的Agent的干预下, 主动地自发地控制自身的行为和内部状态, 并且还有自己的目标或意图。 (2) 反应性, 即能够感知环境, 并通过行为改变环境。 第 13 章 Agent系统 (3) 适应性, 即能根据目标、环境等的要求和制约作出行动计划, 并根据环境的变化, 修改自己的目标

4、和计划。 (4) 社会性,即一个Agent一般不能在环境中单独存在, 而要与其他Agent在同一环境中协同工作。而协作就要协商, 要协商就要进行信息交流, 信息交流的方式是相互通信。从面向对象的观点来看, Agent也就是一种高级对象, 或者说是具有智能的对象。 第 13 章 Agent系统 13.1.2 Agent13.1.2 Agent的类型的类型从Agent理论模型角度来看, Agent可分为反应型、 思考型(或认知型)和两者复合型。从特性来看, Agent又可分为以下几种: (1) 反应式Agent。这种Agent能够对环境主动进行监视并能做出必要的反应。反应式Agent最典型的应用是

5、机器人, 特别是Brookes类型的机器昆虫。 第 13 章 Agent系统 (2) BDI型 Agent, 即有信念(Belief, 即知识)、愿望(Desire, 即任务)和意图(Intention,即为实现愿望而想做的事情)的Agent, 它也被称为理性Agent。 这是目前关于Agent的研究中最典型的智能型Agent, 或自治Agent。BDI Agent的典型应用是在Internet上为主人收集信息的软件Agent, 比较高级的智能机器人也是BDI Agent。 第 13 章 Agent系统 (3) 社会Agent。这是处在由多个Agent构成的一个Agent社会中的Agent。

6、各Agent有时有共同的利益(共同完成一项任务), 有时利益互相矛盾(争夺一项任务)。 因此, 这类Agent的功能包括协作和竞争。办公自动化Agent是协作的典型例子, 多个运输(或电信)公司Agent争夺任务承包权是竞争的典型例子。 第 13 章 Agent系统 (4) 演化Agent。这是具有学习和提高自己能力的Agent。 单个Agent可以在同环境的交互中总结经验教训, 提高自己的能力, 但更多的学习是在多Agent系统,即社会Agent 之间进行的。模拟生物社会(如蜜蜂和蚂蚁)的多Agent系统是演化Agent的典型例子。 第 13 章 Agent系统 (5) 人格化Agent。这

7、是不但有思想, 而且有情感的Agent。 这类Agent研究得比较少, 但是有发展前景。在故事理解研究中的故事人物Agent是典型的人格化Agent。 从所承担的工作和任务性质来看, Agent又可分为信息型Agent、合作型Agent、接口型Agent、移动型Agent等。 特 别 地 , 以 纯 软 件 实 现 的 A g e n t 被 称 为 软 件Agent(Software Agent, SA)。软件Agent是当前Agent技术和应用研究的主要内容。 第 13 章 Agent系统 13.2 Agent的结构的结构 由于Agent的多样性,很难给出一个统一的结构模型。 下面仅给出思

8、考型Agent的一个简单结构模型(见图13-1)和一个简化Agent的结构图(见图13-2)。 第 13 章 Agent系统 图 13-1 思考型Agent结构模型示意图 第 13 章 Agent系统 图 13-2 简化Agent结构模型图 第 13 章 Agent系统 13.3 Agent实例实例Web AgentWeb Agent是在智能Agent的概念基础上, 结合信息检索、 搜索引擎、机器学习、数据挖掘、统计等多个领域知识而产生的用于Web导航的工具。随着网络化的飞速发展, Web Agent 将是有广泛应用前景的一种小型Agent系统。 事实上, 目前已经有许多的Web Agent实

9、验系统存在, 有些已经出现在人们日常访问的网站中。比较著名的有Web Watcher和PersonalWeb Watcher, Syskill&Webert, WebMate, Letizia等。 第 13 章 Agent系统 Web Watcher是由CMU的Tom Mitchell等人开发的服务端Web Agent系统, 它建立一种用户模型, 为所有登录服务器的用户服务, 这种模型是根据当前大多数用户的普遍访问模式而训练生成的,它区别于许多运行于客户端的为单一客户服务的Web Agent。 当用户上网时, Web Watcher记录用户从登录开始一直到退出系统或服务器时, 用户浏览

10、过的页面序列,点击过的超链序列, 以及它们的时间戳。在退出系统或服务器之前, Web Watcher会询问用户是否达到目标,即要求用户对此次浏览给出一个二值的评价, 即成功或否。这种事例对同一时刻连接服务器的成千上万的用户都会发生, Web Watcher就是通过对这种大量的训练事例的分析,得出当前大多数用户普遍的浏览方式。 第 13 章 Agent系统 13.4 多多Agent系统系统13.4.1 13.4.1 多多AgentAgent系统的特征和研究内容系统的特征和研究内容多Agent系统是一个松散耦合的Agent网络, 这些Agent通过交互、 协作进行问题求解(所解问题一般是单个Age

11、nt能力或知识所不及的)。 其中的每一个Agent都是自主的, 它们可以由不同的设计方法和语言开发而成, 因而可能是完全异质的。 多Agent系统具有如下特征: (1) 每个Agent拥有解决问题的不完全的信息或能力。(2) 没有系统全局控制。 (3) 数据是分散的。 (4) 计算是异步的。 第 13 章 Agent系统 多Agent系统的理论研究是以单Agent理论研究为基础的, 所以, 除单Agent理论研究所涉及的内容外, 多Agent系统的理论研究还包括一些和多Agent系统有关的基本规范, 主要有以下几点: (1) 多Agent系统的体系结构。(2) 多Agent系统中Agent心智