Účelem multiagentních systémů (MAS) je koordinovat nezávislé procesy. Agent je počítačová entita ve formě programu nebo robota. Agenta lze považovat za autonomního, protože je schopen se přizpůsobit změnám prostředí. MAC se skládá ze sady počítačových procesů, které probíhají ve stejnou dobu a existují ve stejnou dobu, sdílejí společné zdroje a komunikují spolu. Klíčovým problémem MAC je formalizace koordinace mezi agenty.
Definování multiagentních systémů
MAC je perspektivní přístup k vývoji softwaru pro aplikace ve složitých doménách, kde jsou interagující aplikační komponenty autonomní a distribuované, fungují v dynamických a nejistých prostředích, musí splňovat některá organizační pravidla a zákony a mohou se připojit a odejít multiagentní systém za běhu.
Příklady takových aplikací jsou systémy, kteréřídit a optimalizovat výrobu a distribuci elektřiny mezi spotřebiteli nebo systémy, které optimálně plánují zatížení v dopravních systémech. Vývoj multiagentních systémů vyžaduje vytvoření samostatných agentů, organizací a prostředí.
Programovací jazyky poskytují programovací konstrukty pro implementaci jednotlivých agentů z hlediska sociálních a kognitivních konceptů, jako jsou informace, cíle, možnosti, normy, emoce a pravidla rozhodování.
Multi-agentní organizace z hlediska sociálních a organizačních konceptů mají role vybavené normami, komunikačními protokoly a zdroji, které podléhají monitorování. Vyvinuté programovací jazyky a rámce se používají k vytváření simulací založených na agentech pro mnoho průmyslových odvětví s nepřetržitou výrobou: elektřina, metalurgie, zdravotnictví, internet, doprava, řízení dopravy a vážné hry.
MAS se liší od systémů s jedním agentem v tom, že mají několik agentů, kteří si navzájem modelují své cíle a akce. V obecném scénáři může existovat přímá interakce mezi agenty. Z pohledu jediného agenta se multiagentní systémy od systémů s jediným agentem liší nejvýrazněji tím, že dynamiku prostředí mohou určovat další agenti. Kromě nejistoty, která může být doméně vlastní, ostatní činitelé záměrně ovlivňují životní prostředí nepředvídatelným způsobem.
Všechny MAC lze tedy považovat za mající dynamická prostředí, což je typické pro modernímultiagentní systémy. Může existovat libovolný počet agentů s různým stupněm heterogenity, s možností přímé komunikace nebo bez ní.
architektura MAS
Agenti musí být vybaveni kognitivním modelem:
- beliefs;
- přání;
- úmysly.
Na jedné straně čte „Přesvědčení“o životním prostředí, která jsou výsledkem jeho znalostí a vjemů, a na straně druhé soubor „Touh. Zkřížení těchto dvou množin vede k nové množině „záměrů“, které jsou pak přímo převedeny na činy.
Agenti musí mít komunikační systém. Pro tento účel existuje několik specializovaných jazyků: Language Query and Manipulation Language (KQML). Nedávno byl rozšiřován standard FIPA-ACL, který vytvořila FIPA Foundation for Intelligent Physical Agents. Tento poslední princip budování multiagentních systémů je založen na teorii řečových aktů.
Problém adaptace je ožehavým problémem, který je v současnosti předmětem mnoha výzkumů. Můžeme uvést příklad některých virů, biologických i počítačových, schopných adaptovat se na mutantní prostředí.
Konečně, efektivní implementace MAC, i když není přísně vzato součástí systémové architektury, si zaslouží pozornost v mnoha programovacích jazycích, které byly vyvinuty pro studium umělé inteligence. Zejména je zmíněn jazyk LISP. Tyto architektonické prvky jsou aplikovány na systém sestávající z kognitivníchagenti.
Kategorie nebo modely agentů
Klasifikace činidel je založena na dvou kritériích: kognitivní činidla nebo činidla, která na jedné straně vykazují teleonomické chování nebo reflex. Rozdíl, který lze udělat mezi kognitivním a reaktivním, je v podstatě reprezentací světa, který má agent k dispozici. Je-li jedinec obdařen „symbolickou reprezentací“světa, z níž může formulovat uvažování, pak se hovoří o kognitivním činiteli, kdežto pokud má pouze „sub-symbolickou reprezentaci“, tedy omezenou na jeho vjemy, pak se jedná o kognitivního činitele, který má pouze „sub-symbolickou reprezentaci“, která je omezena na jeho vjemy. mluví se o reaktivním činidle. Toto kognitivní a reaktivní rozlišení odpovídá dvěma teoretickým školám multiagentních systémů.
První podporuje základní přístup „chytrých“agentů ke spolupráci ze sociologického hlediska. Ve druhém je studována možnost vzniku „chytrého“chování množiny neinteligentních agentů (typ mravence). Druhý rozdíl mezi behaviorálním chováním a reflexem odděluje záměrné chování, sledování explicitních cílů, od percepčního chování. Tendence agentů tedy mohou být v agentech výslovně vyjádřeny nebo naopak pocházet z prostředí. Tabulka seskupující různé typy agentů:
- Kognitivní agenti.
- Reaktivní látky.
- Telenomické chování.
- Úmyslní agenti.
- Spravovaní agenti.
- Reflexní chování.
- Agentské "moduly".
- Tropičtí agenti.
Kognitivní činitelé jsou většinou záměrní, tzn.mají pevně stanovené cíle, kterých se snaží dosáhnout. Někdy se však používají agenti nazývaní moduly, kteří mají představu o svém „vesmíru“bez konkrétních cílů. Mohly by sloužit například k zodpovězení otázek jiných agentů ve „vesmíru“.
Reagencie lze rozdělit na akční členy a tropická činidla. Instinktivní agent bude mít pevné poslání a spustí chování, pokud zjistí, že prostředí již nevyhovuje jeho přidělenému účelu. Tropický agens reaguje pouze na místní stav prostředí, například pokud je světlo, pak běží. Zdroj motivace v interním případě hnacích agentů, kteří mají „poslání“, se týká pouze prostředí.
Organizační paradigmata
S rozvojem takových systémů byla vyvinuta různá organizační paradigmata. Tyto struktury multiagentních systémů nastavují rámec pro vztahy a interakce mezi agenty.
Hierarchie. V tomto modelu jsou agenti hierarchickí podle stromové struktury, ve které je každý uzel agentem a má odkaz na oprávnění na svých podřízených uzlech. Tento model ničí celkový účel systému.
Holarchy se blíží k hierarchii. Mezi agentem a jeho podskupinou neexistuje žádný vztah autority.
Koalice je dočasná aliance agentů, kteří se scházejí a spolupracují, protože se setkávají jejich osobní zájmy. Hodnota koalice musí být větší než součet jednotlivých hodnot složek agenta.
Sbory jsou velmi podobné koalicím apříkazy. Mají však být trvalé a obvykle mají více cílů, kterých je třeba dosáhnout. Kromě toho mohou agenti vstupovat do sborů a opouštět je a patřit k několika současně.
Společnost je soubor různorodých agentů, kteří interagují a komunikují. Mají různé cíle, nemají stejnou úroveň racionality a stejné schopnosti, ale všichni dodržují společné zákony (normy).
Agenti federace dávají část své autonomie delegátovi své skupiny. Agenti skupiny komunikují pouze se svým delegátem, který zase komunikuje s delegáty z jiných skupin.
Obchodní zástupci nabízejí položky, které si mohou zástupci kupujících nárokovat. Tento typ organizace umožňuje například simulovat skutečné trhy a porovnávat různé obchodní strategie.
Agenti organizace Matrix jsou hierarchické. Avšak na rozdíl od výše uvedené hierarchie, kde je agent podřízen pouze několika dalším agentům, ti v jedné matricové organizaci mohou podléhat několika dalším.
Kombinace – Tato kombinovaná organizace kombinuje mnoho z výše uvedených stylů. Může to být například koalice nebo hierarchie týmů.
Umělá inteligence
Cílem kognitivní vědy je porozumět podstatě a fungování umělé inteligence, která zpracovává vnitřní informace, aby byly účelné. Tomuto popisu odpovídá mnoho konceptů: lidé, počítače, roboti, smyslové systémy,seznam je nekonečný. Jedním typem systému zvláštního zájmu kognitivních vědců je umělý autoagent, který působí na informace.
Inteligentní agent (IA) je schopen se rozhodovat na základě svých zkušeností a může volit akce v různých situacích. Jak naznačuje výraz „umělý“, druh autonomních agentů zájmu není něco, co vytvořila příroda. Umělým agentem je tedy vše, co je vytvořeno lidmi, schopné jednat na základě informací, které vnímá, svých vlastních zkušeností, rozhodnutí a jednání.
Pole nadpřirozené inteligence poskytuje technické dovednosti pro překlad požadovaných typů agentů do programovacího jazyka, souvisejícího softwaru a vhodné architektury (hardware a související software) pro implementaci agenta v reálném nebo simulovaném světě.
Prostředí světa vnímání
Agent je cokoli, co přijímá prostředí prostřednictvím senzorů a působí na něj prostřednictvím efektorů, což zní jednoduše. Tato definice agenta pokrývá širokou škálu strojů, od termostatů po předměty, které se skutečně mohou naučit malý repertoár chování.
Sensory jsou nástroje používané agenty ke shromažďování informací o jejich světě. Klávesnice a videokamera mohou fungovat jako senzory, pokud jsou spojeny s agentem. Na konci reakce systému jsou interpreti nástroji, které agent používá k ovlivnění prostředí. Příklady efektorů jsoumonitor, tiskárna a robotické rameno.
Prostředí je obvykle doména nebo svět agenta. Tyto domény, alespoň prozatím, by měly být omezeny na konkrétní typy situací, abychom se vyhnuli neomezeným možnostem každodenního světa.
Systém autonomního vlivu
Autonomní agent je „systém uvnitř a část prostředí, který toto prostředí vnímá a v průběhu času na něj působí, aby vykonával svůj vlastní program a ovlivňoval to, co v budoucnu zažije“. Tato definice Franklina a Greissera odráží všechny základní funkce inteligentních agentů, kromě jejich družnosti. To poskytuje dobrou aproximaci hlavních rysů široké škály AI ve vývoji.
Takoví agenti cítí své prostředí. Ale zde smyslová data nebo vjemy zahrnují nejen data o jiných objektech, ale také vliv samotného činitele na stav věcí v prostředí. Senzory mohou být organické, jako jsou oči a uši a jejich neurální procesory, nebo umělé, jako jsou video a audio procesory zabudované v digitálním počítači. Prostředí může být velmi omezená oblast, jako je uzavřený prostor, nebo velmi složité, jako je burza nebo sbírka asteroidů. Senzory musí odpovídat typům objektů, se kterými agent interaguje.
Reflexní typ interakce
Reflektor má složitější mechanismus. Místo přímé dynamikyve vztahu k okolí hledá v seznamu pravidel, co musí udělat. Reflexní činidlo reaguje na daný vjem naprogramovanou reakcí. I když existují tisíce možných odpovědí na daný vjem, agent má vestavěný seznam pravidel situačních akcí, aby provedl ty odpovědi, které již byly zvažovány programátorem. Pravidlo akce situace je v podstatě hypotetický imperativ.
Reflexní agenti opravdu nejsou příliš bystří. S novinkou si prostě neporadí. Inteligentní agent obsahuje rysy svých méně sofistikovaných bratranců, ale není tak omezený. Jedná podle agendy. Má soubor cílů, které aktivně sleduje. Agent založený na cíli rozumí aktuálnímu stavu prostředí a tomu, jak toto prostředí obvykle funguje. Sleduje hlavní strategie nebo cíle, kterých nelze dosáhnout okamžitě. Díky tomu je agent aktivní, nikoli pouze reaktivní.
Cílový funkční nástroj
Ve složitějších agentech se na různé možné akce, které lze v prostředí provádět, aplikuje opatření pro úklid. Tento komplexní plánovač je agent založený na službě. Agent založený na službách vyhodnotí každý scénář, aby zjistil, jak dobře dosahuje určitých kritérií pro dosažení dobrého výsledku. Věci jako pravděpodobnost úspěchu, zdroje potřebné k dokončení scénáře, důležitost cíle, kterého má být dosaženo, čas, který by to zabralo, to vše lze zahrnout do výpočtů funkce užitku.
ProtožeProtože programátor obvykle nedokáže předvídat všechny stavy světa, se kterými se agent setká, počet pravidel, která by bylo potřeba napsat pro reflexního agenta, by byl astronomický i ve velmi jednoduchých oblastech, jako je plánování schůzek nebo organizace přepravních tras a zásob.
Základní ovládací smyčka
Vzhledem k definici inteligentního agenta zvažte základní řídicí smyčku, kterou napsal teoretik agenta Michael Vuladrich v roce 2000:
- zachovat mír;
- aktualizovat model vnitřního světa;
- dosáhnout záměrného záměru;
- použijte prostředky/cíle k získání plánu záměrů;
- provést plán;
- ukončit proces.
Tento vzorec vyžaduje určitou interpretaci. Agent pozoruje svět – to znamená, že pomocí svých senzorů sbírá vjemy. Senzorem může být klávesnice připojená k digitálnímu počítači nebo vizuální procesor připojený k robotu. Může to být cokoli, co agentovi umožňuje shromažďovat reprezentace světa. Aktualizace interního modelu znamená, že agent přidá nový vjem do své sekvence vjemů a naprogramovaných informací o světě.
Multi-Agent Development Platform
AnyLogic je open source multiagentní a vícesložkový simulační software CORMAS založený na objektově orientovaném programovacím jazyce SmallTalk.
DoMIS je multiagentní nástroj pro návrh systémů zaměřený na "provozní řízení složitých systémů" a založený na metodě návrhu B-ADSC.
JACK je programovací jazyk a vývojové prostředí pro kognitivní agenty vyvinutý společností Agent Oriented Software jako agentně orientované rozšíření jazyka Java.
GAMA je platforma pro modelování s otevřeným zdrojovým kódem (LGPL), která nabízí prostorově explicitní modelovací prostředí založené na agentech využívající data GIS k popisu agentů a jejich prostředí.
JADE (Java Agent DEVELOPMENT) je open source multiagentní vývojový rámec založený na jazyce Java.
Sedm modelů standardu
V evolučním procesu výzkumu je více vstupů do toho, jak vytvořit systém, který je spolehlivý a představuje vyšší úroveň kvality. Trendem v pokračování je doplňovat nebo rozšiřovat stávající metody, které dokázaly konsolidovat rozhodování v rámci vývoje.
Metodický standard umožňuje srozumitelným a jednoduchým způsobem vytvořit MAC, a to nejen pomocí přirozeného jazyka, ale také pomocí šablon popisu, které pomáhají při specifikaci systému.
Metodický standard nabízí sedm modelů problémů nebo jejich řešení pro budování MAC:
- Model scénáře popisující společnost nebo organizaci.
- Model cílů a cílů definuje a popisuje organickou strukturu.
- Model agenta definuje lidi a autonomní systémy.
- Vzor spojuje cíle a záměry s konkrétním agentem.
- Organizační model popisuje prostředí, ke kterému je jednotlivý agent přidružen.
- Model interakce popisuje vztah a zdůrazňuje jejich koordinaci agentů.
- Návrhový model definuje agenta a architekturu sítě.
Příklady interakce mezi agenty
MAS se používají k simulaci interakce mezi autonomními agenty. Použití multiagentních systémů například v sociologii umožňuje parametrizovat různé agenty, kteří tvoří komunitu. Přidáním omezení se můžete pokusit pochopit, jaká bude nejúčinnější součást k dosažení očekávaného výsledku. Měli by experimentovat se scénáři, které by skuteční lidé nemohli dosáhnout, ať už z technických nebo etických důvodů.
Distributed IA byl vytvořen za účelem vyřešení složitosti velkých monolitických nepřirozených zpravodajských programů - provádění, distribuce a centralizované řízení. Pro řešení složitého problému je někdy jednodušší vytvořit ve spolupráci relativně malé programy (agenty) než jeden velký monolitický program. Autonomie umožňuje systému dynamicky se přizpůsobovat nepředvídaným změnám v prostředí.
Příklady multiagentních systémů v herním průmyslu jsou četné a rozmanité. Používají se ve videohrách a filmech, včetně softwaru MASSIVE, například k simulaci pohybu davu v trilogii Pán prstenů. Mohou taképoužívané společnostmi například ke sledování chování zákazníků procházejících webové stránky.
MAS se používají také ve světě financí. Například platforma MetaTrader 4 umožňuje použití expertních agentů v automatizovaném obchodování, které se řídí kurzem Forex
Výhody používání systému
Ve výzkumu IA byla systémová technologie založená na agentech přijata jako nové paradigma pro konceptualizaci, navrhování a implementaci softwarových systémů. Výhody přístupu multi-MAS:
- Sdílí výpočetní zdroje a schopnosti v síti vzájemně propojených agentů.
- Umožňuje propojení a interoperabilitu více stávajících starších systémů.
- Pokrývá různé oblasti včetně údržby letadel, elektronických peněženek s knihami, odminování vojenských min, bezdrátové komunikace a komunikace, plánování vojenské logistiky, systém řízení dodavatelského řetězce, plánování misí pro spolupráci, správa finančního portfolia.
V rámci výzkumu byla technologie IA pro systémy založené na agentech přijata jako nové paradigma pro konceptualizaci, navrhování, implementaci a učení softwarových systémů pomocí více agentů.
MAC je tedy volně propojená síť softwarových agentů, kteří spolupracují při řešení problémů, které přesahují individuální schopnosti nebo znalosti každého tvůrce problémů.
