Multi-agent system

Den aktuella versionen av sidan har ännu inte granskats av erfarna bidragsgivare och kan skilja sig väsentligt från versionen som granskades den 6 december 2019; kontroller kräver 2 redigeringar .

Multi-agent system (MAS, eng.  Multi-agent system ) är ett system som bildas av flera interagerande intelligenta agenter . Multi-agent-system kan användas för att lösa problem som är svåra eller omöjliga att lösa med en enda agent ett monolitisktExempel på sådana uppgifter är onlinehandel [1] , nödhjälp [2] och modellering av sociala strukturer [3] .

Översikt

I ett multiagentsystem har agenter flera viktiga egenskaper [4] :

Vanligtvis studeras mjukvaruagenter i system med flera agenter. Komponenterna i ett multiagentsystem kan dock också vara robotar , människor eller team av människor. Dessutom kan system med flera agenter innehålla blandade team.

I system med flera agenter kan självorganisering och komplext beteende yttra sig även om varje agents beteendestrategi är ganska enkel. Detta ligger till grund för vad som kallas svärmintelligens .

Agenter kan utbyta kunskaper de har fått genom att använda något speciellt språk och följa de etablerade "kommunikationsreglerna" ( protokollen ) i systemet. Exempel på sådana språk är Knowledge Query Manipulation Language ( KQML ) och FIPA:s Agent Communication Language (ACL).

Utforska system med flera agenter

Studiet av multiagentsystem är relaterat till att lösa problem med artificiell intelligens .

Ämnen för forskning inom IAS:

  1. kunskap, önskningar och avsikter ( BDI ),
  2. samarbete och samordning,
  3. organisation,
  4. kommunikation,
  5. avtal,
  6. distribuerad lösning
  7. distribuerad problemlösning ,
  8. multi-agent lärande
  9. tillförlitlighet och feltolerans

Multi-agent paradigm

Många MAC:er har datorimplementationer baserade på steg-för-steg- simulering . MAC-komponenter interagerar vanligtvis genom en viktad förfrågningsmatris,

Hastighet-VERY_IMPORTANT: min=45 mph, Sökvägslängd-MEDIUM_IMPORTANCE: max=60 förväntatMax=40, Max-vikt-OVIKTIGT Kontrakt Prioritet-REGULÄR

och en svarsmatris

Hastighet-min: 50 men bara vid soligt väder, Banlängd: 25 för soligt / 46 för regnigt Kontrakt Prioritet-REGULÄR notera - ambulans kommer att åsidosätta denna prioritet och du måste vänta

Modellen "Request-Response-Agreement" är en vanlig företeelse för IAS. Schemat implementeras i flera steg:

  1. Först ställs alla en fråga som: "Vem kan hjälpa mig?"
  2. som bara de "kapabla" svarar "Jag kan, för ett sådant och ett sådant pris"
  3. så småningom upprättas ett "avtal".

Det sista steget kräver vanligtvis flera fler (mindre) informationsutbyten. Detta tar hänsyn till andra komponenter, inklusive redan träffade "överenskommelser" och miljöns begränsningar.

Ett annat vanligt förekommande paradigm i MAS är "feromon", där komponenter "lämnar" information för nästa i raden eller närliggande komponenter. Sådana "feromoner" kan avdunsta med tiden, vilket betyder att deras värden kan förändras över tiden.

Egenskaper

MAS tillhör också självorganiserande system , eftersom de letar efter den optimala lösningen på problemet utan extern inblandning. Den optimala lösningen är den lösning som förbrukar minst mängd energi under förhållanden med begränsade resurser.

Den största fördelen med MAC är flexibilitet. Multiagentsystemet kan kompletteras och modifieras utan att en betydande del av programmet måste skrivas om. Dessa system har också förmågan att självläka och är resistenta mot fel, tack vare ett tillräckligt utbud av komponenter och självorganisering.

Tillämpning av MAC

Multi-agent-system används i vårt liv i grafiska applikationer, till exempel i datorspel . Agentsystem har också använts i filmer [6] . MAC-teori används i sammansatta försvarssystem. MAC används också inom transport, logistik, grafik, geografiska informationssystem , robotik och många andra. Multi-agent-system har visat sig väl inom nätverks- och mobilteknik, för att tillhandahålla automatisk och dynamisk lastbalansering, skalbarhet och självläkande kapacitet.

Se även

Anteckningar

  1. ↑ Alex Rogers och E. David och J. Schiff och N. R. Jennings. Effekterna av proxybudgivning och minimibudsökningar inom eBay-auktioner Arkiverade 2 april 2010 på Wayback Machine , ACM Transactions on the Web, 2007
  2. ↑ Nathan Schurr och Janusz Marecki och Milind Tambe och Paul Scerri et.al. The Future of Disaster Response: Människor som arbetar med multiagentteam med DEFACTO Arkiverad 19 mars 2009 på Wayback Machine , 2005.
  3. ↑ Ron Sun och Isaac Naveh. Simulering av organisatoriskt beslutsfattande med hjälp av en kognitivt realistisk agentmodell Arkiverad 20 augusti 2010 på Wayback Machine , Journal of Artificial Societies and Social Simulation.
  4. ↑ Michael Wooldridge, An Introduction to MultiAgent Systems , John Wiley & Sons Ltd, 2002, pocketbok, 366 sidor, ISBN 0-471-49691-X .
  5. ↑ Liviu Panait, Sean Luke: Cooperative Multi-Agent Learning: The State of the Art. Autonomous Agents and Multi-Agent Systems 11(3): 387-434 (2005)
  6. ↑ Massiv , filmvisning Arkiverad 15 april 2008 på Wayback Machine

Litteratur

Länkar