自动化科学技术(杨宜民)

《自动化科学技术(杨宜民)》由会员分享，可在线阅读，更多相关《自动化科学技术(杨宜民)（37页珍藏版）》请在金锄头文库上搜索。

1、自动化科学与技术 第七章 人工智能(二-DAI) 杨宜民 研究生示范课程课件 单击此处编辑母版标题样 式 单击此处编辑母版副标题样式 * * 2 2 7.1 概述 7.1.1 研究背景及研究意义 20世纪80年代末出现了人工智能（AI）基础的反思辩论。Brooks构造的机 器虫表明无需知识表示及无需理性智能，但其应付复杂环境的能力可以超过 现有的一些机器人。这以及AI研究中遇到的困难使人们认识到解释和模拟人 类智能、智能行为及其规律，建立智能系统是长远的目标。而已有的AI方法 和技术只能处理一些较为成型的问题，如利用成功的经验知识进行问题求解 。对开放的动态现实环境，在没有现成方法可用时，专家

2、系统就显得无能为 力，依靠无限地加大知识库的CYC计划目前只停留在探索阶段。因此，有必 要研究新的理论、方法和技术，以促进AI的向前发展。 第七章 人工智能（二-ADI） 单击此处编辑母版标题样 式 单击此处编辑母版副标题样式 * * 3 3 20世纪80年代分布式人工智能（DAI）提出后，很快成为研究热点。 1996年Minsky提出了“Agent”概念，认为社会中的某些个体（Agent）经过协商 之后可以求得问题的解，这些个体具有社会交互性和智能性。此后，Agent和多 Agent系统（Multi-Agent Systems多Agent系统）的研究就很快发展起来，认为 这一研究能促进AI向

3、前发展，并把AI推向一个新的台阶。 由此可见，多Agent系统研究是AI研究过程中碰到困难和问题时而出现的 ，希望通过对它的研究来解决现有的AI方法和技术不能解决的问题，进一步深化 AI的理论、方法和技术，并发展AI的应用。因此，多Agent系统的研究具有重大 的科学意义和价值。 7.1.2 应用领域 多Agent系统是由多个可以相互交互的Agent组成的系统。每个Agent在 某种程度上是自治的，Agent之间的交互不但可以进行数据交换，而且可以进行 合作，并决定各自的行动以完成任务。一开始，Agent作为软件工程的一种新风 格引起人们的兴趣。随着计算技术的发展，开发基于Agent的软件技术

4、是目前对 计算技术的最大挑战，因为它为研究和使用大规模分布式开放系统（如Internet ）提供了可能性。但是多Agent系统的作用远不止此。多Agent系统的思想并不 局限于某个特定的领域，它能理解和构建各种人工社会系统。因此，多Agent系 统理论和技术可以应用在许多不同的领域： 单击此处编辑母版标题样 式 单击此处编辑母版副标题样式 * * 5 5 l工业中的计算机集成制造系统、虚拟企业等； l军事的指挥决策支援系统； l交通的智能管理与控制； l电力系统中的智能调度与安全保护； lInternet网的信息管理； l电子商务、商业过程管理与金融业务管理； l医学应用中的患者监控和医疗保健

5、； l在娱乐方面的应用。 单击此处编辑母版标题样 式 单击此处编辑母版副标题样式 * * 6 6 7.1.3 国内外的研究概况 7.1.3.1 国外研究概况 1986年Minsky在思维的社会一书中提出了“Agent”概念，认为社会中的 某些个体（Agent）经过协商后可以求得问题的解。1988年Bratman给出BDI模型 的概念框架，讨论了意图在实用推论中的作用问题，并给出了BDI型Agent的结构 （称为IRMA）。1986年Brooks研究了反应型Agent结构。Agre和Chapman所研究 的PENGI系统、Rosenschein和Kaelbling所研究的情景自动机等都对反应型A

6、gent 结构作了较深入的研究。Innes Fergusion所研究的Touring机和Jorg Muller的 InteRRaP都对混合型Agent结构作了较深入的表述。 1980年Smith提出合同网（Contract Net）方法用作商务管理的合作 机制。Mellon大学提出黑板模型，并研制了黑板系统HEARSAY-II，它解决 语言理解问题。Smith和Davis提出了结果共享的合作问题求解模型。 Lesser和Corkill等人提出功能精确的协同方法（FA/C），它提供了不确定 环境下多Agent间动态合作求解的一种方法。Lesser、Erman、Corkill等人 研制的分布式车辆

7、监测测试床（DVMT）是全工化的开发分布式问题求解网 络的测试床，它采用部分全局规划（PGP）的方法。此外，Levesque等人 还研究了通过联合意图的协调、相互模仿的协调、规范和社会法律的协调等 合作机制和方法。 KQML和KIF是两个已开发了的多Agent系统通信语言，并由FIPA机构 对其进行标准工作。Kraus、Sierra、Sandholm和Makoto等人研究了以 Agent为介质的电子商务的理论基础，并研究了在电子商务中的应用。称为 “OASIS”的航空运输控制系统已在悉尼机场进行过现场试验。澳大利亚皇家 空军的称为“SWARMM仿真系统”、称为“SPOC”的商务管理系统已在市场

8、中 出售。ADEPT系统是基于Agent的业务过程管理系统，目前得到较广泛的应 用。以“机器人足球比赛系统”作为多Agent系统的研究和应用平台，日本的 北田和韩国的金钟焕分别发起“RoboCup”和“FIFA”系列机器人足球比赛，近 七、八年来已有近30个国家参加。 单击此处编辑母版标题样 式 单击此处编辑母版副标题样式 * * 9 9 7.1.3.2 国内研究概况 陆汝铃院士提出联合黑板模型用于问题求解。张维明、姚莉等研究了多 Agent系统在信息处理、智能办公系统中的应用。石纯一、吴启迪等研究了多 Agent系统在现代制造中的应用。中国科技大学、重庆大学等7、8个单位从事多 Agent系

9、统在Internet中的应用研究。武汉大学、华南理工大学研究了多Agent系 统在电力系统中的应用。东北大学、哈工大、广工大、中国科大、清华大学、上 海交大等全国30多间高校通过机器人足球比赛系统对多Agent系统进行研究。 7.1.3.3 国内外达到的水平 从上述的介绍可以看到：国内外对Agent的理论模型已作了较深入的研究， 对Agent之间的合作机制和方法、实现工具和应用作了一定研究，一些基于多 Agent系统技术的系统已推向市场并得到应用。 单击此处编辑母版标题样 式 单击此处编辑母版副标题样式 * * 1010 7.2 多Agent系统的基础 7.2.1 Agent及多Agent系统

10、的定义 7.2.1.1 Agent（Agent）的定义 Agent的定义有三种： Agent是指能在某一环境中运行，并能影响环境的变化，灵活、自主地采取 行动，以满足其设计目标的计算实体。 Agent是能在某个环境中自主行动，以实现设计目标的计算机系统。 Agent是一个物理体或虚拟体，它 a)能和其它Agent进行通讯。 b)由一组意向（tendencies）所驱动（以各个对象的形式或以试图达到最佳的 满足/生存函数的形式）。 c)能对环境起作用。 d)只能感知和表示局部环境。 e)拥有自己的资源。 f)具有一定技能，且能提供服务。 g)能自我复制。 h)其行为是力求目标得到满足（取决于它拥

11、有的资源、技能、感知、表示及收 到的信息）。 单击此处编辑母版标题样 式 单击此处编辑母版副标题样式 * * 1111 图7.1 Agent的概念图 单击此处编辑母版标题样 式 单击此处编辑母版副标题样式 * * 1212 7.2.1.2 多Agent系统统（Multi-Agent Systems）的定义义 多Agent系统的定义有两种： 它是由分布在网络上的多个Agent松散耦合而成的复杂系统，这些Agent相互 作用以解决单个Agent所不能解决的问题 。 多Agent系统又称为多Agent系统，它是由下列元素所组成的系统。 a) 环环境E. 即通常拥有一定空间。 b) 对象集O. 这些对

12、象在某一时刻有可能和环境E中的任何其它对象相联系。这 些对象又是被动的，它们可能由Agent所感知、构建、毁坏和修改。 c) Agent集A. 它们是特殊的对象（ ），是系统中有源的实体。 d) 关系集R. 它们把对象与对象、对象与Agent、Agent与Agent相结合起来。 e) 操作集 它使Agent集A可以感知、生产、消耗、改变和操作对象 f) 操作子. 它表示这些操作的应用和这一企图的世界反应，又称为世界律。 单击此处编辑母版标题样 式 单击此处编辑母版副标题样式 * * 1313 7.2.2 Agent及多Agent系统的分类 7.2.2.1 Agent的分类 Agent可分为理想

13、Agent、智能Agent、软件Agent。 a) 理想Agent. 具有认识和理解世界环境的能力、问题求解能力、学习能力、自我适应能力和解决大型 复杂问题的协作能力等五种能力。 b) 智能Agent. 是指能在某一环境中运行、并能响应环境的变化，灵活自主地采用行动以满足其设计目 标的计算实体。 c) 软件Agent. 是一种在特定环境中连续、自主地运行的软件实体，通常与其它Agent一起联合解决问 题。 单击此处编辑母版标题样 式 单击此处编辑母版副标题样式 * * 1414 Agent又可分为BDI型Agent、反应型Agent、混合型Agent。 a)BDI型AgentBelief-信念

14、，Desire-愿望，Intention-意图，又称为慎 思型Agent、实用推理Agent. 实用推理是权衡不同观点中的矛盾，这些不同的观点来自Agent的愿望、 评价、关心问题以及Agent所相信的事情。实用推理由两个行为所组成：第一个 行为称为慎思，它决定想要达到的状态；第二个行为称为手段目的推理， 它决定为如何实现这些状态。 b)反应型Agent又称为归类式结构Agent. 首先，Agent是通过一个完成任务的行为集合来实现决策的，每一种行为都 被看成一个单独的Action函数，可简化为情景动作。其次，很多行为可以同 时“触发”,即进行。 c)混合型Agent. 具有反应行为能力和预动

15、作能力（慎思）的Agent。 单击此处编辑母版标题样 式 单击此处编辑母版副标题样式 * * 1515 7.2.2.2 多Agent系统的分类 根据对动态性的适应性，多Agent系统可分为： a) 系统拓扑结构不变，即Agent的数目及其社会关系都不变的系统。 b) 系统拓扑结构可变，即Agent的数目及其社会关系都可变的系统。 根据系统功能结构，多Agent系统可分为： a) 同构型系统. 由功能结构相同的各个Agent所组成的系统。 b) 异构型系统. 由功能结构不同的各个Agent所组成的系统。 根据控制结构，多Agent系统可分为： a) 集中控制型系统. 由一个中心Agent负责整个

16、系统的控制、协调工作。 b) 层次控制型系统. 每个Agent控制处于其下层的Agent的行为，同时又受控 于其上层的Agent。 c) 网络控制型系统. 由信息传递构成控制结构，且该控制结构可灵活、动态 地进行改变。 单击此处编辑母版标题样 式 单击此处编辑母版副标题样式 * * 1616 7.2.3 Agent的理论论模型 7.2.3.1 BDI型Agent 图7.2 过程推理系统（PRS） PRS是由Stanford研究所开发的，是一个显式嵌入BDI 模式的著名Agent结构，如图7.2所示 。 单击此处编辑母版标题样 式 单击此处编辑母版副标题样式 * * 1717 图7.3 GRATE* BDI Agent模型 GRATE*是由Jennings于1993年提出的，它与IRMA (Intelligent Resource Machine Architecture Bratman提出)相类 似，它采用联合意图和联合责任来建立一个合作行为，并监控联 合行为的执行，如图7.3所示 。 7.2.3.2 反应型Agent 单击此处编