《多智能体技术》由会员分享，可在线阅读，更多相关《多智能体技术（7页珍藏版）》请在金锄头文库上搜索。
1、多智能体技术摘要半今，分布式人工智能研究的个热点是多智能体系统，它是分和式问题求解 的进一步发展。随着多智能体理论与技术的发展，其应用范围也在不断扩大着，但是由 于其理论与应用研究刚起步不久，还有不少问题有待解决。本论文回顾了多智能体技术 的发展历史，指出了多智能体理论及应用的研究方向，介绍了多智能体技术的基本概念 和特点，多智能体系统的体系结构，多智能体中的协调与协作方法等内容。关键词多智能体系统；多智能体结构；多戸标优化；协调协作Multi-agent technologyAbstract Nowadays, one of the hot points in distributed art
2、ificial intelligence research is multi-agent system, which is the further development in distributed problem solving. With the development of multi-agent theory and technology, its application is being expanded. As the theory and application is just starting, there are many issues to be resolved. Tn
3、 this paper, the thesis reviews the development of EGCS, points out the research directions of multi-agent theory and application, and iintroduces the basic concepts and characteristics, Multi-agent system architecture , the coordination and collaboration on Multi-agent system.Keywords Mui ti-agent
4、sys tems； Mui ti-agent arch it ecture； Mui ti-objective optimization； Coordination and collaboration1前言H前的工业系统正向大型、复朵、动态和开放的方向转变，传统的工业系统和多机 器人技术在许多关键问题上遇到了严重的挑战。分布式人T智能(DAI, Distributed Artificial Intelligence)与多智能体系统(MAS, Multi-Agent System)理论为解决这 些挑战提供了 -种最佳途径。智能体系统是分布式人工智能的 个重要分支，是20世 纪末至21世纪初国际上
5、人工智能的前沿学科。研究的H的在于解决大型、复杂的现实 问题，而解决这类问题已超出了单个智能体的能力，将DAT. MAS充分应用于工业系统 和多机器人系统的结果，便产生了一门新兴的机器人技术领域一多智能体机器人系统 (MARS, MultiAgent Robot System)。总的来说，多智能体系统领域正在蓬勃发展。2.多智能体2.1多智能体理论的发展历史智能体一Agent的概念最早可以追溯到1977年的Carl Hewitt的uViewing Control Structure as Pat terns of Passing Messages” 文。 在 jl 匕文中，Carl Ilewi
6、 11 给出了 个称为“Actor”的对象，它具有自身的内在状态，又能与其他同类对象发送 和反馈信息。而正式釆用“Agent” *词可见于MMinsky于1986年出版的uSociety of Mind” 一书，文中用“Agent”称呼些具有特别技能的个体，它们存在于社会中，并 通过竞争或协商求解矛盾。多智能体系统（简称MAS）是由多个单Agent组成的集合，该系统可以协调组 Agent的行为（知识、戸标、方法和规划），以协同完成一个任务或是求解问题，各个单Agent可以有同一个ri标，也可以有多个相互作用的不同H标，它们不仅要共亨有关问 题求解方法的指示，而且要就单Agent间的协调过程进行
7、推理。多智能体理论的应用研 究开始于20世纪80年代中期，近些年呈明显增长的趋势。尤其是近10年來,Agent和 多智能体系统理论和技术频繁出现在大量应用系统的设计小，对Agent的研究己成为人 工智能学科的一个热点，是人工智能学科的核心内容。忖前，Agent方法和MAS等相关 技术已经日益应用于智能机器人、交通控制、制造系统、网络智能化、电子商务、软件 系统等领域，成为一种对复杂系统进行分析、设计的有力思想方法和工具。22多智能体技术的基本概念和特点2. 2.1多智能体技术的基本概念多智能体系统（Multi-Agent System, MAS）是由多个Agent组成的集合,Agent Z间及
8、Agent与环境Z间通过通讯、协商与协作来共同完成单个Agent不能解决的问题。 也可以简单地说，多智能体系统是指由多个H主或半自主的构件所构成的各种大型的系 统。在多智能体系统中，数据是分散的，没有系统的全局控制。多智能体技术提供了一 种适合分布式计算和不确定问题求解的新方法，这是因为多智能体系统放松了对集小式 规划、顺序控制的限制，提供了分散控制、应急和并行处理的能力，并H它是个高度 交叉的研究领域，它吸取了不同领域的内容，如计算机科学、人工智能、经济学、社会 学等。2. 2. 2多智能体技术的特点多智能体系统不同于传统的分布式处理系统，它要求系统中每Agent及Agent之间 的交流具有
9、智能性或自组织能力（如推理、规划、学习等）。其主要特点如下:（1）社会性在MAS中,Agent可能处于由多个Agent构成的社会环境中,拥有其他Agent的信 息和知识，能通过Agent通信语言与其他Agent实施灵活多样的交互和通信，实现与英 他Agent的合作、协调、协商等，以完成自身的问题求解或帮助其他Agent完成任务。（2）自治性在MAS|, 一个他e毗发出服务请求后，其他Agent只有同时具备提供此服务的能 力和兴趣，才能接受动作委托。因此，一个Agent不能强制其他Agent提供某项服务。（3）协作性在MAS中，具有不同H标的各个Agei代必须相互协同、协商未完成问题的求解。通
10、常的协作有：资源共亨协作、生产者/消费者关系协作、任务/子任务关系协作等。23多智能体理论应用的研究方向作为分布式人T智能的重要组成部分，多智能体技术的理论与应用研究刚起步不 久，还有不少问题有待解决。今后多智能体的研究方向主要集中在以下儿个方面叫（1）多智能体系统的实吋性：一般的实时条件下，需要集中于对多智能体系统通讯层、协作层和控制层的设计及 性能（不确定性、可靠性、鲁棒性、推理机制、学习机制及各种规划算法等）的提高。 而在复杂实时动态条件下，对Agent结构、表达方法以及协调机制的研究与设计也是多 智能体的研究方向Z；对于开放式综合多级的多智能体系统结构，耍求该结构反映复 杂环境下多层次
11、、实吋、动态的特点，并随问题性质的变化而改变；另外，在实吋动态 环境下，建立定性和定量相结合的局部一全局不精确多智能体推理模型，并将吋序推理、 非单调推理、时限推理和界步事件处理技术溶入多智能体系统推理中，以及采用模糊集 理论，研究多智能体系统中各Agent的不一-致性和不确定性，探讨多智能体可信度协调 模型亦作为今后的主要研究内容，提出有效解决实时动态环境下仍能保持系统良好性能 的解决方法。(2) 网络环境下的多智能体系统研究基于多智能体技术的网络智能化方法，探讨建立和完善基于多智能体的分布式 仿真系统和测试平台所面临的软件和硬件问题。(3) 多智能体系统的协调在复杂的实吋动态环境下，因存在
12、吋间及资源上的约束，需要解决Agent系统在有 限时间和资源的前提下进行资源分配、任务调度、行为协调、冲突消解等协调合作问题, 因而研究多智能体系统也需要将重点放在对于功能独立的各个Agent通过协调及协作， 完成复杂的控制任务或解决复杂问题方而上。具体研究内容主耍是参与协调Agent对系 统所做的贡献、Agent信息的可靠度以及各Agent之间的影响问题。此外，对参与协调 Agent的重视程度和将多H标协调问题转化为单H标协调问题亦是其研究方向Z-o(4) 实际应用的多智能体系统考核指标在多智能体系统应用于实际的过程中，会有多个考核指标来对多智能体系统的应用 价值进行评价，并且在用户界面、系
13、统的稳定性、安全性、学习机制的准确性、可靠性 及学习的延吋性、实时性以及鲁棒性等问题上都需要进一步的研究与改进，以达到考核 指标的综合优化。(5) 逻辑符号与数学计算相结合的多智能体系统研究多智能体的符号和数学方式的表达方法，探讨符号运算与数学计算的相互结合 与转换，并将其应用于以机器和操作者构成的人机共存的多智能体系统。(6) 基于多智能体系统的分布智能控制探讨将多智能体技术应用于实际的智能控制中所面临的问题，进一步研究具有分布和协 调功能的智能控制系统的性能。24多智能体中的协调与协作在开放的多智能体系统中，每个Age】让都具有自主性，在求解和运行过程中会按照 自己的Fl的、知识与能力进行
14、活动，经常会出现矛盾冲突，其根源在于Agent间的知识 不完备性、Fl标不一致性、不兼容性等方面。因此，MAS中的Agent之间需要进行协作 与协调。多智能体协作(cooperation)是指多个Agent通过协调各自的彳亍为，合作完 成共同的H标。多智能体协调(coordinating)是指具有不同H标的多个Agent对其H 标、资源等进行合理安排，以协调各自行为，最大限度地实现各自FI标。2. 4.1多智能体中的协调o有效的协调是自主的Agent在MAS中达到目标的关键。MAS中存在Agent相互依 赖的行为时，由于有多个Agent的意图存在，当发生冲突时，就要进行协调。协调是保 证多智能
15、体系统中Agent合作的主要方法。通过协调多智能体系统中Agent的个体彳亍为, 使得多智能体系统的整体行为得到改进，提高系统的性能，或是减少系统的冲突。2. 4.11多智能体协调类型多智能体系统的协调分为显式协调和隐式协调两种。显式协调是指Agent被设计 成能够对可能的交互进行推理，必要时与其他Agent进行协商。隐式协调是指Agent被 设计成遵循某局部的行为规则。(1) 显式协调显式协调以协调控制行为的执行者在系统中的分布程度可分为完全集中的协调、完 全分布的协调以及集中与分布相结合的协调三类。完全集小的协调是指主控Agent完全 控制从属者的行为，由主控Agent内部的规划器保证从A
16、gent的行为彼此协调，这种 协调方法在机器世界中己有应用。集小协调方法降低了系统的复杂性，减少了用于协调 的通信开销，但却要求中心规划器有极强的处理能力，要处理各种可能冲突来形成一个 全局一致的方案。在完全分布的协调方法中，各Agent处于平等的地位，彼此行为的协 调通过各Agent内部的推理机制或Agent之间的多次交互，必要时进行协商实现。这种 协调方法适合于研究理性Agent的多智能体系统。(2) 隐式协调由于处理大量的可能冲突以形成一个全局一致的方案，交互通信或中心规划器的方 法是可行的，因此多智能体系统中出现了关于社会规则、过滤、标准等隐式的研究。 Shoham提出人工Agent社会规定一套规则，每个Agent必须遵守，同吋相信其他Agent 也会遵守。这些规则一方面会限制每一个Age毗所选择的动作，另一方面
