人工智能与多智能体技术的基本理论

2023-06-20 理论教育版权反馈

【摘要】：较新的智能调度方法就是基于多代理技术的合作求解，它以分布式人工智能中的多代理机制作为新的生产组织与运行模式，通过Agent 之间的合作以及MAS系统协调来完成生产任务的调度。人们不仅认识到了应该把人工智能各个领域的研究成果集成为一个具有智能行为的个体，更重要的是认识到了人类智能的本质是一种社会性的智能。如何实现分布式人工智能系统，为MAS 设计技术平台和开发方法?

人工智能的方法就是利用模型和知识，通过模拟、推理等手段为人的决策行为提供支持，从而使人们可以根据车间的不同情况做出相应的更符合实际的决策。近年来，人工智能领域在应用方面取得了很大的发展，其中最常见的就是专家系统。专家系统作为一种较好的调度方法也存在着不容忽视的缺点： ①对新的调度环境的适应性差，这是由于生产环境的高度不确定，调度目标常常是变化、动态甚至是冲突的，使得专家系统较适应于相对稳定的系统； ②开发周期长，费用高； ③专家系统是基于知识的系统，但是人们对经验和知识的获取受到历史条件的限制。

由于专家系统存在上述不足，人们逐渐将注意力转向神经网络法，其中应用最广的就是多层反馈的BP 网络。神经网络法也存在着许多的缺陷，如训练速度慢、搜索能力弱等。较新的智能调度方法就是基于多代理技术的合作求解，它以分布式人工智能中的多代理机制作为新的生产组织与运行模式，通过Agent 之间的合作以及MAS(Multi-Agent System)系统协调来完成生产任务的调度。

人工智能技术是用于解决大型、复杂的现实问题，而解决这类问题已超出了单一Agent 系统的能力。一个Agent 的能力是受其知识、计算资源以及与其他Agent 相互关系的限制，通常处理复杂事务最有力的工具是模块化和抽象化，多Agent 系统(Multi-Agent System)则提供了这种能力。这种能力是基于Internet 的，在智能体之间能够互操作以及以对等交互的方式相互协作，从而扩大单一Agent 的问题求解范围。 Multi-Agent 系统可以认为是一个包含一群自主的智能体的系统，它们为了共同的目的而相互协作，同时追求各自目标的实现。

总体而言，人工智能的方法可以解决普通的调度问题，使得调度决策具有一定的智能性，这种方法的不足就是解决问题的范围大小方面受到限制，而且收集人的经验以及认知过程的建模都是很困难的。 Agent 技术提供了一种新的计算和问题求解规范。人们不仅认识到了应该把人工智能各个领域的研究成果集成为一个具有智能行为的个体，更重要的是认识到了人类智能的本质是一种社会性的智能。人们在研究人类智能行为中发现，人类绝大部分的活动都涉及多个个体构成的社会团体，大型复杂问题的求解需要多个专业人员或组织协作完成。人最重要和应用最多的智能是在由众多个体构成的社会中进行各种活动时体现出来的。 “协作”、 “竞争”和“谈判”等是人类智能行为的主要表现形式。因此，分布的、具有一定自主性并能够协调合作的Agent，作为“人”的对应物就理所当然地成为人工智能研究的基本对象，而社会的对应物“多Agent 系统(Multi-Agent System，简称MAS)”也就成了人工智能更具挑战性的研究对象。在综合分析以上多种Agent 内涵的基础上， Agent 作为一个智能主体其最主要的特征，是具有感知性、自主性和协作性，它能够感受外部环境，独立决策，并能作用于外部环境以及与其他Agent 相互协作共同实现目标。

1. 感知性

Agent 存在于一定环境中，环境将动态影响其问题求解行为和策略，因此Agent 要能随时感知环境的变化，以确保目标的适宜性和计划的可行性。

2. 自主性

Agent 内部封装了其他Agent 或人不能访问的状态，对于自身或者环境发生的任何变化可以根据自身的状态独立作出决策，不需要人或其他Agent 的直接介入，并能控制自身行为作用于外部环境，但Agent 在决策过程中不排斥来自人或其他Agent 的信息。

3. 协作性

Agent 是运行于复杂环境之中的，其所要完成的一般也都是复杂的任务，因此，协作性是Agent 的本质特征之一。 Agent 间通过一定的通信方式实现信息的交换，形成多Agent 系统共同完成任务，提高对问题的解决能力。 MAS 的研究仍面临不少问题，问题主要存在于以下六个方面：

(1)如何在MAS 中形式化表示、描述问题，进而分解、分配问题?

(2)如何实现各智能体间通信和相互作用，使用什么通信语言和协议，不同智能体间如何互操作，如何查找开放环境中的合适智能体?

(3)如何实现智能体行动的协同，并使局部决策具有非局部效果以及避免有害的相互作用，如何确保MAS 不受资源限制?

(4)如何使智能体了解其他智能体的行为、机会和知识，并针对内容进行推理?

(5)如何识别和消解智能体间的不同观点和冲突，以协调他们的行为?

(6)如何实现分布式人工智能系统，为MAS 设计技术平台和开发方法?

这些问题是相互联系的。例如，不同的通信和相互作用过程蕴含了协调行为；不同的问题分解方法可以产生不同的相互作用方式和智能体模型化需求；一致的行为依赖于智能体具有解决知识不一致问题的方法等。建立合理的协调机制是确保一个MAS 系统问题求解的关键。智能体(Agent)的基本结构，包括知识库，感知器以及推理机，等等，在MAS 的环境中，不同的Agent 在环境中的作用不同，他们的结构在Agent 的一般体系结构之上有所不同，发挥其不同的功能，下面分别介绍在虚拟企业生产运作过程中担当重要角色的任务分解Agent、任务Agent、调度Agent 和协调Agent 的内部结构。

人工智能与多智能体技术的基本理论

相关推荐