System wieloagentowy - Multi-agent system
System wieloagentowy ( MAS lub „system samoorganizujący się”) to skomputeryzowany system składający się z wielu oddziałujących na siebie inteligentnych agentów . Systemy wieloagentowe mogą rozwiązywać problemy, które są trudne lub niemożliwe do rozwiązania dla pojedynczego agenta lub systemu monolitycznego . Inteligencja może obejmować podejścia metodyczne , funkcjonalne , proceduralne , wyszukiwanie algorytmiczne lub uczenie się ze wzmocnieniem .
Pomimo znacznego nakładania się, system wieloagentowy nie zawsze jest taki sam jak model oparty na agentach (ABM). Celem ABM jest poszukiwanie wyjaśniającego wglądu w zbiorowe zachowanie agentów (które niekoniecznie muszą być „inteligentne”) przestrzegających prostych reguł, zwykle w systemach naturalnych, a nie w rozwiązywaniu konkretnych problemów praktycznych lub inżynierskich. Terminologia ABM jest częściej używana w nauce, a MAS w inżynierii i technologii. Zastosowania, w których badania systemów wieloagentowych mogą zapewnić odpowiednie podejście, obejmują handel online, reagowanie na katastrofy, nadzór nad celami i modelowanie struktury społecznej.
Pojęcie
Systemy wieloagentowe składają się z agentów i ich środowiska . Zazwyczaj badania systemów wieloagentowych odnoszą się do agentów oprogramowania . Jednak agentami w systemie wieloagentowym mogą równie dobrze być roboty, ludzie lub zespoły ludzkie. System wieloagentowy może zawierać połączone zespoły człowiek-agent.
Agentów można podzielić na typy od prostych do złożonych. Kategorie obejmują:
- Agenci pasywni lub „agent bez celów” (np. przeszkoda, jabłko lub klucz w dowolnej prostej symulacji)
- Czynniki aktywne o prostych celach (jak ptaki w stadzie lub wilk-owca w modelu drapieżnik )
- Czynniki kognitywne (złożone obliczenia)
Środowiska agentowe można podzielić na:
- Wirtualny
- Oddzielny
- Ciągły
Środowiska agentowe mogą być również zorganizowane według takich właściwości jak dostępność (czy możliwe jest zebranie pełnych informacji o środowisku), determinizm (czy akcja wywołuje określony efekt), dynamika (ile podmiotów wpływa w danej chwili na środowisko), dyskretność (czy liczba możliwych działań w środowisku jest skończona), epizodyczność (czy działania agenta w pewnych okresach czasu wpływają na inne okresy) i wymiarowość (czy cechy przestrzenne są ważnymi czynnikami środowiska i agent bierze pod uwagę przestrzeń w podejmowaniu decyzji ). Działania agenta są zazwyczaj mediowane za pośrednictwem odpowiedniego oprogramowania pośredniczącego. To oprogramowanie pośredniczące oferuje najwyższej klasy abstrakcję projektową dla systemów wieloagentowych, zapewniając środki do zarządzania dostępem do zasobów i koordynacją agentów.
Charakterystyka
Agenci w systemie wieloagentowym mają kilka ważnych cech:
- Autonomia: podmioty przynajmniej częściowo niezależne, samoświadome, autonomiczne
- Widoki lokalne: żaden agent nie ma pełnego widoku globalnego lub system jest zbyt złożony, aby agent mógł wykorzystać taką wiedzę
- Decentralizacja: żaden agent nie jest wyznaczony jako kontrolujący (lub system jest skutecznie zredukowany do systemu monolitycznego)
Samoorganizacja i samokierowanie
Systemy wieloagentowe mogą przejawiać samoorganizację, samokierowanie i inne paradygmaty kontroli oraz związane z nimi złożone zachowania, nawet jeśli indywidualne strategie wszystkich ich agentów są proste. Gdy agenci mogą dzielić się wiedzą przy użyciu dowolnego uzgodnionego języka, w ramach ograniczeń protokołu komunikacyjnego systemu, podejście może prowadzić do wspólnej poprawy. Przykładowe języki to Knowledge Query Manipulation Language (KQML) lub Agent Communication Language (ACL).
Paradygmaty systemowe
Wiele MAS jest wdrażanych w symulacjach komputerowych, przechodząc system przez dyskretne „kroki czasowe”. Komponenty MAS komunikują się zazwyczaj za pomocą ważonej macierzy żądań, np.
Speed-VERY_IMPORTANT: min=45 mph, Path length-MEDIUM_IMPORTANCE: max=60 expectedMax=40, Max-Weight-UNIMPORTANT Contract Priority-REGULAR
oraz ważoną macierz odpowiedzi, np.
Speed-min:50 but only if weather sunny, Path length:25 for sunny / 46 for rainy Contract Priority-REGULAR note – ambulance will override this priority and you'll have to wait
Schemat wyzwanie-odpowiedź-umowa jest powszechny w systemach MAS, gdzie
- Najpierw rozsyłane jest pytanie „ Kto może? ” .
- Tylko odpowiednie podzespoły odpowiadają: „ Mogę, w tej cenie ” .
- Na koniec zawierana jest umowa, zwykle w kilku krótkich krokach komunikacyjnych między stronami,
uwzględnienie również innych komponentów, ewoluujących „umów” i zestawów ograniczeń algorytmów komponentów.
Innym paradygmatem powszechnie używanym w MAS jest „ feromon ”, w którym komponenty pozostawiają informacje dla innych pobliskich komponentów. Feromony te mogą z czasem wyparować/zagęścić się, czyli ich wartości mogą maleć (lub wzrastać).
Nieruchomości
MAS mają tendencję do znajdowania najlepszego rozwiązania swoich problemów bez interwencji. Występuje tu duże podobieństwo do zjawisk fizycznych, takich jak minimalizowanie energii, gdzie obiekty fizyczne mają tendencję do osiągania najniższej możliwej energii w fizycznie ograniczonym świecie. Na przykład: wiele samochodów wjeżdżających do metropolii rano będzie dostępnych do opuszczenia tej samej metropolii wieczorem.
Systemy mają również tendencję do zapobiegania propagacji błędów, samonaprawy i odporności na awarie, głównie ze względu na nadmiarowość komponentów.
Badania
Badanie systemów wieloagentowych „zajmuje się opracowywaniem i analizą wyrafinowanych architektur rozwiązywania problemów i kontroli sztucznej inteligencji dla systemów jedno- i wieloagentowych”. Tematy badawcze obejmują:
- inżynieria oprogramowania zorientowana na agentów
- przekonania, pragnienia i intencje ( BDI )
- współpraca i koordynacja
- rozproszona optymalizacja ograniczeń (DCOP)
- organizacja
- Komunikacja
- negocjacja
- rozproszone rozwiązywanie problemów
- nauka wieloagentowa
- wydobycie agenta
- społeczności naukowe (np. na temat biologicznego flokowania, ewolucji języka i ekonomii)
- niezawodność i odporność na awarie
- robotyka, systemy wielorobotowe (MRS), klastry robotyczne
Ramy
Pojawiły się ramy, które wdrażają wspólne standardy (takie jak standardy FIPA i OMG MASIF). Ramy te, np. JADE , oszczędzają czas i pomagają w standaryzacji rozwoju MAS.
Obecnie jednak żaden standard nie jest aktywnie utrzymywany przez FIPA lub OMG. Wysiłki na rzecz dalszego rozwoju agentów oprogramowania w kontekście przemysłowym są prowadzone w komitecie technicznym IEEE IES ds. Agentów przemysłowych.
Aplikacje
MAS znalazły zastosowanie nie tylko w badaniach naukowych, ale także w przemyśle. MAS są stosowane w świecie rzeczywistym do aplikacji graficznych, takich jak gry komputerowe. W filmach zastosowano systemy agentowe. Jest szeroko zalecany do stosowania w technologiach sieciowych i mobilnych, aby osiągnąć automatyczne i dynamiczne równoważenie obciążenia, wysoką skalowalność i samonaprawianie sieci. Są wykorzystywane w skoordynowanych systemach obronnych.
Inne zastosowania obejmują transport , logistykę, grafikę, produkcję, systemy energetyczne , smartgrids i GIS .
Ponadto do symulowania społeczeństw wykorzystywane są systemy wieloagentowe (MAAI), które są pomocne w dziedzinie klimatu, energetyki, epidemiologii, zarządzania konfliktami, krzywdzenia dzieci itp. Niektóre organizacje pracujące nad wykorzystaniem wieloagentowych modele systemowe obejmują Center for Modeling Social Systems, Center for Research in Social Simulation, Center for Policy Modelling, Society for Modeling and Simulation International. Hallerbacha i in. omówiono zastosowanie podejść opartych na agentach do rozwoju i walidacji zautomatyzowanych systemów jazdy za pomocą cyfrowego bliźniaka testowanego pojazdu i mikroskopowej symulacji ruchu opartej na niezależnych agentach. Waymo stworzyło wieloagentowe środowisko symulacyjne Carcraft do testowania algorytmów dla samojezdnych samochodów . Symuluje interakcje drogowe między kierowcami, pieszymi i pojazdami zautomatyzowanymi. Zachowanie ludzi jest imitowane przez sztuczne czynniki oparte na danych o prawdziwym ludzkim zachowaniu.
Zobacz też
- Porównanie oprogramowania do modelowania opartego na agentach
- Ekonomia obliczeniowa oparta na agentach (ACE)
- Sztuczny mózg
- Sztuczna inteligencja
- Sztuczne życie
- Sztuczne ramy życia
- Burmistrz AI
- Czarna skrzynka
- System tablicowy
- Złożone systemy
- Dyskretna symulacja zdarzeń
- Rozproszona sztuczna inteligencja
- Powstanie
- Obliczenia ewolucyjne
- Teoria gry
- Algorytm genetyczny oparty na człowieku
- Język zapytań i manipulacji wiedzą (KQML)
- Inteligencja mikrobiologiczna
- Planowanie wieloagentowe
- Modelowanie zorientowane na wzorce
- Projekt PlatBox
- Nauka wzmacniania
- Metafora społeczności naukowej
- Samorekonfigurujący się modułowy robot
- Symulowana rzeczywistość
- Symulacja społeczna
- Agent oprogramowania
- Inteligencja roju
- Robotyka roju
Bibliografia
Dalsza lektura
- Wooldridge, Michael (2002). Wprowadzenie do systemów MultiAgent . John Wiley i Synowie . P. 366. Numer ISBN 978-0-471-49691-5.
- Shoham, Yoav; Leyton-Brown, Kevin (2008). Systemy wieloagentowe: podstawy algorytmiczne, teorii gier i logiczne . Wydawnictwo Uniwersytetu Cambridge . P. 496. ISBN 978-0-521-89943-7.
- Mamadou, Tadiou Koné; Shimazu, A.; Nakajima, T. (sierpień 2000). „Stan wiedzy w językach komunikacji agentów (ACL)” . Wiedza i systemy informacyjne . 2 (2): 1-26.
- Hewitta, Carla; Inman, Jeff (listopad–grudzień 1991). „DAI Betwixt i między: od „inteligentnych agentów” do nauki o systemach otwartych” (PDF) . Transakcje IEEE dotyczące systemów, człowieka i cybernetyki . 21 (6): 1409-1419. doi : 10.1109/21.135685 . S2CID 39080989 . Zarchiwizowane z oryginału (PDF) w dniu 31.08.2017.
- The Journal of Autonomous Agents and Multi-Agent Systems (JAAMAS)
- Weiss, Gerhard, wyd. (1999). Systemy wieloagentowe, nowoczesne podejście do rozproszonej sztucznej inteligencji . MIT Naciśnij. Numer ISBN 978-0-262-22323-6.
- Ferber, Jacques (1999). Systemy wieloagentowe: wprowadzenie do sztucznej inteligencji . Addisona-Wesleya. Numer ISBN 978-0-201-36048-6.
- Weyns, Danny (2010). Projektowanie oparte na architekturze systemów wieloagentowych . Skoczek. Numer ISBN 978-3-642-01063-7.
- Słońce, Ron (2006). Poznanie i interakcja z wieloma agentami . Wydawnictwo Uniwersytetu Cambridge . Numer ISBN 978-0-521-83964-8.
- Keil, Dawid; Goldin, Dina (2006). Weyns, Danny; Parunak, Van; Michel, Fabien (red.). Interakcja pośrednia w środowiskach dla systemów wieloagentowych . Środowiska dla systemów wieloagentowych II . LNCS 3830. 3830 . Springer . s. 68–87 . doi : 10.1007/11678809_5 . Numer ISBN 978-3-540-32614-4.
- Whitestein Series in Software Agent Technologies and Autonomic Computing , opublikowana przez Springer Science+Business Media Group
- Salamon, Tomasz (2011). Projektowanie modeli opartych na agentach: opracowywanie symulacji komputerowych w celu lepszego zrozumienia procesów społecznych . Wydawnictwo Brucknera. Numer ISBN 978-80-904661-1-1.
- Russell, Stuart J .; Norvig, Peter (2003), Sztuczna inteligencja: nowoczesne podejście (2nd ed.), Upper Saddle River, New Jersey: Prentice Hall, ISBN 0-13-790395-2
- Fasli, Maria (2007). Technologia agenta dla e-commerce . John Wiley i Synowie . P. 480. Numer ISBN 978-0-470-03030-1.
- Cao, Longbing, Gorodetsky, Vladimir, Mitkas, Perykles A. (2009). Agent Mining: Synergia agentów i Data Mining , IEEE Intelligent Systems, tom. 24, nie. 3, 64-72.