AIA7-分布式人工智能.pptVIP

第七章 分布式人工智能 §7.1 分布式人工智能系统 一、什么是分布式人工智能 Distributed Artificial Intelligence，简称DAI。 DAI 是人工智能和分布式计算相结合的产物。 DAI 的提出，适应了设计并建立大型复杂智能系统以及计算机支持协同工作的需要。 DAI 的目的主要研究在逻辑或物理上实现分散的智能群体的行为与方法，研究协调、操作它们的知识、技能和规划，用以完成多任务系统和求解各种具有明确目标的问题。 一、什么是分布式人工智能 DAI的研究可划分为两个基本范畴： 分布式问题求解（Distributed Problem Solving，DPS） 多智能体系统（Multi Agent System，MAS）或多Agent系统的实现技术。 一、什么是分布式人工智能 含义： 针对待解决的总问题，将其分解为若干子任务，并为每个子任务设计一个问题求解的子系统。 研究内容： 首先需要智能地确定一个分配的策略： 如何把总任务在一群模块或者节点之间进行子任务分配； 其次需要智能地确定一个工作任务协同的策略： 在基于分散、松耦合知识源的基础上，实现对问题的合作求解。 一、什么是分布式人工智能 主要研究不同的智能体之间的行为协调和进行工作任务协同。 即在一群自治的Agent之间，通过协调它们的知识、目标、技能和系统规划，以确定采取必要的策略与操作，达到求解多任务系统及解决各种复杂问题的目标。 MAS是单个的 Agent 技术和分布式系统相结合的发展产物，也是 DAI 研究的一个前沿领域。 二、分布式人工智能系统的特点 无论从逻辑上还是在物理上，系统中的数据和知识的布局都以分布式表示为主，既没有全局控制，也没有全局的数据存储； 系统中各路径和节点，既能并发地完成信息处理，又能并行地求解问题，从而提高了全系统的求解效率。 二、分布式人工智能系统的特点 把要求解的总任务划分为几个相对独立的子任务，降低各独立节点及子系统的复杂度，降低开发与处理的复杂性； 通过节点及子系统的连接和网络的分布式互连； 这种结构方便于系统规模的扩充，使系统具有比单个系统更大的开放性和灵活性。 二、分布式人工智能系统的特点 分布式求解机构由计算机网络互连，使系统通信的代价小于求解问题的代价，并因此降低了问题求解总代价； 分布式系统具有较多的冗余度和调度处理的知识，能够使系统在出现故障时，仅仅通过调度冗余路径或降低响应速度的代价，就可以保障系统正常工作，提高系统可靠性； 依靠系统中诸机构的相互协同支持，以便解决单个机构难以或无法解决的困难问题。 §7.2 分布式问题求解(DPS) 一、DPS系统的协同方式 在分布式问题求解系统中，由于系统中没有一个节点拥有足够的数据和知识来求解整个问题，因此，要求各个节点能够共享问题的知识源及其答案，必要时节点间需要交换与问题有关的求解状态信息，以便协同工作。 协同工作方式： 任务分担； 结果共享。 一、DPS系统的协同方式 节点之间通过分担执行总任务的子任务而相互协作，系统中的控制以目标为指导，各节点的处理目标是求解整个问题的一部分。 适合于求解具有层次结构的任务。 一、DPS系统的协同方式 各节点通过共享部分结果相互协作，系统中的控制以数据为指导，各节点在任何时刻进行的求解取决于当时它所拥有的或从其他节点得到的数据和知识。 适合于求解与总任务有关的各子任务的结果相互影响，并且部分结果需要综合才能得出最终解的问题。 二、DPS系统的分类与组织 DPS 系统的组织结构，是指节点之间信息与控制关系以及问题求解能力在节点中的分布模式。可分为三大类型： 层次类型——任务是分层的，即每个任务由若干下层子任务组成。但同层子任务之间在逻辑上或物理上是分布的。 平行类型——任务是平行的，即每个任务由性质类似、具有平行关系的若干子任务组成。但各个子任务在时间或空间上是分布的。 混合类型——任务是分层的，而每层中的任务是并行的。同时，各个子任务是分布的。 二、DPS系统的分类与组织 根据子系统间协作量的多少， DPS 系统可分为： 全协作系统 无协作系统 半协作系统 二、DPS系统的分类与组织 分布式问题求解过程： 任务分解——由任务分解器来完成 任务分解器按一定的算法将接受的任务分解为若干相对独立、又相互联系的子任务。 任务分配——由任务分配器来完成 任务分配器按一定的分配算法将各个子任务分配到合适的节点。 子任务求解——由求解器来完成 各求解器接到子任务后，借助通信系统进行协作求解。 结果综合——由协作求解系统来完成 各子任务求解器将各自完成的局部解提交给协作求解系统，由协作求解系统将局部解综合，得到完成总任务的最终解。 §7.3 Agent技术概述 “Agent”技术曾被称为软件Agent，简称SA。 一