交互式系统才是日常计算世界的典型形式,几乎最普通的系统.ppt

多Agent系统的标准结构（Jennings,2000） 标准结构的说明 包含多个Agent，通过通信互相交互； Agent可以在环境中动作，不同的Agent有不同的作用范围，表示它们可以控制、至少是影响环境的不同部分。在有些情况下，影响的范围可能会有重叠，而影响范围重叠的事实会产生Agent之间的依赖关系。例如不能通过同一道门。 Agent一般也会通过其他关系关联起来，如“权力”的例子，一个Agent是另一个Agent的老板。 第五章 多Agent交互 效用和偏好 自利的：即每个Agent对世界应该是什么样子有自己的偏好和愿望。 存在一个关于Agent偏好的结局或者状态的集合 效用和偏好 富人和穷人 偏好排序 偏好排序 的性质 多Agent相遇 环境函数例子 标准的博弈论收益矩阵的表示法 优势策略 定义：优势 假设两个 的子集—— ，如果对i希望 中的每个结局超过 中的每个结局，则对于Agent i来说 优势于 举例见板书 进一步引出强优于 Nash（纳什）平衡 习题（1） 习题（2） 习题（3） 竞 争 竞争的定义： Agent i希望得到结局 超过得到结局 ， 当且仅当Agent j希望得到 超过得到结局 这样，局中人的偏好相互处在完全对立的位置上：一个Agent要提高其效用，必须以另一个Agent的付出为代价。 例子？？ 零和交互 定义：对于任何特定的结局，两个Agent的效用之和为零。 囚犯两难 囚犯两难问题的收益矩阵 囚犯两难问题的改进（Axelrod） 多Agent系统的依赖关系 * * 交互式系统才是日常计算世界的典型形式，几乎最普通的系统中也包含一些子系统，他们必须互相交互以成功地完成它们的任务。 构造单Agent-构造Agent社会 作用范围 博弈论相关介绍 效用和偏好 多Agent相遇 优势策略与Nash平衡 竞争与零和交互 囚犯两难 多Agent系统的依赖关系 例子１．石头、剪刀、布 休息，找水 未定，未定 找水，休息 未定，未定 找水，休息 休息，找水 找水，休息 休息，找水 未定，未定 猪八戒 石头　　　　剪刀　　　布 孙悟空 石头 剪刀 布 定义：博弈论是专门研究博弈如何出现均衡的规律的学科。 例子２．诺曼底登陆 定义：博弈是指决策主体在相互对抗中，对抗双方（或多方）相互依存的一系列策略和行动的过程集合。 失败，成功 成功，失败 成功，失败 失败，成功 德军 马赛设防　诺曼底设防 盟军 马赛登陆 诺曼底登陆 博弈的四要素 参与者：参与博弈的决策主体。判断博弈参与者的根本标志是是否是博弈的利害关系者。 博弈的规则：对博弈作出具体规定的集合。它包含对参与者行动顺序的规定、当某个参与者行动时他所知道的信息、有什么样的行动可供选择、选择之后会有什么样的结果，等等。 结果：对所有参与者的每一个可能的行动组合，会出现什么样的结果。 收益：在可能的每一个结果上，参与者的所得和所失，就是在所有可能的结果上参与者的偏好是什么，这意味着博弈的每一位参与者会在不同结果之间进行比较，以寻求最好的收益。 博　弈　的　表　述 可以用参与者、策略和收益函数来表述一个博弈。 孙悟空的策略函数： 猪八戒的策略函数： 如石头、剪刀、布的例子： 参与者集合：I={1,2} //其中１表示孙悟空，２表示猪八戒 收益函数是策略组合和收益之间所建立的一种函数关系。 如： 博　弈　的　分　类 静态博弈 动态博弈 完全信息博弈 不（非）完全信息博弈 如果博弈双方同时行动，即一方在作出行动时并不清楚对手是否已经作出了行动，则为静态博弈。如果一方在作出行动时，知道对手已经作出了行动（可能不知道具体行动是什么），则为动态博弈。 如果所有参与者对其收益的信念是确定的，那么这个博弈就是完全信息的。也就是每一个参与者都能明确地计算出彼此的收益。相反，则为不完全信息博弈。 博弈的其他例子 １．鸽派和鹰派 ２．烛光晚餐 ３．…… 思考：能否将身边一些情况描述成博弈？具体例子？抽象成博弈的四个要素，并进行表述和分类。 假设只有两个Agent为i和j 可以用效用函数形式化地描述这两个Agent的偏好，每个Agent有一个效用函数。给每个结局赋予一个实数，表示这个结局对于该Agent来说有多“好”，数值越大，从这个Agent的角度来说效用越好。 导出一个关于输出的偏好排序 效用和金钱的比喻 在一个小区内，住着一个富人和一个穷人。组织夜间巡逻能有效防止偷盗，但夜间巡逻的成本为４。假设富人的财产为８，穷人的财产为2。如果两人都巡逻，那么巡逻成本由两人均摊，如果只有一人巡逻，则由巡逻者承担。 0，0 8