分布式人工智能41.pptVIP

分布式人工智能与Agent 分布式人工智能—DAI 传统AI理论与方法在很大程度上只适用于串行处理结构，但大型智能问题都存在着潜在的并行性、分布性和开放性特点，而并行计算技术和计算机网络的发展为利用这些特性以提高问题求解效率和质量提供了实现基础。在这种情况下，DAI的研究逐渐引起了人们的注意。 分布式人工智能—DAI DAI一词来源于1980年在MIT召开的第一届DAI国际会议“The Workshop on Distributed Artificial Intelligence”，为DAI的发展和推广起到很大推动作用。 Avouris N.M个体的自治性和粒度角度将DAI的研究分为三个分支：分布式问题求解(DPS, Distributed Problem Solving)、多Agent系统(MAS, Multi-Agent System)和并行人工智能(PAI, Parallel Artificial Intelligence) 分布式人工智能—DAI DPS的研究目标是创建大粒度协作群体，待求解的问题被分解为多个子问题，并分配给DPS系统中的个体，各个体进行各自的部分求解，所得到的部分解按照一定的方法综合起来得到整体解。在求解过程中可能进行协作，但这种协作是可预知的，并被事先安排在问题的求解过程的描述中，个体间的协作是命令/服从式的，不需进行协商 DPS系统的特点是：环境条件已知，设计按自顶向下的方向展开，算法专用 分布式人工智能—DAI PAI主要研究AI的并行计算体系结构，系统通常由多个紧密耦合的问题求解器组成，每个求解器是一个细粒度的知识体，PAI研究的观点与方法结合了符号主义和联结主义，神经元计算机也属于此研究范畴 传统的DAI主要包括多专家系统、分布式专家系统、群体决策支持系统等 新的分布式人工智能理念—MAS MAS系统中各个Agent是自主的，生命周期不全为其他Agent所知，可以有共同的目标，也可以有各自不同的目标，Agent间即可能协作，也可能对抗，协作形式多种多样（如命令/服从式、投票式、磋商式等），MAS系统需要协调这些自治的Agent的行为。而由于各Agent空间上的分布性、时间上的并行性和逻辑上的依赖性使得MAS系统的问题求解过程更为复杂。DAI的三个分支并没有严格的定义和区别，互有交叉 什么是Agent 1980年代末开始，Agent的研究从DAI领域拓展开来，并与经济学、社会学等其他领域相互借鉴与融合，在许多最初不属于DAI的应用领域得到更为广泛的应用，面向Agent的思想技术作为开发设计软件系统的新方法也日益引起学术界和企业界的广泛关注 什么是Agent 在应用Agent技术的系统中，Agent的含义和表现各不相同，给Agent下一个无争议的定义是很困难的，Hewitt甚至认为定义什么是Agent和定义什么是智能一样困难 Agent定义可分为强定义和弱定义，弱定义强调Agent的自治性、社会性、感知环境并作出反应，强定义在此基础上增加了心智状态等高层次的属性 Agent的分类 普遍的看法是Agent可分为思考型Agent、反应型Agent和混合型Agent 思考型Agent(deliberative Agent)是一种知识系统，用符号AI的方法来实现Agent的表示和推理。将Agent看作一种作为人类个体或社会行为的智能代理的意识系统，引入意识态度(intentional instance)，如信念、愿望、意图、目标、承诺、责任等，以表现出被代理者的意识态度 代表性的工作是Rao和Georgeff对BDI模型的研究，他们采用三个模态算子刻划信念(Belief)、愿望(Desire)和意图(Intention)，提出了描述Agent意识态度的BDI逻辑 这些研究的目的是实现Agent的理性平衡，以保证Agent正确的执行赋予其的职责 Agent的分类 从形式逻辑的角度对Agent理性的研究仍缺乏实用性，而且不能保证Agent做出最优决策 另一种研究Agent理性行为的方法是基于对策论和决策理论的方法，其信念模型是将Agent每个行为的可能后果（到达何种状态）赋予概率，愿望模型用实数表示那些可能状态的效用，Agent的合理行动就是期望效用最优化的行动，可以根据信念和愿望得到，这就是效用理性 这种方法的实用性较强，但忽视了推理环节，需要与形式逻辑方法进行融合 Agent的分类 思考型Agent的设计与建造上的复杂性以及在理论上还存在许多问题，使其缺乏实用性，于是有研究者提出了反应型Agent(reactive Agent) 反应型Agent的思想基础行为主义心理学，认为Agent不需要知识，只需感知环境的变化并作出相应的反应动作。反应型Agent虽然对外环境的变化有很高的