多Agent排队系统结构研究论文.docVIP

　　多Agent排队系统结构研究论文 .freelental state）。知识需要感知器感知环境以及通过通信器与其它Agent进行交互而获得。2.1 Agent心智状态的形式化描述 在我们的多Agent排队系统中，Agent需要和其它Agent或环境交互，因此，Agent需要表示和维护环境的当前状态，这些信息可以根据新的信息的获取而改变，并且可以以Agent的信念或知识的形式存在。另外Agent的存在是为了实现自己的目标或问题的解决，而目标的实现需要多个Agent相互协调。因此，我们在构造Agent心智状态的时候，主要考虑Agent的信念（B）、愿望（D）、意图（I）、目标（G）等因素。单个Agent心智状态可以用下面的六元组表示： Agent＝{B，D，I，G，brf，drf，irf} 其中： B：信念，描述的是Agent关于环境和自身的信息，这些信息可能不完整，甚至是不正确的。可以分为确定的客观事实和不确定的主观态度。例如“Tom的父亲是Jim”，“我相信明天会下雨”，前者是确定的客观事实，而后者的正确性是不确定的。 Belief：：=FactBasedBelief|AttitudeBasedBelief； FactBasedBelief：：=fact(x) |aboutfact(x)； aboutfact：：=fact； AttitudeBasedBelief：：=believe(id，t，s)； 含义是Agent的信念含有客观事实类信念和主观态度类信念，客观事实类信念包括事实以及有关此事实的知识。主观态度类信念表示Agent在时间t，相信标识符为id的Agent处于状态s。 D：愿望，描述了Agent能够响应的事件和可能采纳的目标，由一个目标集组成。这些愿望可以具有不相容性，而且Agent也不必相信它的愿望是可实现的。 I：意图，描述了Agent在自己未来的时间内对自己行动的预先安排，是Agent未来的行动方向。根据当前自身和环境状态和目标连接起来，建立计划集合。Intention：：=intend(t，g)time(t)|believe(id，t，g)|goal(g) 含义为：表示Agent感知到外界环境在时间t发生的事件或状态所蕴含的意图g后，判断Agent是否相信在该时间能实现该目标，然后向Agent提出实现目标的请求。 G：目标，即Agent希望进入何种状态，是Agent从愿望中选择的子集，Agent可能要加以追求的。目标是Agent当前拥有的选择，然而，Agent还没有采取具体行动的承诺。 Goal：：=goal(x)|aboutfact(x)； aboutfact(x)：：=fact(x)|aboutfact(x) 含义是当Agent获得所要达到的目标x时，将查询该目标所需的知识。 brf：Agent信念修正函数。brf： ，该函数依据当前感知（P）和当前的信念确定一个新的信念集合。 drf：愿望修正函数。drf： ，该函数根据Agent关于环境和目前意图的当前信念确定一个愿望。该函数的作用：一是Agent的愿望的产生是一个循环求精的过程，不断地考虑和承诺局部实现的意图，直到最后获得目标；二是它产生的愿望必须与Agent当前的信念和当前的意图相一致， irf：意图修正函数。irf： ，该函数基于Agent当前信念、愿望和意图确定一个新意图。2.2 Agent感知器算法 我们知道人的感知器有眼、耳、鼻以及其它器官，机器人Agent有摄像机等。而软件Agent是通过字符串编码来实现感知的。 感知器是一个多输入、单输出的运算系统4。主要有把感知的信息进行预处理后输出。我们把感知的信息进行分类，5 e (precondition 1，result 1)|(precondition 2，result 2)|...(precondition n，result n) Name ::= string precondition i ::= Clause result i ::= Clause 由于Agent每一次决策后都要进行知识的更新。下面给出Agent的知识更新定理。 定义1.1 知识量7 设X为Agent的某一领域， 均为有限集或可列集，j=1，2，...，N(N为有限或＋∞)}为X的一个表达，(t)=EN（t） 称为Agent知识的更新函数，有 。 m(t)的导数 。 fn(t)是Fn(t) 的知识更新强度。2.4 Agent的通信模块 在多Agent排队系统中，每个Agent自主的运行，但是由于每个Agent仅拥有不完全的信息和问题求解能力，所以多个Agent必须相互通信、协同工作。通信是协作的基础。采用消息通信是实现灵活复杂的协调策略的基础。使用规定的协议、Agent彼此交换的信息可以用来建立通信和协作机制