第九章 Agent 人工智能课程 北京大学.doc

第九章 Agent (艾真体) 教学内容：介绍Agent的基本概念，使读者对Agent有个初步了解。 教学重点：艾真体及其要素 教学难点：艾真体的BDI（信念、愿望和意图）模型、艾真体的结构分类 教学方法：课堂教学为主，注意结合例子来说明抽象概念。 教学要求：本章为选修内容，要求掌握艾真体及其要素；了解艾真体的结构，一般了解艾真体通信、多艾真体技术等知识。 9.1分布式人工智能 教学内容：本小节介绍分布式人工智能的起源与发展，并介绍分布式人工智能的特点与分类。 教学重点：分布式人工智能的特点 教学难点：分布式人工智能的分类 教学方法：课堂教学 教学要求：掌握分布式人工智能的几个主要特点 9.1.1分布式人工智能的特点 分布性：整个系统的信息，包括数据、知识和控制等，无论在逻辑上或者物理上都是分布的，不存在全局控制和全局数据存储。 连接性：在问题求解过程中，各个子系统和求解机构通过计算机网络相互连接。 协作性：各子系统协调工作。 开放性：通过网络互连和系统的分布，便于扩充系统规模，具有比单个系统广大得多的开发性和灵活性。 容错性：系统具有较多的冗余处理结点、通讯路径和知识，能够使系统在出现故障时，仅仅降低响应速度或求解精度，以保持系统正常工作，提高工作可靠性。 独立性：系统把求解任务归约为几个相对独立的子任务，从而降低了各个处理结点和子系统问题求解的复杂性，也降低了软件设计开发的复杂性。 举例：多领域专家系统可以协作求解单领域或者单个专家系统无法解决的问题，提高求解能力，扩大应用领域。 　 9.1.2分布式人工智能的分类 分布式问题求解（DPS：Distributed Problem Solving） 多Agent系统（MAS，Multi-agent System） 　 通过课堂提问引导分析DPS与MAS的异同 共同点：研究如何对资源、知识、控制等进行划分。 不同点：概念模型和成功标准；研究目标；设计方法等方面。 ? 9.2 Agent及其要素 教学内容：本小节介绍分布式Agent的定义以及其要素，分析了艾真体的要素。 教学重点：艾真体的要素、艾真体的特性 教学难点：艾真体的BDI（信念、愿望和意图）模型 教学方法：课堂教学 教学要求：掌握艾真体的要素，并了解艾真体的主要特性 9.2.1 Agent的译法 　　把agent译为“艾真体”的理由：　　1.agent是一种通过传感器感知其环境，并通过执行器作用于该环境的实体。这个实体也可叫做“真体”。 　　2.“主体”是用得较多的一种译法。译为“主体”不能反映agent的本意。 　　3.“代理”是另一种译法，也不能表示出agent的原义。 　　4.agent的读音为“艾金特”或“爱金体”，其相近发音为“艾真体”或“爱真体”。　　5.把agent译为艾真体，不仅发音相近，而且含有一定的物理意义，即某种“真体”或事物。　　6.历史上，把英文或其它外文名词术语按发音或其近似发音翻译成中文的成功先例很多。 举例说明主体与代理与Agent的内涵 　　例如：中央十层大厦是这个建筑群的主体。又如，粤海铁路主体工程竣工。在哲学“主体”指有认识和实践能力的人；其对立面是客体，指主体以外的客观事物，是主体认识和实践的对象。 　　在汉语中，“代理”也有其明确的含义，指暂时代人担任某种负责职务。在法律上，“代理”指受委托代表当事人进行某种活动，如诉讼、签订合同、纳税等。可见，“代理”的含义也不能表示出agent的原义。 　 9.2.2艾真体的要素 　　艾真体的行动受其心理状态驱动。人类心理状态的要素有认知（信念、知识、学习等）、情感（愿望、兴趣、爱好等）和意向（意图、目标、规划和承诺等）三种。着重研究信念（belief）、愿望（desire）和意图（intention）的关系及其形式化描述，力图建立艾真体的BDI（信念、愿望和意图）模型，已成为艾真体理论模型研究的主要方向。 作业：画图说明Agent的信念、愿望、意图与行为具有的某种因果关系（图9.2）。 9.2.3艾真体的特性 　　艾真体与分布式人工智能系统一样具有协作性、适应性等特性。此外，艾真体还具有自主性、交互性以及持续性等重要性质。 　　（1）行为自主性 艾真体能够控制它的自身行为，其行为是主动的、自发的和有目标和意图的，并能根据目标和环境要求对短期行为做出规划。 　　（2）作用交互性 也叫反应性，艾真体能够与环境交互作用，能够感知其所处环境，并借助自己的行为结果，对环境做出适当反应。 　　（3）环境协调性 艾真体存在于一定的环境中，感知环境的状态、事件和特征，并通过其动作和行为影响环境，与环境保持协调。 　　（4）面向目标性 艾真体不是对环境中的事件做出简单的反应，它能够表现出某种目标指导下的行为，为实现其内在目标而