基于BDI的对手Agent模型A-CiteSeerX.PDFVIP

1000-9825/2002/13(04)0643-06 ©2002 Journal of Software 软 件 学 报 Vol.13, No.4 基于BDI 的对手Agent 模型 李 毅, 石纯一 (清华大学 计算机科学与技术系,北京 100084) E-mail: tiger_li@ 摘要: MAS 中建立对手模型,并进行意图和规划识别是有效交互的必要条件.BDI 是描述思维的有效手段,可用 来建立通用的对手思维状态模型. 当前对手模型的研究偏重于对单一行为结果的推断,不能充分表示并发多意 图及其关系,也不利于实时地的为决策提供支持.提出的基于BDI 建立通用对手Agent 模型的算法改进了Anand S.Rao 和Milind Tambe 等人有代表性的研究成果. 关 键 词: Agent;对手模型;规划识别;BDI;MAS 中图法分类号: TP 18 文献标识码: A MAS 社会性体现于 Agent 交互,建立对手模型并进行意图和规划识别是有效交互的必要条件.“对手”是一 个泛化概念,协商伙伴也被称为“对手”.在实际应用中, 由于存在开放、动态、对抗的环境以及 Agent 资源有限 等条件,对建立对手模型的算法提出了更高的要求. 在MAS 研究中,BDI 理论描述了Agent 思维状态的基本特征和相互关系,利用BDI 可建立通用的对手的思 维状态模型;在对抗等信息不完全的情况下,按 BDI 间的约束关系推理判断,消除矛盾,对于提高模型的准确性 [1] 以及建立的速度是有效的 . 对手模型的核心在于意图的识别, 因为意图对应于实际的行为规划.当前,在已有算法中,Anand S.Rao[2]和 Milind Tambe[3,4]等人的工作具有代表性.Milind Tambe 在RESC(real-time situated commitments)模型中提出了 跟踪Agent 行为,判断其目标的算法,利用行为树来建立对手模型,并采用单状态回溯机制来修正错误.但其忽略 了对手的思维状态,将行为与思维分离;某一时刻,只存在一个对手操作树,不能同时跟踪多个意图.Anand S.Rao 实现了一种基于BDI 的对手思维状态识别,采用事件触发机制,可保存多个可能意图树,并利用观察到的对方行 动和BDI 约束将其逐步减少为单一意图.但Rao 的算法须建立对方完整的规划模型,没有考虑多个可能意图树 相互之间的联系和比较,也不利于为决策提供实时的支持. 本文建立了基于 BDI 的对手Agent 模型和相应算法,可以达到在动态开放环境下,特别是信息不完全的情 况下,实时跟踪对手的思维状态,进行意图与规划识别,并为决策提供支持.改进了Anand S.Rao 和Milind Tambe 等人的结果,并以足球Agent 为例进行了分析. 1 对手模型描述 将Agent 自身视为agentl,被跟踪的Agent 视为agent2,则agent1 所要建立的对手agent2 模型: O=B ,D ,IS ,IP ,I W,H, O 在agentl 的BDI 模型中应是一组Belief, 即Bel(agent1,O).其中 收稿日期: 2000-03-08; 修改日期: 2001-06-20 基金项目: 国家自然科学基金资助项目69733020) 作者简介: 李毅(1974 －), 男,河北高阳人,博士,主要研究领域为分布式人工智能;石纯一( 1935－), 男,河北秦皇岛人,教授,博士 生导师,主要研究领域为人工智能应用基础. 644 Journal of Software 软件学报 2002,13(4) B : ∀ψ∈B=Bel(agent2,ψ),集合B 包含了agent1 知道的agent2 所具有的Belief. D : ∀ψ,Des(agent2,ψ)=ψ∈D ,agent2 的Desire 集合是D 的一个子集,即D