并行模块的支持分布式知识库的支持并行算法和并行语言的支持.PPT

? ? ? ? ? ? ? ? 火龙果·整理 uml.org.cn ? ? ? ? ? ? ? ? 火龙果·整理 uml.org.cn 第9章 分布式人工智能及其应用 人工智能柴玉梅 张坤丽 主编机械工业出版社 2012 概述 分布式人工智能（Distributed Artificial Intelligence，DAI）主要研究逻辑或物理上分散的智能Agent群体的行为，以完成多任务系统的求解。 DAI分为三个基本范畴： 多Agent 系统（MAS） 分布式问题求解（DPS） 并行人工智能（PAI） 提纲 9.1 DAI的特点 9.2 多Agent系统 9.3 分布式问题求解 9.4 并行人工智能 9.5 分布式人工智能的应用 9.1 DAI的特点 9.1.1 Agent及其特性 9.1.2 Agent分类 9.1.3 Agent的BDI模型 9.1.4 Agent联盟 9.1.5 DAI系统特性 9.1.1 Agent及其特性（1） Agent是能通过传感器感知环境信息、能自主进行信息处理并作出行动决策、再借助执行器作用于环境的一种智能事物。 图9-1 Agent通过传感器和执行器与环境的交互示意图 9.1.1 Agent及其特性（2） 众多学者给出了Agent的定义 Wooldridge和Jennings总结了前人在Agent领域的一些工作后，于1995年提出了Agent定义： 弱定义：Agent是一个基于软件（在较多情况下）或硬件的计算机系统，它拥有以下特性：自治性（Autonomy）、社会性（social）、响应性（responsive）和主动性（proactive）。 强定义：Agent在弱定义的特性基础上，还应该具有某些人类特性，如目的、信念、意图、义务、承诺等。 9.1.1 Agent及其特性（3） （1）自治性（Autonomy） （2）响应性（Reactivity） （3）结构分布性（Configuration Distributing） （4）社会性（Sociality） （5）通信/合作/协调性（Communication/Cooperation/Coordination） （6）主动性/目的性（Activity/Goal oriented） （7）推理/学习/自适应能力Reasoning/Learning/Adaptation）： （8）可移动性（Mobility） 9.1.2 Agent分类（1） 根据Agent的工作环境 软件Agent 人工生命Agent 按控制机制分类 按照构成性质分类 人类Agent、 硬件Agent 软件Agent 9.1.2 Agent分类（2） 按照其应用领域，分为：工业应用、商业应用、医疗应用、娱乐应用 按功能分为：信息型Agent、界面型Agent、任务型Agent 按属性分类：响应式Agent、慎思式Agent 9.1.3 Agent的BDI模型 一个BDI模型包括三种基本成分 一组关于世界的信念；Agent打算达到的一组目标（愿望） 一个意图结构，描述Agent当前一定要达到的目标和为这个目标要改变的信念 一个意图结构将对应一个规划库，描述怎样达到目标和怎样改变相关信念。 图9-5 BDI结构示意图（信念，愿望，意图） 9.1.4 Agent联盟 Agent之间可以通过协商形成Agent组，称之为Agent联盟（Coalition），来共同承担该任务。 联盟：是一组合作的、共同完成某一任务并共享任务收益的Agent集合。 Agent联盟形成过程 步1 联盟划分的产生； 步2 求解联盟值，将联盟划分每一个可能的联盟资源和任务进行组合分配，求得相应的联盟值； 步3 将联盟值在成员之间进行分配，求得一个稳定的U。 9.1.5 DAI系统特性 1.系统数据和知识的分布性 2.系统模型的独立、连接、开放特性 3.系统求解的高效、容错、协同特性 9.2 多Agent系统（1） 特点 （1）每一Agent具有有限信息资源和问题求解能力，缺乏实现协作的全局观点。 （2）系统不存在全局控制，即控制分布。 （3）知识与数据都是分散的。 （4）计算是异步执行的。 9.2 多Agent系统（2） 9.2.1 多Agent系统分类 9.2.2 Agent的学习 9.2.3 多Agent通信 9.2.1 多Agent系统分类 1.按系统拓扑结构分类 （1）系统拓扑结构不变 （2）系统拓扑结构改变 2.按系统功能结构分类 （1）同构型系统 （2）异构型系统 3.按控制结构分类 （1） 集中控制 （2） 层次控制 （3） 网络控制 9.2.2 Agent的学习 Agent学习可以定义为：“学习是一种能力，包括新知识和认知技能的获取能力，以及将所获取的知识和认