人工智能ArtificialIntelligence第九章.pptVIP

计算生态学*史忠植人工智能：DAI与智能体*计算生态学将计算系统看作是一个生态系统，它引进了许多生物的机制，如变异(mutation)即物种的变化。这些变化导致生命基因的改变，从而形成物种的多样性，增强了适应环境的能力。这类变异策略成为人工智能系统提高其自身能力的一种方法。Lenat与Brown成功地将变异机制引入他们的AM与Eurisko系统中,通过小型Lisp程序的语法变异发现数学概念。他们认为未来成功的系统应该是一系列进化的、自组织的符号知识结构的``社会系统。生物生态模型*史忠植人工智能：DAI与智能体*这是最著名的生态系统，具有典型的进化特征和层次性。这种特性反映在“食物链”中。对于复杂的生物生态系统而言，各物种组成了紧密相连的网络－食物网。这个系统的主要角色是捕食者与被食者。生命依赖于生命，共同进化，由小的生态环境组成大的生态系统。物种进化模型*史忠植人工智能：DAI与智能体*物种进化的“复制者”是基因。从门德尔的植物遗传研究到现代遗传学的成果，都说明了在物种进化过程中，基因的组合与变异起着关键作用。在一个物种的某一群体中基因的集合称为基因池。生物组织是基因的载体。如果环境变化，选择的机制就会改变。这种变化必然引起基因池的变化。特定种群的基因变化称为基因流。一个物种总是不断地经历隔绝、基因流动、变化的循环。开始时，一组地理上隔绝的群体自己孤立地发展，基因在内部快速地流动。随着开放，通过交流和竞争，优胜劣汰。经济模型*史忠植人工智能：DAI与智能体*经济系统在某种意义上类似于生物生态系统。在商品市场和理想市场中，进化决定于经济实体的决策。选择机制是市场奖励机制。进化是快速的，企业与消费者之间、企业之间主要是一种互相依赖的合作关系。决策者为了追求长远利益，可以采取各种有效的方法，甚至可以暂时做赔本买卖。协商模型*史忠植人工智能：DAI与智能体*Zlotkin的面向领域的协商理论Zlotkin的协商理论假设：?各智能体追求本身效用最大。?知识完备。?无历史信息。?目标集固定。?协商在两智能体之间同时进行。?智能体操作集相同。?世界仅当智能体操作之后发生变化。面向领域的协商理论*史忠植人工智能：DAI与智能体*在协商过程中，若存在一个双方满意的分配，可以得到一个联合规划,使协商终止的条件是：达成协议：如果Utility(P(i,t))?Utility(P(i,t-1)),这一协商过程将在有限步内结束。冲突：如果Utility(P(i,t))=Utility(P(i,t-1)),则无法达成协议。最佳平衡*史忠植人工智能：DAI与智能体*传统的协商是基于Nash平衡的,它的缺点是Nash平衡产生多个平衡点,对结果约束较少。Kraus使用Rubinstein的“最佳”平衡(PerfectEquilibrium,简称P.E.)理论,建立了一种基于P.E.的协商方法,需要在协商的任一阶段都产生平衡,即在协商的任一阶段,假设智能体A使用P.E.策略,则智能体B除了自己的P.E.,策略外没有更好的策略可遵循。故若有唯一的P.E.,并假定智能体要使用该策略,则它在协商的每一阶段都只用这一策略。可证明,存在唯一的P.E.,在第一阶段后就可以终止协商。Kraus还将对时间的偏好引入这一理论中。结果表明,时间偏好可以提高协商效率,并仅对某一智能体有利。这一理论对于智能体的构造和智能体之间的协作很有用处,如果为智能体提供唯一的P.E.策略,并通知其他智能体,则其他智能体的最佳选择也是P.E.策略。该理论的缺陷是:缺乏动态性特色,应用面窄,因为尽管存在唯一的P.E,但如何求出仍未得到解决。集中式协商方法*史忠植人工智能：DAI与智能体*Ephrati使用了一种集中式的协商方法,用一个“masteragent”或组投票机制以达成协议。在这种方法中,一组智能体的协作与组规划进程相关。Ephrati使用一种动态的、迭代的搜索过程,通过一组约束,使智能体递增式地构成一个最大“社会效用”规划。在每一步,各智能体对于组规划的下一个联合行动投票。使用这一技术,智能体无需完整地展示其偏好,可选状态集在投票之前产生。Osawa开放环境多智能体协作方法*史忠植人工智能：DAI与智能体*需求者(requestor)向公告板智能体发送需求建议RFP1空闲智能体向公告板智能体申请一个RFP2公告板将RFP发到提出申请的空闲智能体3空闲智能体产生个体规划4空闲智能体将其规划发给