Účelom multi-agentových systémov (MAS) je koordinovať nezávislé procesy. Agent je počítačová entita vo forme programu alebo robota. Agenta možno považovať za autonómneho, pretože je schopný prispôsobiť sa zmenám prostredia. MAC pozostáva zo súboru počítačových procesov, ktoré sa dejú v rovnakom čase a existujú v rovnakom čase, zdieľajú spoločné zdroje a navzájom komunikujú. Kľúčovým problémom v MAC je formalizácia koordinácie medzi agentmi.
Definovanie multiagentových systémov
MAC je pokrokový prístup k vývoju softvéru pre aplikácie v zložitých doménach, kde sú interagujúce aplikačné komponenty autonómne a distribuované, fungujú v dynamických a neistých prostrediach, musia spĺňať niektoré organizačné pravidlá a zákony a môžu sa pripojiť a odísť multiagentový systém počas behu.
Príkladom takýchto aplikácií sú systémy, ktorériadiť a optimalizovať výrobu a distribúciu elektriny medzi spotrebiteľmi alebo systémami, ktoré optimálne plánujú zaťaženie v dopravných systémoch. Vývoj multiagentových systémov si vyžaduje vytvorenie samostatných agentov, organizácií a prostredí.
Programovacie jazyky poskytujú programovacie konštrukty na implementáciu jednotlivých agentov v zmysle sociálnych a kognitívnych konceptov, ako sú informácie, ciele, možnosti, normy, emócie a pravidlá rozhodovania.
Multi-agentové organizácie z hľadiska sociálnych a organizačných konceptov majú úlohy vybavené normami, komunikačnými protokolmi a zdrojmi, ktoré podliehajú monitorovaniu. Vyvinuté programovacie jazyky a rámce sa používajú na vytváranie simulácií založených na agentoch pre mnohé odvetvia nepretržitej výroby: elektrina, metalurgia, zdravotníctvo, internet, doprava, riadenie dopravy a seriózne hry.
MAS sa líši od systémov s jedným agentom v tom, že majú niekoľko agentov, ktorí si navzájom modelujú svoje ciele a akcie. Vo všeobecnom scenári môže existovať priama interakcia medzi agentmi. Z pohľadu jediného agenta sa multiagentové systémy od systémov s jedným agentom líšia najvýraznejšie tým, že dynamiku prostredia môžu určovať iní agenti. Okrem neistoty, ktorá môže byť doméne vlastná, iní agenti zámerne ovplyvňujú životné prostredie nepredvídateľným spôsobom.
Všetky MAC môžu byť teda považované za majúce dynamické prostredia, čo je typické pre modernémultiagentové systémy. Môže existovať ľubovoľný počet agentov s rôznym stupňom heterogenity, s možnosťou priamej komunikácie alebo bez nej.
architektúra MAS
Agenti musia byť vybavení kognitívnym modelom:
- viery;
- wishes;
- úmysly.
Na jednej strane číta „Presvedčenia“o životnom prostredí, ktoré sú výsledkom jeho poznania a vnímania a na druhej strane súbor „Túžby“. Skrížením týchto dvoch množín vznikne nový súbor „zámerov“, ktoré sa potom priamo premietnu do činov.
Agenti musia mať komunikačný systém. Na tento účel existuje niekoľko špecializovaných jazykov: Language Query and Manipulation Language (KQML). Nedávno sa dostal do obehu štandard FIPA-ACL, ktorý vytvorila FIPA Foundation for Intelligent Physical Agents. Tento posledný princíp budovania multiagentových systémov je založený na teórii rečových aktov.
Problém adaptácie je chúlostivý problém, ktorý je v súčasnosti predmetom mnohých výskumov. Dá sa uviesť príklad niektorých vírusov, biologických aj počítačových, schopných prispôsobiť sa mutantnému prostrediu.
Nakoniec, efektívna implementácia MAC, aj keď nie je striktne vzatá ako súčasť architektúry systému, si zaslúži pozornosť v mnohých programovacích jazykoch, ktoré boli vyvinuté na štúdium umelej inteligencie. Konkrétne sa spomína jazyk LISP. Tieto architektonické prvky sú aplikované na systém pozostávajúci z kognitívnych prvkovagenti.
Kategórie alebo modely agentov
Klasifikácia činidiel je založená na dvoch kritériách: kognitívne činidlá alebo činidlá, ktoré na jednej strane vykazujú teleonomické správanie alebo reflex. Rozdiel, ktorý možno urobiť medzi kognitívnym a reaktívnym, je v podstate reprezentáciou sveta, ktorý má agent k dispozícii. Ak je jednotlivec obdarený „symbolickou reprezentáciou“sveta, z ktorej môže formulovať úvahy, potom sa hovorí o kognitívnom činiteľovi, zatiaľ čo ak má iba „sub-symbolickú reprezentáciu“, teda obmedzenú na jeho vnímanie, hovorí sa o reaktívnom činidle. Toto kognitívne a reaktívne rozlíšenie zodpovedá dvom teoretickým školám multiagentových systémov.
Prvý podporuje zásadný prístup „inteligentných“agentov k spolupráci zo sociologického hľadiska. V druhej sa študuje možnosť vzniku „inteligentného“správania množiny neinteligentných agentov (typ mravca). Druhý rozdiel medzi behaviorálnym správaním a reflexom oddeľuje úmyselné správanie, sledovanie explicitných cieľov, od percepčného správania. Teda tendencie agentov môžu byť explicitne vyjadrené v agentoch alebo naopak pochádzať z prostredia. Tabuľka zoskupujúca rôzne typy agentov:
- Kognitívni agenti.
- Reaktívne látky.
- Telenomické správanie.
- Úmyselní agenti.
- Spravovaní agenti.
- Reflexné správanie.
- Moduly agentov.
- Tropickí agenti.
Kognitívne činitele sú väčšinou zámerné, t.j.majú pevne stanovené ciele, ktoré sa snažia dosiahnuť. Niekedy sa však používajú agenti nazývaní moduly, ktorí majú predstavu o svojom „vesmíre“bez konkrétnych cieľov. Mohli by slúžiť napríklad na zodpovedanie otázok od iných agentov vo „vesmíre“.
Reagencie možno rozdeliť na aktuátory a tropické činidlá. Inštinktívny agent bude mať pevne stanovené poslanie a spustí správanie, ak zistí, že prostredie už nezodpovedá jeho určenému účelu. Tropický agens reaguje len na miestny stav prostredia, napríklad ak je svetlo, tak sa rozbehne. Zdroj motivácie v internom prípade agentov pohonu, ktorí majú „poslanie“, sa týka iba prostredia.
Organizačné paradigmy
S rozvojom takýchto systémov sa vyvinuli rôzne organizačné paradigmy. Tieto štruktúry multiagentových systémov vytvárajú rámec pre vzťahy a interakcie medzi agentmi.
Hierarchie. V tomto modeli sú agenti hierarchickí podľa stromovej štruktúry, v ktorej je každý uzol agentom a má na svojich podriadených uzloch oprávnenie. Tento model ničí celkový účel systému.
Holarchia sa blíži k hierarchii. Medzi agentom a jeho podskupinou neexistuje žiadny vzťah oprávnení.
Koalícia je dočasná aliancia agentov, ktorí sa spájajú a spolupracujú, pretože sa stretávajú ich osobné záujmy. Hodnota koalície musí byť väčšia ako súčet jednotlivých hodnôt zložiek agenta.
Zbory sú veľmi podobné koalíciám apríkazy. Majú však byť trvalé a zvyčajne majú viacero cieľov, ktoré je potrebné dosiahnuť. Okrem toho môžu agenti vstúpiť do kongregácií a vystúpiť z nich a zároveň môžu patriť k niekoľkým súčasne.
Spoločnosť je súbor rôznych agentov, ktorí interagujú a komunikujú. Majú rôzne ciele, nemajú rovnakú úroveň racionality a rovnaké schopnosti, ale všetci dodržiavajú spoločné zákony (normy).
Agenti federácie dávajú časť svojej autonómie delegátovi svojej skupiny. Agenti skupiny komunikujú iba so svojím delegátom, ktorý zase komunikuje s delegátmi z iných skupín.
Obchodní zástupcovia ponúkajú položky, ktoré si môžu zástupcovia kupujúcich uplatniť. Tento typ organizácie umožňuje napríklad simulovať skutočné trhy a porovnávať rôzne obchodné stratégie.
Agenti organizácie Matrix sú hierarchickí. Avšak na rozdiel od hierarchie uvedenej vyššie, kde je agent podriadený iba niekoľkým ďalším agentom, tí v jednej maticovej organizácii môžu podliehať niekoľkým ďalším.
Kombinácie – Táto kombinovaná organizácia spája mnohé z vyššie uvedených štýlov. Môže to byť napríklad koalícia alebo hierarchia tímov.
Umelá inteligencia
Cieľom kognitívnej vedy je pochopiť podstatu a fungovanie umelej inteligencie, ktorá spracováva interné informácie, aby boli účelné. Tomuto popisu zodpovedá veľa pojmov: ľudia, počítače, roboty, zmyslové systémy,zoznam je nekonečný. Jedným typom systému osobitného záujmu pre kognitívnych vedcov je umelý samočinný agent, ktorý pôsobí na informácie.
Inteligentný agent (IA) je schopný robiť rozhodnutia na základe svojich skúseností a môže si vybrať akcie v rôznych situáciách. Ako naznačuje výraz „umelý“, druh autonómnych agentov záujmu nie je niečo, čo vytvorila príroda. Umelým agentom je preto všetko, čo je vytvorené ľuďmi, schopnými konať na základe informácií, ktoré vníma, vlastných skúseností, rozhodnutí a činov.
Oblasť nadprirodzenej inteligencie poskytuje technické zručnosti na preklad požadovaných typov agentov do programovacieho jazyka, súvisiaceho softvéru a vhodnej architektúry (hardvéru a súvisiaceho softvéru) na implementáciu agenta v reálnom alebo simulovanom svete.
Prostredie sveta vnímania
Agent je čokoľvek, čo zachytáva prostredie cez senzory a pôsobí naň cez efektory, čo znie dosť jednoducho. Táto definícia agenta zahŕňa širokú škálu strojov, od termostatov až po predmety, ktoré sa môžu skutočne naučiť malý repertoár správania.
Senzory sú nástroje, ktoré agent používa na zhromažďovanie informácií o svojom svete. Klávesnica a videokamera môžu fungovať ako senzory, ak sú spojené s agentom. Na konci reakcie systému sú účinkujúci nástrojmi, ktoré agent používa na ovplyvňovanie prostredia. Príklady efektorov súmonitor, tlačiareň a robotické rameno.
Prostredie je zvyčajne doménou alebo svetom agenta. Tieto oblasti by sa, aspoň zatiaľ, mali obmedziť na špecifické typy situácií, aby sme sa vyhli neobmedzeným možnostiam každodenného sveta.
Systém autonómneho vplyvu
Autonómny agent je „systém v rámci prostredia a jeho súčasť, ktorý toto prostredie vníma a v priebehu času naň pôsobí, aby vykonával svoj vlastný program a aby ovplyvňoval to, čo v budúcnosti zažije“. Táto definícia od Franklina a Greissera odráža všetky základné funkcie inteligentných agentov, okrem ich sociability. Toto poskytuje dobrú aproximáciu hlavných vlastností širokej škály AI vo vývoji.
Takíto agenti cítia svoje prostredie. Ale tu zmyslové údaje alebo vnemy zahŕňajú nielen údaje o iných objektoch, ale aj vplyv samotného činiteľa na stav vecí v prostredí. Senzory môžu byť organické, ako sú oči a uši a ich nervové procesory, alebo umelé, ako napríklad video a audio procesory zabudované v digitálnom počítači. Prostredie môže byť veľmi obmedzená oblasť, napríklad uzavretý priestor, alebo veľmi zložité, napríklad burza cenných papierov alebo zbierka asteroidov. Senzory sa musia zhodovať s typmi objektov, s ktorými agent interaguje.
Reflexný typ interakcie
Reflektor má zložitejší mechanizmus. Namiesto priamej dynamikyvo vzťahu k okoliu hľadá v zozname pravidiel, čo musí urobiť. Reflexný činiteľ reaguje na daný vnem naprogramovanou odpoveďou. Aj keď existujú tisíce možných odpovedí na dané vnímanie, agent má zabudovaný zoznam pravidiel situačnej akcie na vykonanie tých odpovedí, ktoré už programátor zvážil. Pravidlo situačnej akcie je v podstate hypotetický imperatív.
Reflexní agenti naozaj nie sú veľmi bystrí. Novinku jednoducho nezvládajú. Inteligentný agent obsahuje vlastnosti svojich menej sofistikovaných bratrancov, ale nie je taký obmedzený. Koná podľa agendy. Má stanovené ciele, ktoré aktívne sleduje. Cieľový agent rozumie súčasnému stavu prostredia a tomu, ako toto prostredie zvyčajne funguje. Sleduje hlavné stratégie alebo ciele, ktoré nemožno dosiahnuť okamžite. Vďaka tomu je agent aktívny, nielen reaktívny.
Cieľový funkčný nástroj
V zložitejších agentoch sa na rôzne možné akcie, ktoré je možné vykonať v prostredí, aplikuje upratovacie opatrenie. Tento komplexný plánovač je agent založený na službách. Agent založený na službách vyhodnotí každý scenár, aby zistil, ako dobre spĺňa určité kritériá na dosiahnutie dobrého výsledku. Veci ako pravdepodobnosť úspechu, zdroje potrebné na dokončenie scenára, dôležitosť cieľa, ktorý sa má dosiahnuť, čas, ktorý by to zabralo, to všetko sa dá zohľadniť pri výpočtoch funkcie úžitkovej hodnoty.
PretožeKeďže programátor zvyčajne nedokáže predpovedať všetky stavy sveta, s ktorými sa agent stretne, počet pravidiel, ktoré by bolo potrebné napísať pre reflexného agenta, by bol astronomický aj vo veľmi jednoduchých oblastiach, ako je plánovanie stretnutí alebo organizovanie prepravných trás a zásob.
Základná regulačná slučka
Vzhľadom na definíciu inteligentného agenta, zvážte základnú kontrolnú slučku, ktorú napísal teoretik agenta Michael Vuladrich v roku 2000:
- zachovať pokoj;
- aktualizovať model vnútorného sveta;
- dosiahnuť úmyselný zámer;
- použite prostriedky/ciele na získanie plánu zámerov;
- realizujte plán;
- ukončite proces.
Tento vzor si vyžaduje určitú interpretáciu. Agent pozoruje svet – to znamená, že pomocou svojich senzorov zbiera vnemy. Senzorom môže byť klávesnica pripojená k digitálnemu počítaču alebo vizuálny procesor pripojený k robotu. Môže to byť čokoľvek, čo agentovi umožňuje zhromažďovať reprezentácie sveta. Aktualizácia interného modelu znamená, že agent pridá nový vnem do svojej sekvencie vnemov a naprogramovaných informácií o svete.
Multi-Agent Development Platform
AnyLogic je open source multiagentový a viaczložkový simulačný softvér CORMAS založený na objektovo orientovanom programovacom jazyku SmallTalk.
DoMIS je multiagentový systémový nástroj zameraný na „prevádzkové riadenie zložitých systémov“a založený na metóde návrhu B-ADSC.
JACK je programovací jazyk a vývojové prostredie pre kognitívnych agentov vyvinutý spoločnosťou Agent Oriented Software ako agentovo orientované rozšírenie jazyka Java.
GAMA je platforma na modelovanie s otvoreným zdrojom (LGPL), ktorá ponúka priestorovo explicitné modelovacie prostredie založené na agentoch pomocou údajov GIS na popis agentov a ich prostredia.
JADE (Java Agent DEVELOPMENT) je open source multiagentový vývojový rámec založený na jazyku Java.
Sedem štandardných modelov
V evolučnom procese výskumu existuje viac podnetov na to, ako vytvoriť systém, ktorý je spoľahlivý a predstavuje vyššiu úroveň kvality. Trendom v pokračovaní je dopĺňať alebo rozširovať existujúce metódy, ktoré dokázali konsolidovať rozhodovanie v rámci vývoja.
Metodický štandard umožňuje zrozumiteľným a jednoduchým spôsobom vytvoriť MAC, a to nielen pomocou prirodzeného jazyka, ale aj pomocou šablón popisu, ktoré pomáhajú pri špecifikácii systému.
Metodický štandard ponúka sedem modelov problémov alebo ich riešení na budovanie MAC:
- Model scenára popisujúci spoločnosť alebo organizáciu.
- Model cieľov a cieľov definuje a popisuje organickú štruktúru.
- Model agenta definuje ľudí a autonómne systémy.
- Model spája ciele a zámery s konkrétnym agentom.
- Organizačný model popisuje prostredie, ku ktorému je priradený individuálny agent.
- Model interakcie popisuje vzťah, pričom kladie dôraz na ich koordináciu agentov.
- Návrhový model definuje agenta a sieťovú architektúru.
Príklady interakcie medzi agentmi
MAS sa používajú na simuláciu interakcie medzi autonómnymi agentmi. Použitie multiagentových systémov napríklad v sociológii umožňuje parametrizovať rôznych agentov, ktorí tvoria komunitu. Pridaním obmedzení sa môžete pokúsiť pochopiť, čo bude najefektívnejším komponentom na dosiahnutie očakávaného výsledku. Mali by experimentovať so scenármi, ktoré by skutoční ľudia nemohli dosiahnuť, či už z technických alebo etických dôvodov.
Distributed IA bol vytvorený s cieľom vyriešiť zložitosť veľkých monolitických neprirodzených spravodajských programov - vykonávanie, distribúcia a centralizované riadenie. Na vyriešenie zložitého problému je niekedy jednoduchšie vytvoriť relatívne malé programy (agenty) v spolupráci ako jeden veľký monolitický program. Autonómia umožňuje systému dynamicky sa prispôsobovať nepredvídaným zmenám v prostredí.
Príklady multiagentových systémov v hernom priemysle sú početné a rôznorodé. Používajú sa vo videohrách a filmoch, vrátane softvéru MASSIVE, napríklad na simuláciu pohybu davu v trilógii Pán prsteňov. Môžu tiežpoužívané spoločnosťami napríklad na sledovanie správania zákazníkov prehliadajúcich webové stránky.
MAS sa používajú aj vo svete financií. Napríklad platforma MetaTrader 4 umožňuje použitie expertných agentov v automatizovanom obchodovaní, ktorí sa riadia kurzami Forex
Výhody používania systému
Vo výskume IA bola systémová technológia založená na agentoch prijatá ako nová paradigma pre konceptualizáciu, navrhovanie a implementáciu softvérových systémov. Výhody prístupu multi-MAS:
- Zdieľa výpočtové zdroje a možnosti cez sieť vzájomne prepojených agentov.
- Umožňuje prepojenie a interoperabilitu viacerých existujúcich starších systémov.
- Pokrýva rôzne oblasti vrátane údržby lietadiel, elektronických peňaženiek kníh, odmínovania vojenských mín, bezdrôtovej komunikácie a komunikácie, plánovania vojenskej logistiky, systému riadenia dodávateľského reťazca, plánovania spoločných misií, správy finančného portfólia.
Vo výskume bola IA technológia pre systémy založené na agentoch prijatá ako nová paradigma pre konceptualizáciu, navrhovanie, implementáciu a multi-agentové učenie sa softvérových systémov.
MAC je teda voľne prepojená sieť softvérových agentov, ktorí interagujú pri riešení problémov, ktoré presahujú individuálne schopnosti alebo znalosti každého tvorcu problému.
