Multiagentní systém - Multi-agent system


A multiagentní systém (MAS nebo „samoorganizovaný systém“) je počítačový systém složený z více vzájemně se ovlivňujících inteligentní agenti[Citace je zapotřebí ]. Systémy s více agenty mohou vyřešit problémy, které jsou obtížné nebo nemožné pro jednotlivého agenta nebo monolitický systém vyřešit.[1] Inteligence může zahrnovat metodický, funkční, procesní přístupy, algoritmické Vyhledávání nebo posilování učení.[2]
Navzdory značnému překrývání není multiagentní systém vždy stejný jako agent-based model (ABM). Cílem ABM je hledat vysvětlující pohled na kolektivní chování agentů (kteří nemusí být nutně „inteligentní“), kteří se řídí jednoduchými pravidly, obvykle v přírodních systémech, spíše než při řešení konkrétních praktických nebo technických problémů. Terminologie ABM má tendenci se častěji používat ve vědě a MAS ve strojírenství a technologii.[3] Mezi aplikace, kde může výzkum systémů s více agenty přinést vhodný přístup, patří online obchodování,[4] reakce na katastrofu[5][6], sledování cíle [7] a modelování sociální struktury.[8]
Pojem
Systémy s více agenty se skládají z agentů a jejich prostředí. Typicky se týká výzkumu systémů s více agenty softwaroví agenti. Agenti v systému s více agenty by však stejně dobře mohli být roboti, lidé nebo lidské týmy. Systém s více agenty může obsahovat kombinované týmy lidí a agentů.
Agenti lze rozdělit na typy od jednoduchých po složité. Kategorie zahrnují:
- Pasivní agenti[9] nebo „agent bez cílů“ (například překážka, jablko nebo klíč v jakékoli jednoduché simulaci)
- Aktivní agenti[9] s jednoduchými cíli (jako jsou hejna ptáků nebo vlčí ovce kořist-predátor model )
- Kognitivní agenti (složité výpočty)
Prostředí agentů lze rozdělit na:
- Virtuální
- Oddělený
- Kontinuální
Prostředí agentů lze také uspořádat podle vlastností, jako je přístupnost (zda je možné shromáždit úplné informace o prostředí), determinismus (zda akce způsobí určitý účinek), dynamika (kolik entit v daném okamžiku ovlivňuje prostředí), diskrétnost (zda je počet možných akcí v prostředí omezený), epizodičnost (zda akce agentů v určitých časových obdobích ovlivňují jiná období),[10] a rozměrnost (zda jsou prostorové charakteristiky důležitými faktory prostředí a agent při svém rozhodování zohledňuje prostor).[11] Akce agentů jsou obvykle zprostředkovány prostřednictvím vhodného middlewaru. Tento middleware nabízí prvotřídní designovou abstrakci pro systémy s více agenty a poskytuje prostředky k řízení přístupu k prostředkům a koordinaci agentů.[12]
Vlastnosti
Agenti v systému s více agenty mají několik důležitých charakteristik:[13]
- Autonomie: agenti alespoň částečně nezávislí, sebevědomí, autonomní
- Místní zobrazení: žádný agent nemá úplné globální zobrazení nebo je systém příliš složitý na to, aby takové znalosti agent využil
- Decentralizace: žádný agent není označen jako řídící (nebo je systém účinně redukován na monolitický systém)[14]
Sebeorganizace a sebeřízení
Systémy s více agenty se mohou projevit sebeorganizace stejně jako vlastní směr a další kontrolní paradigmata a související komplexní chování, i když jsou jednotlivé strategie všech jejich agentů jednoduché.[Citace je zapotřebí ] Pokud mohou agenti sdílet znalosti pomocí libovolného dohodnutého jazyka, může přístup v rámci omezení komunikačního protokolu systému vést ke společnému zlepšení. Ukázkové jazyky jsou Jazyk manipulace se znalostními dotazy (KQML) nebo Jazyk komunikace agenta (ACL).
Systémová paradigmata
Mnoho MAS je implementováno do počítačových simulací, které systém procházejí diskrétními „časovými kroky“. Komponenty MAS komunikují typicky pomocí vážené matice požadavků, např.
Rychlost - VELMI DŮLEŽITÉ: min = 45 mph, Délka cesty - STŘEDNÍ_DŮLEŽITOST: max = 60 očekáváno Max = 40, Max-Hmotnost - DŮLEŽITÉ Priorita smlouvy - PRAVIDELNÁ
a vážená matice odezvy, např.
Rychlost-min: 50, ale pouze za slunečného počasí, Délka cesty: 25 za slunečného počasí / 46 za deštivého počasí Priorita smlouvy - PRAVIDELNÁ poznámka - tuto prioritu přepíše sanitka a budete muset počkat
Schéma výzva-odpověď-smlouva je běžné v systémech MAS, kde
- První a "Kdo může?" otázka je distribuována.
- Odpovídají pouze příslušné komponenty: "Mohu, za tuto cenu".
- Nakonec je uzavřena smlouva, obvykle v několika krátkých komunikačních krocích mezi stranami,
také s ohledem na další komponenty, vyvíjející se „smlouvy“ a sady omezení algoritmů komponent.
Další paradigma běžně používaná v MAS je „feromon ", kde komponenty nechávají informace pro další blízké komponenty. Tyto feromony se mohou časem odpařovat / koncentrovat, to znamená, že jejich hodnoty se mohou snižovat (nebo zvyšovat).
Vlastnosti
MAS mají tendenci hledat nejlepší řešení svých problémů bez zásahu. Existuje zde velká podobnost s fyzikálními jevy, jako je minimalizace energie, kde fyzické objekty mají tendenci dosáhnout nejnižší možné energie ve fyzicky omezeném světě. Například: mnoho automobilů vjíždějících do metropole ráno bude k dispozici k opuštění téže metropole večer.
Systémy také mají tendenci bránit šíření poruch, samočinně se zotavovat a být odolné vůči chybám, hlavně kvůli redundanci komponent.
Výzkum
Studium multiagentních systémů se „zabývá vývojem a analýzou sofistikovaných řešení AI architektury řešení problémů a řízení pro systémy s jedním i více agenty. “[15] Témata výzkumu zahrnují:
- agentově orientované softwarové inženýrství
- víry, touhy a záměry (BDI )
- spolupráce a koordinace
- optimalizace distribuovaných omezení (DCOP)
- organizace
- sdělení
- jednání
- distribuované řešení problémů
- učení více agentů[16]
- těžba agentů
- vědecké komunity (např. o biologickém hromadění, jazykové evoluci a ekonomii)[17][18]
- spolehlivost a odolnost proti chybám
- robotika,[19] multi-robotické systémy (MRS), robotické klastry
Rámce
Objevily se rámce, které zavádějí společné standardy (např FIPA a pro Boha MASIF[20] standardy). Tyto rámce např. NEFRIT, šetří čas a pomáhá při standardizaci vývoje MAS.[21]
V současné době však z FIPA nebo OMG není aktivně udržován žádný standard. Úsilí o další vývoj softwarových agentů v průmyslovém kontextu provádí technická komise IEEE IES pro průmyslové agenty.[22]
Aplikace
MAS byly použity nejen v akademickém výzkumu, ale také v průmyslu.[23] MAS se aplikují v reálném světě na grafické aplikace, jako jsou počítačové hry. Agentové systémy byly použity ve filmech.[24] Je široce prosazován pro použití v síťových a mobilních technologiích k dosažení automatického a dynamického vyvažování zátěže, vysoké škálovatelnosti a samoléčivých sítí. Používají se pro koordinované obranné systémy.
Další aplikace[25] zahrnout přeprava,[26] logistika,[27] grafika, výroba, systém napájení[28], Inteligentní sítě[29] a GIS.
Taky, Multiagentní systémy Umělá inteligence (MAAI) se používají k simulaci společností, jejichž účel je užitečný v oblastech podnebí, energetiky, epidemiologie, řešení konfliktů, zneužívání dětí, ...[30]. Některé organizace, které pracují na používání multiagentních systémových modelů, zahrnují Centrum pro modelování sociálních systémů, Centrum pro výzkum v sociální simulaci, Centrum pro modelování politik, Společnost pro modelování a mezinárodní simulace.[31]
Viz také
- Porovnání modelovacího softwaru založeného na agentech
- Agentová výpočetní ekonomie (ESO)
- Umělý mozek
- Umělá inteligence
- Umělý život
- Rámec umělého života
- Starosta AI
- Černá skříňka
- Systém tabule
- Složité systémy
- Diskrétní simulace událostí
- Distribuovaná umělá inteligence
- Vznik
- Evoluční výpočet
- Herní teorie
- Lidský genetický algoritmus
- Znalostní dotazovací a manipulační jazyk (KQML)
- Mikrobiální inteligence
- Multiagentní plánování
- Modelování orientované na vzory
- Projekt PlatBox
- Posílení učení
- Metafora vědecké komunity
- Autokonfigurace modulárního robota
- Simulovaná realita
- Sociální simulace
- Softwarový agent
- Rojová inteligence
- Roj robotika
Reference
- ^ „Systém založený na více agentech pro zabezpečení univerzitního kampusu: design a architektura - publikace IEEE Conference“. 17. 12. 2019. doi:10.1109 / ISMS.2010.25. S2CID 10798495. Citovat deník vyžaduje
| deník =
(Pomoc) - ^ "Multi-agent posílení učení pro řízení semaforu". hdl:1874/20827. Citovat deník vyžaduje
| deník =
(Pomoc) - ^ Niazi, Muaz; Hussain, Amir (2011). „Agent-based Computing from Multi-agent Systems to Agent-Based Models: A Visual Survey“ (PDF). Scientometrie. 89 (2): 479–499. arXiv:1708.05872. doi:10.1007 / s11192-011-0468-9. S2CID 17934527.
- ^ Rogers, Alex; David, E .; Schiff, J .; Jennings, N.R. (2007). „Dopady nabídek na proxy a minimální přírůstky nabídek v aukcích na eBay“. Transakce ACM na webu. 1 (2): 9 – es. CiteSeerX 10.1.1.65.4539. doi:10.1145/1255438.1255441. S2CID 207163424.
- ^ Schurr, Nathan; Marecki, Janusz; Tambe, Milind; Scerri, Paul; Kasinadhuni, Nikhil; Lewis, J.P. (2005). „Budoucnost reakce na katastrofy: Lidé pracují s multiagentními týmy pomocí nástroje DEFACTO“ (PDF). Citovat deník vyžaduje
| deník =
(Pomoc) - ^ Genc, Zulkuf; et al. (2013). „Informační infrastruktura založená na agentech pro správu katastrof“ (PDF). Inteligentní systémy pro řešení krizí. Poznámky k přednášce v geoinformacích a kartografii: 349–355. doi:10.1007/978-3-642-33218-0_26. ISBN 978-3-642-33217-3.
- ^ Hu, Junyan; Bhowmick, Parijat; Lanzon, Alexander (2020). „Distribuované adaptivní časově proměnné sledování formace skupiny pro multiagentní systémy s více vedoucími na směrovaných grafech“. Transakce IEEE na řízení síťových systémů. 7: 140–150. doi:10.1109 / TCNS.2019.2913619. S2CID 149609966.
- ^ Slunce, Rone; Naveh, Izáku. „Simulace organizačního rozhodování pomocí kognitivně realistického modelu agenta“. Journal of Artificial Societies and Social Simulation.
- ^ A b Kubera, Yoann; Mathieu, Philippe; Picault, Sébastien (2010), „Agentem může být všechno!“ (PDF), Sborník z deváté mezinárodní společné konference o autonomních agentech a multiagentních systémech (AAMAS'2010): 1547–1548
- ^ Russell, Stuart J.; Norvig, Peter (2003), Umělá inteligence: moderní přístup (2. vyd.), Upper Saddle River, New Jersey: Prentice Hall, ISBN 0-13-790395-2
- ^ Salamon, Tomáš (2011). Návrh modelů založených na agentech. Repin: Bruckner Publishing. p. 22. ISBN 978-80-904661-1-1.
- ^ Weyns, Danny; Omicini, Amdrea; Odell, James (2007). „Prostředí jako prvotřídní abstrakce v multiagentních systémech“ (PDF). Autonomní agenti a multiagentní systémy. 14 (1): 5–30. CiteSeerX 10.1.1.154.4480. doi:10.1007 / s10458-006-0012-0. S2CID 13347050. Citováno 2013-05-31.[trvalý mrtvý odkaz ]
- ^ Wooldridge, Michael (2002). Úvod do systémů MultiAgent. John Wiley & Sons. p. 366. ISBN 978-0-471-49691-5.
- ^ Panait, Liviu; Luke, Sean (2005). „Kooperativní multiagentní učení: stav techniky“ (PDF). Autonomní agenti a multiagentní systémy. 11 (3): 387–434. CiteSeerX 10.1.1.307.6671. doi:10.1007 / s10458-005-2631-2. S2CID 19706.
- ^ „Laboratoř pro více agentů“. University of Massachusetts Amherst. Citováno 16. října 2009.
- ^ Albrecht, Stefano; Stone, Peter (2017), „Multiagent Learning: Foundations and Recent Trends. Tutorial“, Konference IJCAI-17 (PDF)
- ^ Cucker, Felipe; Steve Smale (2007). „Matematika vzniku“ (PDF). Japonský žurnál matematiky. 2: 197–227. doi:10.1007 / s11537-007-0647-x. S2CID 2637067. Citováno 2008-06-09.
- ^ Shen, Jackie (Jianhong) (2008). „Cucker – Smale Flocking under Hierarchical Leadership“. SIAM J. Appl. Matematika. 68 (3): 694–719. arXiv:q-bio / 0610048. doi:10.1137/060673254. S2CID 14655317. Citováno 2008-06-09.
- ^ Ahmed, S .; Karsiti, M.N. (2007), „Testovací lože pro kontrolní schémata využívající neholonomní roboty více agentů“, 2007 Mezinárodní konference IEEE o elektro / informačních technologiích, str. 459, doi:10.1109 / EIT.2007.4374547, ISBN 978-1-4244-0940-2, S2CID 2734931
- ^ „Dokument OMG - orbos / 97-10-05 (aktualizace revidovaného podání MAF)“. www.omg.org. Citováno 2019-02-19.
- ^ Ahmed, Salman; Karsiti, Mohd N .; Agustiawan, Herman (2007). "Vývojový rámec pro kolaborativní roboty využívající zpětnou vazbu". CiteSeerX 10.1.1.98.879. Citovat deník vyžaduje
| deník =
(Pomoc) - ^ „Technický výbor IEEE IES pro průmyslové zástupce (TC-IA)“. tcia.ieee-ies.org. Citováno 2019-02-19.
- ^ Leitão, Paulo; Karnouskos, Stamatis (2015-03-26). Průmysloví agenti: nově se objevující aplikace softwarových agentů v průmyslu. Leitão, Paulo, Karnouskos, Stamatis. Amsterdam, Nizozemsko. ISBN 978-0128003411. OCLC 905853947.
- ^ „Film showcase“. MASIVNÍ. Citováno 28. dubna 2012.
- ^ Leitao, Paulo; Karnouskos, Stamatis; Ribeiro, Luis; Lee, Jay; Strasser, Thomas; Colombo, Armando W. (2016). „Inteligentní agenti v průmyslových kyberfyzikálních systémech“. Sborník IEEE. 104 (5): 1086–1101. doi:10.1109 / JPROC.2016.2521931. ISSN 0018-9219. S2CID 579475.
- ^ Xiao-Feng Xie, S. Smith, G. Barlow. Plánovaná koordinace pro řízení dopravní sítě v reálném čase. International Conference on Automated Planning and Scheduling (ICAPS), São Paulo, Brazílie, 2012: 323–331.
- ^ Máhr, T. S .; Srour, J .; De Weerdt, M .; Zuidwijk, R. (2010). „Mohou agenti měřit? Srovnávací studie přístupu založeného na agentech a on-line optimalizace problému s přesahem s nejistotou“. Dopravní výzkum, část C: Rozvíjející se technologie. 18: 99–119. CiteSeerX 10.1.1.153.770. doi:10.1016 / j.trc.2009.04.018.
- ^ „Plánování rozšiřování výroby s ohledem na dynamiku investic účastníků trhu využívajících systém více agentů - publikace IEEE Conference“. 17. 12. 2019. doi:10.1109 / SGC.2018.8777904. S2CID 199058301. Citovat deník vyžaduje
| deník =
(Pomoc) - ^ „Distribuované multiagentní systémové řízení zátěžové frekvence pro vícepásmový energetický systém v inteligentní síti - IEEE Journals & Magazine“. 17. 12. 2019. doi:10.1109 / TIE.2017.2668983. S2CID 31816181. Citovat deník vyžaduje
| deník =
(Pomoc) - ^ AI dokáže předvídat vaše budoucí chování pomocí nových výkonných simulací
- ^ AI může předvídat vaše budoucí chování pomocí nových výkonných simulací
Další čtení
- Wooldridge, Michael (2002). Úvod do systémů MultiAgent. John Wiley & Sons. p. 366. ISBN 978-0-471-49691-5.
- Shoham, Yoav; Leyton-Brown, Kevin (2008). Multiagentní systémy: Algoritmické, herně teoretické a logické základy. Cambridge University Press. p. 496. ISBN 978-0-521-89943-7.
- Mamadou, Tadiou Koné; Shimazu, A .; Nakajima, T. (srpen 2000). „Nejmodernější jazyk v jazycích agentů (ACL)“. Znalostní a informační systémy. 2 (2): 1–26.
- Hewitt, Carl; Inman, Jeff (listopad – prosinec 1991). „DAI Betwixt and Between: From" Intelligent Agents "to Open Systems Science" (PDF). Transakce IEEE na systémech, člověku a kybernetice. 21 (6): 1409–1419. doi:10.1109/21.135685. S2CID 39080989.
- The Journal of Autonomous Agents and Multi-Agent Systems (JAAMAS)
- Weiss, Gerhard, ed. (1999). Multiagentní systémy, moderní přístup k distribuované umělé inteligenci. MIT Stiskněte. ISBN 978-0-262-23203-6.
- Ferber, Jacques (1999). Multiagentní systémy: Úvod do umělé inteligence. Addison-Wesley. ISBN 978-0-201-36048-6.
- Slunce, Rone (2006). Poznání a interakce s více agenty. Cambridge University Press. ISBN 978-0-521-83964-8.
- Keil, David; Goldin, Dina (2006). Weyns, Danny; Parunak, Van; Michel, Fabien (eds.). Nepřímá interakce v prostředích pro multiagentní systémy. Prostředí pro multiagentní systémy II. LNCS 3830. 3830. Springer. str.68–87. doi:10.1007/11678809_5. ISBN 978-3-540-32614-4.
- Série Whitestein v oblasti technologií softwarových agentů a autonomních výpočtů, kterou vydala společnost Springer Science + Business Media Group
- Salamon, Tomáš (2011). Návrh modelů založených na agentech: Vývoj počítačových simulací pro lepší pochopení sociálních procesů. Bruckner Publishing. ISBN 978-80-904661-1-1.
- Russell, Stuart J.; Norvig, Peter (2003), Umělá inteligence: moderní přístup (2. vyd.), Upper Saddle River, New Jersey: Prentice Hall, ISBN 0-13-790395-2
- Fasli, Maria (2007). Agentová technologie pro elektronický obchod. John Wiley & Sons. p. 480. ISBN 978-0-470-03030-1.
- Cao, Longbing, Gorodetsky, Vladimir, Mitkas, Pericles A. (2009). Agent Mining: Synergie agentů a dolování dat, IEEE Intelligent Systems, roč. 24, č. 3, 64-72.