Лекция 17.pptx

агенты - разумные сущности, наблюдающие за окружающей средой (с помощью

датчиков) и действующие в ней (с помощью исполнительных механизмов), при этом их поведение рационально в том смысле, что они способны к пониманию и их действия всегда направлены на достижение какой-либо цели.

Многоагентные системы

глобальной проблеме, а значит, он может решить лишь некоторую часть

общей задачи. В связи с этим для решения сложной задачи необходимо создать некоторое множество агентов и организовать между ними эффективное взаимодействие, что позволит построить единую многоагентную систему.
Для организации процесса распределения задачи в многоагентных системах создается либо система распределенного решения проблемы либо децентрализованный искусственный интеллект. В первом варианте процесс декомпозиции глобальной задачи и обратный процесс композиции найденных решений происходит под управлением некоторого единого «центра». При этом многоагентная система проектируется строго сверху вниз, исходя из ролей определенных для агентов и результатов разбиения глобальной задачи на подзадачи. В случае использования децентрализованного искусственного интеллекта распределение заданий происходит в процессе взаимодействия агентов и носит больше спонтанный характер.

агент, воспринимающий окружающий мир через некоторые сенсоры и действующий с

помощью манипуляторов.
2.Временной агент — агент, который использует изменяющуюся с ходом времени информацию и предлагает некоторые действия или предоставляет данные компьютерной программе или человеку, и получает информацию через программный ввод.
Простая агентная программа может быть математически описана как агентская функция, которая проектирует любой подходящий результат восприятия на действие, которое агент может выполнить, или в коэффициент, элемент обратной связи, функцию или константу, которые могут повлиять на дальнейшие действия.
f:P * − > A
Программный агент проецирует результат восприятия только на действие.

основанным на модели.
Целенаправленные агенты.
Практичные агенты.
Обучающиеся агенты.
Классификация агентов

Их агентская функция основана на схеме условие-действие
IF (условие) THEN действие
Такая

функция может быть успешной, только если окружающая среда полностью поддается наблюдению. Некоторые агенты также могут иметь информацию о их текущем состоянии, что позволяет им не обращать внимания на условия, предпосылки которых уже выполнены.
Агенты с поведением, основанным на модели, могут оперировать со средой, лишь частично поддающейся наблюдению. Внутри агента хранится представление о той части, что находится вне границ обзора. Чтобы иметь такое представление, агенту необходимо знать, как выглядит окружающий мир, как он устроен. Эта дополнительная информация дополняет «Картину Мира».

хранят информацию о тех ситуациях, которые для них желательны. Это

дает агенту способ выбрать среди многих путей тот, что приведет к нужной цели.
Целенаправленные агенты различают только состояния, когда цель достигнута, и когда не достигнута. Практичные агенты, помимо этого, способны различать, насколько желанно для них текущее состояние. Такая оценка может быть получена с помощью «функции полезности», которая проецирует множество состояний на множество мер полезности состояний.

агентами (autonomous intelligent agents), что означает их независимость и способность

к обучению и приспосабливанию к изменяющимся обстоятельствам. Система ОА должна проявлять следующие способности:
обучаться и развиваться в процессе взаимодействия с окружающей средой
приспосабливаться в режиме реального времени
быстро обучаться на основе большого объёма данных
пошагово приспосабливать новые способы решения проблем
обладать базой примеров с возможностью её пополнения
иметь параметры для моделирования быстрой и долгой памяти, возраста и т. д.
анализировать себя в терминах поведения, ошибки и успеха

структуру, включающую много «субагентов». Интеллектуальные субагенты обрабатывают и выполняют низкоуровневые

функции. Интеллектуальные агенты и субагенты составляют полную систему, которая способна выполнять сложные задачи. При этом поведение системы создаёт впечатление разумности.
Существует несколько типов субагентов:
Временные агенты (для принятия оперативных решений)
Пространственные клиенты (для взаимодействия с реальным миром)
Сенсорные агенты (обрабатывают сенсорные сигналы — к примеру агенты, работающие на основе нейросети)
Обрабатывающие агенты (решают проблемы типа распознавания речи)
Принимающие решение агенты
Обучающие агенты (для создания структур и баз данных для остальных интеллектуальных агентов)
Мировые агенты (объединяют в себе остальные классы агентов для автономного поведения)

Субагенты

– способность выполнять поставленные перед ним задачи
Устойчивость – способность восстанавливать

свое состояние после аварийного завершения

Свойства агентов

изменять свое поведение в зависимости от накопленного опыта и текущей

обстановки
Мобильность

агентов (ACL)
Взаимодействие с неагентскими программами
Управление безопасностью агентов
Управление мобильными агентами
Стандарты многоагентных

систем

UML (AgentUML)

МАС. Схема реализуется за несколько шагов:
сначала всем задаётся вопрос наподобие:

«Кто может мне помочь?»
на что только «способные» отвечают «Я смогу, за такую-то цену»
в конечном итоге, устанавливается «соглашение»
Для последнего шага обычно требуется ещё несколько (более мелких) актов обмена информацией. При этом принимаются во внимание другие компоненты, в том числе уже достигнутые «соглашения» и ограничения среды.
Другой часто используемой парадигмой в МАС является «феромон», где компоненты «оставляют» информацию для следующих в очереди или ближайших компонентов. Такие «феромоны» могут испаряться со временем, т. е. их значения могут изменяться со временем.

Парадигмы