Plánování a komunikace v multiagentních systémech

Plánování a komunikace v multiagentních systémech

dizertace

cs

Dizertace pojednává o metodách návrhu mutiagentních systémů.  Agent je považován za autonomní systém schopný následovat své záměry.  Agentovo chování rovněž závisí na chování ostatních agentů v systému. Tito agenti sdílí společné prostředí a je pro ně přirozené, že svoji činnost koordinují, například komunikací. Práce je zahájena klasifikací agentů na reaktivní, rozvážné, kognitivní a racionální. Reaktivní agenti nemají explicitní reprezentaci svých znalostí, rozvážní agenti jsou schopni sestavovat postup k dosažení zvolených cílů a kognitivní agenti mají schopnost učit se z prožitých zkušeností. Racionální agent je schopný racionálního jednání a má jak rozvážné, tak kognitivní rysy. Text pokračuje popisem modelů BDI agentů, kteří staví své rozhodování na třech svých mentálních stavech - představách, přáních a záměrech. BDI model je představen na BDI logice, která je rozšířením CTL logiky. BDI přístup byl také použit při návrhu PRS nebo d'Mars systémů, které jsou oba stručně uvedeny v této práci.

Popis komunikace mezi agenty je rozdělen na tři oblasti. Za prvé jsou to jazyky KQML a ACL, dále metodologie vyhledávání partnera pro komunikaci, a konečně to jsou komunikační protokoly. Po tématu komunikace následuje téma multiagentních systémů, kooperace mezi agenty a vytváření koalic. Je ukázáno, že spolupráce může zlepšit výkon jednotlivých agentů v systému, zajistit dosažení globálních cílů a zvýšit šance agentů dosahovat jejich soukromých cílů. Dále jsou v textu představeny pojmy závazek a norma.

Hlavní část práce popisuje principy návrhu multiagentních modelů. Nejprve je ukázáno, jak lze formálně specifikovat multiagentní modely. Univerzum je rozděleno na agentní a neagentní prvky. Neagentní prvky tvoří prostředí a to má nějaké blíže neurčené chování. Agenti jsou naopak řízeni jazykem, ve kterém je zapsán program pro praktické rozhodování. Datové struktury jsou uloženy v agentově bázi znalostí a také je představují věty uvedeného jazyka. Cyklus běhu agenta je takový, že agent přijímá události svými senzory a i na jejich základě se rozhoduje k provádění akcí. Jednání může vést ke změně jeho vnitřního stavu, změně stavu ostatních prvků v systému, nebo změně struktury modelu. V práci je uvedeno několik příkladů, které demonstrují chování takovýchto modelů.

Poslední část práce pojednává o principech tvorby multiagentních simulačních modelů. Agent jako prvek modelu (zvaný A-Mass) má svoji bázi znalostí, interpret, vstupní vyrovnávací paměť, registr a zná několik výpočetních algoritmů. Plány jsou zapsány v jazyce t-Sapi, který je rovněž v práci představen včetně formálního popisu jeho syntaxe a sémantiky a několika příkladů použití tohoto jazyka. Na závěr jsou uvedeny principy fungování simulačního nástroje během provádění simulačního běhu.

Dizertace pojednává o metodách návrhu mutiagentních systémů.  Agent je považován za autonomní systém schopný následovat své záměry.  Agentovo chování rovněž závisí na chování ostatních agentů v systému. Tito agenti sdílí společné prostředí a je pro ně přirozené, že svoji činnost koordinují, například komunikací. Práce je zahájena klasifikací agentů na reaktivní, rozvážné, kognitivní a racionální. Reaktivní agenti nemají explicitní reprezentaci svých znalostí, rozvážní agenti jsou schopni sestavovat postup k dosažení zvolených cílů a kognitivní agenti mají schopnost učit se z prožitých zkušeností. Racionální agent je schopný racionálního jednání a má jak rozvážné, tak kognitivní rysy. Text pokračuje popisem modelů BDI agentů, kteří staví své rozhodování na třech svých mentálních stavech - představách, přáních a záměrech. BDI model je představen na BDI logice, která je rozšířením CTL logiky. BDI přístup byl také použit při návrhu PRS nebo d'Mars systémů, které jsou oba stručně uvedeny v této práci.

Popis komunikace mezi agenty je rozdělen na tři oblasti. Za prvé jsou to jazyky KQML a ACL, dále metodologie vyhledávání partnera pro komunikaci, a konečně to jsou komunikační protokoly. Po tématu komunikace následuje téma multiagentních systémů, kooperace mezi agenty a vytváření koalic. Je ukázáno, že spolupráce může zlepšit výkon jednotlivých agentů v systému, zajistit dosažení globálních cílů a zvýšit šance agentů dosahovat jejich soukromých cílů. Dále jsou v textu představeny pojmy závazek a norma.

Hlavní část práce popisuje principy návrhu multiagentních modelů. Nejprve je ukázáno, jak lze formálně specifikovat multiagentní modely. Univerzum je rozděleno na agentní a neagentní prvky. Neagentní prvky tvoří prostředí a to má nějaké blíže neurčené chování. Agenti jsou naopak řízeni jazykem, ve kterém je zapsán program pro praktické rozhodování. Datové struktury jsou uloženy v agentově bázi znalostí a také je představují věty uvedeného jazyka. Cyklus běhu agenta je takový, že agent přijímá události svými senzory a i na jejich základě se rozhoduje k provádění akcí. Jednání může vést ke změně jeho vnitřního stavu, změně stavu ostatních prvků v systému, nebo změně struktury modelu. V práci je uvedeno několik příkladů, které demonstrují chování takovýchto modelů.

Poslední část práce pojednává o principech tvorby multiagentních simulačních modelů. Agent jako prvek modelu (zvaný A-Mass) má svoji bázi znalostí, interpret, vstupní vyrovnávací paměť, registr a zná několik výpočetních algoritmů. Plány jsou zapsány v jazyce t-Sapi, který je rovněž v práci představen včetně formálního popisu jeho syntaxe a sémantiky a několika příkladů použití tohoto jazyka. Na závěr jsou uvedeny principy fungování simulačního nástroje během provádění simulačního běhu.

Agent, systém, multiagentní systém, modelování

20.10.2004

Fakulta informačních technologií VUT v Brně

Brno

107

http://www.fit.vutbr.cz/~zborilf/PhD/thesis.pdf