Detail publikace

Plánování a komunikace v multiagentních systémech

ZBOŘIL, F.

Originální název

Plánování a komunikace v multiagentních systémech

Český název

Plánování a komunikace v multiagentních systémech

Typ

dizertace

Jazyk

cs

Originální abstrakt

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.

Český abstrakt

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.

Klíčová slova

Agent, systém, multiagentní systém, modelování

Vydáno

20.10.2004

Nakladatel

Fakulta informačních technologií VUT v Brně

Místo

Brno

Strany počet

107

URL

BibTex


@phdthesis{BUT66728,
  author="František {Zbořil}",
  title="Plánování a komunikace v multiagentních systémech",
  annote="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.", address="Fakulta informačních technologií VUT v Brně", chapter="66728", institution="Fakulta informačních technologií VUT v Brně", year="2004", month="october", publisher="Fakulta informačních technologií VUT v Brně", type="dissertation" }