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
Dokumenty
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"
}