131011智能系统开发方法导论(教案).docVIP

智能系统开发方法导论课程简介见目录授课与考核方式l 教学方式：课堂授课+课堂讨论（含学生报告）课后文献阅读 课后编程实践 由于导论课，内容涉及知识面宽泛、信息量大，讲授时多插入我的口语解释，注意记笔记l 考核方式：平时作业（到课记录+论文写作+程序）+期末考试（以提交论文为主；开卷或闭卷，含外文文献阅读能力考核）其中平时作业（每部分大约占10分）包括：1、单元资料收集阅读（需要注明参考文献）、讨论或报告2、文献综述论文写作（在理论部分讲述完毕后布置）、讨论或报告。3、特定选题的论文撰写：针对具体题目撰写（可内含程序关键代码），第15、16周课后布置。包括讨论或报告。参考文献来源：注重广泛性，包括：图书、网络检索、期刊文献；参考书（按重要性排序）：面向主体的软件开发方法 毛新军，清华大学出版社2005面向Agent的软件设计开发方法 薛霄，电子工业出版社2009多Agent系统引论 Michael Wooldridge （英）著 电子工业出版社 移动Agent技术张云勇、刘锦德 编著 清华大学出版社 智能Agent及其在信息网络中的应用王汝传、徐小龙、黄海平 著 北京邮电大学出版社人工智能一种现代方法 Stuart Russell （美）等著，人民邮电出版社，2004 联系方式：QQ 206 6381 726；邮箱：QQ邮箱；电话微信号：uniquen-u课件发放（递进式）、作业布置，提交以QQ为主。目 录第1章 绪论1.1 智能系统及其发展背景概念、特征（处理的对象、处理结果）类型、实现原理1.2 智能系统应用第2章 面向主体（Agent）智能系统开发概述基本概念和思想2.1 智能A gent什么是主体简介；概念、例子、与对象和专家系统关系；主体的体系结构；2.2 什么是多主体系统例子、特点；相关性、交互和协作2.3 主体间的通信交互和协作通信语言、方式；协作及协作模型第3章 面向主体的分析、设计和建模3.1分析、设计和建模概述3.2 MaSE方法3.3 Gaia方法3.4 Agent UML第4章 面向主体的程序设计4.1面向主体的程序设计思想4.2面向对象的编程语言JAVA4.3面向主体的程序设计语言三种技术，但主要讲基于对象的技术JAL4.3.1面向主体的程序设计语言概述4.3.2基于对象的技术JAL第5章 面向主体的CASE工具和支撑环境概述； JACK5.1 CASE工具和环境概述概念、产品、分类5.1.1概念5.1.2产品5.2 CASE工具JACK第1章 绪论1.1 智能系统及其发展背景本节主要讲述：智能系统概念、特征（处理的对象、结果）；类型；实现原理；多智能体系统MAS（Multi-agent system）发展；注：相关链接可以跟踪1.1.1概念、特征（处理的对象、结果）概念智能系统（Intelligence system）是指能产生人类智能行为的计算机系统。智能系统不仅可自组织性与自适应性地在传统的诺依曼的计算机（五大部件）上运行，而且也可自组织性与自适应性地在新一代的非诺依曼结构（智能化）的计算机上运行。“智能”的含义很广，其本质有待进一步探索，因而，对“智能”这一词也难于给出一个完整确切的定义，但一般可作这样的表述：智能是人类大脑的较高级活动的体现，它至少应具备自动地获取和应用知识的能力、思维与推理的能力、问题求解的能力和自动学习的能力。处理的对象智能系统处理的对象，不仅有数据，而且还有知识。表示、获取、存取和处理知识的能力是智能系统与传统系统的主要区别之一。因此，一个智能系统也是一个基于知识处理的系统，它需要如下设施：知识表示语言；知识组织工具；建立、维护与查询知识库的方法与环境；支持现存知识的重用。处理的结果智能系统往往采用人工智能的问题求解模式来获得结果。它与传统的系统所采用的求解模式相比，有三个明显特征，即其问题求解算法往往是非确定型的或称启发式的；其问题求解在很大程度上依赖知识；智能系统的问题往往具有指数型的计算复杂性。智能系统通常采用的问题求解方法大致分为搜索、推理和规划三类。智能系统与传统系统的区别智能系统与传统系统的又一个重要区别在于：智能系统具有现场感应（环境适应) 的能力。所谓现场感应指它可能与所处的现实世界的抽象现场进行交往，并适应这种现场。这种交往包括感知、学习、推理、判断并做出相应的动作。这也就是通常人们所说的自动组织性与自动适应性。如智能空调系统中温度感应器主体与空调设施主体之间的交互1.1.2 类型操作系统也称基于知识操作系统。是支持计算机特别是新一代计算机的一类新一代操作系统。它负责管理上述计算机的资源，向用户提供友善接口，并有效地控制基于知识处理和并行处理的程序的运行。因此，它是实现上述计算机并付诸应用的关键技术之一。利用拟人化的具有自学习能力的人机智能体(IPA I)技术设计VAX VM S操作系统，利用智能体所具有的特性可实现操作系统的自适应功能。智能体IPA I可通过接受用户的反馈使操作系统适应用户的兴趣和习惯，通过识别正确与错误的命令及与其它智能体进行网络通讯实现系统的学习，从而使操作系统在复杂环境下实现与用户的交互。智能操作系统将通过集成操作系统和人工智能与认知科学而进行研究。其主要研究内容有：操作系统结构；智能化资源调度；智能化人机接口；支持分布并行处理机制；支持知识处理机制；支持多介质处理机制。语言系统为了开展人工智能和认知科学的研究，要求有一种程序设计语言，它允许在存储器中储存并处理一些复杂的、无规则的、经常变化的和无法预测的结构，这种语言即后来被称为的人工智能程序设计语言。人工智能程序设计语言及其相应的编译程序（解释程序）所组成的人工智能程序设计语言系统，将有效地支持智能软件的编写与开发。与传统程序设计支持数据处理采用的固定式算法所具有的明确计算步骤和精确求解知识相比，人工智能程序设计语言的特点是 ：支持符号处理 ， 采用启发式搜索，包括不确定的计算步骤和不确定的求解知识。实用的人工智能程序设计语言包括函数式语言（如Lisp），逻辑式语言（如Prolog）和知识工程语言（Ops5），其中最广泛采用的是Lisp和Prolog及其变形。Lisp语言适合于符号处理，它处理的唯一对象是符号表达式（又称S-表达式）。所有的程序与数据均由S-表达式构成，采用的主要控制结构是递归。Prolog语言以一阶谓词演算为其理论基础。它的数据结构是项，所有的程序和数据均由项组成，也采用递归为其主要控制结构。此外，Prolog能自动实现模式匹配和回溯。支撑环境CASE又称基于知识的软件工程辅助系统。它利用与软件工程领域密切相关的大量专门知识，对一些困难、复杂的软件开发与维护活动提供具有软件工程专家水平的意见和建议。智能软件工程支撑环境具有如下主要功能：支持软件系统的整个生命周期；支持软件产品生产的各项活动；作为软件工程代理；作为公共的环境知识库和信息库设施；从不同项目中总结和学习其中经验教训，并把它应用于其后的各项软件生产活动。专家系统专家系统是一类在有限但困难的，在现实世界领域帮助人类专家进行问题求解的计算机软件，其中具有智能的专家系统称为智能专家系统（如医疗诊断系统） 。 它有如下基本特征：不仅在基于计算的任务，如数值计算或信息检索方面提供帮助，而且也可在要求推理的任务方面提供帮助。这种领域必须是人类专家才能解决问题的领域；其推理是在人类专家的推理之后模型化的；不仅有处理领域的表示，而且也保持自身的表示、内部结构和功能的表示；采用有限的自然语言交往的接口使得人类专家可直接使用；具有学习功能。应用系统指利用人工智能技术或知识工程技术于某个应用领域而开发的应用系统。显然，随着人工智能或知识工程的进展，这类系统也不断增加。智能应用系统是人工智能的主要进展之一。1.1.3 实现原理智能系统包含硬件与软件两个部分，在实际的应用中需要软硬件的紧密结合才能更加高效的完成工作。硬件方面由处理器（CPU）、存储器（内存、硬盘等）、显示设备（显示器、投影仪等）、输入设备（鼠标、键盘等）、感应设备（感应器、传感器、扫描仪等）等部件组成，在硬件配置方面可以根据需求对智能系统的硬件设备进行定制，以满足不同的需求。在实际的应用中比较常见的硬件设备是工控机（工业控制、自动化领域）、智能终端（手机、车载智能导航仪）等产品。软件方面有许多可以选择的编程语言，C、C+、VB、JAVA、Delphi等，这些计算机语言都可以编写出智能系统所需要的软件应用，然后植入到硬件设备中进行测试、调优，与硬件配合完成特定的功能。1参考文献 【1】 智能系统的实现原理智能系统引用日期2013-02-281.1.4多智能体系统MAS（Multi-agent system）发展多智能体系统（Multi-agent system）Swarm （1）背景Swarm是美国新墨西哥州的桑塔费研究所（The Santa Fe Institute，SFI）1994年起开发的一个面向对象程序设计（OOP）的多智能体仿真软件工具，是一种基于复杂适应系统（complex adaptive system，CAS）发展起来的支持“自下而上”或称“基于过程”的建模工具集。SFI开发Swarm的目的是通过科学家和软件工程师的合作制造一个高效率、可信、可重复使用的软件实验仪器，用来帮助科学家们分析复杂适应系统（Complex Adaptive System，简称CAS）。复杂适应系统则是指经济、生态、免疫系统、胚胎、神经系统及计算机网络等系统的统称，它是由遗传算法（Genetic Algorithms, 简称GA）的创始人霍兰（J. Holland）于1994年在SFI成立十周年时正式提出的，也迅速引起国内外学术界的极大关注，并被尝试用于观察和研究各种不同领域的复杂系统，成为当代系统科学引人注目的一个热点。由于Swarm对模型和模型要素之间的交互方式不做任何限制，使用者则可以将精力集中在所感兴趣的特定系统中，而不必受数据处理、用户界面及其他纯软件工作和编程等方面的问题所困扰，甚至对于非计算机专业学者而言使用也是相当方便。1989年举行的第一届国际多智能体欧洲学术会议，标志着该技术受到了研究者的广泛重视。1993年首次召开了智能体形式化模型国际会议，1994年又召开了第一届智能体理论、体系结构和语言国际会议，表明多智能体技术日益获得了重视。近几年美国桑塔费研究所每年举办的“SwarmFest”和“复杂系统暑期班”，更为全球Swarm和CAS爱好者提供一个更加系统的学习交流机会。在国内，Swarm的应用起步较晚，但发展趋势异常迅猛，尤其是2001年中国人民大学信息学院举办“Swarm仿真培训班”以后，基于Swarm研究的学者越来越多。正是由于Swarm可以模拟任何物理系统、经济系统或社会系统，所以受到国内外经济学、金融学、政治学、社会学、生物学、生态学、物理学、地理学、军事以及计算机科学等领域的专家、学者或爱好者们的广泛关注。SFI的Swarm开发组定义Swarm为用于复杂自适应系统仿真的多智能体平台。基于Swarm仿真平台的应用研究，得到迅速的发展，所涵盖的研究涉及经济学、金融学、政治学、社会学、生物学、生态学、物理学、地理学、军事以及计算机科学等许多领域。1992年曾经有人预言：“基于Agent的计算将可能成为下一代软件开发的重大突破。随着人工智能和计算机技术在制造业中的广泛应用，多智能体系统技术对解决产品设计、生产制造乃至产品的整个生命周期中的多领域间的协调合作提供了一种智能化的方法，也为系统集成、并行设计，并实现智能制造提供了更有效的手段。1.2 智能系统应用智能技术的发展和应用详解 2010年02月23日 09:32 来源： 企业技术开发下半月(2009)03-0077-01近年来,我国对Agent技术的理论和应用进行了广泛的研究,Agent技术已经从科学研究开始进入实际应用阶段。本文对我国的Agent研究以及有代表性的应用进行了阐述,以期为我国的Agent技术的应用有所裨益。智能机器人在智能机器人中，信息集成和协调是一项关键性技术，它直接关系到机器人的性能和智能化程度。一个智能机器人应包括多种信息处理子系统，如二维或三维视觉处理、信息融合、规划决策以及自动驾驶等。各子系统是相互依赖、互为条件的，它们需要共享信息、相互协调，才能有效地完成总体任务，其目标是用来结合、协调、集成智能机器人系统的各种关键技术及功能子系统，使之成为一个整体以执行各种自主任务。利用多智能体系统，将每个机器人作为一个智能体，建立多智能体机器人协调系统，可实现多个机器人的相互协调与合作，完成复杂的并行作业任务。交通控制由于交通控制拓扑结构的分布式特性，使其很适合于应用多智能体技术（电子警察、拍照代理、系统调度），尤其对于具有剧烈变化的交通情况(如交通事故)，多智能体的分布式处理和协调技术更为适合。柔性制造多智能体技术应用在柔性制造领域，可表示制造系统，（加工、运输、组装机器人、监控设备等）并为解决动态问题的复杂性和不确定性提供新的思路。如在制造系统中，各加工单元可看作智能体，从而使加工过程构成一个半自治的多智能体制造系统，完成单元内加工任务的监督和控制。多智能体技术可用于制造系统的调度、制造过程中的分布式控制。信息服务信息服务是最广大的用户群接触网络环境的首要渠道。对于信息内容已经相当丰富的英语文化圈来说,进一步提高信息服务的质量,改变目前信息服务中存在的信息过载和资源迷向的状况,是信息服务业所面临的最紧迫的任务。智能agent正好可以适应这方面的需要。 系统与网络管理计算机系统本身的资源量就非常巨大,系统管理的整个趋势正在朝着傻瓜化的方向发展,其中很大一部分原来由系统管理员手工干的事情,现在已经由计算机代管了。在网络管理方面,随着client/server计算成为主流,完成固定功能的agent的存在和应用已经成为事实,分布在不同设备上监视设备状况,并随时向主机报告数据的agent,已经是当今网管系统中很平常的一部分了。 电子商务越来越多的人看好internet上的商业机会。网上的商品越多,在网上寻找商品就越是买方的一大负担;同时,卖方商品的推销也有一个对客户实行因人而宜的主动服务问题。因此,采用智能agent系统,代表买方去网上查看广告牌、逛商店寻找商品甚至讨价还价,代表卖方分析不同用户的消费倾向,并据此向特定的潜在用户群主动推销特定的商品,都是非常有诱惑力的。 协同工作 把internet引入企业和机构、建立所谓intranet的努力正方兴未艾。深层次的intranet最终要改变的是人们的工作方式、企业和组织机构的运作方式,把一切具有信息属性的、可以用符号等价物替代实物的工作流程,统统在网络计算环境中予以实现。在这样的大目标下,企业、机构的相当一部分管理职能,完全可以由网络上自主工作的一组智能agent来协同实现。涉及到设计、写作、数据操纵、软件开发等许多符号性的工作岗位之间的协同工作,也同样可以靠智能agent来协调并代理完成一些辅助性的工作。 远程教育远程教育是促进教育机会平等的重要手段。在网络环境下,可以调动多种教学手段,包括讲解、演示、练习、实验和考试等。其中,练习和实验环节是智能agent可以大有作为的地方。智能agent可以作为虚拟的教师、虚拟的学习伙伴、虚拟的实验室设备、虚拟的图书馆管理员等出现在远程教育系统中,增加教学内容的趣味性和人性化色彩,改善教学效果。单机系统中各种软件的帮助也可以设计成一个人性化的角色,实施对用户进行导航这种模式。 娱乐在网络娱乐系统中引入智能agent,可以增强娱乐效果,这也是娱乐系统开发新功能的一个很有希望的选择。目前智能agent在娱乐方面可以做的事情有:个性化的节目点播服务;游戏和虚拟现实中更加人性化的机器角色的设计,比如决策的智能化(战争或经济活动)、动作的人性化(体育比赛)和自然语言对话的使用;网络社交场合(如聊天室)中用来招徕用户,或以假乱真的机器对话角色的设计和使用,等等。应用展望Agent技术作为一种新的编程思路,各方面还有待完善,但是这不妨碍它的先进性。在远程教学、制造业、医疗、政府机构、商业、信息行业等领域内都已经应用了Agent,许多Agent软件也已开发出来。随着Internet及WWW技术的继续推广和深入,产品设计Agent、产品销售Agent、会议Agent、决策Agent等等都将会得到广泛应用。 参考文献: 1 陈亚飞. 基于Agent和GIS的空间智能决策支持系统探讨J.福建电脑,2008. 2 侯志彦 .多Agent技术在电网调度系统中的应用研究D.华北电力大学(河北),2007. 3 刘健华. 基于多Agent的网络服务组织技术研究D.湖南大学,2008. 4 王斌,龚雄涛. 一种Agent逻辑模型及其类定义J.湖北职业技术学院学报,2004. 5 黄逸民,张建明,王树青.基于多Agent的智能决策支持系统 J.化工自动化及仪表,2003. 第2章 面向主体（Agent）智能系统开发概述【注：研究生阶段的学习应该是一种带有批评性的研究性学习，在博采众长的基础上，用自己的眼光看待世界、审视他人的观点；其教材选择、课内外学习资料组织、使用、广度与深度都与本科不同】基本概念和思想2.1 智能A gent什么是主体概念简介，提出；体系结构；特征；例子、与对象和专家系统关系；及案例；2.1. 1 概念由于Agent的研究人员来自许多不同的领域，使得Agent的定义和表现各不相同。Agent的原意是“代理”，即一个人代表另一个人或（另）一个组织去完成某件（些）事情。 如在商品经济活动中被授权代表委托人的一方。后来被借用到人工智能和计算机科学等领域，以描述计算机软件的智能行为，称为智能体。在计算机领域，Agent认为是被授权的“个人软件助理”，是一种在分布式系统或协作系统中能持续发挥作用的计算实体，常简称为智能体。文献【刘大有, 杨鲲, 陈建中. Agent研究现状与发展趋势.软件学报.2000 Vol.11 No.1】也给出了一个Agent的简单定义：Agent是一类在特定环境下能感知环境，并能自治地运行以代表其设计者或使用者实现一系列目标的计算实体或程序。 系统设计阶段相关概念（引自博文）从人类社会与MAS的潜在同构特性分析，对Agent概念提出如下的理解。Agent是一个运行于动态环境的具有较高自制能力的实体（即自制体，可以是指一个机器人、一个专家系统、一个软件程序、一个模式或求解单元），其根本目标是接受另外一个实体的委托并为之提供帮助和服务，能够在该目标的驱动下主动采取包括社交、学习等手段在内的各种必要的行为以感知、适应并对动态环境的变化进行适当的反应，它与其服务主体之间具有较为松散和相对独立的关系。1）Agent与人类个体很相似都具有自治性、反应性、社会性、适应性、预动性等特性。2）Agent具有一定状态和行为，Agent能够实施特定活动。活动是Agent自身在不进行交互的情况下发生的基本行为，比如对环境信息的接收、在系统中的移动等。另外Agent还能够更新行为规则，根据环境变化对其行为规则进行相应的调整。3）Agent扮演角色并执行。通过为Agent赋予角色，可以将Agent看作是绑定了特定角色的行为实体。一个Agent可以绑定一些(并非全部)角色，通过与角色的绑定，Agent能够参与与其他角色的交互，能够获得来自角色制定的规划，从而具有了对自身行为的选择和激发能力，即：Agent =状态+行为+角色1，角色2，角色n(n0)4）一群相互交互的Agent构成一个组织-多Agent系统。正如人类社会一样，Agent也有自己的组织结构。多Agent系统（multi-agent systems ，MAS)是指由多个agent组成的一个较为松散的多agent联邦，这些agent成员之间通过在组织中的相互协同，相互服务，共同完成一个任务。各agent成员的活动是自制和独立的，其自身的目标和行为不受其它agent成员的限制，它通过竞争或磋商等手段协调和解决各agent成员的目标和行为之间的矛盾和冲突。5）所有的Agent都生活在一个特定的环境中。我们可以将Agent的环境定义为该Agent之外所有其他Agent所处于的状态。广义的智能Agent包括人类、物理世界中的移动机器人和信息世界中的软件机器人。 狭义的智能Agent则专指信息世界中的软件机器人。它是代表用户或其他程序，以主动服务的方式完成一组操作的机动计算实体，即计算机程序，是要开发出能够吸引和帮助所有最终用户的软件系统。电子商务领域本文讨论的智能Agent专指狭义的智能Agent，即如果没有特别的声明，指软件Agent。2.1. 2 Agent的结构例如：对于拟人Agent，其传感器为眼睛耳朵和其他感官，其执行器为手、腿、嘴和身体的其他部分。Agent的层次结构Nwana定义了Agent的三层概念结构：定义层、组织层和合作层，如下图通信层合作层组织层定义层API层传感器执行器外部环境或其它AgentAgent定义层： Agent被描述为一个自治或半自治的理性实体，包括Agent的推理学习机制、目标、资源以及技能等。Agent组织层：组织层定义了Agent与其他Agent的关系，包括Agent在组织（或团体）所扮演的角色，以及Agent之间的相互感知机制等。Agent合作层：合作层指明了Agent的社会能力，例如它的全用与协商技术。Agent的实现体系结构BDI（信念、愿望、意图）模型（认知型体系结构之一，与JACK有关）【下述内容参见毛新军P47-56】抽象体系结构是指构成主体的各个抽象成分及其地位、作用和相互关系，有助于软件开发人员在较高抽象层次上描述和分析构成主体的部件及其关系和性质。主体的实现体系结构主要给出实现抽象体系结构的具体技术解决方案，包括（1）如何给出相应的数据结构表示主体的内部状态；（2）如何实现构成主体的各个部件（如感知部件、动作决策部件等），并为他们提供相应算法。现有主体的实现体系结构分为如下几种：（1）知识型体系结构：主体内部状态被简单定义为主体拥有的知识，主体的动作决策是一个基于知识库的定理证明过程；（2）反映式体系结构：主体没有内部状态，其动作决策是一个从情景到动作的直接映射；（3）认知型体系结构：主体的内部状态（数据结构）由各种复杂的认知部件（如BDI）组成，其动作决策是一个基于其内部认知状态进行思考和目标-手段推理（基于目标，采用不同手段解决问题）的过程。（先认识理解环境；后知道采用何种手段步骤去行事）BDI（Belief信念、Desire愿望、Intention意图）模型是由Rao和Georgeff提出的一种认知型体系结构，其在学术界和工业界都有较大影响。它基于意向观点，把主体视为是一个由各种认知成分（如BDI）构成的意向系统。其观点认为：Agent必须利用知识修改其内部状态（心理状态），以适应环境变化和协作求解的需要。Agent的行动受其心理状态驱动。人类心理状态的要素有认知（信念、知识、学习等）、情感（愿望、兴趣、爱好等）和意向（意图、目标、规划和承诺等）三种，着重研究信念（belief）、愿望（desire）、意图（intention）的关系及其形式化描述，力图建立Agent的BDI（信念、愿望和意图）模型，已成为Agent理论模型研究的主要方向。【下述内容参见毛新军P71-76】信念（主体拥有的知识）部件用于表示Agent对环境的理解和认识，是对环境信息的描述，是Agent进行动作决策的基础；愿望（体现一种喜好，希望做什么）反映了Agent可能试图实现的任务和目标，体现了Agent的某种选择，但这种选择的约束是很弱的，具体表现在：l 愿望可能是不一致的（犹豫不决）。如，希望从事金融工作，又不希望从事金融工作。l 某一愿望可能妨碍或阻止其他愿望的实现，多个愿望之间可能是相互冲突的。如，外出旅游与留校考研。l 愿望可能缺乏持续性特征，即主体可能随意终止或放弃其愿望。l 主体可能仅仅拥有某种愿望，而不会始发具体动作或采取某种手段和策略来实现愿望。（只是想想而已）意图（决定了要做什么）体现了Agent要实现的任务和目标；它将引导Agent生成规划、执行动作，以实现Agent的意图。主体的愿望经主体承诺后上升为主体的意图，意图概念的基本内涵是对未来动作的合理选择，是主体执行动作的起因。一些学者（如Bratman）指出，与其他部件相比，意图部件在主体自主运作过程中起着更为关键性的作用，这是由于意图概念具有不同于其他认知部件的一些重要性质。l 持续性：指主体不会随意放弃其已有的意图。l 可满足性：主体的意图是可满足的，或说可实现的，如果不能实现，就不应该产生该意图。l 内部一致性：多个意图之间必须是相互一致的，否则，不知道按照哪个意图行事。信念、愿望、意图与行为具有某种因果关系，如下图所示。其中，信念描述Agent对环境的认识，表示可能发生的状态；愿望从信念直接得到，描述Agent可能试图实现的任务和目标发生情景的判断；意图来自愿望，制约Agent，是目标的组成部分。Bratman的哲学思想对心理状态研究产生了深刻影响。1987年，他从哲学的角度研究行为意图，认为只有保持信念、愿望和意图的理性平衡（切合实际和不矛盾），才能有效地实现问题求解。他还认为，在某个开放的世界（环境）中，理性Agent的行为不能由信念、愿望及两者组成的规划直接驱动，在愿望和规划之间还存在一个基于信念的意图。在这样的环境中，这个意图制约了理性Agent的行为。理性平衡是使理性Agent行为与环境特性相适应。环境特性不仅包括客观环境条件，而且涉及环境的社会团体因素。对于每种可能的感知序列，在感觉序列所提供证据和Agent内部知识的基础上，一个理性的Agent的期望动作应使其性能测度达到最大。 Agent的范式 系统设计阶段元模型产品（引自博文）主体（Agent）的范式可用扩展的EBNF表示如下112：=Agent End Agent 其中，AgentName为Agent名,用于唯一标识一个Agent;AgentID：是区别Agent 的惟一标志符;类似人的身份证号Description：提供对该Agent在业务流程模型中权利和义务的概要描述； AgentType：描述Agent的类型如领导或员工，体现了一类Agent的行为;RoleBase：每个Agent 拥有一个角色库，角色库中对可能存在的多种不同的角色进行了定义;如处长SuperiorAgent：Agent属于的上级Agent; Goals：是主体需要实现的一个或多个目标（即期望）；：一个Agent拥有一组规划，每一个规划定义了一组动作序列，用于响应系统事件、实现主体的目标。Capability：能力封装了信念、事件、规划、等功能单元，描述了主体能够访问和存取的信念集、能够感知和处理的事件，以及实现主体目标所需的规划Beliefs：信念反映了Agent关于环境(包括其他Agent)的信息态度;信念集可用数据库表示KnowledgeBase：知识库，规则库，提供了一组关于业务流程流转控制的机制；Constraint：表示赋予Agent处理相关业务的约束条件，例如插入、修改、浏览、取消等。PreConditions：限定了实现目标所必须具有的技能和一个或多个必要预备条件;Priorities：是一组优先权，每一priority 用于限定Agent 在调用角色库时使用角色的优先顺序。Protocols：是一组用以控制Agent 之间通信的规则；Agent的形式化结构局部数据历史经验库处理机处理过程1处理过程2处理过程3处理过程4.局部数据局部数据是指封装在Agent内部的，只能通过Agent的处理存取的数据。它与对象的私有数据类似。用于保存Agent的内部状态。处理过程（动作、行为、方法）处理过程是Agent的核心部分，它是Agent对外的窗口，Agent所提供的服务都是通过对处理过程的调用请求而实现的。它定义了Agent的行为模式。它的发展使Agent的功能不断增强，带动着Agent不断进化。处理机（为处理过程的运行提供环境）处理机是Agent推理能力的提供者。Agent的处理过程以进程的形式在处理机上执行。通过这处内部的处理机，Agent避免了对象所采用的低效的单线处理方式，实现了并行性执行。历史经验库历史经验库是知识规则库提供，存放Agent处理过程中每次执行的效率等历史经验知识，以便于Agent在未来的处理中进行学习与调整。Agent的形式化描述Agent private data1,data2,. ./局部数据 Knowledge-Base rule1, rule2,. /知识库Process ./处理过程 On Do at Privority . Action .Processor ./处理器EndAgent的行为模式 while (alive) 扫描所有的处理过程 processi if (Exist 创建一个与处理过程Processi相应的进程，并排入进程队列 2.1. 3 特征一般认为，Agent应该具有以下四个基本特征：代理性、智能性、自治性、反应性、能动性、社交性。1、代理性(Agent，Action On Behalf Others):代理性体现在: (Agent具有代表他人的能力,它是“代表用户”工作的，这是代理的第一特征.;它可以把其他资源包装起来,引导并代替用户对这些资源进行访问,成为便于通达这些资源的枢纽和中介。 如秘书代理2、智能性(Intelligence) 代理具有一定程度的智能,包括推理到自学习等一系列的智能行为. 在这方面,智能Agent可以做很多有高技术含量的工作。例如,理解用户用自然语言表达的对信息资源和计算资源的需求;帮助用户在一定程度上克服信息内容的语言障碍;捕捉用户的偏好和兴趣;推测用户的意图并为其代劳,等等。 3.主动性(Proactivity):代理能够遵循承诺采取主动,表现面向目标的行为.例如,Internet上的代理可以漫游全网,为用户收集信息,并将信息提交给用户. 4、反应性(Reactivity):Agent能够感知所处的环境，并可以对环境发生的变化以及时的方式做出反应，以满足?它们的设计目标；并通过行为对环境中相关事件作出适时反应。 如智能空调5、自主性（自治性 ，Autonomy) Agent运行时不直接受他人控制，对自己的行为与内 部状态有一定的控制力。这是最基本的属性，也是区别于过程、对象等的一个重要特征！一个智能Agent应该是一个独立自主的计算实体。具有不同程度的自治能力.它应能在非事先规划、无法事先建模的、动态变化的信息环境中,独立规划复杂的操作步骤,解决实际问题,在用户不参与的情况下,独立发现和索取符合用户需求的可利用资源与服务。 如水下智能机器人即使发生意外情况下也能自主工作。6、机动性(Mobility)在网络计算环境下,一个Agent可以看成是代表用户驻网络的常设机构,它可以在网络上灵活机动地访问各种资源和服务,还可以就完成特定任务同其他智能Agent进行协商和合作,甚至把自己迁移到网络中的其他主机上去执行任务。这样的精灵在网络上游弋,是对网络安全性、个人隐私性和管理方面的巨大挑战。 7、社会性(Social Ability):代理具有一定的社会性,即它们可能同代理代表的用户、资源、其它代理进行交流8、合作性(Callaboration) 更高级的代理可以与其它代理分工合作, 可以与其他Agent交互，共同完成单个代理无法完成的任务。 9、移动性(Mobility) 具有移动的能力,为完成任务,可以从一个节点移动到另一个节点。比如访问远程资源、转移到环境适合的节点进行工作等。还有诚实性、顺从性、理智性等等。Agent基本特征主要表现在它的智能性和代理能力。智能性是指应用系统使用推理、学习和其他技术来分析解释它接触过的或刚提供给它的各种信息和知识的能力。代理能力指Agent能感知外界发生的消息，并根据自己所具有的知识自动作出反应。由于Agent的特性,基于Agent的系统应是一个集灵活性、智能性、可扩展性、鲁棒性、组织性等诸多优点于一身的高级系统。2.1. 4 例子、举例说明真空吸尘器AgentAgent房 间 环 境动作输出传感器输入Agent接收从环境中感知的输入：Agent可以感知它所处于房间哪个位置中，以及该地点是否有灰尘；Agent产生输出动作作用于环境：它可以选择向左移动，向右移动，吸取灰尘，或者什么也不做。这种交互通常是一个连续不断的过程。 2.1. 5 与对象和专家系统关系；（1）Agent与对象：传统的对象的概念和Agent的概念至少有三个区别： 与对象相比Agent包含更强的自治性的概念，特别是它们自己决定是否接受其他Agent Agent的请求执行一个动作；对象是被动接受Agent具有灵活的（反应的、预动的、社会的）行为能力，标准的对象模型根本没有这种行为能力; 多Agent系统本质上是多线程的，其中每个Agent至少假设有一个控制线程。 多线程可以执行多任务（2）Agent与专家系统： Agent与专家系统的主要区别如下：经典的专家系统（如医疗专家系统）是与现实分离的它们与任何环境（如医院环境）没有直接联系，而是把用户作为“中间人”发生作用； 专家系统一般不能采取反应式的、预动的行动; 因为程序是按照专家求解步骤设计好的专家系统一般没有社会行为能力，不能进行合作、协调和协商。 因为专家系统不考虑多专家情况。2.2 什么是多主体系统MAS概念；特点；分类；例子、结构；相关性、交互和协作2.2.1概念；“多智能体”一般专指多智能体系统（MAS， Multi-Agent System）或多智能体技术（MAT， Multi-Agent Technology）。多智能体系统是分布式人工智能（DAI，Distributed Artificial Intelligence）的一个重要分支。是20世纪末至21世纪初国际上人工智能的前沿学科。研究的目的在于解决大型、复杂的现实问题，而解决这类问题已超出了单个智能体的能力。1989年举行的第一届国际多智能体欧洲学术会议，标志着该技术受到了研究者的广泛重视。1993年首次召开了智能体形式化模型国际会议，1994年又召开了第一届智能体理论、体系结构和语言国际会议，表明多智能体技术日益获得了重视。多主体系统(MAS)内涵是指由多个具有自主性、交互性、主动性和反应性的Agent组成的集合,通过多个Agent成员之间相互协调、相互服务、共同完成任务的一种复杂系统，各agent成员的活动是自制和独立的，其自身的目标和行为不受其它agent成员的限制，它通过竞争或磋商等手段协调和解决各agent成员的目标和行为之间的矛盾和冲突。它的目标是将大而复杂的系统建设成小的、彼此互相通信和协调的，易于管理的系统。从分布式网络角度理解：(MAS是由分布在网络上的多个问题求解器松散耦合而成的大型复杂系统，这些问题求解器相互作用，以解决由单一个体的能力知识所不能处理的复杂问题。多主体系统是在Agent理论基础上重点研究Agent的互操作性以及Agent间的协商和协作等问题,它能解决由单一 Agent的能力和知识所不能处理的复杂问题。多主体系统是对人类或生物群体的自然隐喻,它是由一组在系统结构中分别担任不同角色的主体及其他们在一定环境里多种关系作用下耦合而成的系统。在多主体系统中,每个主体所具有的信念、资源和能力都是非常有限的,因此,为了实现系统的整体设计目标,系统中的多个主体之间需要经常性地进行交互和协作,因此主体具有主动性、交互性、协作性等特征。多主体系统通过主体本身的活动和相互之间的交互活动构成系统的群体活动, 系统各Agent成员是独立自治的主体,其自身的目标和行为不受其它相关成员的限制,每个Agent的资源、能力都是有限的,各Agent之间通过一定的协商和合作实现系统整体的功能或共同目标,同时每个Agent也在这种交互的过程中实现自己的功能或目的。多主体系统广泛存在于物理、生态、社会和经济等领域,复杂适应系统便是一些多元的或多主体的系统,这些适应性主体通过彼此相互作用和适应能形成整体的有序状态。由于MAS既可以模拟人类的合作,也可以支持人类进行合作,因此Agent技术应用十分广泛。自Agent概念提出,Agent技术及MAS理论已被广泛应用信息、经济、社会、管理等多个领域。它的研究领域涉及智能体的知识、目标、技能、规划、学习、推理、以及如何使智能体采取协调行动解决问题等。研究者主要研究智能体之间的交互通信机制、协调合作、冲突消解等方面理论，及其实际应用，强调多个智能体之间的紧密群体合作，而非个体能力的自治和发挥，主要说明如何分析、设计和集成多个智能体构成相互协作的系统。目前，对多智能体系统的研究可分成两个层次：一是关于多智能体系统理论的基础研究：围绕经典人工智能展开,主要研究代理(智能体)的拟人行为,多代理的协商模型等,其研究方向可分为代理理论,代理体系结构,代理语言,多代理系统等,一些计算机科学家称之为“智能代理”或是强定义的代理； 二是关于多智能体系统特定的体系结构、软件实现等的研究，人们已把面向对象的思想引入智能体对象体系中，并形成了面向Agent的编程风范。新的研究方向主要包括代理界面,基于代理的软件工程(AOSE).2.2.2特点（或优点）多智能体系统在表达实际系统时， 通过各智能体间的通讯、合作、互解、协调、调度、管理及控制来表达系统的结构、功能及行为特性。多智能体系统具有自主性、分布性、协调性， 并具有自组织能力、学习能力和推理能力。采用多智能体系统解决实际应用问题， 具有很强的鲁棒性和可靠性， 并具有较高的问题求解效率。多智能体系统是智能体技术应用及研究上的一个质的飞跃，不同行业的专家学者对之进行了深入的研究并从多个角度阐述了多智能体系统用于解决实际问题的优势，归纳起来，主要有以下几点：（1）在多智能体系统中，每个智能体具有独立性和自主性，能够解决给定的子问题，自主地推理和规划并选择适当的策略，并以特定的方式影响环境。（2）多智能体系统支持分布式应用，所以具有良好的模块性、易于扩展性和设计灵活简单，克服了建设一个庞大的系统所造成的管理和扩展的困难，能有效降低系统的总成本；（3）在多智能体系统的实现过程中，不追求单个庞大复杂的体系，而是按面向对象的方法构造多层次，多元化的智能体，其结果降低了系统的复杂性，也降低了各个智能体问题求解的复杂性；（4）多智能体系统是一个讲究协调的系统，各智能体通过互相协调去解决大规模的复杂问题；多智能体系统也是一个集成系统，它采用信息集成技术，将各子系统的信息集成在一起，完成复杂系统的集成；（5）在多智能体系统中，每一主体具有有限信息资源和问题求解能力，各智能体之间互相通信，彼此协调，并行地求解问题，因此能有效地提高问题求解的能力；（6）多智能体技术打破了人工智能领域仅仅使用一个专家系统的限制，在MAS环境在，各领域的不同专家可能协作求解某一个专家无法解决或无法很好解决的问题，提高了系统解决问题的能力；（7）智能体是异质的和分布的（知识与数据都是分散的）。在一个多Agent系统中，Agent是自主的，它们可以是不同的个人或组织，采用不同的设计方法和计算机语言开发而成，因而可能是完全异质的和分布的。没有全局数据，也没有全局控制（即总控制），控制是分布的。这是一种开放的系统，Agent加入和离开都是自由的。系统中的Agent共同协作，协调他们的能力和目标以求解单个Agent无法解决的问题。也就是，现实世界中存在的事物，可以将其个体或组织视作多智能体，每个智能体按照其本质属性赋予其行为规则，在一个agent活动空间中，agent按照各自的规则进行行动，最后随着时间的变化，系统会形成不同的场景，这些场景可以用来辅助人们进行判断、分析现实世界人们无法直接观察到的复杂现象。（8）处理是异步的（计算是异步执行的）。由于各智能体是自治的，每个智能体都有自己的进程，按照自己的运行方式异步地进行。1-2 1Michael Wooldridge多Agent系统引论.北京:电子工业出版社,2003. 2 Singh M P.Multi-Agent System: A Theoretical Framework for