（计算机应用技术专业论文）面向agent的程序设计语言aoplid及其原型支持系统的实现.pdf

南京航空航天大学硕士学位论文 y3 2 1 8 9 3 ，摘安 f 、目前关于智能体( a g e n t ) 理论与技术的研究不仅是人工智能领域的重要研究内 容之一，也是软件工程、并行与分布式计算、并发系统、机器人研究、数据通讯、 网络i n t e m e t 与以及人机接1 2 1 等技术的重要研究课题。一些基于a g e n t 技术开发的系 统已应用于诸如空中交通控制、分布式车辆监控、通讯网络管理、作业调度等生产 实际领域以及i n t e r n e t 上的智能信息检索、个人助手和基于移动a g e n t 的分布式计算 等。世界上许多国家和地区的政府及工业界十分关注并投资a g e n t 技术的研究。 由于单个a g e n t 应具有推理及同其他的a g e n t 进行通讯和合作的能力，这就注定 了a g e n t 是一个非常复杂的实体，从而构造一个多a g e n t 系统需要相当长的周期并需 要解决许多复杂技术难题一般的程序设计语言，象j a v a 和c + + 等提供了一个扩充 的类库为一般软件开发提供便利，但这些类库往往不能满足a g e n t 应用程序开发的 需要，因此很多a g e n t 研究者认为，需要专门的开发方法、开发工具及语言，来建 立多a g e n t 系统。 一， 本文旨在通过对a g e n t 理论及其技术的研究，提出一个面向a g e n t 的程序设计语 言a o p l d ，并讨论了该语言一个原型支持系统的实现。主要研究成果可以总 结为如下几个方面： ( 1 ) 基于a g e n t 心智状态提出一个意向驱动的a g e n t 模型，并立足工程应用的 角度，建立了一个a g e n t 模型与具体实现相统一的a g e n t 结构，同时刻画 了具有上述结构的a g e n t 的运行方式。 ( 2 ) 依据情境演算理论，提出一种面肉a g e n t 的程序设计语言一a o p l d ，并 给出了a o p l i d 语言的构成、操作语义及其应用实例。 ( 3 ) 详细讨论了a o p l i d 语言的一个原型支持系统的实现。 关键词：a g e n t 模型，a g e n t 结构，情境演算，面向a g e n t 的程序设计 面向a g e n t 的程序设计语言a o p l i d 及其原型支持系统的实现 a b s t r a c t a g e n t sa r en o ww i d e l yd i s c u s s e db yr e s e a r c h e r sn o to n l yi na r t i f i c i a li n t e l l i g e n c eb u ta l s o i no t h e rm a i n s t r e a m c o m p u t e r s c i e n c es u c ha ss o f t w a r e e n g i n e e r i n g ，p a r a l l e l a n d d i s t r i b u t e dc o m p u t i n g ，a sw e l ta st h o s ew o r k i n gi nd a t ac o m m u n i c a t i o na n dc o n c u r r e n t s y s t e m sr e s e a r c h ，r o b o t i c s ，n e t w o r km a n a g e m e n t ，i n t e r n e t ，a n du s e ri n t e r f a c ed e s i g n t h e n u m b e ra n dt y p eo f a p p l i c a t i o nd o m a i n si nw h i c ha g e n tt e c h n o l o g i e sa r eb e i n ga p p l i e dt o o ri n v e s t i g a t e di n c l u e da i r t r a f f i cc o n t r o l ，d i s t r i b u t e dv e h i c l em o n i t o r , c o m m u n i c a t i o na n d n e t w o r km a n a g e m e n t ，j o bs c h e d u l e ，i n t e l l i g e n ti n f o r m a t i o nr e t r i e v a lo ni n t e r n e t ，p e r s o n a l d i g i t a l a s s i s t a n ta n dd i s t r i b u t e d c o m p u t i n gb a s e d o om o b i l e a g e n t t h er e s e a r c h a n d d e v e l o p m e n to fa g e n tt e c h n o l o g i e sh a v ea t t r a c t e dal o to f i n t e r e s t sa n di n v e s t m e n t sf r o m i n d u s t r ya n dm a n yg o v e r n m e n t s h o w e v e r ，b u i l d i n gi n t e l l i g e n ts o f t w a r ea g e n ti s ad i f f i c u l ta n dt i m e c o n s u m i n gt a s kt h a t r e q u i r e s a nu n d e r s t a n d i n go fa d v a n c e dt e c h n o l o g i e ss u c ha s k n o w l e d g er e p r e s e n t a t i o n ， i n f e r e n c e ，n e t w o r kc o m m u n i c a t i o nm e t h o d sa n dp r o t o c o l s ，e s o p h i s t i c a t e da p p l i c a t i o n s o f t e nr e q u i r ee x p e r t i s ei nm a c h i n el e a r n i n ga a n dm a c h i n ep l a n n i n gt e c h n o l o g i e s n o r m a l p r o g r a m m i n gl a n g u a g e sa s c + + a n dj a v ap r o v i d ee x t e n d e dl i b r a r i e st of a c i l i t a t et h e s o f t w a r e d e v e l o p m e n t ，b u tt h o s e l i b r a r i e sc a n ts a t i s f yt h er e q u i r e m e n t so f t h e d e v e l o p m e n t o fa g e n t a p p l i c a t i o n s s o t h e r ei sa n e m e r g i n g c o n s e n s u so nt h en e e dt o d e v e l o p m e t h o d o l o g i e sa n dt o o l - k i t s o r a n a g e n t - - o r i e n t e dp r o g r a m m i n gl a n g u a g e f o r b u i l d i n g d i s t r i b u t e dm u l t i a g e n ts y s t e m s t h i st h e s i sa i m st op r e s e n ta na g e n t o r i e n t e dp r o g r a m m i n gl a n g u a g ea o p l i db a s e do n s i t u a l t i o nc a l c u l u s i na d d i t i o n ，as i m p l et e s tb e di sp r o v i d e df o rt h i sl a n g u a g et h em a i n c o n t r i b u t i o n si n c l u d e ： f i r s t l y , a na g e n tm o d e l a n d c o r r e s p o n d i n g s t r u c t u r ea r ep r o p o s e d s e c o n d l y ， a n a g e n t - o r i e n t e dp r o g r a m m i n gl a n g u a g ea o p l i d ( a g e n t - o r i e n t e d p r o g r a m m i n gl a n g u a g ew i t hi n t e n t i o nd r i v e r ) b a s e do ns i t u a t i o nc a l c u l u si se s t a b l i s h e d m o r e o v e r , w e p r o v i d e a no p e r a t i o n a ls e m a n t i cf o rt h i sl a n g u a g e f i n a l l y , t h ei m p l e m e n t i o no f a o p l i d s t e s tb e di sd i s c u s s e di nd e t a i l k e y w o r o s ：a g e n tm o d e l ，a g e n t s t r u c t u r e ，s i t u a t i o nc a l c u l u s ，a g e n t o r i e n t e d p r o g r a m m i n gl a n g u a g e 第1 i 页 南京航空航天大学硕士学位论文 第一章绪论 1 1 研究背景及意义 在计算机科学与技术发展过程中，一方面计算机的广泛应用客观上要求计算机 软件或硬件系统应具备主动适应人类使用环境的能力；另一方面，也要求计算机具 有充分的智能性，应独立或自主她与人类或其他计算机进行交互。再者，i n t e r n e t 技 术的发展要求计算机能够代替人对庞大的信息源进行信息检索及信息自动过滤，这 些应用要求都有着共同的特点：即希望建立一个能够独立处理一类事务的、自主性 的，能适应外界环境变化的自适应性以及与其他智能系统相互协作的合作能力的系 统。在这种背景下，计算机科学家提出了a g e n t 概念、思想及方法。 a g e n t 理论与技术逐渐成为人工智能及相关学科的研究热点之一，传统人工智能 的研究着眼于知识的表示和推理，追求系统计算能力、推理能力的增强及知识规模 的扩大。随着研究的深入，人们发现为了一定程度对人类的智能行为进行模拟，单 纯对知识进行研究是不够的。需要综合考虑和模拟人类的其他智能特征，据此提出 了基于“意向姿态”研究a g e n t 的方法。基于a g e n t 的a i 着眼于一个系统是否有自 主性、社会性、反应性、理性、忠诚性、友好性等，尽管目前关于a g e n t 没有一个 学术界普遍接受的定义，但般认为，如果一个系统具有了一定的自主性，社会交 往能力和自反应能力，就可以称之为智能体( a g e n t ) 。 a g e n t 的提出产生了一系列新的思想、方法、技术和语言用以规范、验证、设计 和实现复杂的分布式软件系统，如基于智能体的软件工程( a b s e ) ，面向智能体的 程序设计( a o p ) ，智能体通讯语言( a c l ) 等等，这些思想、方法、技术和语言的 提出和应用极大地丰富了软件开发方法和技术，促进了复杂分布式软件系统的开发。 1 9 9 9 年i i c a i 最佳思维奖得主j e n n i n g s 将基于a g e n t 的智能模拟及软件工程统称为 “基于a g e n t 的计算”。许多学者认为，a g e n t 将使软件工程与a j 紧密联系，从而使 a i 的研究纳入计算机科学的主流。 1 2 研究内容及现况 1 2 1a g e n t 概念 尽管a g e n t 这个术语己被广为接受并频繁使用，但至今人们还是不能给出一个 a g e n t 的确切定义。各个领域的研究者为了更好的阐述自己的a g e n t ，提出了许多关 第1 页 面向a g e n t 的程序设计语言a o p l i i ) 及其原型支持系统的实现 于a g e n t 的词汇，如：智能a g e n t ( i n t e l l i g e n ta g e n t ) 、软件a g e n t ( s o f t w a r ea g e n t ) 、智能 软件a g e n t ( i n t e l l i g e n t s o f t w a r e a g e n t ) 、自动a g e n t ( a u t o n o m o u sa g e n t ) 、理性 a g e n t ( r a t i o n a la g e n t ) 、分布式a g e n t i s t d b u t e da g e n t ) 、协作a g e n t ( c o l l a b o r a t i v ea g e n t ) 、 接口a g e n t ( i n t e r f a c ea g e n t ) 、移动a g e n t ( m o b i l ea g e n t ) 、信息a g e n t ( i n f o r m a t i o na g e n t ) 、 情感a g e n t ( e m o t i o n a la g e n t ) 等等，比较普遍的看法是：a g e n t 是一个具有自主性、社 会能力和反映特征的计算机软，硬件系统，即它具有以下特征( 见文献 1 】) ： 自治性( a u t o n o m y ) ：a g e n t 能够在没有外界干预的情况下自动操作，能够控制 自身的行为和内部状态 社会能力( s o c i a la b l i l i t y ) ：a g e n t 通过某种类型的a g e n t 通讯语言和其他的a g e n t 或用户交互 反应性( r e a c t i v i t y ) ：a g e n t 能感知环境( 可能是物理世界、通过图形用户接口 交互的用户、其他的a g e n t ) ，并能响应和改变环境 主动性( p r o a c t i v e n e s s ) ：a g e n t 不仅能对环境做出反应，而且能主动性的根据 自己的目标执行定的行动。 实际上，关于a g e n t 理论与技术的研究工作主要是针对a g e n t 的四大性质：主动 性、社会性、学习能力和移动性。关于a g e n t 理论的研究主要从a g e n t 的主动性和社 会性着手：而分布式人工智能和多a g e n t 系统的研究侧重于a g e n t 的社会性即一组 a g e n t 如何通讯、交互、合作、协调与协商等：关于接口a g e n t 的研究和开发包括个 人数字助手，基于i n t e m e t 的智能信息分拣和检索则主要是是赋予a g e n t 以学习能力， 让a g e n t 能学习用户或其他a g e n t 的兴趣和爱好等：在分布式计算领域十分活跃的基 于a g e n t 的分布式计算则往往离不开讨论a g e n t 的移动性。 1 2 2a g e n t 理论 a g e n t 理论主要研究什么是a g e n t ，以及如何用形式化的方法表示a g e n t 和a g e n t 的推理。在a g e n t 的理论研究中， 以基于“意向姿态”研究方法最为著名。该方法 的主要思想在于：用人类自身的一些心智成份对a g e n t 进行刻画。主要的心智成份 类型有：信息型( 如，知识、信念等) ，动机型( 如，意向、目标、承诺、选择等) 及决策型( 如，规划等) 。 m 研究者常用各种逻辑系统来刻画这些心智成份，但存在着逻辑万能、意向副 作用及高计算复杂度等问题。如何刻画这些心智成份仍然是a i 领域重要的研究课 题。另外，一个a g e n t 模型到底应当包括哪些心智成份目前仍然悬而未决，众说纷 纭。 第2 页 南京航空航天大学硕士学位论文 1 2 3a g e n t 结构 m a e s 将a g e n t 结构定义为构造a g e n t 的特定方法学( 见文献【2 】) ，他认为a g e n t 结 构主要考虑如何将a g e n t 分解为构件模块的集合，以及这些构件模块之间的交互问 题。构造a g e n t 的经典方法是采用符号方法，即把它们看作特定的基于知识的系统， 这样的知识库系统不仅能表示与存储信念、期望、意向等a g e n t 的心智状态，而且 能有效地利用这些知识驱动a g e n t 的行为。但是长期以来存在着主动结构e l i b e r a t i v e a r c h i t e c t u r e s ) l l 】反应结构( r e a c t i v ea r c h i t e c t u r e s ) 这两大学派的争论，后来研究者还提 出了混合结构( h y b r i da r c h i t e c t u r e ) l 拘概念。 在主动结构中，一个主动a g e n t 或a g e n t 结构包含一个显示地表示世界的物理模 型，其中决策( 比如要执行什么行为) 通过基于模式匹配和符号操作的逻辑推理实 现。采用这种方法来建立a g e n t ，必须解决如下两个重要问题；1 ) 转换问题，即如 何将现实世界转换为确切的符号描述。2 ) 表示和推理问题，如何用符号来表示现实 世界的复杂实体所包含的信息，以及a g e n t 如何利用这些信息推理。目前，这方面 的代表性工作有：i ) 规划a g e n t ，如早期的s t r i p s 系统( 见文献 3 】) ，基于一个非线 性规划器的i p e m k q n t e g r a t e dp l a n n i n g 。e x e c u t i o na n dm o n i t o r i n g ) 系统以及c o h e n 豹 模拟森林火灾控制的p h e o n i x 系统。2 ) i r m a ( t h ei n t e l l i g e n t r e s o u r c e - b o u n d e d m a c h i n ea r c h i t e c t u r e ) ( 见文献【4 】) ，它是一仑基于b d i 理论的结构。这种结构有四个 关键的构件：规划库、信念、期望和意向的显示表示。3 ) g r a t e ( 见文献 5 】) ，这是 一个层次式结构，其中a g e n t 的行为受它的心智因素( 如信念、期望、意向和联合 意向) 指导。g r 盯f 结构曾被应用于电力传输控制系统中。 在反应结构中，试图用不包含任何符号世界模型和复杂的符号推理的结构解决 a i 符号主义方法没有解决的难题。主要的代表性工作有：i ) 行为语言，如b r o o k s 构造的a g e n t 的包容结构( 见文献 6 】) 以及s t e e l s 基于这种结构建立的“火星探测”模 拟系统( 见文献 7 】) 。2 ) a g r e 和c h a p m a n 提出的基于“惯例( r o u t i n e ) ”且不需要新的 抽象推理的结构( 见文献【8 】) ，并开发了一个模拟计算机游戏p e n g i 系统。3 ) r o s e n s c h e i n 和k a e l b l i n g 提出的场景自动控制风范( 见文献 9 ) ，系统中由r u l e r 和 g a p p s 来合成a g e n t ，r u l e r 负责说明a g e n t 的感知构件，g a p p s 负责说明a g e n t 的行动构件。4 ) m a e s 给出的a g e n t 网络结构( 见文献【2 】) ，其中a g e n t 被定义为一组 能力模拟块，这些模块通过集合前件和后件的关系构成一个类似于人工神经网络结 构。 混合结构方面包含两个子系统，一个是主动式的，包含世界模型，利用它来开 发规划和作出决策；另一个是反应式的，能够不需要经过复杂的推理而对环境的变 第3 页 面向a g e n t 的程序设计语言a o p l l d 及其原型支持系统的实现 化作出反应。通常，反应式子系统的优先级另4 要高些，以便快速地响应环境的重要 事件。其中代表工作有：1 ) 基于b d i 的结构的p r s ( p r o c e d u r a lr e a s o n i n gs y s t e m ) 系 统( 见文献 1 0 1 ) ，它包括一个规划库以及信念、期望和意向的显式表示。2 ) 混合型 b d i 结构的c o s y ( 见文献【1 1 】) ，它包含了p r s 和i r m a 的组成元素。c o s y 结构包 含五个重要构件：感应器、行动者、通讯设备、认知和意向。其他还有f e r g u s o n 开 发了t o u d n g m a c h i n e s 的a g e n t 结构( 见文献 1 2 】) 以及类似于t o u r i n g m a c h i n e s 的 i n t e r r a p 系统( 见文献 1 3 9 。 1 2 。4a g e n t 语言 由于a g e n t 的行为是由它的心智状态所决定，a g e n t 研究者主要关注的问题是导 致a g e n t 行为的动机以及这些动机如何导致a g e n t 的行为，而不是a g e n t 的行为本身。 困此，基于a g e n t 的程序设计语言不同于传统的过程性语言及已有的人工智能语言。 最早出现的a g e n t 语言是美国s t a n f o r d 大学的y s h o h a m 教授提出的一种以计算 的衽会观为基础的新型程序设计风范面向a g e n t 的程序设计( a o p ) ( 见文献 【1 4 】) 。s h o h a m 认为一个完整的a o p 系统应包含三个构件：1 ) 一个定义a g e n t 心智状 态的逻辑系统：2 ) 一种解释性编程语言来编写a g e n t 程序：3 ) 一个a g e n t 引擎，用 于将a g e n t 程序编译为低层可运行的系统。s h o h a m 实现的一个a o p 语言是a g e n t - 0 1 系统，这个系统的逻辑构件是量化的多模态逻辑，允许对时间直接引用。该逻辑 包含三种心智状态：信念( b e l i e 0 、承诺( c o m m i t m e n t ) 和能力( a b i l i t y ) 。 与此逻辑相对 应的是a g e n t - 0 1 编程语言( 见文献【1 4 】【1 5 】) ，在a g e n t - o i 语言中，a g e n t 用一 组能力、初始信念和承诺、以及承诺规a l l ( c o m m i t m e n tr u l e ) 进行刻划。 目前已有比较有影响的a o p 语言大致有如下几类： 1 ) l i s t 1 i k e ：这类语言的最典型代表为a g e n r 0 1 及在此基础上发展的其它语 言系统( 如p l a c a s ( 见文献 1 6 】) ) 。此类语言的优点在于语形、语义理论完善， 缺点是实现困难。 2 ) p o l o g 1 i k e ：这类语言最典型代表是g o l o g ( a i g 0 1i nl o g i c ) ( 见文献 1 7 1 ) ， 其优点在于表示a g e n t 的行动，缺点是缺乏有效地处理a g e n t 心智状态的功能。 3 ) c + + - l i k e ：最典型的代表为a p r i l ( 见文献 1 8 9 与d a i s y ( 见文献f 1 9 】) 。这类语 言的优点在于实现方便，缺点在于过程性成份过强，表示与处理a g e n t 1 1 , 智状态 的能力较差。 4 ) r u l e b a s e d ：最典型的代表是m y w o r l d ( 见文献 2 0 】) ，这类语言的优点在于 知识表示形式简单，推理复杂性较小，缺点是理论与实现之间的差距较大。 第4 页 南京航空航天大学硕士学位论文 5 ) s p e e c h 。a r t b a s e d ：这类语言最典型的代表为k q m l ( 见文献【2 1 ) ，其优点在 于处理a g e n t 之间的通信与交互的能力较强，但未提供表示与处理a g e n t 心智属 性的功能。 1 2 4a g e n t 开发环境 在面向实际应用的a g e n t 开发系统的研究方面，目前有代表性的工作性主要有 i b m 智能a g e n t 小组为智能a g e n t 的实现提供了一套解决方案。其中包括：a b e ( a g e n t b u i l d i n ge n v i r o m e n t ) 、a g l e t s 、m e m o r y a g e n t 、j m t ( j a v a - b a s e dm o d e r a t o rt e m p l a t e s ) 、 w b i ( w e bb r o w s e ri n t e l l i g e n c e ) 等。a b e 与另一个很有影响的a r c h o n 系统都侧重 于面向模块的系统集成。a g l e t s 主要是让用户建立能在网络上移动的移动a g e n t 系 统。m e m o r y a g e n t 则是一个基于a g e n t 的学习系统。j m t 也是建立移动a g e n t 系统， 而且考虑了多个移动a g e n t 之间的协作。w b i 则是i b m 在i n t e r n e t 上智能信息检索 方面的研究成果。此外还有a g e n t b u i l d e r ( 见文献【2 2 ) 和z e u s ( 见文献 2 3 】) 等集成开 发工具包，但它们缺乏协调和自适应能力，j a f m a s ( 见文献 2 4 】) 是一个基于j a v a 的 多a g e n t 应用系统开发系统，但它仅考虑了a g e n t 之间的通讯和交互。 1 3 目前研究存在的一些问题 尽管目前关于a g e n t 理论与技术的研究得到蓬勃发展，并被广泛地应用于各领 域，但目前尚存在一些问题。主要包括： 1 )理论与实践的脱节 a g e n t 模型与a g e n t 结构间的脱节 现有的a g e n t 模型通常采用模态算子表示a g e n t 的各种心智属性，而在a g e n t 结构中，各种心智属性均以数据库形式表示，两者在语形与语义上存在相当 大的差距。 模型与a g e n t 语言间的脱节 由于现有的a g e n t 模型通常基于模态逻辑系统，这些系统的推理具有高计算 复杂性，并且这种复杂性是这些逻辑系统所固有的。另外，这些系统丰富的 语言表达能力同时带来语法的复杂性。如何在表达能力与推理及语法的复杂 性之间作出适当的权衡是构造a g e n t 语言首先面临的问题之一。目前，基于 现有各种a g e n t 模型的a o p 语言或者在语形上作大量简化( 如a g e n t o i ， c o n c u r r e n tm e t a t e a m ) 或者退回到过程性语言( 如a p r i l ) 。 2 )实现技术尚不成熟 第5 页 面向a g e n t 的程序设计语言a o p l i d 及其原型支持系统的实嘎 a 2 e n t 理论与技术研究是近十多年来刚兴起的一门新的研究分支，许多技术 尚不成熟，目前，虽有多家软件公司投入到a g e n t 产品的开发中，但至今尚 未出现个较完善的商品化产品。 3 )缺乏开发方法和工具 由于单个a g e n t 应具有推理及同其他的a g e n t 进行通讯和合作的能力，这就 注定了a g e n t 是一个非常复杂的实体，从而构造一个多a g e n t 系统需要相当 长的周期并需要解决许多复杂技术难题。一般的程序设计语言，象j a v a 和 c + + 等提供了一个扩充的类库为一般软件开发提供便利，但这些类库往往不 能满足a g e n t 应用程序开发的需要，因此很多a g e n t 研究者认为，需要专门 的开发方法、开发工具及语言，来建立多a g e n t 系统。 1 4 本文的工作 本文的目的就是通过对a g e n t 理论及其技术的研究，提出一种面肉a g e n t 的开发 语言a o p l d ，同时讨论了该语言的一个原型支持系统的实现。本文的组织安 排如下： 第二章：基于意向驱动的a g e n t 模型和框架 第三章：面向a g e n t 的程序设计语言a o p l i d 及其应用 第四章：a o p l i d 语言的支持原型系统的实现 第五章：总结与讨论 第6 页 南京航空航天大学硕士学位论文 第二章基于意向驱动的a g e n t 模型及其结构 本章首先介绍情境演算理论的基本内容。然后，基于意向姿态方法在情境演算 语言下提出一个a g e n t 模型并给出其结构。讨论了在该结构下a g e n t 的运行方式。 2 1 情境演算 情境演算( s i t u a t i o nc a l c u l u s ) 是用于刻划动态系统变化规律的多型二阶逻辑系 统，由m c c a r t h y 于1 9 6 9 年提出( 见文献 2 5 】) 。由于情境演算具有很强的描述能力与 推理能力，所以近年来被许多人工智能研究者所青睐，本文将借用情境演算的一些 基本方法，为a g e n t 模型及面向a g e n t 的程序设计语言的建立提供理论基础。 2 1 1 直观背景 情境演算的本体是行动与流。情境演算认为，动态系统的变化均是行动( a c t i o n l 作用的结果，系统变化的历史可以表示为组行动序列，称之为情境( s i t u a t i o n ) ， 空历史称为初始情境，用s 。表示，即空行动序列。非空的历史用一个特殊的二元函 数d o 表示，如d o ( a ，s ) 表示在情境s 下采取行动a 后所产生的后继情境。 在情境演算中，行动被表示为一阶语言中的函数，如p i c k u p ( x ) ，表示拾起x 的 行动， w a l k t o ( 1 ) 表示走到地点l 处的行动，p u t d o w n ( x ) 表示将x 放下的行动，而 d o ( p u t d o w n ( a ) ，d o ( w a l k t o ( r o o m ) 。d o ( p i c k u p ( a ) ) ) f j 表示执行行动序列 p i c k u p ( a ) ， w a l k t o ( r o o m ) ，p u t d o w n ( a ) 1 后产生的情境。 情境演算中流表示取值随情境变化的函数或关系。如果一个关系r 的真假值随 着情境的变化而变化则将这种关系称为关系漉( r e l a t i o n a lf l u e n t ) ，用通常的谓词符号 r 中加上一个情境参量s 表示。如c l e a r ( x ，s ) 表示在情境s 下物体x 上无其它物体。 若在情境s 下物体a 上无其它物体，即c l e a r ( a ，s ) ，那么在情境s 下执行行动p u t 0 3 ， a ) 后，就有 c l e a r ( a ，d o ( p u t ( b ，a ) ，s ) ) 。 类似的。如果一个函数f 的值随着情境的变化而变化，则这种函数称为函数流 ( f u n c t i o n a lf l u e n t ) ，其表示方法是在通常函数符号中增加一个情境参量。例如用 l o c a t i o n ( r o b o t ，s ) 表示在情境s 下r o b o t 所处的位置；如l o c a t i o n ( r o b o t s ) = r o o m i ， 则i o c a t i o n ( r o b o t ，d o ( w a l k t o ( r o o m 2 ) ，s ) ) ) = r o o m 2 。 2 1 2 语言构成 情境演算语言l 。是一个带等词的多型二阶语言，其构成如下 第7 页 面向a g e n t 的程序设计语言a o p l i d 及其原型支持系统的实现 一、型 夺对象型：o b j e c t 夺行动型：a c t i o n 夺情境型：s i t u a t i o n 二、变元 夺个体变元：型为o b j e c t ，通常用x ，y ，x ，y 。，等表示。 夺行动变元：型为a c t i o n ，通常用，d 1 ，d 2 ，等表示。 夺情境变元：型为s i t u a t i o n ，通常用s ，s ，等表示。 三、情境函数符号 夺情境常元s 。，表示初始情境。 夺二元情境函词d o ：a c t i o n s i t u a t i o n s i t u a t i o n ，如d o ( a ，s ) 表示在情境s 下 执行原子行动a 后的后继情境。 四、保留谓词符号p o s s ，型为a c t i o n x s i t u a t i o n 一 t r u e ，f a l s e ) 。如p o s s ( c t ，s ) 表示 在情境s 下可以执行行动a 。 五、保留谓词符号 ，型为s i t u a t i o n s i t u a t i o n 一 t r u e ，f a l s e ) ，用于刻划情境的先 后关系。 六、函数符号 个体常元，型为o b j e c t ，通常用c ，c 1 ，c 2 ，等表示。 普通函数符号，型为o b j e c t - - o b j e c t ，通常用f ，等表示，用于指 称与情境无关的函数。 夺函数流，型为o b j e c t 6 s i t u a t i o n o b j e c t ，通常用f ，f 1 ，f 2 ，等表示，用 于指称与情境相关的函数。 夺原子行动符号，型为o b j e c t “一a c t i o n ，通常用g t ，a l ，等表示，用于指 称行动。 七、谓词符号 夺普通谓词符号，型为o b j e c t n - ( t r u e ，f a l s e ) ，通常用p ，p 1 ，p 2 ， 等表示， 用于指称与情境无关的谓词。 夺关系流符号，型为o b j e c t “xs i t u a t i o n 一 t r u e ，f a l s e ) ，通常用r ，r 1 ，r 2 ， 等表示，用于指称与情境相关的谓词。 八、行动联结词： 行动串联连接词： ：( 用该连接词连接的两个动作顺序执行) 行动并联连接词：i( 从所连接的两个动作中任选其一运行) 行动非确定性迭代连接词：( 以非确定次数迭代执行所给出的动作) 第8 页 南京航空航天大学硕士学位论文 测试行动连接词：?( 测试给出的条件是否成立) 九、逻辑符号 令联结词： ，v ，寸，、，h 夺量词：v ，j 夺技术符号：( ，) ，【，】 情境演算中的项分为对象类型、情境类型与行动类型三种： 情境项： 1 ) 、初始情境s 。及情境变元为情境项； 2 ) 、若6 为一个行动项，s 为一个情境变元，则d o ( 8 ，s ) 为情境项； 3 ) 、任一对象为情境项当且仅当通过有限次运用1 ) 、2 ) 生成。 由情境项的定义不难看出，一个非初始情境的情境项只能具有下列形式： d o ( 6 ，d o ( 5 。，s 。) ) 因此，有时为方便起见，我们用表的形式表示情境，将s 。记为 】或巾将 d o ( 5 。，d o ( 5 。，s o ) ) 记为【6 。，6 l 】 对象项 1 ) 、个体常元或个体变元为对象项； 2 ) 、若f 为一个n 元普通函数符号， 对象项； 3 ) 、若f 为一个n 元函数流符号，t 。， t t i ，s ) 为对象项； t 。，t 。为对象项，则足t ，q 为 t 。为对象项，s 为情境项，则f ( t 1 ， 4 ) 、任一对象为对象项当且仅当能通过有限次运用1 ) 、2 ) 、3 ) 生成。 行动项： 1 ) 行动变元为行动项； 2 ) 若理为一个n 元原子行动符号，t ，t 。为对象项，则眯；，t 0 为行 动项； 3 ) 若6 。，6 ：为行动项，则6 。；6 ：，6 i6 ：，6 。+ 也为行动项； 4 1 若a 为一个合式公式，则肿也为行动项： 5 ) 任一对象为行动项当且仅当能通过有限次运用1 ) 、2 ) 、3 ) 、4 ) 生成。 情境演算中的合式公式定义与通常逻辑系统类似。其公式分为一般公式与复杂 公式两类，不含谓词p o s s 及 的合式公式称为一般公式( 简称为公式) ，否则称为 复杂公式。与通常逻辑系统规定类似，称不含自由变元的项为封闭项，不含自由变 元的公式为语句。 第9 页 面向a g e l l t 的程序设计语言a o p l i d 及其原型支持系统的实现 2 1 3 公理系统 情境演算作为一种二阶多型逻辑系统，其公理系统除包括一阶逻辑的所有公理 外，还包括下列若干一阶或二阶公理。 一、与领域无关的公理 与领域无关的逻辑公理有下列四条： ( a z l ) w o ( p ( s o ) av a ，s ( e ( s ) _ p ( a o ( a ，j ) ) ) _ v 栌( s ) ( a x 2 ) v a ，s ( a o ( a ，j ) = d o ( e l t , s ) h 口= 口as = s t ) ( a x 3 ) v s ( - - , s s o ) ( a x 4 ) v s ，口，s ( s d 6 ( 口，s ) j s ) ( u n a ) 对任意两个不同的1 1 元原子行动符号a ， v j 口( j ) 口( 王) v 工，y 【a 【x ) = d 【yj x = y 公理( a x l ) 为一个二阶归纳公理，它表示对任何性质p ，如果在初始情境下p 成立，且对任何情境s 及任何行动a ，若p 在s 下成立且在s 下执行完行动a 后p 仍 然成立，则在任何情境s 下p 均成立。 公理( a ) ) 称为情境的唯一名公理，它表示若在情境s 下执行完行动后得 到的后续情境等同于在s 情境下执行完行动醋后得到的后续情境，贝i j 认为q 与甜相 同，s 与s 相同。换言之，只有在相同情境下做相同的事情才能产生相同的情境。 公理( a x 3 ) 与( a x 4 ) 用于刻划序列关系 ，从直观上讲，个情境代表行 动的一个有限序列，对任意两个情境s 与s ，s s t 表示情境s 为s 的一个真子情境， 即s 是在s 中增加有限数量的行动所获得。如果将s s t 表 示s 为s 的子情境。因此( a x 3 ) 表示任何情境不能为初始情境s 。的真子情境。 ( a x 4 ) 表示如s 为在情境s i 下执行行动a 后产生的后继情境的真子情境，则s 必为 s 的子情境。 ( u n 舢称为行动的唯一名公理( u n i q u en n a m e sa x i o m sf o ra c t i o n s ) ，用于限定不同 的行动名表示不同的行动及相同的行动有着相同的参变元。 上述公理称为情境演算的基础公理，记为。 二、与领域相关的公理 对一个应用领域而言，若试图用情境演算描述该应用领域的某个动态系统，人 们还需要提供一些与领域相关的信息，这些信息一般也作为公理绘出，可以称为应 第l o 页 南京航空航天大学硕士学位论文 用型公理，它们一般包括1 ： 行动的预决条件公i 望( a c t i o np r e c o n d i t i o na x i o m s ) ：描述行动执行的预决条 件，每个原子行动对应条预决条件公理，通常以下列形式描述： v 暑v 王( t o s s ( 口( i ，s ) ”巾( 膏，j ) ) 其中旺为原子行动。该公理表示在情境s 下原子行动a 可执行的先决条件 为m 。 效应公理：效应公理就是刻画哪些行动在怎样的条件下会导致哪些流发生变 化，通常以下列形式描述： 正效应公理： 巾；( i ，口，s ) 斗f ( i ，d o ，s ) ) 负效应公理： 西；( ，口，j ) 寸f ( i ，d o ( a ，s ) ) 其中a 为原子行动，中；( 哥，o r ，0 ，面；( 孑，口，s ) 为一阶逻辑