（模式识别与智能系统专业论文）多agent系统的学习策略和协商机制的研究与实现.pdf

中国科学技术大学硕士论文摘要 摘要 智能主体a g e n t ( i a ) 和多a g e n t 系统( m a s ) 是分布式人工智能的一个主要研 究方向。a g e n t 和m a s 的理论和应用在计算机科学界，尤其在人工智能领域， 越来越受广泛关注。m a s 已经成为分布式人工智能领域研究热点，并取得了很 多重要成果。本文结合前人的研究成果，采用j a v a 分布式语言平台，对a g e n t 及m a s 架构作了相应的研究和探讨。 第一章首先介绍了分布式人工智能的的发展概况和多a g e n t 系统的一些基 本问题。接着对m a s 的丌发工具作了简单的分析后，提出了本文的主要工作： 构造j a v a 环境下的多a g e n t 系统的框架和对其协商机制的研究。 第二章介绍了智能主体a g e n t 的知识表示，给出了几种知识表示的形式化方 法。第三章给出了a g e n t 的基于i f - t h e n 规则的推理系统，详细给出了e 向推理和 逆向推理算法和实现。 第四章是本文的一个重点，首先介绍了a g e n t 的学习模型，然后给出了a g e n t 学习机制的三种算法：神经网络的反向传播算法、特征映射和基于信息论的决策 树，并给出了这三种算法的j a v aa p p l e t 实现以及相应j a v a 类的设计。这一章的 内容和前两章一起构成了构造智能主体a g e n t 框架的基础。 第五章是本文研究的另一个重点。首先提出了构建智能主体a g e n t 架构的功 能规范，接着用j a v a 语言实现了构建智能主体a g e n t 的软件包，这个软件包封 装了实现a g e n t 功能的基本类和一些附属类及接e 1 。通过重用这些类和接口，并 作稍微的修改，我们就可以设计m a s 。 第六章根据开放混合m a s 的特点，提议了一个形式化的结构模型；在此基 础上，引入递归、即插件和系统涨落等思想，通过扩展第五章给出的封装类，用 j a v a 描述语言给出了该丌放混合m a s 的形式化定义；最后提出了丌放混合m a s 的合同网方式的协商机制以及针对不同情况的冲突消解策略。 关键字：智能a g e n t ，m a s ，知识表示，推理系统，学习机制，协商机制 冲突消解 中国科学技术大学硕士论文 a b s t r a c t a b s t r a c t i n t e l l i g e n ta g e n t ( i a ) a n dm u l t i a g e n ts y s t e m ( m a s ) a r e o n eo f t h em o s t p r i m a r y r e s e a r c h a s p e c t s o fd i s t r i b u t e d a r t i f i c i a l i n t e l l i g e n c e ( d a ) ，n 他t h e o r i e s a n d a p p l i c a - t i o n s o fi aa n dm a s i n c o m p u t e rs c i e n c e s ，e s p e c i l l y i na r t i f i c i a l i n t e l l i g e n c e ( a i ) ，h a v eb e e np a i dm o r ea n dm o r ea t t e n t i o nt o m a si s o n eo ft h eh o t r e s e a r c hs u b j e c t so fd a ia n dal o to fi m p o r t a n tp r o d u c t i o n sh a v eb e e nm a d e t h i s t h e s i s i n t e g r a t e st h ee x i s t e n tr e s u l t s a n du s e sj a v ad i s t r i b u t e d l a n g u a g ep l a t f o r mt o m a k es o m ec o r r e s p o n d i n gr e s e a r c h e sa n dd i s c u s s i o n so nt h ea r c h i t e c t u r eo fi aa n d m a s i nt h el “c h a p t e r w es u m m a r i z et h ed e v e l o p m e n to fd a la n d e x p l a i n e ds o m e b a s i cp r o b l e m so fm a s a f t e ra n a l y z i n gt h ed e v e l o p m e n tt o o l k i to fm a s ，w e b r i n g f o r w a r dt h em a i nm i s s i o n so f t h i st h e s i s ：t oc o n s t r u c taf r a m e w o r ko fm a si nt h e e n v i r o n m e n to fj a v a l a n g u a g e ，a n d t od os o m er e s e a r c h e so fi t s n e g o t i a t i o n m e c h a n i s m i nt h e2 “。c h a p t e r , k n o w l e d g er e p r e s e n t a t i o no fi ai si n t r o d u c e da n ds e v e r a lf o r m a l k i n d so f k n o w l e d g e r e p r e s e n t a t i o na r er e s p e c t i v e l yd i s c u s s e d t h e3 ”c h a p t e rp r e s e n t s t h er e a s o n i n gs y s t e mb a s e do ni f - t h e nr u l e sa n d e x p l i c i t l yd e s c r i b e sb o t hf o r w a r d a n d b a c k w a r d c h a i n i n ga l g o r i t h m s ，t h e ni m p l e m e n t s t h e m u s i n g j a v a t h e 4 ”c h a p t e ri so n ek e y s t o n eo f t h i st h e s i s f i r s t l yi ti n t r o d u c e st h em o d e lo f l e a r n i n ga g e n t ，t h e np r o v i d e sa n o t h e r d i s c u s s i o no f t h r e e l e a r n i n ga l g o r i t h m so f l a ： b a c k p r o p a g a t i o n n e u r a ln e t w o r k s ，k o h o n e n m a p s a n dd e c i s i o nt r e eb a s e do n i n f o r m a t i o nt h e o r y l a s tw e d e s i g n a n di m p l e m e n taj a v a a p p l e ta n d t h ec o r r e s p o n d i n g j a v ac l a s s e sf o rt h e s et h r e ea l g o r i t h m s t h i sc h a p t e ra n dt h et w o p r e v i o u sc h a p t e r sa r e c o m b i n e dt ob ef o u n d a t i o no f t h ec o n s t r u c t i o no f t h ef r a m e w o r ko f i a t h e5 ”1c h a p t e ri sa n o t h e rk e y s t o n eo f t h i st h e s i s a tf i r s t ，w ep u tf o r w a r dt h e f u n c t i o n a ls p e c i f i c a t i o n sw h i c ha r ep e r f o r m e dt oc o n s t r u c tt h ea r c h i t e c t u r eo fi a t h e n u s ej a v at oi m p l e m e n ti as o f t w a r ep a c k a g e t h i s p a c k a g ee n c a p s u l a t e st h eb a s i cc l a s s a n ds o m e a t t a c h i n gc l a s s e sa n d i n t e r f a c e s a n dw i t hm i n o rm o d i f i c a t i o na n dr e u s eo f t h e m ，w ec a nd e s i g no u rm a s i nt h e6 c h a p t e r af o r m a l i z a t i o nf r a m e w o r ko fo p e n m i x e dm a si s p r o p o s e d a c c o r d i n gt o i t sc h a r a c t e r i s t i c s ；af o r m a l i z a t i o nd e f i n i t i o no fo p e n m i x e dm a si s s h o w e di nt h ed e s c r i b i n gl a n g u a g ej a v a ，i nw h i c hr e c u r s i o n ，p l u g & p l a ya n ds y s t e m f l u c t u a t i o na r ec o n t a i n e d ；an e g o t i a t i o nm e c h a n i s mo fo p e n m i x e dm a si s p u t f o r w a r di nac o n t r a c tn e t w o r k ，a n dt h es t r a t e g i e st or e s o l v es o m ec o n f l i c t s k e y w o r d s ：i n t e l l i g e n ta g e n t ，m a s ，k n o w l e d g er e p r e s e n t a t i o n ，r e a s o n i n gs y s t e m ， l e a r n i n gm e c h a n i s m ，n e g o t i a t i o nm e c h a n i s m ，c o n f l i c tr e s o l v i n g - 1 1 1 中国科学技术大学硕上论文致谢 致谢 在此论文完成之际，我谨向我的导师王俊普教授致以衷心的感谢。在我研究 生阶段进入智能控制实验室以来，王老师至始至终给予我热忱的指导和帮助，及 时地帮助我解决了在理论和实践中遇到的难题。王老师以他渊博的学识、严谨务 实的治学态度和严肃认真的工作作风，向我展示了一位师长的可敬的风范，他教 授给我的宝贵的理论知识和实践经验都值得我用一生去学习，并为此终生受用。 感谢实验室的李滔和丛丹同学，他们不仅是我八年的同窗好友，也在论文的 工作、学习和生活上给我了一贯地支持和帮助。同时也感谢实验室共处过的徐扬、 严捷丰和张劭一同学，怀念和他们一起共处的合作经历，并衷心地祝福他们。 向所有关心和帮助过我的老师、同学们一并表示感谢，还要感谢在一起生活 了三年的室友：叶家鸣、章守信和周东华，感谢他们的包容、理解以及在生活上 的帮助。同时也向2 0 0 0 级研究生班的同学们说声谢谢，和他们一起生活学习的 经历将是我一生中难忘的记忆。 谨以此文献给我的父母和亲人，以及远方工作的弟弟 中国车幸学技术大学硕圭论文 第一章绪论 第一章绪论 1 1 分布式人工智能( d a i ) 1 1 1 人工智能的定义 近年来，人工智隧( a 1 ) 获得了很大发展，它0 l 起了缀多学科灼目整耋视，成 为一f 广泛的交叉和魏浍学科。我们可以烽人工智能理鳃必：它愁智能孛是器黪攮行 的逶常与人类智能相关熬凌能，热判凝、推理、谖明、识蹦、骥籍、设计、愚考、 竣划、学习舞润题求勰等思维活动。符号系统( s y m b o | s y s t e m ) 、久工神经网络 ( a r t i f i c i a ln e u r a ln e t w o r k ) 、杭器擎 - ( m a c h i n el e a m i n g ) , 和面向对象的编程( o o p ) 等 研究的开展，都有力地推动了人工智能的进一步发展【割。 要理解人工智能的理论、方法和技术，就需要了解知识的表示、基于规则的推 瑚、学习以及规划，这些也都包括在暂能体a g e n t 中，我们将在以后的几章中作详 细讨论。 1 1 2 分布式人工智能的檄述 住为人工镭能秘分布式计舞( d i s t r i b u t e dc o m p u t i n g ) 结合，分毒式人工智能 f d a i ，d i s t r i b u t e da r t i f i c i a lt n t e l l i g e n c e ) t 逐濒受到人嬲熬萋我。在d a t 系统 中，簧捧性( r o b u s t n e s s ) 弧搡 乍经( i n t e r o p e r a b i l i t y ) 楚检验这类系统的两个耋要准 赠。鲁棒链是指系统在其特性躐参数发争摄动时仍可使品璇指标傈持不变的性能。 鲁棒往是基予健壮、容错和离散的结构。瓦操作性是指系统的备种交互功能均可在 计算机网络环境下充分体现资源的合理分布与共享。瓦操作性肇于的是异构、开放 和灵活的结构。 分布忒人工智能研究的目标是要创建描述自然和社会系统精确的概念模型。在 分布式人工智能中，由于镏能本质上不是个独立存在的概念，丽只能在团体中实 王见，因此分布式人工锼能研究的方向末要怒几个手体之间的合作、交互等方嚣。一 般地，分糍式人工智熊的职究可以分为嚣大类：分毒式闽题求解( d p s ，d i s t r i b u t e d p r o b l e ms o l v i n 曲秘多镪能体a g e n t 系绞( m a s ，m u l t i - a g e n t s y s t e m ) 。分布式人工 智能的这疆个嵇究领域都簧礴究懿祷对于辩识、资滚、控铺等进行翔分；不同处在 申量辩学技术丈学硕士论文 第一章鳍避 于，在分布式问题求解中，我们常常肖一个全局的概念模型、全局的问题和全局的 成功标准，丽在m a s 中，我们有多个局部的概念模型、问题和成功标准。 早期d a i 职究的趣题主要是d p s ，其目标是要创建大粒度的揍作群体，它们 之闯共嗣工作以瓣某一目题进行求勰。露进入年代，睫善计算机网络、计舞援 遥镪等技术的发矮，特别是i n t e m e t 释w w w 鹣普及，对予智能主体a g e n t ( 1 a ， i n t e l l i g e n c ea g e n t ) 以及多a g e n t 系统镌 舜究已成为分稚式人工智能研究韵热点 鏊 于a g e n t 计算( a b c ，a g e n t - b a s e dc o m p u t i n g ) 被认为是软件开发的下一个熏要突 破；面向a g e n t 的程序设计( a o p ，a g e n t o r i e n t e dp r o g r a m m i n g ) 也被认为是面向对 象程序设计( o o p ，o b j e c t - o r i e n t e dp r o 舻a m m i n g ) 的一次革命1 4 ”。a o p 怒一种以计 算的社会观为基础的崭新的穰序设计范例，它已经成为a i 程序设计的主流，反映 了a i 领域日益重视对a g e n t 的动态性的研究和a g e n t 之间丰富交互活动的开发。 多智能体a g e n t 系统硬究的是一组自治智能体之阍智能行为的游调，它们怎棒 办调它们的知识、目标、推理积规划，联合起来采取行动或求蜒蛔题 2 7 1 。在m a s 中智能体霹寿一个求缎基橼， 挂可能毒多个交夏的爨标，它们霹懿共享蠢关阚题 秘求熊方法静知识，资佟进行淘题求鳃，扶焉体现必经务分撵( t a s ks h a r i n g ) 和结巢 共享( r e s u l ts h a r i n g ) 。在一个多a g e n t 系统中，作为智能实休的a g e n t 其有自誊 谴、协作性和适应性，它可能是预先存在的，或者是并构的。 由于m a s 更能体现人类的社会智能，其商更大的灵活性和适应性，更加适合 开放、混合和动态的世界环境，因此在下面的叙述和以后的章节中，我们将重点介 绍多a g e n t 系统的架构和软件实现。 1 2 多a g e n t 系统( m a s ) 的基本概念 1 2 1 智熊丰体a g e n t 的定义 翅能丰 零a g e n t 的概念始予7 0 年的a l 磺突的物理符号骰设，认为蟹能强务霹 以逮过对特号躲内部表示遴错操佟，溷露“符号豹出部表示接力进稷”形残了智 能体a g e n t 的辛霹燮。7 0 年代寒到8 0 年代襁，随着计算祝辩学与技术熟迸蕊，基于 初登豹a g e n t 可敬模羧更为复杂静入粪智髓行为。8 0 年代末敬来，关于a g e n t 的研 究和应蠲褥劐了滋猛的发展，来自不蔺领域豹研究者构造了各自需要的软件， 2 中国科学技术人学硕士论文 瓤一章缝论 a g e n t 有各种名字，如用于接e l 上的i n t e l l i g e n c e i n t e r f a c e ；用于知识处理的 k n o w b o t ( 圭l 识机器人) ，用于人机、网络通讯的u s e b o t 和n e t b o t 等。棚应地，与应 用开发棚关的软传体系续构、语言、逻辑程序设计也取褥了显著的进疑，如甏囱 a g e n t 的程序设计语畜a o p ，a g e n t 开发环境s o d a b o t 及k i d s i m 程基予a g e n t 豹软 件工程【3 s ! 。憨之，扶这些各耱s o f t w a r ea g e n t 来说，慧靛强象是a g e n t 、多a g e n t 系统开发是瑟两实嗣豹，旨在鑫簌终掰户提供毫接( e n d s e n d s ) 的服务。 然而，究竟什么楚智能末体a g e n t ? 作为d a i 的个慕本术语及a i 的一个原 语，迄今为止，a g e m 并没有一个明确的定义a 在国内，a g e n t 一词的译法亦无定 论，通常翻译为“智能体”、“宅体”或“代理”等，但这些译法都不能准确表达 a g e n t 一诃的丰富内涵。豳此，许多研究者依据不同的研究内容和目标对术语 “a g e n t ”赋予不同的含义。一般认为，在a l 中，a g e n t 被看 乍是处于一定环境下 包装的计簿机系统，在其他的a g e n t 程在的情况下，熊够连续、鱼主嫩处璎环壤中 发生的时间的功能总和 6 1 。这里所说的“爨专”是指系统a g e n t 工 乍时不要求出人 缆常不断的0 导鄹干预。诲多a g e n t 蹙与它的物理表缓密切榴关的。 w o o l d r i g e 秽j e n n i n g s 在憨终了嚣人褒餐筏体a g e n t 镁域的黧工作瑶，绘密 了现在基本被学术赛公认酌定义。他们麸狭义和广义两个方面给出a g e n t 的两种定 义：弱定义与强定义转”。 1 智能主体a g e n t 弱概念( w a ，w e a ka g e n t ) 遮是从广义的角度来规定智能体a g e n t 的特性。定义了被称为智能体的软件和 硬件系统典有如下的特性： 自治性( a u t o n o m y ) ：智能体能够在没有人或其他a g e n t 于预下完成其大部分 功能，控制其内部状态； 社会能j 3 ( s o c i a la b i l i t y ) 或称必可通馈性e o m m u n i c a b 雉哟：智携嚣熊够逶过 巢神蟹能体通信语言 u 其锻差体或人交_ 百，以实现菸蛙标； 反皮性( r e a c t i v i t y ) ：智能体熊感知瘸耀环境势对萁润韵交纯产生安对响应， 这些动作的执行綦予触发栽剐帮预定义豹藐行计划； 能动性( p r o a c t i v i t y ) ：智能律能够主动逾进 亍基于自身目标和信念的活动， 就是说智熊休感翔周围环境变化，并做出基于阔标的行为( g o a l - d i r e c t e db e h a v i 0 0 ； 审嚣科学技术丈学弼士论文 第一章绪论 一般馕提下a g e n t 分布在啜终之中，因此它们的行为既其毒鼹郝效应又其鸯全 鼹效应。 餐能圭体弱概念是智熊体不仅仅只应耀予人王智能镁域，两黩广泛圭| 鏊应用在诸 麴人橇赛嚣、逶倍、并彳亍工程、软件工程、接索雩| 擎簿。函诧狠多计葬梳软 串都w 戳纳入餐锈幸摹a g e n t 桶范畴蛩来，如缝理i n t e r a c t 事物，帮劲粥户处理e - m a i l 的代 理等。 2 ，智能主体a g e n t 强概念( s a ，s t r o n ga g e n o 在某些研究领域，尤其是人工智能领域，科学家们往往更关注a g e n t 的智力行 为，从而构成了s a 的概念。s a 与w a 不同，它除了w a 所具有的特性外，还强 调计算机系统中人的键力靼精神上、情感上的因素，比如知识、馕念、意圈、握 绝、承诺等糟神状态( m e n t a ls t a t e ) 。 s h o h a m 以认知逻辑必基础，分掰了a g e n t 豹精享 l 状态的形式偬露题，采鬟公 理秘规则，对a g e n t 避行了定义：“一个餐能体a g e n t 是逸徉的个安体，它的状 态可黻著作是壶镕念( b e l i e f ) 、能力( c a p a b i l i t y ) 、选择( c h o i c e ) 、承诺( c o m m i t m e n t ) 等 心智部梓( m e n t a lc o m p o n e n t ) 缄驿 。s h o h a m 认为应该根据实际应用领域的需要， 来选择a g e n t 的精神状态的范畴和性质，并且精神状态的描述蒙与计算匹配。当前 对s a 的研究主要集中在理论方面。 3 智能主体的其他属性 其它经常讨论的智能体属性有： 可移动性( m o b i l i t y ) ：主体可以携带数据葶 1 指令移动到网络其他习：壤中共在那 里执纷指令； 学习能力( 1 e a r n i n g ) - 主体可以掇据过去的经验联暴辩识，并艇修改萁行为以 遘应薪的环境； 维瑗能力( r e a s o n i n d ：主体胬绫箕当蘅的知谈和经验，戳簿佼的、可再生的 方式撩瑾绒推测； 规翊能j ( p l a n n i n g ) ：根据目标、环境等要求，主体威该歪少对自己的短期 行为住出规划，主体威该有生成规划的能力： 中国科学技术大学硕士论文 第一章绪论 适应性( a d a p t a b i l t y ) ：主体能够适应环境的变化，这往往是通过学习机制来 实现的： 诚实 l 生( v e r a c i t y ) ：假设主体不会故意地使用虚假信息进行通信； 善意性( b e n e v o l e n c e ) ：假设系统中的a g e n t 并没有冲突目标，因此每个 a g e n t 总是试图去做向它请求的事情来帮助其他a g e n t ； 合理性( r a t i o n a l i t y ) ：a g e n t 的活动总是为了达到它的目标进行的，而不是以 某种方式阻止目标的到达，至少在信念中是这样的； 时间连续性( 1 0 n g e v i t y ) ：主体的进程是连续的，而不是象一般程序那样只一 遍就结束计算。 协作和协商的能力( c o o p e r a t i o na n dn e g o t i a t i o n ) ：a g e n t 应能在多个a g e n t 环 境中协同工作和冲突消解，以执行和完成一些相互受益且自身无法独立求解的复杂 问题。这是连接i a 与d p s 和m a s 研究的桥梁。 4 智能主体a g e n t 的类型 根据智能主体a g e n t 在系统中的行为表现，对现有的a g e n t 的分类可以有几种 不同的方法： ( 1 ) 按移动性分类 根据a g e n t 在网络环境中移动能力的不同，a g e n t 可以被分为静态的a g e n t ( s t a t i ca g e n t ) 和移动的a g e n t ( m o b i l ea g e n t ) 两种。 ( 2 ) 按工作方式分类 a g e n t 的工作方式有两种：慎思式( d e l i b e r a t i v e ) 和刺激反应式( s - r ，s t i m u l u s r e s p o n s e ) 。所谓慎思主体是指它的驱动来自对环境的深思熟虑的思考。这种类型的 a g e n t 拥有内部符号系统和推理机制，并且为了达到与其他a g e n t 配合，它们要进 行规划和导航。而反应主体主要来自于b r o o k s 的研究工作，与慎思主体正好相 反，它没有用于环境的符号系统和推理模型，而是采取刺激反应的方式对其所处 环境的当前状态产生行为反应。 实际上主体一般都采用混合式，即融合了慎思结构和反应结构两种子系统：慎 思予系统含有符号表示的世界模型，并用主流人工智能中提出的方法生成规划和决 中国科学技术大学硕士论文 第一章 绪论 策；反应子系统用来不经过复杂的推理就对环境中出现的事件进行反应。通常，反 应子系统的优先级比慎思子系统高，以便它对环境中出现的事件提供快速的反应。 ( 3 ) 按基本特征分类 根据a g e n t 的三种基本特征( 自治性、合作性和学习性) ，我们将a g e n t 分成 四类：协同a g e n t 、协同学习a g e n t 、界面a g e n t 和精明a g e n t 。协同a g e n t 要更强 调合作和自主，而不是强调学习，但并不意味着它就不需要学习；协同学习a g e n t 同时强调合作和学习：界面a g e n t 则强调自主和学习，而不是强调合作；精明 a g e n t 更强调学习的能力。 ( 4 ) 按扮演角色分类 这类a g e n t 主要是指w w w 网上的信息a g e n t ，这类信息可能是静态的、动态 的或慎思的。此外还有些次要的a g e n t ，比如报告a g e n t 、图像a g e n t 、分析设计 a g e n t 、测试a g e n t 等。 1 2 2 多a g e n t 系统 多a g e n t 系统是指有多个a g e n t 组成的系统，它是为了解决单个a g e n t 不能够 解决的复杂问题，由多个a g e n t 协调合作形成的问题求解网络。由于系统与环境的 复杂性，单个的a g e n t 是无法独立学习和认知，完成系统下达的任务，就必须借助 于其他的a g e n t 主体，通过相互间的通信，相互学习，协同工作，构成一个多层次 多群体的协作结构模式。一般地，每个a g e n t 被认为是一个物理的或者抽象的实 体，能够作用于自身和周围环境，并可以与其它a g e n t 通信。而多a g e n t 系统的研 究方法是模拟人类社会系统的运作机制来提高计算机系统解决复杂问题的能力。通 过多a g e n t 之间的合作可以克服单个a g e n t 知识的不完全、处理的信息不确定等缺 点。多a g e n t 系统可以是紧密型的，也可以是松散耦合型的，m a s 的组成粒度也 可粗可细。 对于智能主体a g e n t 的需求更多地源于用户接口的智能化，对于m a s 的需求 更多地源于分布式计算的复杂性。分布式计算与人工智能技术的结合促进了分布式 人工智能的研究，多a g e n t 系统是分布式人工智能研究中的一个重要部分，如图 1 1 所示。分布式人工智能系统的另一部分重要的工作是分布式问题求解( d p s ) 。 6 - 中国科学技术大学硕士论文 第一章绪论 d p s 一般针对信息管理的问题，而m a s 针对行为管理。它们之间的交叉部分指一 些用a g e n t 进行信息管理的系统。 图1 1 多a g e n t 系统与分布式人工智能 多a g e n t 系统需要借助一些相关的理论和技术来实现。系统中单个a g e n t 通过 一定的数据结构以及相应的操作对要解决的问题进行建模，就要利用到知识表示和 推理方法的相关理论。a g e n t 之间的通信与信息交流要以定层次的协议作为基 础，a g e n t 通信语言( a c l ，a g e n tc o m m u n i c a t i o nl a n g u a g e ) 可以被用于完成这样的 功能，k q m l ( k n o w l e d g eq u e r ya n dm a n i p u l a t i o nl a n g u a g e ) 是m a s 中最常用的 a c l 通信语言之一【6 】。多个a g e n t 以一定的方式组织在一起以实现相互协作，属于 多a g e n t 系统协调的问题。a g e n t 之间的高层次交互包括协商和竞争等，可以用逻 辑模型进行表达和实现。这些相关的理论和技术将在以后的章节进行介绍。 1 3 多a g e n t 系统的开发工具 从软件工程的角度研究m a s 的开发也是a g e n t 研究领域的一个重要课题。由 于m a s 本身的分布性、复杂性和智能性，成功地开发这样的软件系统需要新的软 件工程方法和工具。由于a g e n t 的抽象方式与对象的抽象方式具有一定的相似性， 所以面向对象技术的相关内容可以作为借鉴。面向a g e n t 的程序设计( a o p ) 已经成 为面向对象程序设计( o o p ) 的主流之一。 我们认为面向a g e n t 的程序设计语言一般要满足以下几点要求【2 7 】： ( 1 ) 面向对象。主体a g e n t 是一种对象，因此主体语言也必须支持面向对象模 型，主体具有数据成员( d a t am e m b e r ) 和成员函数或方法( m e m b e rf u n c t i o no r m e t h o d ) 。主体间的通信通常是通过方法i 周用( r p c ) ，每个主体产生公共方 中国科学技术大学硕士论文 第一章绪论 法的子集。这种子集构成公共界面，主体只能通过方法来调用数据，不能 直接访问内部数据结构 ( 2 ) 平台独立性。主体是用在不同的硬件和软件环境中。特别是移动主体和分 布式主体系统，它们在网络异构计算机环境下工作。从不同的平台主体也 可以访问异构的网络。 ( 3 ) 通信能力。主体语言必须提供构造用于实现面向通信的构件，这包括主体 间的通信和网络环境下主体操作的能力。 ( 4 ) 安全。安全是m a s 设计中的核心问题。主体语言必须提供相应的功能，可 以通过使用特定的语言安全模型，或者与外部安全模型集成，例如骑火 墙、密码协议。对于移动主体，要保证高度安全。 ( 5 ) 代码操纵。许多应用要求主体程序代码可以运行时( r u n t i m e ) 操作。主体语 言必须提供主体代码与其它对象命名( n a m i n g ) 标识机制，以区别它与其它 主体的不同。 辛体开发环境( a d e ，a g e n td e v e l o p m e n te n v i r o n m e n t ) 提供主体基本软件所有 的功能，这些功能不但是通用基本系统的重要组成部分，而且还要正确形成以满足 系统开发主体的需求。我们给出主体开发环境的分成结构，如图1 2 所示： 图1 2a g e n t 开发环境分层结构 中国科学技术大学硕士论文 第一章绪论 目前存在多种多样的m a s 开发工具。常用的主体开发语言有c + + 、j a v a 、t c 等。n t t 公司的a g e n t a l k 是一种m a s 协调协议描述语言。本文中构建a g e n t 和 m a s 采用j a v a 编程语言。j a v a 是一种跨平台，适合于分布式计算环境的面向对象 的语言。它具有如下特性：简单性、面向对象性、分布式、解释型、可靠、安全、 平台无关、事务性、可移植性、多线程等b “。j a v a 支持封装、多态性和继承：它 通过j a v a 虚拟机( j v m ，j a v a v i r t u a lm a c h i n e ) 在目标码级上实现平台的无关性； j a v a 支持w w w 客户机服务器( c s ，c l i e n t s e r v e r ) 的计算模式，因此也就支持数 据的分布与操作的分布。j a v a 开发工具( j d k ，j a v ad e v e l o p m e n tk i t ) 提供了集成这 些特性的开发环境，也是我们将要构建a g e n t 和m a s 的开发环境。 1 4 多a g e n t 系统应用前景 目前多a g e n t 系统的理论和技术已经在广泛的领域内得到了应用，开放系统和 复杂系统是多a g e n t 系统典型的应用领域。开放系统是指系统结构具有不断动态变 化的能力的软件系统。对于这种事先不确定的、可以随事件改变的异构系统，带有 协商性质的功能是必须的，而这正是m a s 所要研究的问题。复杂系统可以用模块 化来简化软件开发的复杂性，a g e n t 是一种将系统模块化的有力工具。基于a g e n t 的方法可以将整个问题细化，分成小的、简单的组件，每一个都很容易开发和维 护。a g e n t 从概念上提供了一种与对象相同的抽象方式，软件开发者可以利用 a g e n t 把复杂的系统概念化成许多相互合作的、自治的软件模块，对于许多应用 f a p p l i c a t i o n ) 来说，这种高层次上的视图用a g e n t 来抽象最合适。 多a g e n t 系统越来越引起各个领域的研究人员的重视，其主要原因是采用多 a g e n t 系统的理论与技术实现的系统在很多方面具有明显的优势。a g e n t 和m a s 技 术已经在智能机器人、交通控制、柔性制造、医疗诊断、软件开发、产品设计、网 络化和信息处理等众多领域有着广阔的应用前景。下面分别以国内国外的多a g e n t 系统实例说明m a s 的研究和应用p ”。 ( 1 ) a c t o r 系统 7 0 年代开始，m i t 的h e w i t t 等人一直致力于a c t o r 系统的研究工作。a c t o r 系 - 9 中国科学技术大学硕士论文 第一章绪论 统中，每个a c t o r 是一种自包含、交互式、相互独立的实体，有自己的私人信息并 实行数据封装；它的行为式输入信息的函数，a c t o r 通过向另一个a c t o r 发送消息 来影响另一个a c t o r 的行为。系统中a c t o r 可以动态创建，每个a c m r 的行为可以 不同。a c t o r 系统是一个拓扑结构可改变的、异构的多a g e n t 系统，a c t o r 的控制结 构是由a c t o r 间的信息传递形成的，所以呈网状分布。 f 2 ) m a r v e c 系统 由s j r u s s e l 等人开发的m a r v e c 系统是一个复杂的多a g e n t 实时诊断系统。 在该系统中，多a g e n t 可以合作地解涉及多信领域的问题。其基本思路将问题划分 到子区域，由单个a g e n t 尽可能地完成负责某个区域，这样可以尽量减少通讯量。 系统中的a g e n t 是内嵌的诊断子系统，由数据驱动，且互不重叠。a g e n t 通过元知 识寻找超出其领域的合作，并以层次组织形式来协调其动作。 此外，国内的研究者也在进行理论探讨的同时，建立了面向a g e n t 的各种开发 环境，主要有多a g e n t 处理环境m a p e ，多a g e n t 计算环境m a c e 以及多a g e n t 产牛式系统m a p s ，并取得了丰富的应用成果。 可以看出，目前对主体a g e n t 和m a s 的研究主要包括a g e n t 和m a s 的理论、 主体结构和组织、主体语言、规划、通信和交互技术、主体之间的协作和拂商等方 面。但是，智能主体a g e n t 的研究在理论层的研究方面还没有形成一定的体系，甚 至没有一个公认的定义，应用中也还都处于起步阶段，许多问题都有待进一步研 究。这些正是我们迫切需要解决的问题，下面提出了本文的主要工作。 1 5 本文的丰要工作 本文首先给出了智能体a g e n t 和多a g e n t 系统( m a s ) f 拘定义、特性和分类。结 合人工智能，我们详细论述智能主体a g e n t 的基于规则的知识表示( k n o w l e d g e r e p r e s e n t a t i o n ) ，比较了过程表示、关系表示、递阶表示和框架、语义网、谓词逻辑 等知识表示方法，并给出了消解( r e s o l u t i o n ) 和合- - ( u n i f i c a t i o n ) 两种处理谓词逻辑的 机制。接着分析了知识表示的不确定性以及知识交换格式( k i f ，k n o w l e d g e i n t e r c h a n g ef o r m a t ) 。 中国科学技术大学硕士论文 第一章绪论 在知识表示的基础上，本文借助于j a v a 编程语言的a p p l e t ，构建了规则类、规 则库类以及一些附属类，并给出了a g e n t 推理系统( 包括正向推理和逆向推理) 的程 序算法和演示实例。然后进一步给出了a g e n t 的学习机制( 包括神经网络、特征映 射和决策树算法) ，并给出了几个运行的程序。 a g e n t 的推理和学习机制只是构建a g e n t 和多a g e n t 系统的必要组成部分，本 文的重点是如何用这些类和模块来构建智能主体a g e n t 的框架和m a s 。借助于 j a v a 的b e a n s 类、e v e n t 类、r u n n n a b l e 线程接口和e v e n t l i s t e n e r 接口，本文给出了 a g e n t 的软件实现- - c i a g e n t 类，并对此进行封装。通过继承c i a g e n t 类并扩充其 功能，我们就可以构建一个m a s 。 最后，本文提出了一种开放混合m a s 的框架结构，它是建立在一级一级地扩 展c i a g e n t 类的基础上，同时介绍了基于合同网方式的协商机制和针对不同情况下 的冲突消解策略。 中国科学技术大学硕士论文第二章主体的知识表示 第二章智能主体的知识表示 2 1 概述 什么是知识了? 韦伯词典对“知识”的定义为“利用相似性通过体验或联想， 获取对认知事物的真相或状态”。人们通过视觉、听觉、感觉和味觉来认识世界， 获得知识，也可以通过联想已知的事物而获得关于世界的新的知识。这些知识都可 以存储在人的大脑中。我们怎样将这些知识存储在计算机中? 这个问题，就是所谓 的知识表示( k n o w l e d g er e p r e s e n t a t i o n ) ，它是人工智能领域也是智能主体a g e n t 的一个重要的环节。我们可以用符号( s y m b 0 1 ) 来解决在计算机上存储知识的问题。 一个符号是用来表示对象或概念的数字或字符串。这些数字或字符串可以被计算机 很好的处理。然而，人们比较喜欢用自然语言，比如英语来表示知识。因此，我们 必须建立起从事实到计算机内部表示和人们所能理解的形式的映射。 a g e n t 的知识表示就是要在外部问题领域与a g e n t 内部符号推理系统之间建立 起联系。符号推理系统是a g e n t 关于外部世界的模型，它包括了用于信息存储的数 据结构利对这些数据的操作。对a g e n t 所要解决的问题域中的每一个相关元素，例 如一个对象或对象之间的关系，a g e n t 的域模型中都要有一个相对应的表示。这种 映射关系使得a g e n t 可以通过在域模型中执行推理过程，把结果返回问题域。 我们给出了一个基于知识的