人工智能ch13

第13章Agent系统,13.1Agent的概念13.2Agent的结构13.3Agent实例WebAgent13.4多Agent系统13.5Agent的实现工具13.6Agent技术的发展与应用习题十三,13.1Agent的概念,13.1.1什么是Agent我们知道,Agent一词的通常含义有:代理(人)、代办、媒介、服务等,而且作为“代理”在计算机领域广为使用。但在人工智能领域现在所说的Agent则具有更加特定的含义。简单地讲,这里的Agent指的是一种实体,而且是一种具有智能的实体。这种实体可以是智能软件、智能设备、智能机器人或智能计算机系统等等,甚至也可以是人。国内人工智能文献中对Agent的翻译或称呼有智能体、主体、智能Agent等,现在则逐渐趋向于不翻译而直接使用Agent。Agent的这一特定含义是由MIT的Minsky在其1986年出版的思维的社会一书中提出的。Minsky认为社会中的某些个体经过协商之后可求得问题的解,这些个体就是Agent。他还认为Agent应具有社会交互性和智能性。从此,这种含义扩展了的Agent便被引入人工智能领域,并迅速成为研究热点。,Agent的抽象模型是具有传感器和效应器,处于某一环境中的实体。它通过传感器感知环境;通过效应器作用于环境;它能运用自己所拥有的知识进行问题求解;它还能与其他Agent进行信息交流并协同工作。因此,Agent应具有如下基本特性:(1)自主性,亦称自治性,即能够在没有人或别的Agent的干预下,主动地自发地控制自身的行为和内部状态,并且还有自己的目标或意图。(2)反应性,即能够感知环境,并通过行为改变环境。,(3)适应性,即能根据目标、环境等的要求和制约作出行动计划,并根据环境的变化,修改自己的目标和计划。(4)社会性,即一个Agent一般不能在环境中单独存在,而要与其他Agent在同一环境中协同工作。而协作就要协商,要协商就要进行信息交流,信息交流的方式是相互通信。从面向对象的观点来看,Agent也就是一种高级对象,或者说是具有智能的对象。,13.1.2Agent的类型从Agent理论模型角度来看,Agent可分为反应型、思考型(或认知型)和两者复合型。从特性来看,Agent又可分为以下几种:(1)反应式Agent。这种Agent能够对环境主动进行监视并能做出必要的反应。反应式Agent最典型的应用是机器人,特别是Brookes类型的机器昆虫。,(2)BDI型Agent,即有信念(Belief,即知识)、愿望(Desire,即任务)和意图(Intention,即为实现愿望而想做的事情)的Agent,它也被称为理性Agent。这是目前关于Agent的研究中最典型的智能型Agent,或自治Agent。BDIAgent的典型应用是在Internet上为主人收集信息的软件Agent,比较高级的智能机器人也是BDIAgent。,(3)社会Agent。这是处在由多个Agent构成的一个Agent社会中的Agent。各Agent有时有共同的利益(共同完成一项任务),有时利益互相矛盾(争夺一项任务)。因此,这类Agent的功能包括协作和竞争。办公自动化Agent是协作的典型例子,多个运输(或电信)公司Agent争夺任务承包权是竞争的典型例子。,(4)演化Agent。这是具有学习和提高自己能力的Agent。单个Agent可以在同环境的交互中总结经验教训,提高自己的能力,但更多的学习是在多Agent系统,即社会Agent之间进行的。模拟生物社会(如蜜蜂和蚂蚁)的多Agent系统是演化Agent的典型例子。,(5)人格化Agent。这是不但有思想,而且有情感的Agent。这类Agent研究得比较少,但是有发展前景。在故事理解研究中的故事人物Agent是典型的人格化Agent。从所承担的工作和任务性质来看,Agent又可分为信息型Agent、合作型Agent、接口型Agent、移动型Agent等。特别地,以纯软件实现的Agent被称为软件Agent(SoftwareAgent,SA)。软件Agent是当前Agent技术和应用研究的主要内容。,13.2Agent的结构,由于Agent的多样性,很难给出一个统一的结构模型。下面仅给出思考型Agent的一个简单结构模型(见图13-1)和一个简化Agent的结构图(见图13-2)。,图13-1思考型Agent结构模型示意图,图13-2简化Agent结构模型图,13.3Agent实例WebAgent,WebAgent是在智能Agent的概念基础上,结合信息检索、搜索引擎、机器学习、数据挖掘、统计等多个领域知识而产生的用于Web导航的工具。随着网络化的飞速发展,WebAgent将是有广泛应用前景的一种小型Agent系统。事实上,目前已经有许多的WebAgent实验系统存在,有些已经出现在人们日常访问的网站中。比较著名的有WebWatcher和PersonalWebWatcher,Syskill同样它也不是一种独立的应用,它可以为现有应用增加新的功能。OMG将多Agent应用分为以下几种:企业级应用,主要包括智能文档(SmartDocument),面向目标的企业规划,动态人事管理等。交互级企业应用,主要包括产品或者服务的市场拓展、代理商管理、团队管理。过程控制包括智能大厦、工厂管理、机器人等。,个人Agents,包括像邮件和新闻过滤、个人日程管理、自动秘书等。信息管理任务包括信息检索、信息过滤、信息监视、数据资源调节、Agents和个人助手程序间的交互。这些基本涵盖了目前Agent系统的应用范围,基于此,OMG给出了一种多Agent系统的参考结构(详见)。,13.5Agent的实现工具,Agent的实现(即编程)工具可分为两类:一类是专用的面向Agent的程序语言,另一类则是现有的通用面向对象程序语言(或其扩充)。已知的专用Agent编程语言有Agent描述语言ADL、Agent处理控制语言PCL和Agent通信语言SACL(中科院计算所开发)、AGENT0、PLACA(PLAnningCommunicatingAgentlanguageThomas1993)、KQML(KnowledgeQueryandManipulationLanguage,国际上比较流行的Agent通信语言,美国ARPA的知识共享计划的一部分)等。,在通用面向对象程序语言中,Java语言则是很好的候选语言。Java的面向对象、多线程、分布式、平台无关、可迁移、可嵌入等特性正是构造Agent所需要的。事实上,现在的不少Agent都是用Java开发的。另外,现在已有不少软件公司(如微软)都推出了商品化的Agent软构件。这样,在开发一个Agent系统时,用户则不必从头编程,而只需直接引用相应的Agent构件即可。,13.6Agent技术的发展与应用,Agent系统是一种新的智能系统,关于它的研究方兴未艾。目前的热点课题主要是Agent的理论模型、多Agent系统及其开发应用。Agent的理论模型的研究主要有逻辑方法和经济学方法两种。前面提到的BDI型Agent就是基于逻辑方法而提出的一种Agent模型,被称为理性Agent。多Agent系统的主要课题是其问题求解机制,包括组织形式、协商协调机制、学习机制等有关的理论和方法学。,Agent系统虽然是一种新的智能系统,但它与传统的人工智能系统并不是截然分开的。事实上,二者在技术上是互相渗透、相辅相成的。一方面,在Agent的设计中要用到许多传统的人工智能技术,如模式识别、机器学习、知识表示、机器推理、自然语言理解等;另一方面,有了Agent概念以后,传统的人工智能技术又可在Agent系统这样一种新的包装和运作模式下,提高到一个新的水平。例如,利用Agent技术可以建造新一代的运行在Internet上的分布式专家系统。,这样,Agent技术的应用实际有三个方面:人工智能、计算机(网络)与信息科学、其他业务领域。在人工智能领域,Agent技术有着广泛应用。许多传统人工智能技术与Agent技术相结合便相得益彰。如专家系统、智能机器人、知识表示、知识发现等都可以得益于Agent技术。在计算机、网络与信息科学技术领域,Agent技术也有重要应用。如网络、数据库、数据通信、软件工程、程序设计、人机界面设计、并行工程等都是Agent技术的用武之地。事实上,在软件工程和程序设计领域,人们把Agent技术看作是面向对象技术的继续和发展,并正在研究面向Agent的软件开发技术。从这个意义上讲,Agent技