工智能及专家系统(敖志刚)第7章智能主体技术

1、敖志刚 编制,第7章 新的知识处理方式：智能主体技术,敖志刚 编制,第7章 新的知识处理方式：智能主体技术,第7章 智能主体技术,71 智能主体的基本知识 711 概念、分类与特点 712 智能主体的研究学派和编程语言 713 智能主体的基本结构 714 智能主体的工作机制 715 智能主体技术的应用 72 多智能主体系统 721 多智能主体系统的基本概念 722 多智能主体系统的体系结构 72 .3 多智能主体的智能协同,第7章 智能主体技术,73 移动智能主体 731 移动智能主体的基本概念 732 移动智能主体的基本结构 733 移动智能主体的技术实现 734 移动智能主体的标准化情况,

2、71 智能主体的基本知识,1智能主体的基本概念,智能主体的英文为agent，也可译成主体、代理、智体等。 广义的Agent是指任何独立的能够思想并可以同环境交互的实体，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Agent则专指信息世界中的软件实体。 Agent是具有技能的个体，是有自主的程序。,7.1.1 概念、分类与特点,1智能主体的基本概念,agent是指在一定环境下自主运行，包含信念、承诺、义务、意图等精神状态的智能硬件实体或软件实体。 agent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，甚至也可以是人。,agent软件的主要作用是提供一种易于理解和使

3、用的操作界面，接受用户的指令、代替用户完成某些复杂繁琐的工作或为用户提供帮助，实现从“人找信息”到“信息找人”。 agent的内部状态是心智状态，如知识、信念、能力、承诺、目标等。 agent之间的消息传递是基于语言动作的通信原语，如通知、请求、承诺、拒绝等。,1智能主体的基本概念, agent系统可分为单agent系统和多agent系统，智能agent（IA，Intelligent Agent）和软件agent。 单agent系统中agent可分为本地agent和网络agent；多agent系统中agent可分为基于分布式AI的agent与移动agent。,2智能主体的分类, 按照功能划分，

4、agent可分为信息agent、用户接口agent、任务agent、IA、软件agent。按照属性划分，agent可分为反应agent、审慎agent、合作agent、混合agent。 按照行为方式划分，agent可分为自主agent、多重agent、助手agent。 按照是否可移动划分，agent可分为静态agent、MA。,2智能主体的分类, 代理性。agent能代表他人。 自治性。IA应该是一个独立自主的计算实体。 主动性。agent能遵循承诺采取主动行动。 反应性。agent能感知所处的环境。 社会性。它们可以跟所agent的用户、资源以及其他agent进行通信交流。 智能性。agen

5、t具有一定层次上的智能。,3智能主体的特点,社交性、可移动性、代理性、主动性、理智性、推理性、不可预知性、时间连续性、个性化、透明性、协调性、协作性、诚实性、顺从性、竞争性、坚固性、可信赖性等。,4智能主体的属性,712 智能主体的研究学派和编程语言,1Agent的研究学派 Agent学派：其主要关注的问题是如何解决那些可以天然地对应到多自治Agent交互的分布式问题。 用户接口学派：主要关注的问题是将Agent应用于用户接口设计。采用主动行为，并采取更为协作性的辅助行为的应用来协助完成用户的任务。如Office助手。 MA学派：主要关注于MA，也就是说，编写那种能执行移动指令的代码，能在网络

6、中移动程序本身和它的状态。 机器人研究学派：把注意力集中在自治性的、能进行决策的机器人系统上。,（1）agent编程语言 工具命令语言（TCL，Tool Command Language）。 一种脚本语言，TCL用来进行快速原型开发和图形用户界面的开发。 Safe-TCL是运行agent的扩展。 因特网agent过程语言，专用来建造能在因特网上运行的多agent系统。,3 支持agent 概念的重要编程语言,1）典型agent通信语言有KQML。 2）知识询问和操纵语言（KQML，Knowledge Query and Manipulation Language）是一种用于交换信息和知识的语言

7、和协议。 主要行为原语有：基本操作原语；基于知识数据库的操作原语；基本响应原语；基本查询原语；能力宣告原语；网络操作原语；协调操作原语。,（2）agent通信语言（ACL，Agent Communication Language）,agent内容语言包括知识交换格式（KIF，Knowledge Interchange Format）、SGML、XML。,（3）agent内容语言,3开发语言,目前适合于Agent系统开发的语言主要包括： 面向Agent的编程语言，典型例子有Agent0、Placa、GOLOG、AOPLID； 面向对象语言，典型例子有Java、C+、Smalltalk； Scri

8、pt语言，典型例子有TCL/TK 、Safe-TCL、Safe-Tk、Telescript、Python 、Obliq、April、Schema-48； 其他语言；典型例子有Actors、RTA/ABLE。,713 智能主体的基本结构,该体系结构的特点是agent中包含了世界显式表示的、符号的模型，并且其决策是通过逻辑推理、规划、协商、模式匹配和符号操作得出的。 agent的心智状态为agent如何行动提供了一种解释，心智状态的主要因素有认知（信念、学习、知识等）、情感（愿望、偏好、兴趣等）、意向（目标、意图、规划、承诺等）。,1. 思考型体系结构,反应式agent采用的是一种刺激/响应的活动

9、模型，其特点是agent中包含了感知内外部状态变化的感知器。 它的基本思想是：当agent的内部和外部环境符合某种预先设定的条件时，它就作出相应的行为。,2. 反应式体系结构,3. 跟踪型Agent,跟踪型Agent是一种具有内部状态的反应型Agent，其结构图如图7-4所示。该结构表示了现有的感知信息如何与原有的内部状态相结合以产生现有状态的更新描述。通过找到一个条件与现有环境匹配的规则进行工作，然后执行与规则相关的作用。,4. 基于目标的Agent,基于目标的Agent在实现目标方面比反应型Agent更灵活，只要指定新的目标，就能够产生新的作用。图7-5表示了基于目标的Agent结构。,5

10、. 基于效果的Agent,效果是一种把状态映射到实数的函数，该函数描述了相关的满意程度。第一，当Agent只有一些目标可以实现时，效果函数指定合适的目标。第二，当Agent存在多个目标而不知哪一个一定能够实现时，效果(函数)提供了一种根据目标的重要性来估计成功可能性的方法。图7-6给出一个完整的基于效果的Agent结构。,6. 混合型Agent,混合型Agent就是在一个Agent内组合多种相对独立和并行执行的智能形态，其结构包括感知、动作、反应、建模、规划、通信和决策等模块，如图7-7所示。,714 智能主体的工作机制,Agent的工作机制可用图7-8来进行描述。当一个Agent启动时，Ag

11、ent资源管理器为它创建必要的引擎和适配器连接。如果Agent所需的一些适配器和引擎是由其它独立系统运行的，Agent资源管理器要确认它们都已经启动了。,715 智能主体技术的应用,1Agent在网络上的应用 智能搜索Agent 网络信息收集的智能化。 网络信息处理的智能化。 网络信息检索的智能化。 网络信息检索服务的个性化。 网络管理 网上远程教育 网上协同工作 远程故障诊断和维护,2Agent技术在数字图书馆的应用, 利用Agent技术能保证数字图书馆的网络信息资源建设。利用Agent技术的智能搜索引擎对因特网信息进行搜索、分析、过滤、优先分级和整合的方法，形成有自己特色的数字资源 可以对

12、数字图书馆的信息数据库进行Agent。Agent能够连续监控信息数据库表的剩余空间并与预定义的IKK值比较。 利用Agent技术可以查找到自己所需的信息。用户可以更方便地利用Agent技术检索馆藏特色资源，同时也可以把检索结果补充到数字图书馆中，成为馆藏信息资源的一部分。 数字图书馆利用Agent技术为用户提供主动的、个性化信息服务。,3信息服务, 解惑，为用户解答与网络信息资源有关的问题。 过滤，根据用户的要求，从网上大量的信息中筛选出符合条件的信息，并以不同级别（全文、详细摘要、简单摘要、标题等）呈现给用户。 整理，有效地帮助用户把已经下载的信息分门别类地组织起来。 发现，从大量的公共原始

13、数据中筛选和提炼出有价值的信息，向用户发布。,4娱乐与电子商务,在网络娱乐系统中引入Agent，可增强娱乐效果。 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，如决策的智能化（战争或经济活动）、动作的人性化（体育比赛）和自然语言对话等。 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等。 Agent可以帮助用户获取大量有用信息。它可通过Agent收集需求信息，帮助企业进行产品开发决策。还可以通过Agent找到合适的材料供应商与合适的产品买主，以求降低成本、提高效率。采用Agent系统后，可以帮助客户去网上查找所需的商品。,5Agent应用存在的问题

14、, 如何用Agent作为人的Agent 必须解决以下两个问题： 能力问题：Agent如何获得必要的知识，从而决定在何时、以什么方式帮助用户。 信任问题：如何使用户信任Agent采取的自主行为。传统方法是：第一，由用户编程，定义Agent的思维和规则；第二，基于知识库，利用知识库专家系统，采用机器学习技术。 安全机制问题 保证系统不受恶意Agent的攻击，保护合法Agent不受宿主系统的非法侵害，保护合法Agent不受其它Agent的攻击。 协作问题 如何将松耦合的多个Agent进行最佳的协调工作也是急待研究的课题之一。,72 多智能主体系统,721 多智能主体系统的基本概念 多Agent系统(

15、MAS)不仅研究单个Agent复杂的体系结构以及 Agent之间的简单交互，而且研究大量相对简单的Agent之间的复杂交互，如何协调工作，建立复杂的社会模型，以完成单个Agent无法完成的任务。 基于分布式人工智能(DAI)的多Agent系统主要关心各自主Agent间的合作，互相协调它们的知识、目标、和计划等。DAI的Agent应用范围很广，如分布式车辆监测、自然语言分析、运输规划、电信管理。,1. 多Agent系统的特征,多Agent系统具有如下特征： 每个Agent拥有解决问题的不完全的信息或能力； 没有系统全局控制； 数据是分散的； 计算是异步的。,2多Agent的分类, 协作式多Age

16、nt系统(CMAS) 这种系统的设计目的只是为彼此之间共享资源，提高整个系统的性能，而不针对单个Agent。因此这样的Agent间可被认为协作关系。 自利益多Agent系统(SMAS) 在一个SMAS中，每个Agent的目标都是扩大自身利益，虽然也试图与其他Agent达成一致。这些Agent是代表某个用户，而不是整体的一部分进行工作。彼此之间存在竞争或无协作并有可能表示相斥的关系。,3多Agent系统的优点, 任务的分布。 快速求解问题。 减少通信流量。 增加灵活性。 增加可靠性。 任务分担。 可扩展性。 有效协商。 动态环境配置。 易于与传统软件集成。 个人化。,722 多智能主体系统的体系

17、结构, 功能多Agent,具有以下功能： 能在相关的一个或多个知识Agent的支持下自主地完成特定应用领域中某个阶段或某个部分的预测功能。 预测时与用户通过Web页面方式进行人机对话，接受用户的问题，并从用户那里获得有关的一些信息。 功能Agent从系统数据库中获得所有知识Agent和接口Agent的名称地址和相应的功能说明。 功能Agent可以激活其他的功能Agent以获得它们相应的功能支持。 功能Agent具有自学习功能，对预测任务及相应的知识Agent或接口Agent的返回学习和最终答案都存入它的知识库中。, 知识多Agent,知识多Agent具有以下功能: 各个知识Agent在系统中是

18、负责某一领域知识的处理。例如，在构建一个基于多Agent的农业专家系统时，可以考虑在农科院校的局域网中放置栽培专家、施肥专家的知识。 各个知识Agent根据自己的领域范围和能力决定是否接受功能Agent分配的任务或确定接受预测任务的哪一部分。 各个知识Agent在对相关领域的知识处理方面，将根据不同领域的特点，采取不同的知识处理方法和不同的组织存储方式。 各个知识Agent同时也具有人机对话的功能。 知识Agent具有通信功能。 知识Agent的添加和删除都可以通过在系统信息数据库中进行登记和注销来完成。, 接口多Agent,接口Agent的设置主要是为了利用己有的各领域的专家系统，通过基于K

19、QML语言的通信方式与其它Agent进行交互，实现协作。 在系统中，每个Agent都可以与其它Agent进行合作，利用多Agent之间的有机合作可以实现定性与定量方法的综合集成。而随着该系统的不断运行，各个Agent将不断地获取知识提高自已的能力，从而使整体系统的智能程度和反应速度等性能得到大大提高。,多Agent的知识管理系统的层次结构分析,多Agent系统可以分为六个层次，如图7-10所示。 操作系统与网络层提供了系统中各Agent进行协作和相互通信的基础条件。 虚拟设备层提供了一个通用接口，并为Agent间的通信、并发控制以及任务排序提供支持。 功能组件层提供了对象组件和功能组件。 Ag

20、ent逻辑层是Agent的实现，以及Agent的执行、协作等操作。此层有着推理机和学习机，和自己的目标、信念、资源、行为能力等。 概念层为用户接口提供Agent的描述工具或生成模板。 应用层负责完成系统与用户之间的交互。,72 .3 多智能主体的智能协同,1. 底层交互模型 多Agent系统协作的过程就是信息传递的过程，图7-11展示了这样一个多Agent系统的底层结构。主要包括四个部分：交互，心智模块，观测机制和应用层。,2. 多Agent系统的功能模型,3. 多Agent系统的协作方法, 决策网络和递归建模 决策网络(又称为作用图)是决策问题的一种图知识表示，可以看做是增加了决策节点和效益

21、节点的Bayes网络。 Markov对策 在Markov对策中，每个Agent面临一个不同的Markov决策过程，这些Agent的Markov决策过程通过它们的支付函数以及依赖于Agent联合行为的系统动态特性连接起来。 多Agent学习方法 学习内容包括环境内的Agent数、连接结构、Agent间的通信类型、协调策略等。主要的学习方法包括假设行动、Bayes学习和强化学习等。 决策树和对策树 建立定义在扩展决策树上的信息集合和相应的行为函数，然后从形式化的行为公理可以推导Agent每一步的行动。 对策树的一种重要形式是扩展形式对策的表达。树中每个节点表示一个Agent的执行步骤，一个节点的分

22、支对应于节点表示的Agent的可能行为，在树的末端节点指明了Agent的对策。,4.多Agent的协商技术, 协商协议 协商协议主要研究Agent通信语言的定义、表示、处理和语义解释。 协商策略 该策略用于Agent决策及选择协商协议和通信消息，包括一组与协商协议相对应的元级协商策略和策略的选择机制两部分内容。协商策略可分为破坏协商、拖延协商、单方让步、协作协商、竞争协商五类。策略选择的一般方法是:考虑影响协商的多方面因素，给出适当的策略选择函数。 协商处理 协商处理包括协商算法和系统分析两方面。协商处理侧重描述和分析单个Agent和多Agent协商的整体协作行为和性能。,5MAS中Agent

23、间的协调工作, 组织式协调 利用一种组织或层次结构组织协调。 协调约定协约网络协议 首先由一个充当管理者的Agent发出招标通知，参加竞争的Agent通过投标来回应，最后由管理者Agent选定一个最合适的Agent并与之“签约”。 多Agent计划式协调 侧重于避免冲突发生。有两种类型的多Agent计划，集中式和分布式：Agent之间通过通信来建立并修改各自的计划，直至彼此间消除冲突为止。 法规协调 即通过制定法规，实现诸如空中运输控制或城市交通领域内的职能Agent之间的协调。,6. 多Agent系统的学习,多Agent系统学习方法是单Agent学习方法的推广和扩充。例如，上述用户接口Age

24、nt和搜索引擎Agent中的学习己被认为是多Agent系统学习，因为在人机协作系统中，人也是一个Agent。 当前在多Agent系统学习领域，强化学习和在协商过程中学习。结合动态编程和有师学习，以期建立强大的机器学习系统。只给计算机设定一个目标，然后计算机不断与环境交互以达到该目标。多Agent系统学习包括多Agent系统学习的概念和原理、具有学习能力的多Agent系统模型和体系结构、学习特征的新方法等。,7. 多Agent系统的规划,多Agent系统的规划研究，目前主要有两种方法:其一，一种可在世界状态间转换的抽象结构，如与或图；其二，一类复杂的Agent精神状态。常用做法是把Agent的规

25、划库定义为一个与或图结构，库中每条规划包括四个部分： 规划目标； 规划前提； 由规划序列和规划子目标组成的规划体； 规划结果。,7.3 移 动 代 理,7.3.1 移动智能主体的基本概念 1移动智能主体的定义,移动agent是一种能在异构计算机网络中的主机之间自主迁移、自主计算的计算机程序，且能够动态地将该程序分发到远端主机并在远端主机上连接执行。 它能够模拟人类行为和关系。,移动agent是一种网络计算，能够自行选择运行地点和时机，根据具体情况中断自身的执行，移动到另一设备上恢复运行，并及时将有关结果返回。 移动agent还能克隆自己或产生子agent。 移动agent机制的特点是客户age

26、nt能够迁移到业务agent所在服务器上，与之进行本地高速通信。 MA迁移的内容=代码+运行状态。 程序代码是移动agent的逻辑控制部分。 运行状态包括执行状态和数据状态。 执行状态指的是MA当前运行时的状态。,1移动智能主体的定义,MA系统是指能创建、解释、执行、传送和终止移动agent的平台，它由名字和地址惟一标识。 MA系统由MA和移动agent环境（MAE，Mobile Agent Environment）两个部分组成。 MAE是一个分布在网络各种计算设备上的软件系统。 MA的移动便是从一个MAE移动到另一个MAE。,2移动智能主体系统的概念,2移动智能主体系统的概念,MA是存在于软

27、件环境中的软件实体，它除了具有AI的最基本特性反应性、自治性、协作性、分布灵活性、导向目标性和针对环境性外，还具有移动性。 此外，MA必须包含若干功能，如agent功能、生命周期功能、计算功能、安全功能、通信功能和迁移功能等。,3移动智能主体系统的本质特点, 高效性。 利用MA，用户可以将信息打包后发送至目的地，在目的地进行本地交互。 异步式自主交互。 实时的远程交互。 动态适应性。 处理大量数据的能力。 定制化服务。 易于分发服务。 支持离线计算。 支持平台无关性。,4移动智能主体技术的优点,（1）克服计算环境的异构 必须首先解决MA的跨平台问题。 （2）实现agent的自主移动 应解决以下

28、3个问题。 agent的移动规程 agent的通信模型。 agent的迁移方式,5移动智能主体系统的技术难点与急需解决的问题,（3）保证MA的安全性 没设agent访问权限的网络站点，其安全问题如何保证。 agent在进驻到授权访问的网络站点后，怎样保护自身的安全。 如何保证不受agent的破坏以及agent不受破坏。,5移动智能主体系统的技术难点与急需解决的问题,7.3.2 移动智能主体的基本结构,1移动智能主体系统的结构,安全agent是执行agent的安全策略，阻止外界环境对agent的非法访问。 环境交互模块实现ACL语义，保证使用相同ACL的agent和服务设施之间的正确通信和协调。

29、,agent的任务求解模块包括agent的运行模块及agent任务相关的推理方法和规则。 知识库保存在移动过程中获取的知识和任务求解的结果。 内部状态集是agent执行过程中的当前状态。 约束条件是agent创建者为保证agent的行为和性能而作出的约束。 路由策略决定agent的移动路径。,1移动智能主体系统的结构,图7-14 MA的结构模型,1移动智能主体系统的结构,MA平台能提供以下主要的服务。 生命周期服务。 目录服务。 事件服务。 安全保障服务。 应用服务。,2移动智能主体平台的结构,图7-15 MA平台体系结构图,2移动智能主体平台的结构,事件管理模块是负责管理和调度其他模块；传输

30、控制子模块实现agent的迁移，通信控制子模块负责MA平台与MA的通信；执行环境负责激活和执行MA；基础服务模块提供生命周期管理服务、目录服务和安全保障服务；定制服务接口使得MA平台可以访问本地的应用程序和资源；远程管理接口为远程管理提供支持。,2移动智能主体平台的结构,MA环境是分布于异构计算机网络上的软件系统，其主要任务是提供MA的执行环境。,3移动智能主体环境,图7-16 agent系统的内都结构,7.3.3 移动智能主体的技术实现,1移动智能主体实现移动性的方式,即远端执行和agent迁移 。 （1）远端执行 agent（程序代码+数据）被传送到远端系统，在远端系统中作为一个整体被激活

31、和运行。,（2）agent迁移 agent不仅具有代码和数据，还有执行状态。 它能在某一网络节点上暂时挂起自身的执行，迁移到另一节点后，再从挂起前的状态继续执行。,1移动智能主体实现移动性的方式,（1）安全机制 提出保护主机不受agent攻击的方法主要有基于软件的错误隔离、安全代码解释、数字签名代码、身份认证、携带证明代码、代码验证、授权认证、付费检查、记录历史路径、状态评估。 保护agent不受攻击的办法主要有部分结果封装法、共同路线记录法、环境密钥生成法、加密函数法、代码迷惑法。,2移动智能主体系统实现技术分析,移动可分为强移动和弱移动两种。 MA包括3种状态：程序状态、数据状态和执行状态。 程序状态指所属agent的实现代码；数据状态包含全局变量和agent的属性；执行状态包含局部变量值、函数参数值和线程状态等。,（2）移动支撑,2移动智能主