Agent 技术.ppt

1、第12章 Agent 技 术,12.1 什么是Agent 12.2 Agent的类型 12.3 Agent的结构 12.4 多Agent系统 12.5 Agent的实现工具 12.6 Agent技术的发展与应用 12.7 智能机器人简介,12.1 什么是Agent,Agent一词的主要意思是“代理（人）”，但我们这里的Agent还具有更多的含义。简单来说，Agent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Ag

2、ent。,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知识进行问题求解；它还能与其它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， 一个Agent一般不能在环境中单独存在，而要与其它Agent

3、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。,Agent的概念由Minsky在其1986年出版的思维的社会一书中提出。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，Agent的概念便被引入人工智能和计算机领域，并迅速成为研究热点。,12.2 Agent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可分为以下几种类型： (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

4、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。BDIA gent的典型应用是在Internet网上为主人收集信息的软件Agent。比较高级的智能机器人也是BDI Agent。,(3) 社会Agent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

5、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

6、的人格化Agent。,12.3 Agent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121）。,图121 思考型Agent结构模型示意图,12.4 多Agent系统,从Agent的特性可以看出，Agent的一个显著特点就是它的社会性。所以，Agent的应用主要是以多个Agent协作的形式出现。因而多Agent系统（简称MAS）就成为Agent技术的一个重点研究课题。另一方面，MAS又与分布式系统密切相关，所以，MAS也是分布式人工智能（DAI）的基本内容之一。,1.多Agent系统的特征 多Agent系统是一个松散耦合的Age

7、nt网络，这些Agent通过交互、协作进行问题求解（所解问题一般是单个Agent能力或知识所不及的）。其中的每一个Agent都是自主的，它们可以由不同的设计方法和语言开发而成的，因而可能是完全异质的。多Agent系统具有如下特征： (1)每个Agent拥有解决问题的不完全的信息或能力； (2)没有系统全局控制； (3)数据是分散的； (4)计算是异步的。,2. 多Agent系统的研究内容 多Agent系统的理论研究是以单Agent理论研究为基础的，所以，除单Agent理论研究所涉及的内容外，多Agent系统的理论研究还包括一些和多Agent系统有关的基本规范，主要有以下几点： (1)多Agen

8、t系统的定义； (2)多Agent系统中Agent心智状态包括与交互有关的心智状态的选择与描述； (3)多Agent系统的特性以及这些特性之间的关系； (4)在形式上应如何描述这些特性及其关系； (5)如何描述多Agent系统中Agent之间的交互和推理。,3.多Agent系统的体系结构 多Agent系统的体系结构可以是以下几种： (1)Agent网络 Agent之间都是直接通信的。对这种结构的Agent系统，通信和状态知识都是固定的，每个Agent必须知道消息应该在什么时候发送到什么地方，系统中有哪些Agent是可以合作的，都具备什么样的能力等。,(2)Agent联盟 结构不同于Agent网

9、络，其工作方式是：若干相距较近的Agent通过一个叫做协助者的Agent来进行交互，而远程Agent之间的交互和消息发送是由各局部Agent群体的协助者Agent协作完成的。 (3)黑板结构 和联盟系统有相似之处，不同的地方在于黑板结构中的局部Agent把信息存放在可存取的黑板上，实现局部数据共享。,12.5 Agent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（中科院计算所开发史忠植

10、，1998年）、AGENT0、PLACA,（PLAnning Communicating Agentlanguage Thomas1993）、KQML（Knowledge Queryand Manipulation Language，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。,12.6 Agent技术的发展与应用,Agent技术是一种新的智能技术，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。上面提到的BDI型Agent就是基于逻辑方法而提出的一种Agen

11、t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技术虽然是一种新的智能技术，但它与传统的人工智能技术并不是截然分开的。事实上，Agent技术与传统的人工智能技术是互相渗透、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技术的支持下，提高到一个新的水平。,12.7 智能机器人简介,1.智能机器人的概念 一般将机器人的发展分为3个阶段。第一阶段的机器人

12、只有“手”，以固定程序工作，不具有外界信息的反馈能力；第二阶段的机器人具有对外界信息的反馈能力，即有了感觉，如力觉、触觉、视觉等；第三阶段，即所谓“智能机器人”阶段，这一阶段的机器人已经具有了自主性，有自行学习、推理、决策、规划等能力。这也正符合Agent的条件，所以，现在把智能机器人也作为一种Agent。,2. 机器人感知 机器人的感知包括对外界和对自身的感知。感知机能是靠传感器来实现的。因而，机器人传感器可分为内部传感器和外部传感器两大类。内部传感器用来感知机器人的内部状态信息，包括关节位置、速度、加速度、姿态和方位等。,3. 机器人规划 机器人规划也称机器人问题求解。感知能力使机器人能够感知对象和环境，但要解决问题，即产生适应对象和环境的动作，还要依靠规划功能。规划就是拟定行动步骤。实际上它就是一种问题求解技术，即从某个特定问题的初始状态出发，寻找或构造一系列操作（也称算子）步骤，达到解决问题的目标状态。,4. 机器人控制 机器人控制即运动控制，包括位置控制和力控制。位置控制就是对于路径规划给出的运动轨迹（即路径），控制机器人的肢体（如机械手）产生相应的动作。力控制则是对机器人的肢体所发出的作用力（如机械手的握力和推力）大小的控制。运动控制涉及机器人的运动学和动力学特性，所以，运动控制研究需要许多运动学和动力学知识。,5. 机器人语言 “教”机