Svrha sistema sa više agenata (MAS) je da koordinira nezavisne procese. Agent je kompjuterski entitet u obliku programa ili robota. Agent se može smatrati autonomnim jer je u stanju da se prilagodi kada se njegovo okruženje promeni. MAC se sastoji od skupa kompjuterskih procesa koji se dešavaju u isto vrijeme i postoje u isto vrijeme, dijele zajedničke resurse i međusobno komuniciraju. Ključni problem u MAC-u je formalizacija koordinacije između agenata.
Definisanje sistema sa više agenata
MAC je pristup razvoju softvera za aplikacije u složenim domenima gdje su komponente aplikacije u interakciji autonomne i distribuirane, rade u dinamičnim i nesigurnim okruženjima, moraju biti u skladu s nekim organizacijskim pravilima i zakonima i mogu se pridružiti i napustiti sistem sa više agenata tokom vremena rada.
Primjeri takvih aplikacija su sistemi kojiupravljati i optimizirati proizvodnju i distribuciju električne energije između potrošača ili sistema koji optimalno planiraju opterećenja u transportnim sistemima. Razvoj sistema sa više agenata zahtijeva stvaranje odvojenih agenata, organizacija i okruženja.
Programski jezici pružaju programske konstrukcije za implementaciju pojedinačnih agenata u smislu društvenih i kognitivnih koncepata kao što su informacije, ciljevi, opcije, norme, emocije i pravila odlučivanja.
Multi-agentske organizacije u smislu društvenih i organizacionih koncepata imaju uloge, opremljene normama, komunikacijskim protokolima, resursima koji su predmet praćenja. Razvijeni programski jezici i okviri koriste se za kreiranje simulacija baziranih na agentima za mnoge industrije kontinuirane proizvodnje: električna energija, metalurgija, zdravstvo, internet, transport, upravljanje saobraćajem i ozbiljne igre.
MAS se razlikuju od sistema sa jednim agentom po tome što imaju nekoliko agenata koji međusobno modeliraju ciljeve i akcije. U opštem scenariju, može postojati direktna interakcija između agenata. Sa stanovišta jednog agenta, sistemi sa više agenata se najznačajnije razlikuju od sistema sa jednim agentom po tome što dinamiku okruženja mogu odrediti drugi agenti. Pored nesigurnosti koja može biti svojstvena domeni, drugi agenti namjerno utiču na okruženje na nepredvidive načine.
Dakle, za sve MAC-ove se može smatrati da imaju dinamička okruženja, što je tipično za modernemulti-agent sistemi. Može postojati bilo koji broj agenata sa različitim stepenom heterogenosti, sa ili bez mogućnosti direktne komunikacije.
MAS arhitektura
Agenti moraju biti opremljeni kognitivnim modelom:
- vjerovanja;
- želje;
- namjere.
S jedne strane čita "Vjerovanja" o okolini, koja su rezultat njegovog znanja i percepcije, a s druge, skup "Želja". Ukrštanje ova dva skupa rezultira novim skupom "namjera" koje se zatim direktno prevode u akcije.
Agenti moraju imati komunikacijski sistem. Postoji nekoliko specijalizovanih jezika za ovu svrhu: Jezik upita i manipulacije (KQML). Nedavno je u opticaju FIPA-ACL standard, kreiran od strane FIPA fondacije za inteligentne fizičke agente. Ovaj posljednji princip izgradnje multi-agens sistema je zasnovan na teoriji govornih činova.
Problem adaptacije je trnovit problem koji je trenutno predmet mnogih istraživanja. Može se dati primjer nekih virusa, kako bioloških tako i kompjuterskih, koji su sposobni da se prilagode mutantskom okruženju.
Konačno, efikasna implementacija MAC-a, iako nije strogo gledano dio arhitekture sistema, zaslužuje pažnju u mnogim programskim jezicima koji su razvijeni za proučavanje umjetne inteligencije. Posebno se spominje LISP jezik. Ovi arhitektonski elementi se primjenjuju na sistem koji se sastoji od kognitivnihagenti.
Kategorije ili modeli agenata
Klasifikacija agenasa zasniva se na dva kriterijuma: kognitivni agensi ili reagensi koji pokazuju, s jedne strane, teleonomsko ponašanje ili refleks. Razlika koja se može napraviti između kognitivnog i reaktivnog u suštini je reprezentacija svijeta koji je dostupan agentu. Ako je pojedinac obdaren "simboličkom predstavom" svijeta iz koje može formulirati rasuđivanje, onda se govori o kognitivnom agensu, dok ako ima samo "podsimboličku reprezentaciju", odnosno ograničenu na svoje percepcije, govori se o reaktivnom agensu. Ova kognitivna i reaktivna distinkcija odgovara dvije teorijske škole višeagentskih sistema.
Prvi podržava fundamentalni pristup "pametnih" agenata za saradnju sa sociološke tačke gledišta. U drugom se proučava mogućnost pojave "pametnog" ponašanja skupa neinteligentnih agenata (mravljeg tipa). Druga razlika između ponašanja u ponašanju i refleksa odvaja namjerno ponašanje, težnju ka eksplicitnim ciljevima, od perceptivnog ponašanja. Dakle, tendencije agenata mogu biti eksplicitno izražene u agensima ili, obrnuto, dolaze iz okoline. Tabela koja grupiše različite vrste agenata:
- Kognitivni agenti.
- Reaktivni agensi.
- Telenomsko ponašanje.
- Namjerni agenti.
- Upravljani agenti.
- Refleksno ponašanje.
- Agenti "moduli".
- Tropski agenti.
Kognitivni agensi su uglavnom namjerni, tj.imaju fiksne ciljeve koje pokušavaju postići. Međutim, ponekad se koriste agenti koji se nazivaju moduli, koji imaju ideju o svom "svemiru" bez određenih ciljeva. Mogli bi poslužiti, na primjer, za odgovaranje na pitanja drugih agenata u "svemiru".
Reagensi se mogu podijeliti na aktuatore i tropske agense. Instinktivni agent imat će fiksnu misiju i pokrenut će ponašanje ako vidi da okruženje više ne odgovara njegovoj namjeni. Tropski agens reagira samo na lokalno stanje okoline, na primjer ako ima svjetlosti, onda radi. Izvor motivacije u internom slučaju pogonskih agenata koji imaju "misiju" odnosi se samo na okolinu.
Organizacione paradigme
Razvojom ovakvih sistema, razvijene su različite organizacione paradigme. Ove strukture sistema sa više agenata postavljaju okvir za odnose i interakcije između agenata.
Hijerarhije. U ovom modelu, agenti su hijerarhijski prema strukturi stabla u kojoj je svaki čvor agent i ima vezu dozvole na svojim podređenim čvorovima. Ovaj model uništava cjelokupnu svrhu sistema.
Holarhija se približava hijerarhiji. Ne postoji odnos autoriteta između agenta i njegove podgrupe.
Koalicija je privremeni savez agenata koji se okupljaju i sarađuju jer se njihovi lični interesi susreću. Vrijednost koalicije mora biti veća od zbira pojedinačnih vrijednosti komponenti agenta.
Kongregacije su vrlo slične koalicijama ikomande. Međutim, oni su namijenjeni da budu trajni i obično imaju više ciljeva za postizanje. Osim toga, agenti mogu ulaziti i izlaziti iz džemata i pripadati nekoliko u isto vrijeme.
Društvo je skup različitih agenata koji komuniciraju i komuniciraju. Imaju različite ciljeve, nemaju isti nivo racionalnosti i iste sposobnosti, ali se svi pridržavaju zajedničkih zakona (norma).
Agenti federacije daju dio svoje autonomije delegatu svoje grupe. Grupni agenti komuniciraju samo sa svojim delegatom, koji zauzvrat komunicira sa delegatima iz drugih grupa.
Agenti prodaje nude artikle koje agenti kupaca mogu potraživati. Ova vrsta organizacije omogućava, na primjer, simulaciju stvarnih tržišta i upoređivanje različitih strategija trgovanja.
Matrix organizacioni agenti su hijerarhijski. Međutim, za razliku od gore predstavljene hijerarhije, gdje je agent podređen samo nekolicini drugih agenata, oni u jednoj matričnoj organizaciji mogu biti podložni nekoliko drugih.
Kombinacije - Ova kombinovana organizacija miješa mnoge od gore navedenih stilova. Ovo može biti, na primjer, koalicija ili hijerarhija timova.
Umjetna inteligencija
Cilj kognitivne nauke je razumjeti prirodu i funkcioniranje umjetne inteligencije, koja obrađuje interne informacije kako bi ih učinila svrhom. Mnogi koncepti odgovaraju ovom opisu: ljudi, kompjuteri, roboti, senzorni sistemi,lista je beskrajna. Jedna vrsta sistema od posebnog interesa za kognitivne naučnike je veštački samoagent koji deluje na informaciju.
Inteligentan agent (IA) je u stanju da donosi odluke na osnovu svog iskustva i može birati akcije u različitim situacijama. Kao što izraz "vještački" sugerira, vrsta autonomnih agenata interesa nije nešto što je stvorila priroda. Dakle, vještački agens je sve što je stvorio ljudi, sposoban da djeluje na osnovu informacija koje percipira, vlastitih iskustava, odluka i postupaka.
Polje ekstra-prirodne inteligencije pruža tehničke vještine za prevođenje željenih tipova agenata u programski jezik, srodni softver i odgovarajuću arhitekturu (hardver i srodni softver) za implementaciju agenta u stvarnom ili simuliranom svijetu.
Okruženje svijeta percepcije
Agent je sve što unosi okolinu putem senzora i djeluje na nju preko efektora, što zvuči dovoljno jednostavno. Ova definicija agenta pokriva širok spektar mašina, od termostata do objekata koji zapravo mogu naučiti mali repertoar ponašanja.
Senzori su alati koje agent koristi za prikupljanje informacija o svom svijetu. Tastatura i kamkorder mogu raditi kao senzori ako su povezani s agentom. Na kraju odgovora sistema, izvođači su alati koje agent koristi da utiče na okruženje. Primjeri efektora sumonitor, štampač i robotska ruka.
Obično je okruženje agentov domen ili svijet. Ove domene, barem za sada, trebale bi biti ograničene na specifične vrste situacija kako bi se izbjegle neograničene mogućnosti svakodnevnog svijeta.
Autonomni sistem utjecaja
Autonomni agent je „sistem unutar i dio okruženja koji percipira to okruženje i djeluje na njega tokom vremena kako bi izvršio vlastitu agendu i kako bi utjecao na ono što doživljava u budućnosti“. Ova definicija Franklina i Greisera odražava sve osnovne funkcije inteligentnih agenata, osim njihove društvenosti. Ovo pruža dobru aproksimaciju glavnih karakteristika širokog spektra AI u razvoju.
Takvi agenti osjećaju svoje okruženje. Ali ovdje senzorni podaci ili percepcije uključuju ne samo podatke o drugim objektima, već i utjecaj samog agensa na stanje stvari u okruženju. Senzori mogu biti organski, kao što su oči i uši i njihovi neuronski procesori, ili umjetni, kao što su video i audio procesori ugrađeni u digitalno računalo. Okruženje može biti vrlo ograničeno područje, poput zatvorenog prostora, ili vrlo složeno, poput berze ili skupa asteroida. Senzori moraju odgovarati tipovima objekata sa kojima agent stupa u interakciju.
Refleksna vrsta interakcije
Reflektor ima složeniji mehanizam. Umjesto direktne dinamikeu odnosu na okolinu, traži šta mora da uradi u listi pravila. Refleksni agent na datu percepciju odgovara programiranim odgovorom. Čak i ako postoje hiljade mogućih odgovora na datu percepciju, agent ima ugrađenu listu pravila situacijskih radnji za izvršavanje onih odgovora koje je programer već razmotrio. Pravilo akcije situacije je u osnovi hipotetički imperativ.
Refleksni agenti zaista nisu baš pametni. Oni jednostavno ne mogu da podnesu novine. Inteligentni agent sadrži karakteristike svojih manje sofisticiranih rođaka, ali nije toliko ograničen. On postupa prema dnevnom redu. Ima niz ciljeva kojima aktivno teži. Agent baziran na cilju ima razumijevanje trenutnog stanja okruženja i načina na koji to okruženje obično funkcionira. On slijedi glavne strategije ili ciljeve koji se ne mogu odmah postići. Ovo čini agenta aktivnim, a ne samo reaktivnim.
Ciljni funkcionalni program
Kod složenijih agenata, mjera održavanja se primjenjuje na različite moguće radnje koje se mogu izvesti u okruženju. Ovaj složeni planer je agent baziran na usluzi. Agent baziran na usluzi će procijeniti svaki scenario kako bi vidio koliko dobro postiže određene kriterije za postizanje dobrog rezultata. Stvari kao što su vjerovatnoća uspjeha, resursi potrebni za dovršetak scenarija, važnost cilja koji treba postići, vrijeme koje bi bilo potrebno, sve se može uračunati u proračun funkcije korisnosti.
ZatoBudući da programer obično ne može predvidjeti sva stanja svijeta sa kojima će se agent susresti, broj pravila koja bi se trebala napisati za refleksnog agenta bio bi astronomski čak i u vrlo jednostavnim područjima kao što su zakazivanje sastanaka ili organiziranje transportnih ruta i zaliha.
Osnovna kontrolna petlja
S obzirom na definiciju inteligentnog agenta, razmotrite osnovnu kontrolnu petlju koju je napisao teoretičar agenta Michael Vuladrich 2000. godine:
- čuvaj mir;
- ažuriraj interni model svijeta;
- postići namjernu namjeru;
- koristite sredstva/ciljeve da dobijete nacrt za namjere;
- izvršite plan;
- završi proces.
Ovaj obrazac treba tumačiti. Agent promatra svijet - to znači da on, koristeći svoje senzore, prikuplja percepcije. Senzor može biti tastatura priključena na digitalni računar ili vizuelni procesor priključen na robota. To može biti bilo šta što omogućava agentu da prikupi reprezentacije svijeta. Ažuriranje internog modela znači da agent dodaje novu percepciju svom nizu percepcija i programiranih informacija o svijetu.
Multi-Agent Development Platforms
AnyLogic je open source multi-agentski i višekomponentni CORMAS softver za simulaciju baziran na objektno orijentiranom programskom jeziku SmallTalk.
DoMIS je alat za projektovanje sistema sa više agenata fokusiran na "operativno upravljanje složenim sistemima" i zasnovan na B-ADSC metodi dizajna.
JACK je programski jezik i razvojno okruženje za kognitivne agente koji je razvio Agent Oriented Software kao agentsko orijentisano proširenje Java jezika.
GAMA je platforma za modeliranje otvorenog koda (LGPL) koja nudi prostorno eksplicitno okruženje za modeliranje zasnovano na agentima koristeći GIS podatke za opisivanje agenata i njihovog okruženja.
JADE (RAZVOJ Java Agenta) je razvojni okvir sa više agenata otvorenog koda zasnovan na jeziku Java.
Sedam standardnih modela
U evolucionom procesu istraživanja, postoji više inputa o tome kako stvoriti sistem koji je pouzdan i predstavlja viši nivo kvaliteta. Trend koji se nastavlja je dopuna ili proširenje postojećih metoda koje su uspjele konsolidirati donošenje odluka u okviru razvoja.
Metodološki standard omogućava, na razumljiv i jednostavan način, kreiranje MAC-a, ne samo koristeći prirodni jezik, već i koristeći šablone opisa koji pomažu u specifikaciji sistema.
Metodološki standard nudi sedam modela problema ili njihovih rješenja za izgradnju MAC-a:
- Model scenarija koji opisuje kompaniju ili organizaciju.
- Model ciljeva i ciljeva definira i opisuje organsku strukturu.
- Agentski model definira ljude i autonomne sisteme.
- Uzor povezuje ciljeve i ciljeve sa određenim agentom.
- Organizacioni model opisuje okruženje sa kojim je pojedinačni agent povezan.
- Model interakcije opisuje odnos, naglašavajući njihovu koordinaciju agenata.
- Model dizajna definira agenta i mrežnu arhitekturu.
Primjeri interakcije između agenata
MAS se koriste za simulaciju interakcije između autonomnih agenata. Upotreba višeagentskih sistema, na primjer, u sociologiji omogućava parametriranje različitih agenata koji čine zajednicu. Dodavanjem ograničenja možete pokušati razumjeti koja će biti najefikasnija komponenta za postizanje očekivanog rezultata. Trebali bi eksperimentirati sa scenarijima koje stvarni ljudi ne bi mogli ostvariti, bilo iz tehničkih ili etičkih razloga.
Distributed IA je kreiran da riješi složenost velikih monolitnih neprirodnih programa inteligencije - izvršenje, distribucija i centralizirana kontrola. Za rješavanje složenog problema ponekad je lakše kreirati relativno male programe (agente) u saradnji nego jedan veliki monolitni program. Autonomija omogućava sistemu da se dinamički prilagođava nepredviđenim promjenama u okruženju.
Primeri sistema sa više agenata u industriji igara su brojni i raznovrsni. Koriste se u video igrama i filmovima, uključujući softver MASSIVE, na primjer za simulaciju kretanja gomile u trilogiji Gospodar prstenova. Oni takođe mogukoriste kompanije, na primjer, za praćenje ponašanja korisnika koji pretražuju web stranice.
MAS se također koriste u svijetu finansija. Na primjer, MetaTrader 4 platforma dozvoljava korištenje stručnih agenata u automatiziranom trgovanju koji prate Forex stope
Prednosti korištenja sistema
U IA istraživanju, tehnologija sistema zasnovana na agentima je prihvaćena kao nova paradigma za konceptualizaciju, projektovanje i implementaciju softverskih sistema. Prednosti multi-MAS pristupa:
- Dijeli računarske resurse i mogućnosti preko mreže međusobno povezanih agenata.
- Omogućava međusobno povezivanje i interoperabilnost više postojećih naslijeđenih sistema.
- Pokrivaju različita polja uključujući održavanje aviona, e-novčanike, vojno čišćenje mina, bežične komunikacije i komunikacije, planiranje vojne logistike, sistem upravljanja lancem nabavke, zajedničko planiranje misija, upravljanje finansijskim portfeljem.
U istraživanju, IA tehnologija za sisteme bazirane na agentima je prihvaćena kao nova paradigma za konceptualizaciju, dizajn, implementaciju i učenje sa više agenata softverskih sistema.
Dakle, MAC je slabo povezana mreža softverskih agenata koji u interakciji rješavaju probleme izvan individualnih sposobnosti ili znanja svakog kreatora problema.
