stringtranslate.com

Мультиагентная система

Простое рефлекторное средство
Учебный агент

Мультиагентная система ( MAS или «самоорганизующаяся система») — это компьютеризированная система, состоящая из множества взаимодействующих интеллектуальных агентов . [1] Мультиагентные системы могут решать проблемы, которые сложно или невозможно решить отдельному агенту или монолитной системе . [2] Интеллект может включать методический , функциональный , процедурный подходы, алгоритмический поиск или обучение с подкреплением . [3] [4]

Несмотря на значительное совпадение, мультиагентная система не всегда совпадает с агентной моделью (ABM). Целью ПРО является поиск объяснительного понимания коллективного поведения агентов (которые не обязательно должны быть «разумными»), подчиняющихся простым правилам, обычно в природных системах, а не при решении конкретных практических или инженерных задач. Терминология ABM, как правило, чаще используется в науке, а MAS - в технике и технологиях. [5] Приложения, в которых исследование многоагентных систем может обеспечить соответствующий подход, включают онлайн-торговлю, [6] реагирование на стихийные бедствия, [7] [8] наблюдение за объектами [9] и моделирование социальной структуры. [10]

Концепция

Мультиагентные системы состоят из агентов и их среды . Обычно исследования мультиагентных систем относятся к программным агентам . Однако агентами в мультиагентной системе с равным успехом могут быть роботы, люди или команды людей. Мультиагентная система может содержать объединенные команды человека и агента.

Агенты можно разделить на типы: от простого до сложного. Категории включают в себя:

Агентские среды можно разделить на:

Среды агентов также могут быть организованы по таким свойствам, как доступность (возможность собрать полную информацию об среде), детерминированность (вызывает ли действие определенный эффект), динамика (сколько сущностей влияют на среду в данный момент), дискретность (конечно ли число возможных действий в среде), эпизодичность (влияют ли действия агента в определенные периоды времени на другие периоды), [12] и размерность (являются ли пространственные характеристики важными факторами среды и агент рассматривает пространство в принятие им решения). [13] Действия агента обычно опосредуются через соответствующее промежуточное программное обеспечение. Это промежуточное программное обеспечение предлагает первоклассную абстракцию проектирования для многоагентных систем, предоставляя средства для управления доступом к ресурсам и координации агентов. [14]

Характеристики

Агенты в многоагентной системе имеют несколько важных характеристик: [15]

Самоорганизация и самонаправление

Многоагентные системы могут проявлять самоорганизацию , а также самоуправление и другие парадигмы управления и связанное с ними сложное поведение, даже если индивидуальные стратегии всех их агентов просты. [ нужна цитата ] Когда агенты могут обмениваться знаниями, используя любой согласованный язык, в пределах ограничений протокола связи системы, такой подход может привести к общему улучшению. Примерами языков являются язык манипулирования запросами знаний (KQML) или язык общения агентов (ACL).

Системные парадигмы

Многие MAS реализуются посредством компьютерного моделирования, пропуская систему через дискретные «шаги по времени». Компоненты MAS обычно взаимодействуют с использованием взвешенной матрицы запросов, например 

Скорость-ОЧЕНЬ ВАЖНО: мин=45 миль в час, Длина пути — MEDIUM_IMPORTANCE: макс. = 60, ожидаемый макс. = 40, Максимальный вес-НЕВАЖНО Приоритет контракта-ОБЫЧНЫЙ

и взвешенная матрица ответов, например 

Скорость-мин:50 но только если погода солнечная, Длина пути: 25 в солнечную погоду / 46 в дождливую погоду. Приоритет контракта-ОБЫЧНЫЙ Примечание: скорая помощь отменит этот приоритет, и вам придется подождать.

Схема контракта «вызов-ответ» распространена в системах MAS, где

также учитываются другие компоненты, развивающиеся «контракты» и наборы ограничений алгоритмов компонентов.

Другая парадигма, обычно используемая с MAS, — это « феромон », когда компоненты оставляют информацию для других близлежащих компонентов. Эти феромоны могут со временем испаряться/концентрироваться, то есть их значения могут уменьшаться (или увеличиваться).

Характеристики

MAS склонны находить лучшее решение своих проблем без вмешательства. Здесь есть большое сходство с физическими явлениями, такими как минимизация энергии, когда физические объекты имеют тенденцию достигать минимально возможной энергии в физически ограниченном мире. Например: многие автомобили, въезжающие в мегаполис утром, будут доступны для выезда из этого же мегаполиса вечером.

Системы также имеют тенденцию предотвращать распространение неисправностей, самовосстанавливаться и быть отказоустойчивыми, главным образом за счет резервирования компонентов.

Исследовать

Исследование многоагентных систем «занимается разработкой и анализом сложных архитектур решения проблем и управления ИИ как для одноагентных, так и для многоагентных систем». [17] Темы исследований включают в себя:

Рамки

Появились структуры, реализующие общие стандарты (такие как стандарты FIPA и OMG MASIF). [24] Эти структуры, например JADE , экономят время и помогают в стандартизации разработки MAS. [25]

Однако в настоящее время ни один стандарт не поддерживается FIPA или OMG. Усилия по дальнейшему развитию программных агентов в промышленном контексте осуществляются техническим комитетом IEEE IES по промышленным агентам. [26]

Приложения

MAS применяется не только в академических исследованиях, но и в промышленности. [27] MAS применяются в реальном мире для графических приложений, таких как компьютерные игры. Агентские системы использовались в фильмах. [28] Его широко рекомендуют использовать в сетевых и мобильных технологиях для достижения автоматической и динамической балансировки нагрузки, высокой масштабируемости и самовосстановления сетей. Они используются для скоординированных систем защиты.

Другие приложения [29] включают транспорт , [30] логистику, [31] графику, производство, энергосистему , [32] интеллектуальные сети , [33] и ГИС .

Кроме того, многоагентные системы искусственного интеллекта (MAAI) используются для моделирования обществ с целью оказания помощи в областях климата, энергетики, эпидемиологии, управления конфликтами, жестокого обращения с детьми, .... [34] Некоторые организации работают над использованием Модели многоагентных систем включают Центр моделирования социальных систем, Центр исследований в области социального моделирования, Центр моделирования политики, Общество моделирования и Simulation International. [34]

Транспортное движение с управляемыми автономными транспортными средствами можно моделировать как мультиагентную систему, включающую динамику толпы. [35] Халлербах и др. обсудили применение агентных подходов для разработки и проверки автоматизированных систем вождения с помощью цифрового двойника тестируемого транспортного средства и микроскопического моделирования дорожного движения на основе независимых агентов. [36] Waymo создала мультиагентную среду моделирования Carcraft для тестирования алгоритмов беспилотных автомобилей . [37] [38] Он имитирует дорожное взаимодействие между водителями, пешеходами и автоматизированными транспортными средствами. Поведение людей имитируется искусственными агентами на основе данных о реальном поведении человека.

Смотрите также

Рекомендации

  1. ^ Ху, Дж.; Бхоумик, П.; Джанг, И.; Арвин, Ф.; Ланзон А., «Среда сдерживания формирования децентрализованных кластеров для систем с несколькими роботами», Транзакции IEEE по робототехнике, 2021.
  2. ^ Ху, Дж.; Тургут, А.; Леннокс, Б.; Арвин Ф., «Надежная координация формирования роев роботов с нелинейной динамикой и неизвестными возмущениями: проектирование и эксперименты» IEEE Transactions on Circuits and Systems II: Express Briefs, 2021.
  3. ^ Ху, Дж.; Бхоумик, П.; Ланзон, А., «Групповое координированное управление сетевыми мобильными роботами с приложениями для транспортировки объектов», Транзакции IEEE по автомобильным технологиям, 2021.
  4. ^ Виринг, Массачусетс (2000). «Многоагентное обучение с подкреплением для управления светофором». Машинное обучение: материалы семнадцатой международной конференции (Icml'2000) : 1151–1158. hdl : 1874/20827.
  5. ^ Ниязи, Муаз; Хусейн, Амир (2011). «Агентные вычисления от мультиагентных систем к агентным моделям: визуальный обзор» (PDF) . Наукометрия . 89 (2): 479–499. arXiv : 1708.05872 . дои : 10.1007/s11192-011-0468-9. S2CID  17934527.
  6. ^ Роджерс, Алекс; Дэвид, Э.; Шифф, Дж.; Дженнингс, НР (2007). «Влияние ставок по доверенности и минимального приращения ставок на аукционах eBay». Транзакции ACM в Интернете . 1 (2): 9–с. CiteSeerX 10.1.1.65.4539 . дои : 10.1145/1255438.1255441. S2CID  207163424. Архивировано из оригинала 2 апреля 2010 года . Проверено 18 марта 2008 г. 
  7. ^ Шурр, Натан; Марецкий, Януш; Тамбе, Милинд; Шерри, Пол; Касинадхуни, Нихил; Льюис, JP (2005). «Будущее реагирования на стихийные бедствия: люди, работающие в многоагентных группах с использованием DEFACTO». Архивировано (PDF) из оригинала 3 июня 2013 г. Проверено 8 января 2024 г.
  8. ^ Генч, Зулькуф; и другие. (2013). «Агентная информационная инфраструктура для управления стихийными бедствиями» (PDF) . Интеллектуальные системы антикризисного управления . Конспект лекций по геоинформации и картографии. стр. 349–355. дои : 10.1007/978-3-642-33218-0_26. ISBN 978-3-642-33217-3.
  9. ^ Ху, Джуньянь; Бхоумик, Париджат; Ланзон, Александр (2020). «Распределенное адаптивное отслеживание формирования изменяющихся во времени групп для многоагентных систем с несколькими лидерами на ориентированных графах». Транзакции IEEE по управлению сетевыми системами . 7 : 140–150. дои : 10.1109/TCNS.2019.2913619 . S2CID  149609966.
  10. ^ Сан, Рон ; Наве, Исаак (30 июня 2004 г.). «Моделирование принятия организационных решений с использованием когнитивно-реалистичной модели агента». Журнал искусственных обществ и социального моделирования .
  11. ^ аб Кубера, Йоанн; Матье, Филипп; Пико, Себастьян (2010), «Агент может быть всем!» (PDF) , Материалы девятой Международной совместной конференции по автономным агентам и мультиагентным системам (AAMAS'2010) : 1547–1548
  12. ^ Рассел, Стюарт Дж .; Норвиг, Питер (2003), Искусственный интеллект: современный подход (2-е изд.), Аппер-Сэддл-Ривер, Нью-Джерси: Прентис-Холл, ISBN 0-13-790395-2
  13. ^ Саламон, Томас (2011). Проектирование агентных моделей. Репин: Издательство Брукнер. п. 22. ISBN 978-80-904661-1-1.
  14. ^ Вейнс, Дэнни; Омичини, Амдреа; Оделл, Джеймс (2007). «Среда как первоклассная абстракция в многоагентных системах». Автономные агенты и мультиагентные системы . 14 (1): 5–30. CiteSeerX 10.1.1.154.4480 . дои : 10.1007/s10458-006-0012-0. S2CID  13347050. 
  15. ^ Вулдридж, Майкл (2002). Введение в мультиагентные системы . Джон Уайли и сыновья . п. 366. ИСБН 978-0-471-49691-5.
  16. ^ Панайт, Ливиу; Люк, Шон (2005). «Совместное многоагентное обучение: современное состояние» (PDF) . Автономные агенты и мультиагентные системы . 11 (3): 387–434. CiteSeerX 10.1.1.307.6671 . дои : 10.1007/s10458-005-2631-2. S2CID  19706. 
  17. ^ «Лаборатория мультиагентных систем». Массачусетский университет в Амхерсте . Проверено 16 октября 2009 г.
  18. ^ Альбрехт, Стефано; Стоун, Питер (2017), «Многоагентное обучение: основы и последние тенденции. Учебное пособие», конференция IJCAI-17 (PDF)
  19. ^ Кукер, Фелипе; Стив Смейл (2007). «Математика возникновения» (PDF) . Японский математический журнал . 2 : 197–227. дои : 10.1007/s11537-007-0647-x. S2CID  2637067 . Проверено 9 июня 2008 г.
  20. ^ Шен, Джеки (Цзяньхун) (2008). «Стая Кукера-Смейла под иерархическим руководством». СИАМ J. Appl. Математика . 68 (3): 694–719. arXiv : q-bio/0610048 . дои : 10.1137/060673254. S2CID  14655317 . Проверено 9 июня 2008 г.
  21. ^ Ахмед, С.; Карсити, Миннесота (2007), «Испытательный стенд для схем управления с использованием многоагентных неголономных роботов», Международная конференция IEEE 2007 г. по электро/информационным технологиям, стр. 459, номер домена : 10.1109/EIT.2007.4374547, ISBN 978-1-4244-0940-2, S2CID  2734931
  22. ^ Ян, Лидун; Ли, Чжан (2021). «Управление движением в магнитной микроробототехнике: от отдельных и нескольких роботов до стаев». Ежегодный обзор управления, робототехники и автономных систем . 4 : 509–534. doi : 10.1146/annurev-control-032720-104318. S2CID  228892228.
  23. ^ Пинан Басуальдо, Франко; Мисра, Сартак (2023). «Совместные магнитные агенты для захвата трехмерных микророботов». Передовые интеллектуальные системы . 5 (12). дои : 10.1002/aisy.202300365 . S2CID  262167298.
  24. ^ «Документ OMG - orbos/97-10-05 (Обновление пересмотренной заявки MAF)» . www.omg.org . Проверено 19 февраля 2019 г.
  25. ^ Ахмед, Салман; Карсити, Мохд Н.; Агустиаван, Герман (2007). «Среда разработки совместных роботов с использованием управления с обратной связью». Исследовательские ворота . Проверено 8 января 2024 г.
  26. ^ «Технический комитет IEEE IES по промышленным агентам (TC-IA)» . tcia.ieee-ies.org . Проверено 19 февраля 2019 г.
  27. ^ Лейтан, Пауло; Карнускос, Стаматис (26 марта 2015 г.). Промышленные агенты: новые возможности применения программных агентов в промышленности . Лейтао, Паулу, Карнускос, Стаматис. Амстердам, Нидерланды. ISBN 978-0128003411. ОКЛК  905853947.{{cite book}}: CS1 maint: location missing publisher (link)
  28. ^ "Киновитрина". МАССИВНЫЙ . Проверено 28 апреля 2012 г.
  29. ^ Лейтао, Пауло; Карнускос, Стаматис; Рибейру, Луис; Ли, Джей; Штрассер, Томас; Коломбо, Армандо В. (2016). «Умные агенты в промышленных киберфизических системах». Труды IEEE . 104 (5): 1086–1101. дои : 10.1109/JPROC.2016.2521931. hdl : 10198/15438 . ISSN  0018-9219. S2CID  579475.
  30. ^ Сяо-Фэн Се, С. Смит, Г. Барлоу. Координация по расписанию для управления трафиком сети в режиме реального времени. Международная конференция по автоматизированному планированию и составлению графиков (ICAPS), Сан-Паулу, Бразилия, 2012: 323–331.
  31. ^ Махр, ТС; Срур, Дж.; Де Вердт, М.; Зюйдвейк, Р. (2010). «Могут ли агенты соответствовать требованиям? Сравнительное исследование агентного и онлайн-подхода к оптимизации решения проблемы перевозки с неопределенностью». Транспортные исследования, часть C: Новые технологии . 18 : 99–119. CiteSeerX 10.1.1.153.770 . дои : 10.1016/j.trc.2009.04.018. 
  32. ^ Каземи, Хамидреза; Лиаси, Саханд; Шейх-Эль-Эслами, Мохаммадказем (ноябрь 2018 г.). «Планирование расширения генерации с учетом инвестиционной динамики участников рынка с использованием мультиагентной системы». Исследовательские ворота . дои : 10.1109/SGC.2018.8777904 . Проверено 8 января 2024 г.
  33. ^ Сингх, Виджай; Сэмюэл, Полсон (6 июня 2017 г.). «Распределенное многоагентное системное управление частотой нагрузки для многозональной энергосистемы в интеллектуальной сети». Транзакции IEEE по промышленной электронике . 64 (6): 5151–5160. дои : 10.1109/TIE.2017.2668983 . Проверено 8 января 2024 г.
  34. ^ ab «ИИ может предсказывать ваше будущее поведение с помощью новых мощных симуляций». Новый учёный .
  35. ^ Гун, Сяоцянь; Херти, Майкл; Пикколи, Бенедетто; Висконти, Джузеппе (3 мая 2023 г.). «Динамика толпы: моделирование и управление мультиагентными системами». Ежегодный обзор управления, робототехники и автономных систем . 6 (1): 261–282. doi : 10.1146/annurev-control-060822-123629 . ISSN  2573-5144.
  36. ^ Халлербах, С.; Ся, Ю.; Эберле, У.; Кестер, Ф. (2018). «Идентификация критических сценариев на основе моделирования для кооперативных и автоматизированных транспортных средств». Международный журнал SAE о подключенных и автоматизированных транспортных средствах . САЭ Интернешнл. 1 (2): 93. дои : 10.4271/2018-01-1066.
  37. ^ Мадригал, рассказ Алексиса К. «В секретном мире Waymo для обучения беспилотным автомобилям». Атлантический океан . Проверено 14 августа 2020 г.
  38. ^ Коннорс, Дж.; Грэм, С.; Майу, Л. (2018). «Кибер-синтетическое моделирование для транспортных средств». На Международной конференции по кибервойне и безопасности . Academic Conferences International Limited: 594-XI.

дальнейшее чтение