多智能體系統(MAS)縱覽
===================================================
Part 1
1.介紹
分佈式人工智能(DAI)
- DAI算法根據下述三種方法劃分爲三個類別:
- ①平行AI:並行解決問題;
- ②分佈式解決問題:劃分爲子問題;
- ③多智能體系統:智能體與鄰近智能體或與環境互動來學習上下文或動作
================================================
Part 2 智能體的介紹
2.智能體
智能體定義
- ①通過傳感器感知外界環境的實體;
- ②能夠在環境內部做出動作的封閉計算系統
環境
環境的特徵
- 可進入性
- 確定性
- 動態性:環境獨立於智能體採取的動作
- 連續性:環境的連續性與離散性
參數:智能體從環境感知獲得的數據
** 智能體在一些條件約束下通過下述方法完成分配的任務: **
- ①接收外界參數;
- ②使用鄰近智能體的知識
智能體的特徵
- 社會性(Sociability): 去其他智能體分享知識及請求信息
- 自主性:獨立執行決策過程,並採取行動
- 積極主動性:智能體利用自身的歷史信息、感知參數、及其他智能體的信息進行預測未來的活動
================================================
Part 3 MAS
MAS:多智能體寫作解決任務
中間智能體
分爲促進者(facilitator) 與 中介物(mediator)
- 促進者
- 將智能體A所發送的請求路由到提供服務的智能體B
- 中介物
- 中介物使得上述智能體A、B能夠互相溝通
3.MAS特徵
- 領導性:智能體領袖給其他無人機分配任務;智能體領袖可以是預先定義的,也可以是智能體共同選出來的
- 決策函數:基於決策函數的輸出變化與其輸入變化的比例將MAS分成 線性MAS、非線性MAS、
- 線性MAS:智能體的決策與感知參數成比例
- 非線性MAS:智能體的決策與感知參數不成比例
- 異質性:基於智能體的異質性將智能體分爲 同質MAS、異質MAS。
- 同質MAS:具有相同特性及功能
- 異質MAS:具有不同特徵
- 協議參數:智能體之間需要就特定參數達成一致,這些參數稱爲度量標準
** 根據度量標準的個數,將MAS分爲First、Second、Higher **
- First:只有一個度量標準
- Second:兩個度量標準,如位置、速度
- Higher
- 延遲考慮:根據執行任務的延遲性,分爲 有延遲的MAS,無延遲的MAS
- 有延遲的MAS:考慮延遲源
- 無延遲的MAS:無交流及處理延遲
- 拓撲性:分爲靜態拓撲性、動態拓撲性
- 動態拓撲性:隨着智能體在MAS的運動,智能體的位置及關係也發生運動
- 數據傳輸頻率:數據傳輸方式分爲 時間觸發方式、事件觸發方式
- 移動性:分爲 靜態智能體、動態智能體
- 靜態智能體在環境的位置不變
- 動態智能體在環境的位置一直變化。動態智能體能夠監視其他智能體、利用它們的資源、從它們的位置感知環境,從而做出動作
4.MAS與其他同類系統(專家系統、面向對象編程)的區別
- ①MAS的各個智能體能夠相互通信,專家系統能夠與預先定義的實體進行通信及交換數
據; - ②MAS與專家系統都使用決策函數,但參數不同。
- MAS:智能體使用感知數據、自身知識庫、自身目標
- 專家系統:使用感知數據、自身知識庫
- ③MAS:智能體做完決策後,直接對環境作出動作,專家系統:控制器獨立執行動作
================================================
Part 4 MAS的應用
計算機網絡
MAS在網絡的應用範圍廣,分爲四部分:
雲計算
- 基於智能體的框架(agent-based framework)用來執行一系列獨立任務
- broker智能體收集可用資源,也收集可選的雲提供者,併爲每個智能體匹配合適的雲服務者
社交網絡
安全性
- MAS可以有效地解決網絡安全問題,因爲他們能夠學習,然後檢測新的安全問題
- 例如入侵偵測系統(IDS)
路由
機器人學
- 機器人學的兩大挑戰: 1.合作與協調;2.運動軌跡規劃
- 有效的解決方法:三個智能體:通信智能體、圖像處理智能體、決策智能體。通信智能體拍照並將照片傳送到圖像處理智能體,圖像處理智能體找機器人當前的位置,及環境的障礙物,再將這些信息傳送給決策智能體,由決策智能體尋找有最少障礙物的路徑
建模——構造複雜系統
城市建造環境
- 應用:消費者發送購物請求給商品供應者,商品供應者收到請求後,到數據庫查詢所
需商品,商品由快遞智能體攜帶到消費者。網絡智能體對最優路徑作出決策。 - 建築物加熱管理應用:
智能電網
- 智能電網:平衡產生及所需的電量;協商電費、電力存儲等
Part 5 MAS的挑戰
協調控制:管理智能體協作完成任務
挑戰如下:
- 一致性:一致性的例子之一,即爲聚集(flocking)。聚集,即智能體之間爲了協作完成任務而需做的集體行爲。聚集模型的三大原則:
- 1.中心聚集
- 2.障礙避免
- 3.速度匹配
- 可控性:智能體從初始狀態控制到特定狀態。兩大衡量標準:
- MAS的拓撲活動度
- 環境決定度
- 同步性:智能體動作的操作時間上要與其他智能體保持一致
- 連接性:智能體之間有時需要持續保持連續。聯繫性的挑戰在:
- 1.智能體的移動性;
- 2.環境的噪聲;
- 3.MAS拓撲結構的有限視角,使得定位智能體以實現最大程度的連接有難度
- 構造性:有時智能體需要組織成特定的結構。如UAV需要構成特定的隊形去獲取環境參數
學習:智能體利用機器學習算法來發現及預測環境的變化,以適應未知的情況。
因此需要形成多智能體學習(MAL, Muiti-Agent Learning)。MAL的挑戰如下:
- 1.學習方式的處理及交流花銷;
- 2.MAS環境的動態性;
- 3.MAS的拓撲結構可能會發生變化;
- 4.防止智能體收到錯誤信息
MAL裏的兩個主要的機器學習方法包括: - 1.強化學習RL:RL是一種試驗-錯誤法。所有智能體都改變自身的狀態,觀察它從環境或其他智能體接受的獎勵或懲罰。每個智能體要避免重複採取負向作用的動作,而要重複採取正向作用的動作。
- 2.遺傳編程GP:GP是演化算法(EA)的一種形式。
故障探測:故障智能體可能會感染與它合作的智能體。因此要檢測及隔離故障智能體。
任務分配:任務分配分爲集中式及非集中式。
智能體任務分配的兩個衡量標準:
- 1.智能體能力:即智能體的資源總數。智能體所分配的任務
要與自身的資源數相對應。若任務負載過大,智能體的響應
時間就會延長。 - 2.智能體位置:智能體的位置影響交流延遲及負載。
定位
智能體能否被定位基於
- 1.是否擁有特定資源(資源本地化)
- 2.是否允許特定服務
- 3.是否擁有特定身份
智能體組織構架
安全性:
MAS安全性的挑戰源於MAS的分佈性、社交性及移動性
- 社交性:智能體要從其他臨近的智能體獲得信息或知識庫,或者在決策過程中從外界環境獲取信息。所以,智能體對向它發送會影響它的決策的有害實體缺少抵抗性。
- 分佈性:由於分佈的性質,缺少中央權威中心,覈實智能體的身份及在智能體之間創造信任變得高度困難。
- 移動性:一旦某智能體被惡意智能體影響,由於它自身的移動性,它會散佈錯誤信息給其他智能體