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