多智能体系统(MAS)纵览
===================================================
Part 1
1.介绍
分布式人工智能(DAI)
- DAI算法根据下述三种方法划分为三个类别：
- ①平行AI：并行解决问题；
- ②分布式解决问题：划分为子问题；
- ③多智能体系统：智能体与邻近智能体或与环境互动来学习上下文或动作
================================================
Part 2 智能体的介绍
2.智能体
智能体定义
- ①通过传感器感知外界环境的实体；
- ②能够在环境内部做出动作的封闭计算系统
环境
环境的特征
- 可进入性
- 确定性
- 动态性：环境独立于智能体采取的动作
- 连续性：环境的连续性与离散性
参数：智能体从环境感知获得的数据
** 智能体在一些条件约束下通过下述方法完成分配的任务： **
- ①接收外界参数；
- ②使用邻近智能体的知识
智能体的特征
- 社会性(Sociability)： 去其他智能体分享知识及请求信息
- 自主性：独立执行决策过程，并采取行动
- 积极主动性：智能体利用自身的历史信息、感知参数、及其他智能体的信息进行预测未来的活动
================================================
Part 3 MAS
MAS：多智能体写作解决任务
中间智能体
分为促进者(facilitator) 与 中介物(mediator)
- 促进者
- 将智能体A所发送的请求路由到提供服务的智能体B
- 中介物
- 中介物使得上述智能体A、B能够互相沟通
3.MAS特征
- 领导性：智能体领袖给其他无人机分配任务；智能体领袖可以是预先定义的，也可以是智能体共同选出来的
- 决策函数：基于决策函数的输出变化与其输入变化的比例将MAS分成 线性MAS、非线性MAS、
- 线性MAS：智能体的决策与感知参数成比例
- 非线性MAS：智能体的决策与感知参数不成比例
- 异质性：基于智能体的异质性将智能体分为 同质MAS、异质MAS。
- 同质MAS：具有相同特性及功能
- 异质MAS：具有不同特征
- 协议参数：智能体之间需要就特定参数达成一致，这些参数称为度量标准
** 根据度量标准的个数，将MAS分为First、Second、Higher **
- First：只有一个度量标准
- Second：两个度量标准，如位置、速度
- Higher
- 延迟考虑：根据执行任务的延迟性，分为 有延迟的MAS，无延迟的MAS
- 有延迟的MAS：考虑延迟源
- 无延迟的MAS：无交流及处理延迟
- 拓扑性：分为静态拓扑性、动态拓扑性
- 动态拓扑性：随着智能体在MAS的运动，智能体的位置及关系也发生运动
- 数据传输频率：数据传输方式分为 时间触发方式、事件触发方式
- 移动性：分为 静态智能体、动态智能体
- 静态智能体在环境的位置不变
- 动态智能体在环境的位置一直变化。动态智能体能够监视其他智能体、利用它们的资源、从它们的位置感知环境，从而做出动作
4.MAS与其他同类系统(专家系统、面向对象编程)的区别
- ①MAS的各个智能体能够相互通信，专家系统能够与预先定义的实体进行通信及交换数
据； - ②MAS与专家系统都使用决策函数，但参数不同。
- MAS：智能体使用感知数据、自身知识库、自身目标
- 专家系统：使用感知数据、自身知识库
- ③MAS：智能体做完决策后，直接对环境作出动作，专家系统：控制器独立执行动作
================================================
Part 4 MAS的应用
计算机网络
MAS在网络的应用范围广，分为四部分：
云计算
- 基于智能体的框架(agent-based framework)用来执行一系列独立任务
- broker智能体收集可用资源，也收集可选的云提供者，并为每个智能体匹配合适的云服务者
社交网络
安全性
- MAS可以有效地解决网络安全问题，因为他们能够学习，然后检测新的安全问题
- 例如入侵侦测系统(IDS)
路由
机器人学
- 机器人学的两大挑战： 1.合作与协调；2.运动轨迹规划
- 有效的解决方法：三个智能体：通信智能体、图像处理智能体、决策智能体。通信智能体拍照并将照片传送到图像处理智能体，图像处理智能体找机器人当前的位置，及环境的障碍物，再将这些信息传送给决策智能体，由决策智能体寻找有最少障碍物的路径
建模——构造复杂系统
城市建造环境
- 应用：消费者发送购物请求给商品供应者，商品供应者收到请求后，到数据库查询所
需商品，商品由快递智能体携带到消费者。网络智能体对最优路径作出决策。 - 建筑物加热管理应用：
智能电网
- 智能电网：平衡产生及所需的电量；协商电费、电力存储等
Part 5 MAS的挑战
协调控制：管理智能体协作完成任务
挑战如下：
- 一致性：一致性的例子之一，即为聚集(flocking)。聚集，即智能体之间为了协作完成任务而需做的集体行为。聚集模型的三大原则：
- 1.中心聚集
- 2.障碍避免
- 3.速度匹配
- 可控性：智能体从初始状态控制到特定状态。两大衡量标准：
- MAS的拓扑活动度
- 环境决定度
- 同步性：智能体动作的操作时间上要与其他智能体保持一致
- 连接性：智能体之间有时需要持续保持连续。联系性的挑战在：
- 1.智能体的移动性；
- 2.环境的噪声；
- 3.MAS拓扑结构的有限视角，使得定位智能体以实现最大程度的连接有难度
- 构造性：有时智能体需要组织成特定的结构。如UAV需要构成特定的队形去获取环境参数
学习：智能体利用机器学习算法来发现及预测环境的变化，以适应未知的情况。
因此需要形成多智能体学习(MAL, Muiti-Agent Learning)。MAL的挑战如下：
- 1.学习方式的处理及交流花销；
- 2.MAS环境的动态性；
- 3.MAS的拓扑结构可能会发生变化；
- 4.防止智能体收到错误信息
MAL里的两个主要的机器学习方法包括： - 1.强化学习RL：RL是一种试验-错误法。所有智能体都改变自身的状态，观察它从环境或其他智能体接受的奖励或惩罚。每个智能体要避免重复采取负向作用的动作，而要重复采取正向作用的动作。
- 2.遗传编程GP：GP是演化算法(EA)的一种形式。
故障探测：故障智能体可能会感染与它合作的智能体。因此要检测及隔离故障智能体。
任务分配：任务分配分为集中式及非集中式。
智能体任务分配的两个衡量标准：
- 1.智能体能力：即智能体的资源总数。智能体所分配的任务
要与自身的资源数相对应。若任务负载过大，智能体的响应
时间就会延长。 - 2.智能体位置：智能体的位置影响交流延迟及负载。
定位
智能体能否被定位基于
- 1.是否拥有特定资源(资源本地化)
- 2.是否允许特定服务
- 3.是否拥有特定身份
智能体组织构架
安全性：
MAS安全性的挑战源于MAS的分布性、社交性及移动性
- 社交性：智能体要从其他临近的智能体获得信息或知识库，或者在决策过程中从外界环境获取信息。所以，智能体对向它发送会影响它的决策的有害实体缺少抵抗性。
- 分布性：由于分布的性质，缺少中央权威中心，核实智能体的身份及在智能体之间创造信任变得高度困难。
- 移动性：一旦某智能体被恶意智能体影响，由于它自身的移动性，它会散布错误信息给其他智能体