agenți inteligenți

Problema agenților inteligenți și sisteme multi-agent (MAS) are aproape 40 de ani de istorie și a fost format pe baza rezultatelor obținute în cadrul lucrărilor atribuite AI (DAI), distribuite de rezolvare (prin DPS) problemă și paralele AI (PAI). Această temă se integrează progresele în rețele de calculatoare și sisteme deschise, AI, și tehnologia informației [15].

Agent - un hardware sau software entitate care poate acționa în vederea atingerii obiectivelor stabilite pentru el de către proprietar sau utilizator.

Astfel, în cadrul paradigmei MAC a agenților software sunt tratate ca componente de sine stătătoare care acționează pe fața utilizatorului.

Agenții inteligenți trebuie să aibă următoarele proprietăți:

* Autonomie - capacitatea de a funcționa fără interferențe din partea proprietarului, și pentru a monitoriza starea internă și acțiunile lor;

* Receptivitatea - o percepție adecvată a mediului și de a răspunde la schimbare;

* Domeniu de activitate - capacitatea de a genera obiective și să acționeze într-un mod rațional pentru a le atinge;

* Cunoștințe de bază - cunoașterea agentului în sine, mediul, inclusiv alți agenți, care nu se modifică în agentul LC;

* Persuasiunea - partea variabilă a cunoștințelor de bază, care se pot schimba în timp, cu toate că agentul nu poate ști despre ea și să continue să le folosească pentru propriile lor scopuri;

* Obiectiv - un set de condiții pentru a atinge acest obiectiv comportamentul actual al agentului;

* Dorința - o condiție sau situație, a cărei realizare este importantă pentru agentul;

* Obligații - sarcini asumate de agentul, la solicitarea altor agenți;

* Intenție - ceea ce agentul trebuie să facă în virtutea obligațiilor lor.

În funcție de conceptele selectate pentru organizarea MAC, de obicei, există trei clase de bază de arhitecturi:

* Arhitectura, care se bazează pe principiile și metodele de operare cu cunoștințe;

* Arhitectura, bazate pe modele comportamentale, cum ar fi „stimul-răspuns“;

Arhitectura sau agenți care utilizează numai reprezentarea exactă a imaginii lumii în formă simbolică, și să ia decizii bazate pe raționament formal și utilizarea metodelor de comparare a modelului, de obicei, determinat ca deliberativ (abordare 1).

Se numește agenți și arhitectura reactive, în care agenții individuali și funcționarea întregului sistem se realizează în conformitate cu regulile „Location-acțiune.“ În acest caz, în situația este înțeleasă combinație potențial complexă a condițiilor interne și externe (abordare 2a).

Pentru a rezolva probleme reale folosind arhitectura hibrid.

Dezvoltarea și implementarea de agenți software nu ar fi posibilă fără experiență în dezvoltarea de sisteme deschise, care sunt caracterizate prin următoarele proprietăți:

* Extensibilitate / scalabilitate (capacitatea de a schimba un set de componente ale sistemelor);

* Mobilitate / portabilitate (stație de transfer ușor pe diferite platforme hardware și software);

* Interoperabilitate (capacitatea de a interacționa cu alte sisteme);

* Amabilitate, manevrare ușoară.

Un rezultat al introducerii conceptului de sisteme deschise în practică a fost răspândirea arhitecturii „client - server“. În prezent sunt următorul model client-server de interacțiune:

· "Fat client - server de subțire". Partea de server este singura modalitate de acces la resursele, iar partea principală a aplicației este pe client;

· "Thin client - server de gros". Modelul este utilizat pe scară largă în legătură cu răspândirea tehnologiei de pe Internet. Aplicația client asigură punerea în aplicare a interfeței, iar serverul reunește restul cererii.

Mobile Agent - un program care poate fi mutat în întreaga rețea. Ei părăsesc computerul client și sa mutat la un server de la distanță pentru a efectua acțiunile, și apoi vin înapoi.

Agenții mobili sunt promițătoare pentru MAC, dar în prezent nu există standarde uniforme pentru dezvoltarea lor, rămân nerezolvate o serie de probleme, cum ar fi căile legale de a trece prin intermediul rețelei, agenții de verificare (protecție împotriva transmiterii de rețea a virusului), respectarea cu agenții drepturilor de proprietate privată și confidențialitatea informațiilor ele posedă, de rețea de agenți suprapopularea.

În ceea ce privește dezvoltarea și implementarea celor mai eficiente sisteme de sprijin MAC tehnologii distribuite sunt DCOM, Java RMI, COBRA.

Valoarea principală a DCOM - care să permită integrarea aplicațiilor implementate în diferite sisteme de programare.

Java RMI-aplicații constau de obicei de client și server. În acest caz, serverul creează un obiect care poate fi transmis printr-o rețea sau metodele disponibile pentru a apela aplicații la distanță, iar aplicațiile client sunt puse în aplicare, utilizatorii de obiecte de la distanță. O trăsătură distinctivă a RMI este o posibilitate de transmitere în rețea, nu numai metodele, ci, de asemenea, ele însele obiecte, care asigură în cele din urmă punerea în aplicare a agenților mobili.

Principalul avantaj al COBRA este interfața IDL, unificarea mijloacelor de comunicare între aplicații.

Agentul este ceva care poate sens mediul lor, prin senzori și să acționeze pe ea cu ajutorul dispozitivelor de acționare (persoană, robot, software-ul). Fiecare agent poate percepe propriile acțiuni.

Agent de selecție Acțiuni la un moment dat poate depinde de percepția întregii secvențe acte observate până în acest moment de timp. Comportamentul agent poate fi descris cu ajutorul unei funcții de agent, care afișează orice secvență specifică de acte într-un efect perceptivă. Descrierea externă tabel poate servi ca un agent. Descrierea internă este de a determina ce funcție agentul este pus în aplicare cu ajutorul unui program de agent care este punerea în aplicare specifică, care funcționează în conformitate cu arhitectura de agent.

În orice moment dat în evaluarea timpului de raționalitatea acțiunilor agentului depinde de:

- a indicatorilor de performanță;

- Cunoștințe privind agentul de mediu dobândite anterior;

- acțiuni care pot fi efectuate de agent;

- secvență acționează ca agent de percepție care a avut loc

până în prezent.

Un agent rațional ar trebui să aibă capacitatea de a învăța și de a fi autonom.

În conformitate cu agentul de mediu problematic înțeleasă ca un set de valori de performanță, miercuri, elemente de acționare și senzori.

Exemplul 9.1. Problema șoferilor de taxi

Steering exercițiu. gaz, frâne, faruri, semnale sonore, un afișaj

Alternative de clasificare de mediu problematice:

- complet / parțial observat: pe deplin observate când

Senzorii înregistrează toate datele necesare;

- determinist / stocastic: în cazul în care starea următoare

determinată de mediul actual și acțiunea agentului, atunci mediul

- episodică / serial: în mediul episodică experiența agentului

Este inseparabilă de episoade. Fiecare episod include

percepe agentul de mediu, și apoi efectuează o singură acțiune

(Recunoașterea pieselor defecte) în medii secvențiale

Agentul ar trebui să se gândească înainte (de conducere o masina, jocul de șah);

- static / dinamic: În cazul în care mediul se poate schimba în cursul

agent de luare a deciziilor, este dinamic;

- discret / continuu: un joc de șah - un discret,

conducere - continuă;

- odnoagentnaya / multi-agent (multi-agent): soluție de cuvinte încrucișate

Diagnostics - odnoagentnaya, jocul de șah, de conducere

Sarcina inteligenței artificiale este de a proiecta un program de agent care pune în aplicare funcția de agent, afișarea percepției la acțiune. Se presupune că programul ar trebui să lucreze într-un fel de dispozitiv cu senzori fizici și elemente de acționare de calcul. Aceste componente alcătuiesc arhitectura agentului.

agent = arhitectura + program

Arhitectura poate fi un calculator personal sau un vehicul robotizat.

Există patru tipuri principale de agenți software, care stau la baza sistemelor inteligente aproape toate:

- agenți reflectorizante simple;

- agenți de reflexive, pe baza modelului;

- agenți care acționează pe baza obiectivelor;

- agenți care acționează pe baza de utilitate.

Cel mai simplu tip de agent este un agent reflectorizant simplu. care selectează acțiunea pe baza acestui act de percepție, ignorând restul istoriei actelor de percepție. Agent - mai curat: deciziile se bazează doar pe informații despre locația curentă și dacă acesta conține gunoi.

Cel mai eficient mod de a organiza activitatea sub observabilitatea parțială este faptul că agentul de urmărit partea unei situații care este percepută de ei în acest moment. Acest lucru înseamnă că agentul ar trebui să mențină o stare internă, care depinde de istoria anterioară. Pentru a permite actualizarea informațiilor privind starea mediului în programul agentului ar trebui să fie codificate două tipuri de cunoaștere. În primul rând, informațiile necesare cu privire la modul în care mediul extern, indiferent de agentul. Al doilea rând, sunt necesare informații specifice cu privire la efectul unui agent care acționează asupra mediului. Cunoștințe despre modul de lucru de mediu numit model al lumii. Un agent care utilizează un astfel de model, numit model bazat pe agent.

starea actuală a mediului de cunoaștere nu este întotdeauna suficient pentru a lua o decizie. La intersecția dintre taxi poate merge direct, dreapta, stânga. Dreptul de decizie - de a plasa destinația clientului. Aceasta este, în plus față de starea actuală a agentului trebuie să cunoască ținta. Instrument pentru a genera o secvență de acțiuni care permit agentului să atingă obiectivul este de a găsi și de planificare.

program de agent poate combina informații cu privire la scopul de informații cu privire la rezultatele acțiunilor posibile. Astfel de agenți sunt numite agenți care acționează pe baza unor criterii obiective.

Funcția de utilitate indică starea unui număr real, care indică gradul corespunzătoare a agentului de satisfacție. specificație completă a funcției de utilitate oferă posibilitatea de a lua decizii raționale, atunci când există obiective conflictuale (viteză și securitate) sau mai multe obiective, care pot solicita agentului, dar nici unul dintre ele nu poate fi atins cu certitudine. Astfel de agenți sunt numite agenți care acționează pe baza de utilitate.

agent de învățare Structura include patru componente conceptuale.

Componenta de instruire este responsabil pentru a face îmbunătățiri, componenta de producție oferă o selecție a acțiunilor externe. Componenta de formare utilizează informații de feedback de la critica cu estimarea modului în care agentul, și determină modul în care trebuie modificată componenta de producție, în scopul de a opera cu succes în viitor. Probleme Alternatorul sarcina este de a propune acțiuni care ar trebui să conducă la activități noi și informative. Procesul de învățare în agenți inteligenți poate fi descrisă ca procesul de agent de modificare pentru fiecare componentă pentru a asigura o mai bună aliniere a acestor componente, informațiile de feedback disponibile, îmbunătățind astfel performanța generală a agentului.