Многоагентная система (МАЅ, ) — система, образованная несколькими взаимодействующими интеллектуальными агентами. Многоагентные системы могут быть использованы для решения таких проблем, которые сложно или невозможно решить с помощью одного агента или . Примерами таких задач являются онлайн-торговляAlex Rogers and E. David and J.Schiff and N.R. Jennings. The Effects of Proxy Bidding and Minimum Bid Increments within eBay Auctions , ACM Transactions on the Web, 2007, ликвидация чрезвычайных ситуацийNathan Schurr and Janusz Marecki and Milind Tambe and Paul Scerri et.al. The Future of Disaster Response: Humans Working with Multiagent Teams using DEFACTO , 2005., и моделирование социальных структурRon Sun and Isaac Naveh. Simulating Organizational Decision-Making Using a Cognitively Realistic Agent Model , Journal of Artificial Societies and Social Simulation..

Обзор В многоагентной системе агенты имеют несколько важных характеристикMichael Wooldridge, An Introduction to MultiAgent Systems, John Wiley & Sons Ltd, 2002, paperback, 366 pages, ISBN 0-471-49691-X.:

Автономность: агенты, хотя бы частично, независимы Ограниченность представления: ни у одного из агентов нет представления о всей системе, или система слишком сложна, чтобы знание о ней имело практическое применение для агента. Децентрализация: нет агентов, управляющих всей системойLiviu Panait, Sean Luke: Cooperative Multi-Agent Learning: The State of the Art. Autonomous Agents and Multi-Agent Systems 11(3): 387—434 (2005)

Обычно в многоагентных системах исследуются программные агенты. Тем не менее, составляющими мультиагентной системы могут также быть роботы, люди или команды людей. Также, многоагентные системы могут содержать и смешанные команды.

В многоагентных системах может проявляться самоорганизация и сложное поведение даже если стратегия поведения каждого агента достаточно проста. Это лежит в основе так называемого роевого интеллекта.

Агенты могут обмениваться полученными знаниями, используя некоторый специальный язык и подчиняясь установленным правилам «общения» (протоколам) в системе. Примерами таких языков являются Knowledge Query Manipulation Language (KQML) и FIPA’s Agent Communication Language (ACL). Такие языки позволяют агентам не просто обмениваться данными, а вести «диалог», включающий запросы, ответы, согласия, отказы и согласование действий.

Изучение многоагентных систем Изучение многоагентных систем связано с решением проблем искусственного интеллекта.

Темы для исследования в рамках МАС: знания, желания и намерения (BDI), кооперация и координация, организация, коммуникация, согласование, распределенное решение, распределенное решение задач, мультиагентное обучение надёжность и устойчивость к сбоям

Парадигмы многоагентных систем Многие МАС имеют компьютерные реализации, основанные на пошаговом имитационном моделировании. Компоненты МАС обычно взаимодействуют через весовую матрицу запросов, Speed-VERY_IMPORTANT: min=45 mph, Path length-MEDIUM_IMPORTANCE: max=60 expectedMax=40, Max-Weight-UNIMPORTANT Contract Priority-REGULAR и матрицу ответов, Speed-min:50 but only if weather sunny, Path length:25 for sunny / 46 for rainy Contract Priority-REGULAR note - ambulance will override this priority and you'll have to wait

Модель «Запрос — Ответ — Соглашение» — обычное явление для МАС. Схема реализуется за несколько шагов: сначала всем задаётся вопрос наподобие: «Кто может мне помочь?» на что только «способные» отвечают «Я смогу, за такую-то цену» в конечном итоге, устанавливается «соглашение» Для последнего шага обычно требуется ещё несколько (более мелких) актов обмена информацией. При этом принимаются во внимание другие компоненты, в том числе уже достигнутые «соглашения» и ограничения среды.

Другой часто используемой парадигмой в МАС является «феромон», где компоненты «оставляют» информацию для следующих в очереди или ближайших компонентов. Такие «феромоны» могут испаряться со временем, то есть их значения могут изменяться со временем.

Свойства МАС также относятся к самоорганизующимся системам, так как в них ищется оптимальное решение задачи без внешнего вмешательства. Под оптимальным решением понимается решение, на которое потрачено наименьшее количество энергии в условиях ограниченных ресурсов.

Главное достоинство МАС — это гибкость. Многоагентная система может быть дополнена и модифицирована без переписывания значительной части программы. Также эти системы обладают способностью к самовосстановлению и обладают устойчивостью к сбоям, благодаря достаточному запасу компонентов и самоорганизации.

Применение МАС Многоагентные системы применяются в нашей жизни в графических приложениях, например, в компьютерных играх. Агентные системы также были использованы в фильмахMassive, Film showcase . Теория МАС используется в составных системах обороны. Также МАС применяются в транспорте, логистике, графике, геоинформационных системах, робототехнике и многих других. Многоагентные системы хорошо зарекомендовали себя в сфере сетевых и мобильных технологий, для обеспечения автоматического и динамического баланса нагруженности, расширяемости и способности к самовосстановлению.

См. также Агентное моделирование Сложная система Эволюционное моделирование Самоорганизация Программный агент Консенсус в распределённых вычислениях Эмерджентность

Примечания

Литература Michael Wooldridge, An Introduction to MultiAgent Systems, John Wiley & Sons Ltd, 2002, paperback, 366 pages, ISBN 0-471-49691-X. Carl Hewitt and Jeff Inman. DAI Betwixt and Between: From «Intelligent Agents» to Open Systems Science IEEE Transactions on Systems, Man, and Cybernetics. Nov./Dec. 1991. The Journal of Autonomous Agents and Multiagent Systems, Publisher: Springer Science+Business Media B.V., formerly Kluwer Academic Publishers B.V. Gerhard Weiss, ed. by, Multiagent Systems, A Modern Approach to Distributed Artificial Intelligence, MIT Press, 1999, ISBN 0-262-23203-0. Jacques Ferber, Multi-Agent Systems: An Introduction to Artificial Intelligence, Addison-Wesley, 1999, ISBN 0-201-36048-9. Sun, Ron, (2006). «Cognition and Multi-Agent Interaction». Cambridge University Press. http://www.cambridge.org/uk/catalogue/catalogue.asp?isbn=0521839645 José M. Vidal, Fundamentals of Multiagent Systems: with NetLogo Examples. Субботін С. О., Олійник А. О., Олійник О. О. Неітеративні, еволюційні та мультиагентні методи синтезу нечіткологічних і нейромережних моделей: Монографія / Під заг. ред. С. О. Субботіна. — Запоріжжя: ЗНТУ, 2009. — 375 с.

Ссылки Многоагентные системы на «Портале искусственного интеллекта» SwarmWiki, общий ресурс для агентного моделирования.

Категория:Агентный подход Категория:Робототехника