关于BDI Agent的推理模型的研究

合集下载

具有预测能力的BDIAgent模型研究

作者筒介：杜
讲师
磊（９８）男，１７－，讲师、博士研究生，主研方向：系
薇，
统建模，多Ａｅｔｇｎ系统；刘庆斌，讲师；张贤坤，副教授；姜
牧稿日期：２１－－２０１１１０
Ｅｍａ：ｌｇｕｃ２．ｍ－ｉｉｈ＠１６ｃｌｎｏ
１概述
Ａｇｎ术起源于分布式人工智能的研究，由于其具有ｅｔ技健壮、可靠、高效、可扩展等特性，目前已得到广泛应用…。Ａｇｎｅｔ个体思维状态模型是多Ａｇｎｅｔ系统研究的基础，用来描述Ａｅｔｇｎ的思维属性和它们之间的关联，以及与感知、规
为此，本文通过引入预测因素对Ｂ模型进行扩展，提ＤＩ出ＢＰＡｅｔＤＩｇｎ模型结构，并给出ＢＰ模型的决策过程和决ＤＩ
（ｏｍｉｎ）Ｃｍｔｔ、决定（ｅｉｏ）ｍｅＤｃｓｎ和能力（ａａｉｔ）ｉＣｐｂｌｙ等精神状态ｉ
的实体。在ＢＩＤ模型基础上，文献［】８扩展新型的Ａｅｔｇｎ结构
并进行形式化描述，文献［］Ｉ９Ｊ入能力组件，Ｊｌ扩展了ＢＩｇｎＤＡｅｔ的监控能力，文献［０基于Ｂｅｔ型提出人机智能结合１】ＤＩｎ模Ａｇ
攮
耍：Ｄ模型缺乏对思维过程及预测能力进行形式化描述。为此，通过引入预测因素，对ＢＩＢＩＤ模型进行扩展，出ＢＩ模型结构及给ＤＰ
其扩展公理、语义及决策行为，证明模型的可靠性和完备性，并形式化表示决策过程及决策算法。应急疏散决策的应用实例表明，与ＢＩＤ

一种BDI Agent的多线程实现方法

agentframe结构中的控制机制是一个多线程的并发控制机制它不仅能够使得理性bdi模型中的知识表示结构进行逻辑推理有效地完成agent的决策和协作任务支持agent的反应性自主性和社会性这3项基本特性而且能够支持agent的时态延续性和多任务的并发执行以及规划能力和学习能力
维普资讯
２Ｂ理论模型ＤＩ
一
个Ａｇｎ体的信念是对环境和其自身的了解。信念不ｅｔ
标的Ａｇｎ和多Ａｇｎ系统，ｅｔｅｔ必须研究Ａｇｎ的程序实现… 。ｅｔ
Ａｇｎ的信念一望～图（ｅｉ－ｅｉ￣ｎｅｔｎＢ）２结构ｅｔ愿意ｂｌｆｓｅｉｔｎｉ，ＤＩｌｅｄｒｏ被认为是一种灵活有效、够很好地适应动态环境变化的Ａ— 能ｇｎ结构，能直观、ｅｔ它清晰地表示Ａｅｔ决定做什么，ｇｎ“ 以及决定怎样做的过程” 已经开始从形式化理论研究逐渐转入实现，研究【。同时，ｅｔＡｇｎ开发平台的焦点问题之一也在于为开
ＡＮｒＦＭＥ结构，中明确表示了Ａｇｎ的信念、ＧＥｒＲＡ其ｅｔ愿望和意图，以该结构为模板所生成的Ａｇｎ能够长期持续地ｅｔ
自主运行，完成推理和协作等多种智能行为。
关键词Ａｇｎ，ＢＩ构，ｅｔＤ结多线程
Ａｕｔ— ｒａｍｐｌｍｅａｔｏｅｈｄｏＭｌｉＴｈｅｄＩｅｎｔｉｎＭｔｏｆＢＤＩＡｇｎｔｅ
ＩＵａｇＹＡＯｉＺＡＮＧｅ— ｉｇＷＡＮＧａｇＹｉｇＩＦｎＬＨＷｉｎＭＣｈｎ — ｎ（ｔｎ１ｉｅｓｙｏｆｎｅＴｅｈｏｏｙｎｏｍａｉｎＳｓｅ８Ｍａａｅｎｃｏｌｈｎｓａ４０７ＮａｉａＵｎｖｒｉｆｏｔＤｅｅｃｃｎｌｇ，ＩｆｒｔｙｔｍｎｇｍｅｔＳｈｏ，Ｃａｇｈ１０３）ｏ

第八章 Agent(艾真体)

湖南科技大学计算机学院
戴祖雄
5
(4)开放性。通过网络互连和系统的分布,便于扩充系统规模,使系统具有比单个系统更大的开放性和灵活性。 (5)容错性。系统具有较多的冗余处理节点、通信路径和知识,能够使系统在出现故障时,仅仅通过降低响应速度或求解精度,就可以保持系统正常工作,提高工作可靠性。 (6)独立性。系统把求解任务归约为几个相对独立的子任务,从而降低了各个处理节点和子系统问题求解的复杂性,也降低了软件设计开发的复杂性。
湖南科技大学计算机学院
戴祖雄
12
2.艾真体的要素艾真体必须利用知识修改其内部状态(心理状态),以适应环境变化和协作求解的需要。艾真体的行动受其心理状态驱动。人类心理状态的要素有认知(信念、知识、学习等)、情感(愿望、兴趣、爱好等)和意向(意图、目标、规划和承诺等) 三种。着重研究信念(belief)、愿望(desire)和意图(intention) 的关系及其形式化描述,力图建立艾真体的BDI(信念、愿望和意图)模型,已成为艾真体理论模型研究的主要方向。信念、愿望、意图与行为具有某种因果关系,如图8.2所示。其中,信念描述艾真体对环境的认识,表示可能发生的状态；愿望从信念直接得到,描述艾真体对可能发生情景的判断；意图来自愿望,制约艾真体,是目标的组成部分。
湖南科技大学计算机学院
戴祖雄
7
上述对分布式人工智能的分类并非绝对和完善。有些人认为MAS基本上就是分布式人工智能,DPS仅是 MAS研究的一个子集,他们提出,当满足下列三个假设时,MAS就成为DPS系统：①Agent友好；②目标共同； ③集中设计。显然,持这种看法的人大大扩展了MAS的研究和应用领域。正是由于MAS具有更大的灵活性,更能体现人类社会的智能,更适应开放和动态的世界环境, 因而引起许多学科及其研究者的强烈兴趣和高度重视。目前对Agent和MAS的研究有增无减,仍是一个研究热点。要研究的问题包括Agent的概念、理论、分类、模型、结构、语言、推理和通信等。

基于BDI实现多智能体系统的智能协调研究

基于BDI实现多智能体系统的智能协调研究第一章：引言多智能体系统（Multi-Agent System, MAS）是指由多台智能体组成的系统，这些智能体通过协调和交互来完成任务。

MAS被广泛应用于社会、工业、科研等领域中。

然而，智能体之间可能存在冲突或竞争，如何实现智能协调成为了研究重点。

BDI（Belief-Desire-Intention）是国际上一种流行的人工智能模型，其具有强大的表示和推理能力，可以有效支持MAS中智能体的智能协调。

第二章：多智能体系统多智能体系统是由多个独立智能体组成的系统，在该系统中，每个智能体能够独立地处理问题并与其他智能体进行通信和协作。

多智能体系统通常具有以下特点：1. 分布式：智能体可以分布在不同的计算机、环境等中；2. 自主性：智能体具有自主决策和执行的能力；3. 独立性：智能体之间不受约束，互相独立；4. 互联性：智能体之间的互动使得系统具有复杂的行为。

第三章：智能协调智能协调是多智能体系统中的一个重要问题，其目的是通过合作和协调来实现系统的整体目标。

智能协调涉及到以下成分：1. 智能体的交互：智能体之间需要相互协作，交互形式多种多样；2. 智能体的合作：智能体需要基于一定规则进行合作，做出符合整体目标的决策；3. 智能体的冲突：智能体之间可能存在冲突，需要通过某些方式解决。

第四章：BDI模型BDI模型是一种基于情感（Belief）、愿望（Desire）和意图（Intention）的人工智能模型，广泛应用于智能体的建模中。

其基本概念如下：1. Belief：智能体对环境和自身状态的认知和理解；2. Desire：智能体对目标和目标价值的期望和评价；3. Intention：智能体做出决策并执行相应行动的意愿。

BDI模型通过建立对智能体的信念、愿望和意图进行描述和推理，以对智能体进行建模分析。

第五章：基于BDI模型的智能协调在多智能体系统中，BDI模型可以用于智能协调的实现。

关于多Agent系统的研究

1.简介在软件工程领域，多代理系统是比较常见的一个研究课题，尤其是在分布式，开放式的网络环境中，多代理系统有很多的优势。

所谓多代理系统是指一个由多个自治运行的Agent 组成的集体 .在开放分布式网络环境中Agent 是一个抽象实体.它是自治的可以对自身环境、操作环境和环境变化采取行动，一个系统中一般有多个IntelligentAgent 这样的系统就称为多Agent 系统 .多 Agent 系统必须找出一种使各个Agent 能够协同工作的适当方法。

依据这些理论基础建立起来的系统均称为多Agent 系统 ,即 MAS.最近研究的东西就是使用多代理的方法，对在线网络拍卖进行欺诈检测。

在线拍卖的一个很重要的特点就是其隐蔽性。

每个竞标者可以很轻松的拥有很多的拍卖的账号，进行欺诈性投标，进而达到inflate 成交价格的目的。

当然了，对于欺诈投标有很多策略，想了解更多关于欺诈投标的特点，方法，可以参考我的一片会议论文A real-time MonitoringFramework forOnline Auction Frauds ，这是跟我的研究生导师Dr. Samira Sadaoui 合作发表的一片论文。

写该系列博客的主要目的是，关于多代理系统（multi-agent ）的实现，资料很少，并且，德国人开发的一个框架Jadex 学习起来成本很高，可以提供的API 很少，并且都是英文的，理解起来有一定的难度。

为了能够尽快完成研究生的毕业设计，也为了能够给大家提供一些学习的资源，就把学习 Jadex 的过程以及部分资料进行翻译，希望会对国内的相同研究方向的学生，学者有一定的帮助。

我所使用的 Jadex 是 Jadex BDI V3 ，纯 Java 实现，没有使用XML 。

后面慢慢会引入一点关于下一篇论文的一些Implementation 的核心。

2. 大笔一挥， Helloworld首先 Jadex 的启动问题，相信只要能够懂一点Eclipse 使用，并且懂一点英文的都可以做到。

基于BDI的对手Agent模型

维普资讯
１０．８５２０／３０）６３０００９２／０２１（４０４．６
０２０ｏｒａｏｏｔｒ软件学报０２ＪｕｎｌｆｆＳｗａｅ
Ｖ１３ｏ．，Ｎｏ４１．
基于ＢＤＩ的对手Ａｇｎ模型ｅｔ
＊收稿日期２０ —３０：修改日期：２０－６２０００．８０１０ —０
基金项目：国家自然科学基金资助项目（９７０３６７３２ｌ６９３２；９３００
作者简介：挛毅（９４）．北高阳』．士，要研究领域为分布式人工智能，纯一（９５一）男河北秦皇岛人，授，士１７一．河男、博主石１３，教博生导师，要研究领域为人工智能应用基础．主
个泛化概念，商伙伴也被称为 “ 手 ”在实际应用中．于存在开放、动态、对抗的环境以及Ａｇｎ协对由ｅｔ资源有限
等条件，建立对手模型的算法提出了更高的要求对在ＭＡＳ研究中，ＤＩ论描述了Ａｇｎ思维状态的基本特征和相互关系，用ＢＤＩ建立通用的对手的思Ｂ理ｅｔ利可维状态模型；对抗等信息不完全的情况下，ＢＤＩ问的约束关系推理判断，除矛盾，于提高模型的准确性在按消对
ＳＲａｏ和Ｍｉｎａｅ等人有代表性的研究成果ｌｄＴｍｂｉ关键词：Ａｇｎ；手模型：划识别；ＤＩｅｔ对规Ｂ；ＭＡＳ

Agent BDI ,

1000-9825/2002/13(04)0643-06
©2002 Journal of Software 软件学报
Vol.13, No.4
基于 BDI 的对手 Agent 模型
李毅, 石纯一
(清华大学计算机科学与技术系,北京 E-mail: tiger_li@ 100084)
3
算法分析
算法的有效性表现为 Ip 中的可能意图是正确的,且 Ip 中元素的排序也是合理的,本质上则应表现为对 Agent
决策支持的效果.有效性取决于初始值、自身能力和交互方式等内、外因素. 对模型而言,初始 B,D,I 值的准确性是保证 Ip 集合的有效性的关键因素,而初始值的充分性,则决定了 Ip 集合与对方真实意图的差距以及求解速度.当 B,D,Is 的初始值充分且准确时,Ip 集合能准确表示对方的可能意图; 否则将无法对 Ip 进行正确裁剪 (Step3),也无法准确地将 Iw 中的意图加入到 Ip 集合(Step4).模型中,如何判定 Iw 范围,并对 Ip 集合中的意图排序,属于 Agent 自身推理能力,小而充分的 Iw 以及准确的排序结果,也对模型工作有重要作用. 在运行的 Step2 阶段,Agent 将利用观察和通信等方式获取信息,以修正对手的 B,D,Is,该过程的准确,除与自身能力有关外,还取决于 Agent 与对手间的交互方式是协商还是对抗,诚实还是欺骗.在对抗、欺骗的情况下,将导致信息的不完全和不准确,并进而导致 Ip 的不准确和排序的不准确,但利用模型提供的 BDI 约束和历史信息等手段可减少这种情况. Tambe 的 RESC 算法可实时提供对手的当前 Intention,但无法保证其正确性;而 Rao 的算法同时存在多个 Intention,并逐步消简,但在计算过程中难于为决策提供支持.本文提出的算法将对手所有可能意图保存于 Ip 中, 并将其实时排序,使实时性与准确性得以统一. 以足球 agent 为例加以说明.在足球比赛中,如 agent 自身是守门员,对方一名球员带球运动,此时其意图可为直传、横传、射门、前、后、左、右带球等等.利用 RESC 算法时,只能假设对方具有某一特定意图,并根据假设采取对策 ,发现错误后再回溯处理 . 利用 Rao 的算法 ,初始时会建立多个不同的可能意图树 , 并根据不断的观察,逐步推断出真实意图,但在判断过程中,Agent 无法得到可能意图,并采取对策.本算法中,D={直传,横传,射门, 前带球,后带球,左带球,右带球 },因为 Agent 是守门员,则不会对将球回带等动作感兴趣,故 Iw={直传,横传,射门, 前带球,左带球,右带球}.在 Step4 中,分别将 Iw 中元素代入式(2.5),其中因对手球员无队友,可知直传、横传等动作不合理 ,故 Ip={射门 , 前带球 ,左带球 , 右带球 }.进而根据意图实现代价和历史信息对意图排序 , 如 : 带球者左侧

基于BDI的测试用例生成Agent模型

ｗｉｉｍｅｏＴｅｅｏｅｔｉａｒｐｅｅｔｇｎｄｌｓｎｔｅｉｅｌｏｔｔｓｈｈｔｄ．ｈｈｒｆｒ，ｓｐｐｅｒｓｎｓａａｅｔｍｏｅｅｏｈｄａｆＢＤＩａｅｔＴｉｄｅａｕｏｔａｌｅｉｎｔｓｃ— ｅｉｈｎｂａｄｇｎ．ｈｓｍｏｌｃｎａｔｍａｉｌｄｓｇｅｔａｎｃｙｓ
ＧＡＯｅｇ，ｉ．ｕＷＡＮＧｅｔｎ２ＦｎＬＩＪｎｈｉ，Ｘｕ．ｏｇ
（．ｎｔｕｅｆｏｕｅｃｅｃ＆Ｅｇｎｅｎ，ｅｈｏｏｉａＵｎｖｒｉ， ’ｎ７０３；１ＩｓｉｔＣｍｐｔＳｉｎｅｔｏｒｎｉｅｒｇＸｉｎＴｃｎｌｇｃｌｉｅｓｔＸｉａ１０２ｉａｙ２ＳｈｏｆｏｕｅｃｅｃｎｎｉｅｒｇＸｉｎＵｎｖｒｉｆｅｈｏｏｙＸｉｎ７０４）．ｃｏｌＣｍｐｔｒｉｅａｄＥｇｎｅｉ， ’ ｉｅｓｔｏＴｃｎｌｇ， ’ １０８ｏＳｎｎａｙａ
＿
ｂａｋｏｓｉｇｌｃ —ｂｘｔｔ．ｅｎ
［ｅｏｄ］ＢＩｇｎｂｃ＿ｏｓｔｔａｅＫｙｒｓＤｅｔｌｋｂｘｅｔｅｓｗＡ；ａｔ；ｓｃ
在软件开发过程中，软件测试的工作量往往占软件开发工作总工作量的４％以上…，由此可见软件测试的重要０性。软件测试方法有多种，其中黑盒测试是在不考虑代码结构的前提下，根据需求和运行环境对应用程序进行测试。目前在软件测试过程中，黑盒测试用例的设计基本上由测试人员手工完成，而大量复杂的测试用例设计完成

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

７０３）１０２
要】文提出基于环பைடு நூலகம்境感知的具有推理能力的ＢＩＡｅｔ型。通过引入环境感知函数、见函数、滤函数、为函数对环境的变本Ｄｇｎ模意过行
化和Ａｅｔ自身推理过程进行研究。ｇｎ【关键词】ｇｎＤ模型；理ＡｅｔＩＢ推
意图Ｉ实现如下：１的
Ｕｓａｋ５，）ｎｔｃ（４
ＰｅＯ（，）Ｃｅｒ５，ｒｍｐｙｒ｛ｎ５４，ｌａ（）ＡｍＥｔ｝ＤｌＯ（４，ｒｍｔ｝ｅ｛ｎ５，）ＡｍＥｐｙＡｄＨｌｉｇ５，ｌａ（）ｄ｛ｏｄｎ（）Ｃｅｒ４｝
Ｕｓｃ（，）ｎｔｋ１２ａ
ＰｅＯ（，）Ｃｅｒ１，ｒｍｔ｝ｒ｛ｎ１２，ｌａ（．ＡｍＥｐｙ）ＤｌＯ（，）ＡｍＥｔ｝ｅ｛ｎ１２，ｒｍｐｙ
ＡｄＨｌｉｇ１，ｌａ（）ｄ｛ｏｄｎ（）Ｃｅｒ２｝
Ｐｔｏｎ１ｕＤｗ（）
Ｐｔｏｎ４）ｕＤｗ（Ｐｅ｛ｏｄｎ（）ｒＨｌｉｇ４｝ＤｌＨｌｉｇ４｝ｅ｛ｏｄｎ（）
环节１慎思过程，节２手段一目的推理过程，节３反应过）环）环）程。念一望一图Ａｅｔ型的一般结构就是针对三个环节而建立信愿意ｇｎ模
科技信息
０高校讲坛ｏ
ＳＩＮＥ＆ＴＣＮＬＧＦＲＴＯＣＥＣＥＨＯＯＹＮＯＭＡＩＮＩ
２００８年
第３期３
关于ＢＩｇｎ的推理模型的研究ＤｅｔＡ
（．安工业大学数理系陕西西安１西
【摘
路畅 ’ 杨世欣７０３；．１０２２西安医学院网络中心陕西西安
Ｐｔｏ（）ｕＤｗｎ５
Ｐｅ｛ｏｄｎ（）ｒＨｌｉｇ５｝
ＤｌＨｏｄｎ（）ｅ｛ｌｉｇ５｝
ＡｄＡｍＥｐｙＯＴｂｅ５ｌｄ｛ｒｍｔ，ｎａｌ（）
Ｕｓｃ（，）ｎｔｋ４３ａ
成的三元组（Ａ，：提条件集合ＰＰｅｏｄｔｎ）算子执行的所Ｐ，Ｄ）前（ｒｃｎｉｏ在ｉ有状态中的值都为 “ ” 增加条件集合Ａ（ｄｉｏ）算子导致的状真，Ａｄｔｎ在ｉ态中都为 “ ”删除条件集合Ｄ（ｅｅｏ）算子导致的状态中的值真，Ｄｌｉｎ在ｔ都为“ ” 假。Ｐ表示幂集，表示笛卡儿乘积。ｘ
的。Ｄ体系结构是一个实际的推理结构，基本成分是表示ＡｅｔＢＩ其ｇｎ信念、望和意图的数据结构，愿以及表示慎思过程的功能和手段一目的推
理。
ＡｄＡｍＥｐｙＯＴｂｅ４）ｄ｛ｒｍｔ，ｎａｌ（｝
２－ＢＤＩ构简介结Ａｅｔｇｎ的信念一望一图（Ｄ）例是今年来计算机学术界广泛愿意ＢＩ范
研究的一种智能Ａｅｔ构。智能Ａｅｔｇｎ结ｇｎ的实际推理过程涉及到三个重要环节：
Ｐｅ｛ｎ４３，ｌｒ４，ｒｍｐｙｒＯ（，）Ｃｅ（）ＡｍＥｔ｝ａＤｌＯ（３，ｒｍｔｊｅ｛ｎ４，）ＡｍＥｐｙＡｄＨｌｉｇ４，ｌａ（）ｄ｛ｏｄｎ（）Ｃｅｒ３｝
３形式化模型．
在～个多Ａｅｔ统体系结构中最初的变化可由Ｅ（境）起，ｇｎ系环引
当环境发生变化时，ｇｎ将收到新的信息来更新自己的Ｂｌ信念）Ａｅｔｅ（。下面给出这一动态模型具体的一些定义：知函数ｓｎｅＰＢ１感ｅｓ：（ｅ）ｘ — ｐＢ１该函数依据当前对环境的感知和当前的信念确定一个新ｅ（ｅ）的信念集合。意见函数ｏｉｉｐＢ１ｘ（ｎ）－（ｅ）函数依据当ｐｎｏ（ｅ）ｐＩｔ－ｐＤｓ该ｎ：￣前环境的感知和当前意图的执行确定新的目标。过滤函数ｆｔ：ｉｅＰｌｒ（ｅ）ｐＤｓｘＩｔ一ｐＩｔ该函数根据Ａｅｔ前的意图、念和Ｂ１ｘ（ｅ）ｐ（）（）ｎｎｇｎ当信
１引言．
在Ａｅｔ究中，ｒｔａｇｎ研Ｂａｍｎ提出的一种基于意识的观点来研究Ａｇｎｅｔ的概念，为信念（ｅｉ）一组关于世界的信念、望（ｅｉ）认ｂｌｆ即ｅ愿ｄｓｅｒ即主体当前打算达到的一组目的、图（ｎｅｔｎ即一个意图的结构，意ｉｔｎｉ）ｏ描述主体当前怎样达到它的目标是Ａｇｎ的思维属性。ｅｔ为了描述基于ＢＩ型的Ａｇｎ，人算子Ｂｌ信念）Ｄｓ愿Ｄ模ｅｔ引ｅ（，ｅ（望）Ｉｔ意图）Ｅ（境）符号Ｐ算子可以表示成由三个条件集合组，（ｎ，环和。