多Agent系统理论概述

多Agent系统理论概述摘要：Agent在AI(AI:Artificial Intelligence)研究领域已经成为热点，Agent 技术提供了一种新的计算和问题求解规范。

本文简要的讨论Agent、多Agent系统。

关键词：多Agent系统概述1Agent概述1.1Agent的基本概念Agent的概念最早出现在20世纪70年代的人工智能中，80年代后期，被译为“代”理，“智能体”或“智能主体”。

这些概念在许多领域被引用，不同的研究领域和内容，给出了许多不尽相同的定义。

目前为止还没有一个对Agent统一的定义，但多数研究者接受wooldridge和Jelinings所提出的Agent定义，即Agent 是一个具有自治性、社会能力和反应特性的计算机软、硬件系统，它具有自治性、社会能力、反应性和主动性。

1.2Agent具有的特性根据wooldridge的定义，对于Agent所应具有以下特征：1.自治性(Autonomy)：Agent一般都具有自己的资源和局部于自身的控制机制，能够在没有外界直接操控下，根据自身的内部状态以及感知的外部环境信息，决定和控制自身的行为。

2.社会能力(Social Ability)：Agent之间并不是孤立的。

和人一样，Agent具有通信能力，能够通过某种Agent通信语言与其他Agent进行各种各样的交互，也能和其他各类Agent一起有效地完成各种层次的协同工作。

3.反应性(Reactivity)：Agent能够及时地感知其所在外部环境的变化，并能够针对一些特定的时间做出相应的反应。

4.主动性(activity)：Agent能够遵循其承诺采取主动行动，表现出面向目标的行为。

它要求Agent保持比较稳定的目标，它的动作都是以此目标为依据的，从而产生一种叫做目标指引的行为(Goal Directed Behavior)。

1.3Agent分类从不同的角度，Agent有下面几种分类方法：1.根据Agent的存在形式：分为有形Agent和无形Agent。

有形Agent以是智能控制器、机器人，甚至是操作人员。

无形Agent一般指软件Agent，可能有若干个软件Agent存在于一台或多台计算机中，它对外表现的主体并不是计算机，而是无形的软件。

2.根据Agent的可移动性：分为静止Agent和移动Agent。

对具有有形实体的Agent,可移动性是容易理解的，如移动机器人。

对于无形实体的软件Agent，是指可自主地在网络中的主机之间移动的计算机程序。

在电子商务、信息获取和网络管理等方面。

3.根据Agent的思维深度：可分为反应型(reactive) Agent,深思型(deliberative) Agent和混合型(hybrid) Agent。

反应型Agent对周围环境无任何的符号表示模型，它仅仅对所处环境状态变化产生响应。

而深思型Agent具有一个内部符号推理模型，为与其它的Agent协调，通过推理产生规划和协商。

对反应型Agent和深思型Agent的组合，形成了混合型Agent。

4.根据Agent的基本属性分类：有协作Agent、协助学习Agent、交互Agent, 灵巧Agent。

这种分类并非是很明确的，只是为了突出它的主要能力。

如协作Agent强调的是其自主性和协作能力，但并不是没有学习能力。

1.4 Agent 结构Agent体系结构是研究如何使用软件或者硬件的方式实现Agent。

就像要设计一个系统一样，你必须了解它由哪些模块组成，以及这些模块之间的相互关系，以便最终来建造Agent。

目前Agent结构大致可以分为3种:慎思式、反应式、混合式。

2多Agent系统概述2.1 Multi-agent系统概念Multi-agent分布式人工智能(Distributed AI)的主要研究方面，它是由分布在不同地点上的多个Agent松散耦合所构成的复杂系统，这些Agent相互作用，通常用以解决由单一个体的能力和知识所不能处理的复杂问题。

通常说MAS应该应该具有以下特点：1.由多个具有自主性Agent构成，这些Agent可以是不同的异质计算实体，且每个Agent可能都有各自的目标和行为模型。

2.每个Agent只具有有限的信息资源和问题求解能力，缺乏实现协作的全局观点，知识和数据分散，计算过程是异步执行的。

3.MAS中的Agent通过交互求解问题，系统不存在全局控制，即控制是分布的。

根据上述MAS的特点可以看出，MAS研究的重点在于Agent的行为管理，主要研究由多个Agent构成的复杂系统的原理和Agent之间的协调与交互机制，以使Agent能选择有利于系统联合目标的行为。

因此，MAS非常适合应用于具有较高动态性、开放性和复杂性的领域。

2.2多Agent系统的组织结构根据MAS系统中是否存在管理者，MAS组织结构可以分为集中式、分布式和混合式三种。

具体结构见图2-5。

其中集中式与分布式的区别就在于是否有一个核心管理Agent。

集中式结构的MAS，将关系密切、有共同意愿的Agent集合成一组，在保证每个成员一定自治性的前提下，用一个管理Agent管理这一组内的协同控制。

多个Agent组还可以组成一个高一级的Agent组，并有一个高层管理Agent来负责低层管理者的协同，可以有若干个这样的层次。

在分布式MAS中不存在管理者，而是采用中介服务机构来为Agent成员间的协同提供辅助和服务作用，它与成员Agent间不存在管理与被管理关系。

混合式结构则兼有分布式和集中式的特征，既有管理Agent，也有中介服务机构。

MAS的组织结构对协同机制的决定作用就体现在这两种机构的功能上，它们在协同中的作用是不同的。

管理Agent负责对所有或部分Agent成员的行为、协作、任务分配以及共享资源等进行统一的调配和管理，建立学习系统和Agent成员的模型，实现成员行为和系统安全性监测及控制等[23]，管理Agent和成员Agent之间存在着一定的管理与被管理关系，但这种管理活动并不采用简单的命令方式，而是以协商的方式进行，保证了成员Agent自治性的实现。

具有管理者结构多Agent系统，设其管理者为M，所有处理应用逻辑Agent 组成集Agent={Agent1,Agent2,…Agentn }在协同过程中，其协调机理为：Agenti(i=1,2,…, n)如果能独立完成一项任务，就不再向M提出协商请求，否则就向M提出合作请求；M接到请求后如果发现该任务可由另一个或几个Agent 完成，则可以向这些Agent提出合作要求，或者也可以将这些Agent的信息告知Agent，由它们自行协商，收到合作要求信息的Agent有权决定是否接受该合作请求，并给M以反馈，如此数次反复直至达成协议；对于复杂任务，则由M分解该任务，再计算出有能力完成各子任务的Agent集合，经过协商直至达成协议。

中介服务机构用以发布、保存和维护各Agent成员的能力、位置和状态等信息，并进行合作对象和服务请求的匹配工作，它与系统内Agent成员的关系是服务与被服务关系。

中介服务机构与有管理者结构最大的不同在于，中介服务机构仅仅为Agent 成员提供中介服务，而管理服务机构拥有多个Agent成员和系统当前环境的丰富知识。

2.3多Agent系统开发方法和工具由于多Agent系统具有分布性、复杂性和智能性，开发这样的软件系统需要专门的工具的支持。

Agent的抽象方式和对象的抽象方式具有一定的相似性，所以面向对象技术的一些内容可以作为借鉴。

虽然到目前为止还没有公认的多Agent系统的成型的开发方法和工具，但一些研究成果仍然具有很强的借鉴意义。

1）面向Agent的软件工程工业应用软件通常由大量的相互作用的部件组成，因此系统十分复杂，这种复杂性是由于工业系统本身内在的复杂性。

软件工程为更容易地解决这种复杂性提供了结构和技术方法。

Agent技术适合开发复杂的软件系统原因有以下三点：1）面向Agent的分析是对复杂的系统问题进行空间划分的有效途径；2）面向Agent的软件抽象方法是对复杂系统进行建模的自然方式；3）面向Agent的哲理性能够形象的描述出复杂系统对动态组织关系和结构。

面向Agent的软件开发的生命周期同样包括需求分析、系统实现和系统测试等阶段。

面向Agent的软件工程方法还处于研究的开始阶段。

虽然涌现出了大量的代理应用，但不能说明面向Agent的软件工程方法已经成熟。

2）多Agent系统开发平台面向Agent的软件工程远没有成熟，如今Agent 项目的开发基本上都是依据一些基本的软件工程实践经验从头做起，许多开发Agent系统的公司通过将Agent系统中的底层服务部分抽取出来，抽象形成可重用的应用编程接口，以期简化以后开发类似系统的工作。

在此基础上形成了大量的多Agent系统开发工具，这些工具冠以不同的名称，如平台、环境、语言、框架或者底层结构等。

目前至少有50种MAS开发工具。

其中比较著名的有JATLite、Swarm、Jade等。

3 小结本文简要论述了多Agent理论，通过对Agent的介绍了解什么是Agent，Agent 的特性，分类以及结构等特征，使我们不但从概念上了解Agent而且从理念上深层次的认识Agent。

参考文献[1] 郭红霞，吴捷，张端金等. 多Agent技术的研究进展. 河南科学，2004，V ol.22(2)：242～246.[2] 施卫强基于强化学习的足球机器人决策系统设计，[博士学位论文].中南大学，2007.。