高级人工智能分布式人工智能系统的主要优点.ppt

2019-9-14
感谢你的欣赏
10
分布式运输调度系统DTDS-I
1989年清华大学石纯一等主持研制了分布式 运输调度系统DTDS-I(石纯一 1989)。
该系统以运输调度为背景，提出了分布式问 题求解系统的体系结构，对问题分解、任 务分布算法和基于元级通信的协作机制等 方面进行了探讨。
2019-9-14
selected-options := deliberate(options, B, G, I);
update-intentions(selected-options, I);
execute(I);
get-new-external-events();
drop-successful-attitudes(B,G,I);
memory ← Update-Memory(memory,percept) action ← Choose-Best-Action(memory) memory ← Update-Memory(memory,action) return action
2019-9-14
感谢你的欣赏
38
主体的分类
根据人类思维的层次模型，可以将主体分 成四类：
2019-9-14
感谢你的欣赏
29
理性主体（BDI主体）
Belief——信念，主体对环境的基本看法。 Desire——愿望，主体想要实现的状态， 即目标。 Intention——意图，目标的子集。
2019-9-14
感谢你的欣赏
30
BDI主体模型
BDI主体模型可以通过下列要素描述： 一组关于世界的信念； 主体当前打算达到的一组目标；
2019-9-14
感谢你的欣赏
17
结果共享
Lesser 和 Corkill 提出了结果共享方式。在 结果共享方式的系统中, 各结点通过共享部分结果 相互协作, 系统中的控制以数据为指导, 各结点在 任何时刻进行的求解取决于当时它本身拥有或从其它 结点收到的数据和知识。
结果共享的求解方式适合于求解与任务有关的各 子任务的结果相互影响, 并且部分结果需要综合才能 得出问题解的领域。如分布式运输调度系统、分布式 车辆监控实验系统DVMT
反应主体 形象思维主体 抽象思维主体 复合式主体 形象思维主体和抽象思维主体也可以合称 为认知主体
2019-9-14
感谢你的欣赏
39
反应主体
主体
传感器
当前世界
环
条件-动作
动作
境
规则
效应器
2019-9-14
感谢你的欣赏
40
反应主体程序
function Reactive-Agent(percept) returns action static: rules, /* 一组条件-动作规则 */
一个规划库，描述怎样达到目标和怎 样改变信念；
一个意图结构，描述主体当前怎样达 到它的目标和改变信念。
2019-9-14
感谢你的欣赏
31
BDI解释器
BDI-Interpreter
initialize-sta option-generator(event-queue, B, G, I);
2019-9-14
感谢你的欣赏
18
分布式问题求解系统分类
根据组织结构，分布式问题求解系统可 以分为三类：
层次结构类 平行结构类 混合结构类
2019-9-14
感谢你的欣赏
19
分布式问题求解过程
分布式问题求解过程可以分为四步： 任务分解 任务分配 子问题求解 结果综合
2019-9-14
Ability=<Act_template, role, cost>
2019-9-14
感谢你的欣赏
34
主体结构
主体结构需要解决的问题包括： 主体由那些模块组成， 模块之间如何交互信息， 主体感知到的信息如何影响它的行为
和内部状态， 如何将这些模块用软件或硬件的方式
组合起来形成一个有机的整体。
drop-impossible-attitudes(B,G,I);
until quit
2019-9-14
感谢你的欣赏
32
动作理论
情景演算是描述动作的主要的形式框架。 在情景演算中引入了状态和动作的概念， 并利用两条逻辑公理来描述动作与状态 的关系。一条公理描述一个动作在满足 什么条件的状态之下可能发生，另外一 条描述在一个状态之下某个动作发生以 后当前状态如何改变。
2) 各个求解机构由计算机网络互连, 在问 题求解过程中, 通信代价要比求解问题 的代价低得多。
3) 系统中诸机构能够相互协作, 来求解单 个机构难以解决, 甚至不能解决的任务。
2019-9-14
感谢你的欣赏
4
分布式人工智能系统的主要优点
1) 提高问题求解能力。 2) 提高问题求解效率。 3) 扩大应用范围。 4) 降低软件的复杂性。
2019-9-14
感谢你的欣赏
22
主体
多主体系统主要研究在逻辑上或物理上 分离的多个主体协调其智能行为，即知 识、目标、意图及规划等，实现问题求 解。可以看作是一种由底向上设计的系 统。
2019-9-14
感谢你的欣赏
23
主体的思想
智能主体的几个典型的实例： Microsoft的Office助手 计算机病毒（破坏主体） 计算机游戏或模拟中的智能角色 贸易和谈判主体（如Ebay的拍卖主体） 网络蜘蛛Web Spider（搜索引擎中的数据
10.1 概述
分布式人工智能主要研究在逻辑上或物 理上分散的智能系统如何并行的、相 互协作地实现问题求解。
两种解决问题的方法： 自顶向下：分布式问题求解 自底向上：基于主体的方法
2019-9-14
感谢你的欣赏
3
分布式人工智能系统的特色
1) 系统中的数据、知识, 以及控制不但在 逻辑上, 而且在物理上是分布的, 既没 有全局控制, 也没有全局的数据存储。
感谢你的欣赏
11
分布式知识处理系统DKPS
1990中国科学院计算技术研究所史忠植等研 究了分布式知识处理系统DKPS。
该系统采用逻辑------对象知识模型，研究 了知识共享和协作求解等问题。
2019-9-14
感谢你的欣赏
12
多主体系统
90年代，多主体系统Multiagent systems)的研究成为分布式人
感谢你的欣赏
26
主体的特性
主体弱概念： 自治性 交互性 协作性 可通信性 长寿性
2019-9-14
感谢你的欣赏
27
主体的特性
主体强概念： 知识、信念、意图、承诺等心智状态
其它属性： 移动性 推理能力 规划能力 学习和适应能力 诚实、善意、理性
2019-9-14
感谢你的欣赏
28
主体理论
智能主体的理论模型研究主要从逻辑、 行为、心理、社会等角度出发，对智能 主体的本质进行描述，为智能主体系统 创建奠定基础。
2019-9-14
感谢你的欣赏
5
分布式人工智能
分布式人工智能的研究可以追溯到70 年代末期。早期分布式人工智能的 研究主要是分布式问题求解，其目 标是要创建大粒度的协作群体，它 们之间共同工作以对某一问题进行 求解。
2019-9-14
感谢你的欣赏
6
合同网
1980年Davis 和 Smith提出了合同网 (CNET) CNET使用投标---合同方式实现任务在多 个节点上的分配。合同网系统的重要贡献 在于提出了通过相互选择和达成协议的协 商过程实现分布式任务分配和控制的思想。
所以，智能主体的研究应该是人工智能的核心问题。斯坦福
大学计算机科学系的 Hayes-Roth在IJCAI'95的特邀报告中谈到：
“智能的计算机主体既是人工智能最初的目标，也是人工智能
最201终9-9-的14 目标。”
感谢你的欣赏
13
多主体系统
关于主体的研究不仅受到了人工智能研究人 员的关注，也吸引了数据通信、人机界面 设计、机器人、并行工程等各领域的研究 人员的兴趣。有人认为：“基于主体的计 算（Agent-Based Computing， 简称ABC）
行为的方法。 2019-9-14
感谢你的欣赏
8
ACTOR模型
1983年Hewitt 和他的同事们研制了基于 ACTOR模型的并发程序设计系统。
ACTOR模型提供了分布式系统中并行计算理论 和一组专家或ACTOR获得智能行为的能力。 在1991年Hewitt提出开放信息系统语义, 指出竞争、承诺、协作、协商等性质应作 为分布式人工智能的科学基础，试图为分 布式人工智能的理论研究提供新的基础。
2019-9-14
感谢你的欣赏
33
规划库的形式化表示
环境状态：
State = { P1, P2, … Pn } 目标：
Goal=<State, weightiness> 动作模板：
Act_template = <name, roles, preconditions,
effects, resources> 主体能力：
2019-9-14
感谢你的欣赏
7
分布式车辆监控测试系统
DVMT
1980年麻萨诸塞大学的Lesser, Corkill 和
Durfee 等人主持研制DVMT 该系统对市区内行驶的车辆轨迹进行监控,
并以此环境为基础, 对分布式问题求解 系统中许多技术问题进行研究。DVMT是以 分布式传感网络数据解释为背景，对复杂 的黑板问题求解系统之间的相互作用进行 了研究，提供了抽象和模型化分布式系统