интелигентни агенти
Въпросът за интелигентни агенти и системи за мулти-агент (MAS) има близо 40-годишна история и се формира въз основа на резултатите, получени в рамките на работата, възложена на AI (на DAI), разпределени решаване (от ДПС) проблем и паралелно AI (PAI). Тази тема се интегрира напредък в компютърни мрежи и отворени системи, изкуствен интелект, както и информационни технологии [15].
Агент - хардуер или софтуер, обект, който може да действа, за да постигне целите, поставени му от собственика или ползвателя.
По този начин, в рамките на парадигмата MAC на софтуерни средства са третирани като самостоятелни компоненти, действащи върху лицето на потребителя.
Интелигентни агенти трябва да притежава следните качества:
* Autonomy - способността да функционира без намеса от страна на собственика, както и да следи за вътрешното състояние и техните действия;
* Отзивчивост - адекватно възприемане на околната среда и в отговор на промените;
* Дейност - възможността за генериране на цели и акт по рационален начин за постигането им;
* Основни познания - познаване на самия агент, околната среда, включително и други агенти, които не се променят в рамките на LC агент;
* Убеждаване - променливата част на основните знания, които могат да се променят с времето, въпреки че агентът може да не знае за това и да продължат да ги използват за собствените си цели;
* Цел - набор от условия за постигане на тази цел настоящата поведение на агента;
* Желание - състояние или ситуация, за постигането на която е важна за агент;
* Задължения - задачите, поети от агент по искане на други средства;
* Намерение - какво представителят трябва да направи по силата на своите задължения.
В зависимост от понятията, избрани за организацията на MAC, обикновено има три основни категории архитектури:
* Архитектура, които се основават на принципите и методите на работа с познания;
* Архитектура, въз основа на поведенчески модели, като "стимул-реакция";
Архитектура или агенти, които използват само точното представяне на картина на света, в символична форма, както и да вземат решения въз основа на формално мислене и използването на методи за сравняване на модела, обикновено се определя като съвещателен (първи подход).
Той призова реактивни агенти и архитектура, в която отделните агенти и функциониране на цялата система се извършват в съответствие с правилата на "Местоположение-действието." В този случай, при ситуацията се разбира потенциално комплексна комбинация от вътрешни и външни условия (втори подход).
За решаването на истинските проблеми, използвайки хибридна архитектура.
Разработване и внедряване на софтуерни средства не би било възможно без опит в разработването на отворени системи, които се характеризират със следните свойства:
* За разширяване / мащабиране (способността да променят набор от компоненти на системи);
* Управление на мобилността / преносимост (лесно прехвърляне на подстанция на различни хардуерни и софтуерни платформи);
* Оперативна съвместимост (способността да взаимодействат с други системи);
* Любезност, лесно обслужване.
Един резултат от въвеждането на концепцията отворени системи на практика е разпространението на архитектурата "клиент - сървър". В момента са следните клиент-сървър модел на взаимодействие:
· "Fat клиент - тънък сървър". Частта сървър е единственият достъп до ресурсите, както и основната част от заявлението е на клиента;
· "Тънък клиент - дебел сървър". Моделът се използва широко във връзка с разпространението на Интернет технологиите. Клиентското приложение осигурява изпълнението на интерфейса, и сървъра обединява останалата част на приложението.
Mobile Agent - програма, която може да се премести от другата страна на мрежата. Те оставят на клиентския компютър и се премества към отдалечен сървър за извършване на действия, а след това да се върне.
Мобилни агенти са обещаващи за MAC, но в момента няма единни стандарти за тяхното развитие, остават нерешени редица въпроси, като законни начини за преместване чрез мрежата, проверка агенти (защита от предаване на вируса на мрежата), спазването на агентите на правото на частна собственост и поверителността на информацията те притежават, пренаселеност агенти мрежа.
По отношение на разработването и прилагането на най-ефективния MAC системи подкрепата разпространени технологии са DCOM, Java RMI, COBRA.
Основната стойност на DCOM - позволява интегрирането на приложения, изпълнявани в различни програмни системи.
Java RMI-приложения обикновено се състоят от клиент и сървър. В този случай сървърът създава един обект, който може да се предава по мрежата или на наличните да се обадя отдалечени приложения методи, както и клиентски приложения се изпълняват, потребителите на отдалечени обекти. Отличителна черта на RMI възможност за предаване в мрежата, не само методите, но и на самите обекти, което гарантира, в крайна сметка изпълнението на мобилни агенти.
Основното предимство на COBRA е интерфейсът IDL, обединяваща средства за комуникация между приложения.
Агент е нещо, което може да усети тяхната околна среда чрез сензори и да действа върху него с помощта на задвижващи устройства (човек, робот, софтуер). Всеки агент може да възприеме собствените си действия.
Избор Агент Действия във всеки един момент може да зависи от възприемането на цялата поредица действия, наблюдавани до този момент от време. поведение агент може да бъде описан с помощта на функция на средство, което показва специфична последователност от действия в възприятие ефект. Външно маса описание може да служи като агент. Вътрешното описание е да се определи коя функция на агента се осъществява с помощта на програма за агент, който е специфично изпълнение, работещи под агент архитектура.
Във всеки един момент от време за оценка на рационалността на действията на агента зависи от:
- на показатели за изпълнение;
- Знания за агент на околната среда по-рано придобити;
- действия, които могат да бъдат проведени агент;
- последователност действа възприятие агент, които се появяват
досега.
Рационалният агент трябва да има възможността да се учат и да бъдат самостоятелни.
При проблемна среда агент разбира като съвкупност от показатели за ефективност, сряда, задвижващи механизми и сензори.
Пример 9.1. Проблемът на таксиметровите шофьори
Управление на тренировка. газ, спирачки, фарове, звукови сигнали, дисплей
Класификация избор проблемна среда:
- напълно / частично наблюдавано: напълно наблюдава, когато
сензори записват всички необходими данни;
- детерминирана / стохастичен: ако следващото състояние
определя от настоящата среда и действието на агент, след това средата
- епизодични / сериен: в епизодична среда опит агент
Тя е неразделна част от епизодите. Всеки епизод включва
възприемане на агента среда, и след това извършване на едно действие
(Разпознаване на дефектните части) в последователен медии
Агентът трябва да мисли в перспектива (шофиране на кола, да играе шах);
- статичен / динамичен: Ако околната среда може да се променя в хода на
вземане на решения агент, той е динамичен;
- дискретна / непрекъснат: игра на шах - дискретно,
шофиране - непрекъснато;
- odnoagentnaya / мулти-агент (мулти-агент): Разтвор кръстословица
Диагностика - odnoagentnaya, които играят шах, шофиране
Задачата на изкуствен интелект е да се изработи програма за агент, който изпълнява функцията на агент, показвайки възприятие за действие. Предполага се, че програмата трябва да работи в един вид изчислителни устройства с физически сензори и изпълнителни механизми. Тези компоненти съставляват архитектурата на агент.
агент = архитектура + програма
Архитектура може да бъде персонален компютър или роботизиран автомобил.
Има четири основни типа софтуерни агенти, които са в основата на почти всички интелигентни системи:
- Обикновено отразяващи средства;
- Възвратни агенти на базата на модела;
- агенти, действащи въз основа на целите;
- средства, действащи на базата на полезност.
Най-простият тип агент е проста отразяваща агент. който избира действието въз основа на този акт на възприятие, без да обръща внимание на останалата част от историята на актове на възприятие. Агент - по-чист: решения се основават само на информация за текущото местоположение и дали тя съдържа боклук.
Най-ефективният начин да се организира работата в условията на частично наблюдаване е, че агентът проследен от страна на ситуация, която се възприема от тях в момента. Това означава, че агентът трябва да поддържа вътрешното състояние, което зависи от предишната му история. За да се даде възможност за актуализиране на информацията за състоянието на околната среда в програмата на агента трябва да се кодира два вида познание. На първо място, необходимата информация за това, как външната среда, независимо от агент. На второ място, необходимостта от специфични данни относно ефекта на агент, действащ от средата. Знанието за това как да работят среда, наречена модел на света. Средство, което използва този модел, наречен модел агент-базирани.
текущото състояние на околната среда на знанието не винаги е достатъчно, за да вземе решение. На кръстопътя на таксито могат да отидат направо, надясно, наляво. Правилното решение - да се поставят дестинация на клиента. Това е в допълнение към текущото състояние на агент трябва да знае целта. Инструмент за генериране на последователност от действия, които позволяват на агента за да достигне целта е да се намери и планиране.
програма агент може да комбинира информация за целта на информация за резултатите от възможни действия. Такива средства се наричат агенти, действащи въз основа на обективни.
Функцията за полезност показва състоянието на реално число, което показва правилното степента на удовлетвореност на агент. Пълен спецификация за функциите полезност дава възможност за вземане на рационални решения, когато има противоречиви цели (бързина и сигурност) или няколко цели, които могат да търсят агент, но никой от тях не може да се постигне със сигурност. Такива средства се наричат агенти, действащи въз основа на полезност.
Структура учене агент включва четири концептуални компонент.
Компонентите на обучението е отговорен за извършване на подобрения, продуктивен компонент осигурява избор на външни действия. Компонентите на обучението използва информация, обратна връзка от критика с приблизителната оценка на начина, по който агент, и определя как да бъдат променени продуктивен компонент, за да работи успешно в бъдеще. проблеми алтернатора задачата е да се предложат действия, които трябва да доведат до нови и информационни дейности. Процесът на обучение в интелигентен агент може да бъде описан като процес на модифициращо средство за всеки компонент, за да се осигури по-добро съгласуване на тези компоненти, информацията за обратна връзка на разположение и по този начин се подобри цялостната ефективност на агента.