多智能体第2章.pptx

1、,多智能体机器人,1,第2章智能Agent,哈尔滨工业大学,计算机科学与技术学院,什么是 Agent?,Agent最主要的特点就是它们是自治的：能够独立行 动，并对它们的内部状态进行控制。Agent是处在某个环境中的计算机系统，该系统有能 力在这个环境中自主行动以实现其设计目标。,2,什么是 Agent?,几个Agent例子:温度控制系统软件指示器（UNIX 操作系统中用于邮件收 发的后台程序daemon）智能 Agent就是一个在一定环境下能够 灵活自主行动的计算机系统。灵活的意思是:反应性 预动性社会行为能力,3,反 应,如果一个程序的环境已经固定，这个程序不必担 心它的成功或失败仅仅执行

2、就可以了。固定环境的例子：编译器真实世界不像那样：事物在改变，信息也是不完 整的。很多有趣的环境是动态的。动态域中开发软件很难：编程必须考虑失败的可 能性 问它自己是不是值得执行！一个有反应的系统就是一个可以保持与它现有的 环境进行交互，并能够对环境的变化作出反应的 系统（及时响应是很有用的）。,4,预 动,对一个环境作出反应是容易的（例如，刺激响应规则）。但是我们通常想让Agent为我们做事。因此需要目标引导行为。预动=产生并试图完成目标，不仅仅是事 件驱动，而是采取主动。承认存在机会。,5,平衡反应式和目标引导系统的行为,我们想让Agent是反应式的，即以一种 恰当的（及时的）形式响应环境

3、的改变。我们想让Agent能够按部就班地工作以 满足长期的目标。这两种事项彼此之间可能产生冲突。设计一个能平衡这两种行为的Agent仍 然是一个需要解决的研究问题。,6,社会能力,真实世界是一个多Agent环境：我们不能不考 虑其它Agent的目标就尝试实现自己的目标。有些目标只有通过与别人合作才能完成。对于很多计算机环境来说也存在同样的问题：Internet就是一个实例。Agent的社会能力是通过某种Agent通信语言 来相互沟通（可能有人类），或许是相互合作。,7,其它特性,移动性：沿着电子网络移动的能力。准确性：一个Agent不能有意地传达错误信息。友善：Agent没有冲突的目标，而且每

4、个Agent都将试图去做要求做的事情。合理性：Agent为了完成目标而采取行动，而 且在阻止它的目标实现时就不采取行动。学习/适应：Agent会不断改进性能。,8,Agent与对象,Agent仅仅是对象的另一个名字吗?对象:被定义为一个计算实体，封装了一些状态。通过消息传递来进行通信。有方法，可能是对应某个状态执行的操作。,9,Agent与对象,主要的区别:Agent是自治的：Agent拥有比对象更强的自治性，特别是它们自 己决定是否接受其它Agent请求执行一个动作。Agent 是灵活的：能够产生灵活的（反应的，预动的，社会的）行为，而标准的对象模型根本没有这种行为能力。Agent 是主动的

5、：多Agent系统本质上是多线程的，其中每个Agent至少假定拥有一个主动控制线程。,10,对象做事是自由的,Agent做它想做的事情。Agent为了利益而工作。,11,Agent与专家系统,Agent仅仅是专家系统的另一个名字吗?专家系统是一些领域中无实体的“专家意 见”。例子：MYCIN 知道人类的血液疾病知识它具有很多有关血液疾病的知识，以规则的形式 存在。通过提供事实，回答问题和查询，医生可以从MYCIN 获得关于血液疾病的专家意见。,12,Agent与专家系统,主要的区别:Agent处于某个环境中：MYCIN 不能感知世界 只能通过问用户问 题来获得信息。Agent产生行为：MYCI

6、N 不会对病人进行手术。一些实时的专家系统（执行实时控制任务 的专家系统）就是Agent。,13,智能Agent与人工智能,Agent仅仅是人工智能工程吗？构建一个Agent是人工智能的全部么？人工智能目的在于构建能够（最终）理解自 然语言，识别和理解场景，用普通的常识，创造性地思维等等所有这些都是很困难 的。所以，我们不必解决所有的人工智能问题来 构建一个Agent,14,智能Agent与人工智能,当构建一个Agent时，我们仅仅想让一个系 统（在有限的领域内）能够选择正确的动作 来执行。我们不必为了构建一个有用的Agent 而解决 所有的人工智能问题：一点智能就已经大有帮助了！Oren E

7、tzioni,speaking about the commercial experience of NETBOT,Inc:“We made our agents dumber and dumber and dumberuntil finally they made money.”,15,环境可观察与不可观察,在可观察的环境中，Agent能够获得完 全的、精确的、最新的环境状态信息。多数真实世界环境（例如日常生活的物 理世界和Internet）是不可观察的。一个环境越容易观察，构建一个在环境 中发挥作用的Agent越简单。,16,环境确定性的与不确定性的,一个确定的环境就是一个动作会产生一个

8、确定的效果执行一个动作不会产生不 确定的状态。对于各种意图和目的来说，物理世界被认 为是不确定的。不确定的环境给Agent设计者带来了巨大 的问题。,17,环境静态的与动态的,静态环境是假定如果没有Agent执行动作，环境就不会发生变化。动态环境有其它过程发生作用，因此，会在Agent的控制之外发生变化。其它的过程可以干预Agent的活动（例如并 行系统理论）。物理世界是一个高度动态的环境。,18,环境离散的与连续的,如果存在确定的，有限数量的动作并且可以 在环境中被感知，则环境是离散的。Russell and Norvig把国际象棋的游戏作为 一个离散环境的例子，把出租汽车驾驶作为 连续的例

9、子。连续环境与计算机系统有一定程度的不匹配。离散环境原则上来说，可以通过一类“查表 法”来处理。,19,复杂环境,20,作为意识系统的Agent,当说明人类活动的时候,像下面的状态通常是 很有用的:张三带着伞，因为他相信将要下雨了。李四努力工作，因为他想要获得博士学位。这些陈述利用了大众心理学，通过大众心理学，人们的行为被预测和解释，像相信和想要（上 面例子中用到的），希望、害怕等等。在这样大众心理学里面的想法描述被称作有意 图的观念。,21,作为意识系统的Agent,哲学家Daniel Dennett 创造了意识系统这个 术语来描述一些实体，实体的行为可以通过 信念、期望和理性敏感等属性来预

10、测。Dennett 区分了不同“层次”的意识系统:一阶意识系统拥有信念和愿望（等），但是 没有关于信念和愿望的信念和愿望 二阶意 识系统更加复杂，它有关于信念和愿望的信 念和愿望（当然还可以有其它的思维状态）包括对于他人的和对于自己的。,22,作为意识系统的Agent,使用信念、愿望和意图等属性，对计 算机系统是合法的、有用的吗?,23,作为意识系统的Agents,McCarthy等人的意见是在有些情况下采用意 识立场是合适的：当赋予信念、自由愿望、意图、知觉、能力、要求等与表示一 个人具有同样信息的时候，这种表示是合理的。如果这样做有 助于理解机器的结构、机器的过去和将来的行为，或者有助于

11、修理或改进这台机器，则这种表示是有用的。从逻辑上讲，即 使对于人类这种表示也不一定是必须的，但是，用有条理并且 简单的方式表示在特定情况下实际知道的机器状态可能会需要 意识属性或者拟人的属性。关于机器的信念、知识、要求等思 维属性理论可以用比人类思维属性更简单的方式构造，也可以 用于人类。给已知其结构的机器赋予思维属性是最直接的方式，比如恒温控制器和计算机操作系统。但是，当应用于并不完全 知道其机构的机器时是最有用的。,24,作为意识系统的Agent,什么样的对象可以用意识立场来描述？结论是，几乎所有的自动控制系统都可以用 意识立场描述。例如，下面的灯的开关:用（合作的）Agent描述灯的开关

12、是非常合适的，它具 有按照人的意志传送电流的能力。当开关相信要它传送 电流时，它会不停地传送；否则就不传送。拨动开关就 是向它传达我们的愿望。(Yoav Shoham)但是多数成年人会发现这样一个描述很荒谬！这是为什么？,25,作为意识系统的Agent,答案是这样的，意识立场描述的方法与我们观察到的电 灯开关动作非常一致，内部也是一致的：.但是它并不能为我们提供什么，因为我们完全理解开关的机制，可以对开关的动作给出更简单的和机械 的描述。(Yoav Shoham)通常来说，对系统的了解越多，越不需要依赖对其行为 意图进行有灵性的解释。但是对于非常复杂的系统，机械地对它的行为解释可能 就行不通。

13、当计算机系统变得越来越复杂时，我们需要更加抽象的 技术和方法来解释它们的行为低水平的解释没有实 际意义。意识立场就是这样一个抽象。,26,作为意识系统的Agent,意识立场就是这样的抽象工具，它给我们提供了 方便而熟悉的描述、解释和预测复杂系统行为的 方式。记住：在计算领域最重要的发展就是基于新的抽 象：过程抽象抽象数据类型 对象Agent和作为意识系统的 Agent代表了一个更深一层的和 日益增强的抽象。,所以Agent理论家从作为意识系统的Agent开始 认为：系统最简单的协调性描述需要意识立场。,27,作为意识系统的Agent,意识立场是一个抽象工具一个讨论复杂系统 的抽象方式，它允许我

14、们去预测和解释它们的行 为而不必去理解机制是如何工作的。现在，很多计算机科学关注于寻找抽象机制（过 程抽象、自动数据变换ATD和对象都是例证）。所以为什么不可以用意识立场作为计算技术的 抽象工具用意识立场对复杂的计算机系统进行解释、理解和程序设计呢？这是有利于Agent的最重要的观点。,28,智能Agent的抽象结构,假定环境是任何离散的瞬时状态的有限集合 E：假设Agent有一个可执行动作的清单，它们改变环 境的状态：Agent在环境中的一次执行r是环境状态与动作的一 个序列：,29,智能Agent的抽象结构,设：R是所有可能的（E 和 Ac上的）有限序列集 合RAc 是以动作结束的序列所组

15、成的R的子集RE是以状态结束的序列所组成的R的子集,30,状态转移函数,一个状态转移函数代表了环境的行为:注意环境是 与历史有关的 非确定的如果 r，那么不可能存在对r后继状态。在这 种情况下，就说系统结束它的执行。形式上，环境 Env 是一个三元组 Env=E e，其中：E 是环境状态的集合，e0E 是初始状态，而是状态转移函数。,31,Agent模型,据系统的到当前为,把Agent的模型表示成一个函数，将一次执 行映射到动作：一个Agent根止历史状态 决定执行什么动作。设AG是所有Agent的集 合。,32,什么是系统？,系统是Agent和环境构成的对。任何系统都有与之相关的可能的执行集

16、合；用R(Ag,Env)表示Agent在环境Env执行的集 合。,33,什么是系统？,E e中,ent Ag 在环境 Env=如果：,形式上,一个序列 表示 一个 Ag的一次执行，e 是 Env的初始状态 Age对于 u,34,纯反应式Agent,一些Agent在没有参考它们的历史的情况下 决定该作什么没有对过去作出参考，它 们基于现在的情况而作出决定。我们称这样的Agent为纯反应式Agent：一个温度控制器是一个纯反应式Agent：,35,感 知,感知系统：把Agent的决策函数分解成感知子 系统和动作子系统：,环境,Agent,see,action,36,感 知,函数see代表Agent观察环境的能力，而函数action代表Agent的决策过程。see函数的输出是一个感知对象：see:EPer把环境状态映射到感知，action是一个函数：action Per*Ac把感知序列映射到动作。,37,有状态的Agent,现在考虑包含状态的Agent:,环境,Agent,see,action,next,state,38,有状态的Agent,这些Agent有内部的数据结构，一般用来记录环境