Интеллектуальные многоагентные системы, типы агентов

Введение:
Мультиагентные системы предназначаются с целью решения разного рода задач искусственного интеллекта, в которых есть несколько участников. Основной концепцией является агент.
Агент - это то, что может воспринимать свое окружение с помощью датчиков, а так же изменять его своими действиями.
Современный подход к искусственному интеллекту основан на представлении о рациональном агенте, который всегда пытается оптимизировать соответствующую меру полезности своими действиями. Например, люди могут рассматриваться как агенты с глазами, сенсоры, способные что-то делать своими руками. Роботы имеют способность воспринимать мир с помощью камер и перемещаться с помощью колес. Для программ графический интерфейс является одновременно средством действия и восприятия. Однако агенты редко представляют собой единичные системы. Чаще всего они взаимодействуют друг с другом. Системы, которые содержат группу агентов, способные взаимодействовать друг с другом, называются многоагентными системами.
1.1 Основные положения. Типы
Используя термин «агент», все авторы либо сообщества определяют своего собственного агента с определенным набором свойств зависимо от целей разработки, задач, которые необходимо решить, методов реализации и т.д. В результате, в этом направлении существует много типов агентов, например: мобильные агенты, автономные агенты, социальные агенты, личные помощники, интеллектуальные агенты и т.д., и вместо одного определения базового агента, существует много определений произвольных типов.
Учитывая раннее сказанное, разумно рассматривать понятие агента как мета-объект или класс, включающий в себя большое количество подклассов. Дальше можно придерживаться данной концепции в этом отношении:
Агентом является развитие известного понятия объект, которое представляет абстракцию большого количества экземпляров объектов реального мира, которые имеют одинаковые свойства, а так же правила поведения. Свойства объекта описаны исходной системой, а правила поведения - порождающей системой, зачастую структурированной. Состояние объекта можно определить по списку его свойств с современными значениями. Объект со значениями всех его свойств характеризует экземпляр, моделью которого выступает автоколонна соответствующего реляционного отношения из системы данных.
В перечень свойств объекта входит его идентификатор, а также указание, описание и вспомогательные атрибуты. Последние два вида атрибутов разделены зависимо от метода вывода и ввода объекта. Описательные атрибуты определяют свойства, которые присущи объекту, а вспомогательные атрибуты - его структурную связь с экземплярами других объектов.
Интеллектуальный - это объект, поведение которого определяется базой знаний. Активный объект или агент является объектом, способным изменять свое состояние, задействуя данные о состоянии соседних объектов. Для этого агенты объединяются в структурированную исходную систему, которая имеет название многоагентной системы. Модельным носителем данной системы выступают объекты, а так же их свойства, а сигнатурой - семантическая сеть, которая используется операционной средой с целью передачи информации, которая активирует поведение агентов. Это приводит к формированию определенного количества экземпляров агентов, что является целью всего процесса.
Агент является аппаратным или программным объектом, который способен действовать для достижения целей, установленных его владельцем либо пользователем.
Выделяют такие типы агентов:
1

. интеллектуальные агенты в языковой среде,
2. агенты, которые создаются с помощью логического программирования,
3. агенты, которые используют онтологии с целью поиска информации в ресурсе Интернет.
Использование агентов:
1. моделирование действий группы беспилотных летательных аппаратов,
2. планирование решения связной задачи на кластере,
3. мониторинг и администрирование информационной системы и распределенной БД,
4. виртуальные игры, включая виртуальный футбол.
Исходя из этого, программные агенты рассматривают в качестве автономных компонентов, действующих от имени пользователя.
Была разработана теория использования многоагентных систем (МАС), которые предназначены с целью поиска и анализа информации. Одним из факторов, представляющих интерес для многоагентных систем, является разработка технологий в Интернете и связанных с ними технологий (GRID). Интернет стал средой, которая подходит для исполнения распределенных автономных программных систем. С целью успешного функционирования в данной среде, агенты должны уметь решать две основополагающие задачи:
- они должны обладать умением находить друг друга и взаимодействовать друг с другом. Встроенные агенты обладают набором таких свойств:
- способность к обучению: агент настроен на этапы обучения;
- автономность: агент работает как независимая программа, устанавливая цели и выполняя действия для достижения этих целей;
- сотрудничество: агент может принимать участие во взаимодействии с остальными агентами несколькими способами, к примеру, играя роль поставщика либо потребителя информации или и того, и другого;
- способность рассуждать: у агентов могут быть механизмы вывода, например, как выводить данные из разных источников в одно и то же представление. Агенты могут специализироваться в определенной предметной области.
- коммуникативность: агенты могут принимать участие в общении с остальными агентами;
- мобильность: агенты могут передавать код агента с одного специализированного сервера на другой.
В основе организации МАС положен принцип ассоциативного подхода, имеющий преимущество с точки зрения удобства символьного представления знаний, которые сосредоточены в словарях-тезаурусах.
Традиционные подходы к работе с распределенной информацией одновременно используют расчеты и данные, которые необходимы для их получения путем внесения данных в расчеты. Данный подход требует значительного уровня интеллекта от агента для фильтрации информации и принятия решений. Алгоритмы адаптации дают мобильным агентам возможность адаптироваться к их среде. Мобильные агенты являются хорошим примером реализации распределенных приложений. Во-первых, переместившись на место электронного ресурса, агент имеет возможность получать к нему доступ локально, а так же исключить дорогостоящую передачу данных в перегруженных сетях. Это снижает сетевой трафик, поскольку зачастую дешевле отправить небольшого агента в источник данных, нежели отправлять все возможные промежуточные данные в конкретное место. Во-вторых, агенту не требуется постоянное подключение к хост-машине (то есть к машине, с которой был запущен агент). В-третьих, возможности сетевой идентификации позволяют агентам самостоятельно найти основной компьютер, даже если они изменили свое географическое местоположение. Наконец, агенты независимы в принятии решений: используя опцию возврата, они могут сами изменить рабочий план или неверные запросы.
Зависимо от концепции, которая выбрана для организации MAC (многоагентная система), обычно различают три основных класса архитектур:
- архитектуры, основанные на принципах и методах работы со знаниями;
- архитектуры, которые базируются на поведенческих моделях, таких как «стимул-реакция»;
- гибридные архитектуры.
В первом случае мы имеем дело с «разумными» агентами и архитекторами, которые используют методы и инструменты искусственного интеллекта в качестве основы для разработки и реализации моделей.
Первоначально идея интеллектуальных агентов была почти целиком связана с классической логической парадигмой ИИ