Plánování a komunikace v multiagentních systémech

Planning and Communication in Multiagent Systems

dissertation

Czech

Dizertace pojednává o metodách návrhu mutiagentních systémů.  Agent je považován za autonomní systém schopný následovat své záměry.  Agentovo chování rovněž závisí na chování ostatních agentů v systému. Tito agenti sdílí společné prostředí a je pro ně přirozené, že svoji činnost koordinují, například komunikací. Práce je zahájena klasifikací agentů na reaktivní, rozvážné, kognitivní a racionální. Reaktivní agenti nemají explicitní reprezentaci svých znalostí, rozvážní agenti jsou schopni sestavovat postup k dosažení zvolených cílů a kognitivní agenti mají schopnost učit se z prožitých zkušeností. Racionální agent je schopný racionálního jednání a má jak rozvážné, tak kognitivní rysy. Text pokračuje popisem modelů BDI agentů, kteří staví své rozhodování na třech svých mentálních stavech - představách, přáních a záměrech. BDI model je představen na BDI logice, která je rozšířením CTL logiky. BDI přístup byl také použit při návrhu PRS nebo d'Mars systémů, které jsou oba stručně uvedeny v této práci.

Popis komunikace mezi agenty je rozdělen na tři oblasti. Za prvé jsou to jazyky KQML a ACL, dále metodologie vyhledávání partnera pro komunikaci, a konečně to jsou komunikační protokoly. Po tématu komunikace následuje téma multiagentních systémů, kooperace mezi agenty a vytváření koalic. Je ukázáno, že spolupráce může zlepšit výkon jednotlivých agentů v systému, zajistit dosažení globálních cílů a zvýšit šance agentů dosahovat jejich soukromých cílů. Dále jsou v textu představeny pojmy závazek a norma.

Hlavní část práce popisuje principy návrhu multiagentních modelů. Nejprve je ukázáno, jak lze formálně specifikovat multiagentní modely. Univerzum je rozděleno na agentní a neagentní prvky. Neagentní prvky tvoří prostředí a to má nějaké blíže neurčené chování. Agenti jsou naopak řízeni jazykem, ve kterém je zapsán program pro praktické rozhodování. Datové struktury jsou uloženy v agentově bázi znalostí a také je představují věty uvedeného jazyka. Cyklus běhu agenta je takový, že agent přijímá události svými senzory a i na jejich základě se rozhoduje k provádění akcí. Jednání může vést ke změně jeho vnitřního stavu, změně stavu ostatních prvků v systému, nebo změně struktury modelu. V práci je uvedeno několik příkladů, které demonstrují chování takovýchto modelů.

Poslední část práce pojednává o principech tvorby multiagentních simulačních modelů. Agent jako prvek modelu (zvaný A-Mass) má svoji bázi znalostí, interpret, vstupní vyrovnávací paměť, registr a zná několik výpočetních algoritmů. Plány jsou zapsány v jazyce t-Sapi, který je rovněž v práci představen včetně formálního popisu jeho syntaxe a sémantiky a několika příkladů použití tohoto jazyka. Na závěr jsou uvedeny principy fungování simulačního nástroje během provádění simulačního běhu.

This dissertation deals with methods of design of multiagent system. The agent is considered as an autonomous intelligent entity with capability of following of its intentions. Agent's behaviour depends also on behaviour of other agents it shares environment with. Thus the possibility of plan coordination through communication is natural to the agent. The work starts with classification of agent into reactive, deliberative, cognitive and rational. Reactive and deliberative agents have no inner representation of past experiences. Reactive agents react immediately to the actual state of the environment; deliberative agents are able to construct a plan towards some goals satisfaction. Cognitive agent can memorize its past behaviour. Rational agent is on the top of the hierarchy and contains deliberative as well as cognitive capabilities. Its denotation rational means that it pursuits its intentions in a rational manner and no action it does is against the goals. The text follows with description of the BDI agents that drives its doing by three mental states - it's believes, desires and intentions. The BDI model is introduced with BDI logic as an extension of CTL modal logic. On the base of BDI idea were also created PRS system and dMARS formal specification of BDI computation. Both are briefly described in the thesis. Communication among agents is introduced on three areas. At first, the KQML and ACL communication languages are presented, then some methodologies of searching proper partner for communication are presented and finally, some interaction protocols of communication are described. After communication there are discussed some aspects of multiagent systems. The focus is put onto aspects of coalition buildings and principles of multiagent cooperation. It is shown, that cooperation could improve chances to achieve particular goals by particular agents. There are also introduced terms obligation and norm in the text.

The main part describes principles of design and behaviour of multiagent models. First, there is shown how the formal specification of multiagent system could be done. The universe consists of agents and non-agent elements. The non-agent elements create environment in witch the agents live. Agent as an autonomous element is driven by a plan written in some formal language. Each agent could have knowledge that is stored in a knowledge base in a form of sentences of the language. Agent receives on its sensor input and performs actions by sending proper values onto its outputs. Structure of the system could change as agents move within the system. There is shown several examples and possible solution of system with agents in the text.

The final part grows from the formal specification and describes the principles of simulation model design. In this approach each agent is an element of the model. The agent is called A-Mass and it has its own architecture with a knowledge base, interpreter, input buffer and some set of algorithms that allows him to behave rationally. Plans are written in t-Sapi language. The language is introduced in the text. There are shown its syntax, operational semantic and some examples of plan written in t-Sapi are also presented. Finally, the dissertation brings description of entire model with agents. The model consists only of some agents. One of them called GODI, maintains model of environment and it interprets the model on the basis of action that each agent had decided to perform. Agent

Agent, systém, multiagentní systém, modelování

Agent, System, Multiagent System, Modelling

ZBOŘIL, F.

20. 10. 2004

Fakulta informačních technologií VUT v Brně

Brno

107

http://www.fit.vutbr.cz/~zborilf/PhD/thesis.pdf