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。
27
13.4.6 “言语行为”理论(Speech Acts Theory) 地位：这是多Agent交互（通信）的重要 理论基础之一。 思想： 任何行为都可以等价地表示为 言语行为 （既任何行为的含义都可用 言语来表达），甚至认为所有的行为 都是言语行为。 作用：大大简化了Agent之间交互的复杂 度。
协 作
通
信
44
Agent通信中的主要问题
38
BDI结构
愿 望 目 标 意 识 念 图 划
知
信
规
39
Hale Waihona Puke 13.5.3 复合式Agent
规 划
预测 决策生成 紧急情 况和简 单情况 协作与协商 通 信 请求或应答信息 反 射 其他 智能Agent
建 模 一 般 情 况
动作
行 动 智能Agent
感 知
外部世界
40
规划模块
经 验 库
目标集合
世界的模型 （包括其他 Agent的模型）
33
Agent的分类
根据人类思维的层次模型，可以将 Agent分成四类： 反应Agent 形象思维Agent 抽象思维Agent 复合式Agent 形象思维Agent和抽象思维Agent也可 以合称为认知Agent
34
13.5.1 反应Agent
Agent 传感器 当前世界 条件-动作 规则 环 境
4
DAI系统的主要优点
1) 2) 3) 4) 提高问题求解能力 提高问题求解效率 扩大应用范围 降低软件的复杂性
5
13.2 分布式问题求解
特点： 数据、知识、控制均分布在系统的各节 点上，既无全局控制，也无全局数据和 知识存储。 两种协作方式： 任务分担 结果共享
6
13.2.1 分布式问题求解系统分类
19
“意图系统”(Intentional System)
作用：用于描述其行为可用信念、愿望等 理性智慧来预测的实体。分为：一阶和二 阶两种形式。对象、属性及其关系。
20
“意图姿态”(Intentional Stance)
意义：启发AI学者将信念(Belief)、愿望 (Desire)、承诺(Commitment)等人类特有 的思想和概念应用于Agent。
36
13.5.2 认知Agent
Agent 内部状态 传感器 信息融合 环 知识库 规 划 境 目标 动 作 效应器
37
认知Agent程序
function Cognitive-Agent(percept) returns action static: environment, /* 描述当前世界环境 */ kb, /* 知识库 */
11
Agent概念的出现
面向过程的方法
面向实体的方法
面向对象的方法
面向Agent的方法
软件开发方法的进化
12
Agent的定义
在计算机和人工智能领域中， Agent可以看作是一个实体，它通过传 感器感知环境，通过效应器作用于环境。
13
Agent的强定义
基于某种场景，并具有灵活、自主 的行为能力，以满足设计目标的计算机 系统。
14
Agent的弱定义
满足如下特征的基于硬件或（更经 常是）软件的计算机系统： 自主性(Autonomy) 社会性(Social ability) 反应性(Reactivity) 主动性(Pro-activeness)（或称“前 瞻性”） 基于场景性(Situatedness) 灵活性(Flexibility)
15
移动性(Mobility) 理性(Rationality) 此外，许多学者还提出一些其它特性： 诚实性(Veracity) 友好性(Benevolence) 长寿性（或时间连贯性） 自适应性(Adaptability)
16
Agent的特性
Agent弱概念： 自治性、社会能力（可通信性）、反 应能力、自发行为 Agent强概念： 知识、信念、意图、承诺等心智状态 其它属性： 长寿性、移动性、推理能力、规划能 力、学习和适应能力、诚实、善意、 理性
28
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> Agent能力： Ability=<Act_template, role, cost>
局部规划器
规划
重新 规划
规划
决策生成
目标
41
建模模块
建模 模 型 库 世界的模型 （包括其他 Agent的模型）
规划
模 型 生 成 和 维 护
预 测
决策生成
感 知
通 信
42
通信模块
语言生成
词 法 库
语 法 库
词 义 库
物理通信
语言理解
通信
43
13.6 Agent通信
策 略 协 议 对 话 黑 板 消 息 协 议
21
13.4.1 理性Agent（BDI模型）
思想：认为Agent行为可由信念、愿望和意 图来表达 作用：已成为经典模型，并被广泛采用
Belief——信念，Agent对环境的基本看法。 Desire——愿望，Agent想要实现的状态， 即目标。 Intention——意图，目标的子集。
22
13.4.2 BDIAgent模型
动 作
效应器
35
反应Agent程序
function Reactive-Agent(percept) returns action static: rules, /* 一组条件-动作规则 */
state ← Interpret-Input(percept) rule ← Rule-Match(state,rules) action ← Rule-Action[rule] return action
29
13.5 Agent结构
Agent结构需要解决的问题包括： Agent由那些模块组成， 模块之间如何交互信息， Agent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。
30
Agent基本结构
感知 环境 作用 Agent
BDIAgent模型可以通过下列要素描述： 一组关于世界的信念； Agent当前打算达到的一组目标； 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Agent当前怎样 达到它的目标和改变信念。
23
BDI解释器
BDI-Interpreter initialize-state(); do options := option-generator(event-queue, B, G, I); selected-options := deliberate(options, B, G, I); update-intentions(selected-options, I); execute(I); get-new-external-events(); drop-successful-attitudes(B,G,I); drop-impossible-attitudes(B,G,I); until quit
浙江大学计算机学院研究生《人工智能引论》课件
第13讲 智能Agent及多Agent系统
Chapter 13 Intelligent Agent & MultiAgent Systems
徐从富
浙江大学人工智能研究所
2003年第一稿 2005年10月修改补充 2007年10月第二次修改
1
内容
1. 概述 2. 分布式问题求解 3. Agent 4. Agent理论 5. Agent结构 6. Agent通信 7. Agent的协调与协作 8. 多Agent环境MAGE 9. 面向Agent的软件技术 10. Mobile Agent 11. 若干前沿问题讨论
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
7
13.2.2 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
8
分布式问题求解系统中协作的分类
按节点间协作量的多少，协作分为三类： 全协作系统 无协作系统 半协作系统 常用的通信方式有： 共享全局存储器 信息传递 黑板模型
9
13.3 智能Agent及多Agent系统
多Agent系统主要研究在逻辑上或 物理上分离的多个Agent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。
10
Agent的思想
智能Agent的几个典型的实例： Microsoft的Office助手 计算机病毒（破坏Agent） 计算机游戏或模拟中的智能角色 贸易和谈判Agent（如Ebay的拍卖Agent） 网络蜘蛛Web Spider（搜索引擎中的数据 搜集和索引Agent，如Google）
17
13.4 Agent理论
智能Agent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Agent的本质进行描述，为智能 Agent系统创建奠定基础。
18
