aģenta arhitektūra (daudzaģentu sistēmās)

Aģenta arhitektūra (daudzaģentu sistēmās)

Ingars Ribners, Guntis Arnicāns (ir13073@lu.lv, guntis.arnicans@lu.lv)

LU 74.konference, Rīga2015. gada 5.februāris

Daudzaģentu modelēšanas vide

Mērķis:1. Izstrādāt universālu un paplašināmu valodu, ar kuru var

aprakstīt sistēmu modeļus daudzaģentu paradigmā;2. Izstrādāt “izpildes” vidi, kas spēj interpretēt aprakstītos

modeļus un kuru būtu pietiekami vienkārši lietot ne-programmētājam, lai veidotu un izmantotu modeļus no gatavām komponentēm.

Daudzaģentu modelēšanas vide

Uzmanība uz šādiem aspektiem:1. Liels aģentu skaits modelī (10t-100t)2. Spēja modelēt dzīvas sistēmas3. Hierarhiska aģentu–vižu struktūra4. Materiālas mijiedarbības modelēšana5. Individuāla aģenta vēsture (evolūcija, ģenētiskie algoritmi)

Simulācijas prototips (Erlang)

Number of agents

Start time (ms)*

Memory used (MB)**

Memory used by agent (kB)

100 17 20,00 35,00500 22 25,40 17,80

1000 37 32,10 15,605000 194 85,60 13,82

10000 530 152,40 13,5950000 8007 726,90 14,21

100000 28451 1402,50 13,86

* Average from 4 measurements** Approx. value from Windows 8 Task Manager

On one Erlang/OTP 17.5 node on (desktop PC i5-4460, 4-cores, 3.2GHz, 16GB RAM, Windows 8)

Daudzaģentu modelēšanas paradigma (1)

Modelēšanas metode, kurā modelējamā sistēma tiek apskatīta kā autonomu aģentu kopums, noteiktā vidē, un kuri savstarpēji komunicējot, veido noteiktu struktūru, var sadarboties vai konkurēt.

(nature-inspired sistēmu modelēšanas paradigma)

6

Sistēmu piemēri

Daudzaģentu modelēšanas paradigma (2)

Aģents ir galvenā šīs paradigmas abstrakcija. Parasti modelī aģenti ir vienkārši un vienveidīgi, un to var būt daudz.

Aģents/objekts.Proaktīvi/reaktīvi.Spēja uztvert/rīkoties (sensori/aktuatori)

Aģenta struktūra

Daudzaģentu modelēšanas paradigma (3)

Aģentu-vižu hierarhija.

Aģents vai vairāki aģenti var nodrošināt (“turēt”) vidi ar noteiktām īpašībām citiem aģentiem.

Aģents var būt aptveroša aģenta sastāvdaļa.

Temperature, gravitation acceleration, light, ... and their change pattern (t)

Time model

Space model

year cycle...

Day cycle,gravitation field...

Place, altitude...

Aģentu-vižu hierarhijas piemērs

Daudzaģentu modelēšanas paradigma (4)

Vide, kurā modelī darbojas aģenti, var materiāli mijiedarboties ar tajā esošo aģentu.

Saka, ka vide ar aģentu mijiedarbojas materiāli, ja vide uzliek noteiktus ierobežojumus aģenta atribūtu izmaiņas procesam.

Sistēmas atribūti / [Lokālie] atribūti

1.a.name = “Mazda 6”a.lights = 1a.masa = 1000 (kg)

2.a.speed = ? // sistēmas attribūtsa.{x,y} = ? // sistēmas attribūts

Piemērs

Uzdevums

Papildināt esošo aģenta arhitektūru, lai tā derētu arī materiālās aģenta mijiedarbības modelēšanai.

1.a.name = “Mazda 6”a.lights = 1a.masa = 1000 (kg)

2.a.speed = ? // sistēmas attribūtsa.{x,y} = ? // sistēmas attribūts

Jāsaprot, kā pareizi vadīt materiālus objektus un šo modeli jāizmanto aģenta arhitektūrā.

Jomas:• Vadības teorija (Control Theory)• Sistēmas ar atgriezenisko saiti (Feedback Systems)• Kiberfizikālās sistēmas (KFS)• Roboti• Kibernētika• uc.

Uzdevums

Piemērs: Autonoms auto

GCDC, vēsture (2011)

LU un EDI komanda piedalījās GCDC 2011. gada sacensībās

GCDC (2016)

GCDC (2016)

RezultātiRealizēta auto simulācijas programma

RezultātiRealizēta auto simulācijas programma

Auto kinemātiskais modelis

SecinājumiLai varētu modelēt aģentu materiālo mijiedarbību (piem., auto kā aģentu), mūsu aģenta modeli būtu jāpapildina sekojoši:

1. Katru sistēmas atribūtu jāsadala divās daļās:– Sistēmas atribūta mērķa vērtība– Sistēmas atribūta aktuālā vērtība

PID kontrole

Secinājumi2. Aģenta modelim jāsastāv no diviem vienlaicīgi strādājošiem procesiem:

Proc. nosaukums

Funkcija Izpildes periods, regularitāte

Real-time process

Modelējamā aģenta sistēmas atribūtu izmaiņas likumi:

• PID kontrolieri• Objekta mat.modelis (piem.,

auto kinemātiskais modelis)• Vides ierobežojumi

100x/sek (auto)

Stingri noteiktos laika momentos

Plānošanas process

Modelējamā aģenta sistēmas atribūtu mērķa vērtību uzdošana (plānošana) un regulāra atjaunošana (pārplānošana), balstoties uz apkārtni (sensoru datiem), mērķi utt.

10x/sek (auto)

Var būt neregulārs

Var būt pārtraukumi

Paldies par uzmanību!