multi agenten-systeme
DESCRIPTION
Multi-Agenten-Systeme. Eine Einführung Maschinelles BewusstseinTRANSCRIPT
Multi-Agenten-Systeme
Eine Einführung
Maschinelles Bewusstsein
von Walid El Sayed Aly, 17.12.2008
Inhaltsübersicht
Agenten
Intelligente Agenten
Agenten-Typen
Agenten-Architekturen
Abgrenzung von Agenten zu Objekten und Expertensystemen
Multi-Agenten-Systeme
Kommunikation zwischen Agenten
Beispiele für Multi-Agenten-Systeme
Verteilte Künstliche Intelligenz
Agenten
Es gibt keine allgemeingültige Definition des Begriffs.
Die Vielschichtigkeit der Agenten erschwert eine Eingrenzung.
„An agent is a computer system that is situated in some
environment, and that is capable of autonomous action in this
environment in order to meet its design objectives“. M. Woolridge
„An agent is a computational entity such as a software program or a robot
that can be viewed as perceiving and acting upon its environment and
that is autonomous in that its behavior at least partially depends on its
own experience“. G. Weiss
AUTONOMIE und HANDLUNG = Schlüsselfaktoren
Agenten
aus M. Woolridge, „Intelligent Agents“
Agenten:
Umgebungseigenschaften
erreichbar – unerreichbar
deterministisch – nicht-deterministisch
episodenhaft – nicht-episodenhaft
statisch – dynamisch
separat – zusammenhängend
Umgebungseigenschaften beeinflussen die Entscheidungen der
Agenten darüber, welche Aktion sie in welcher Situation wählen.
Agenten: Beispiel
Thermostat
Sensor erfasst Raumtemperatur
Sensor leitet Signal an
Thermostat weiter
Thermostat führt
Aktion aus
keine Erfolgsgarantie
(geöffnetes Fenster wäre
kontraproduktiv)
Thermostat
Raum
- Heizung
an/aus
- zu warm
- zu kalt
-Temperatur
angemessen
Intelligente Agenten
Wissen
Lernfähigkeit
können eigenes Verhalten selbst ändern
Flexibilität
Optimierung vorgegebener Leistungsmaßnahmen
keine Alleskönner und nicht allwissend
soziale Kompetenz
Autonomie
Intelligente Agenten:
Flexibilitätsmerkmale
a. Reaktivität
Sie können ihre Umgebung wahrnehmen
und auf Änderungen zeitnah reagieren
b. Pro-Aktivität
Sie können sich zielgerichtet
verhalten, indem sie eigene Schritte
unternehmen.
c. Sozialfähigkeit
Sie können mit anderen Agenten
interagieren.
Agenten-Typen
Reaktive Agenten
Kein eigenes Wissen vorhanden
Aktionsausführung aufgrund von
Wahrnehmungen
Einfacher reaktiver Agent
Beobachtender Agent
Kognitive Agenten
Verwaltung eines
Umgebungsmodells in einer
Datenstruktur
Zielgerichtete und geplante
Aktionen
Zielbasierter Agent
Nutzenbasierter Agent
Agenten-Architekturen
Methodologie zum Aufbau von Agenten, die
Datenstrukturen, Algorithmen und
Flusskontrollen zur Entscheidungsfindung
eines Agenten beschreibt.
Eine Differenzierung ist anhand der
Herangehensweise des Agenten an den
Entscheidungsprozess möglich.
Vier unterschiedliche Typen von
Architekturen:
logik-basiert, reaktiv, BDI und
geschichtet
Abgrenzung von Agenten
zur Objektorientierung
Agenten und Objekte können ihren internen Zustand autonom
kontrollieren. Objekte können aber nicht ihr Verhalten kontrollieren.
Objekte haben immer dieselben Ziele – Agenten nicht unbedingt.
D. h. die Autonomie der Agenten ist viel größer.
Objekte sind nicht flexibel (reaktiv, pro-aktiv und sozial).
Ein objektorientiertes Modell hat nur einen einzigen Thread, während in
einem Agentensystem jeder Agent mindestens über einen eigenen
Thread verfügt.
Abgrenzung von Agenten
zu Expertensystemen
Expertensysteme verfügen nur über einen begrenzten Datenumfang.
Sie befassen sich nur mit den Daten aus der direkten Umgebung des
Problems.
Sie können nicht durch Kommunikation oder Kooperation dazulernen.
Informationen werden nicht durch Sensoren, sondern durch User-Input
vermittelt.
Expertensysteme üben keinen Einfluss auf ihre Umgebung aus, sondern
liefern nur Feedback darüber.
Multi-Agenten-Systeme
Interaktion verschiedener Agenten
Ein System aus mehreren, gleichartigen
oder unterschiedlich spezialisierten
Einheiten, die kollektiv ein Problem lösen.
Agenten, Interaktionen und Umgebungen
können variieren
Interdisziplinäre Ausrichtung
(Wirtschaft, Philosophie, Soziologie, Logik)
Beispiel eines natürlichen
Multi-Agenten-Systems
Algorithmen eines Ameisenstaates
stellen Lösungen für komplexe
Optimierungsaufgaben dar und dienen
als Vorbild für die Verbesserung
technischer Prozesse
aus www.kaeferatlas.de
Multi-Agenten-Systeme:
Vorteile
geeignet für Anwendungen in
großen, verteilten, heterogenen, dynamische
n, offenen Umgebungen, die ein hohes Maß
an Interaktion erfordern
keine geografische Einschränkung
Vielzahl von Komponenten möglich
enorm großes Datenvolumen
gewaltige Bandbreite
optimal für die Gestaltung verteilter
Computersysteme
Multi-Agenten-Systeme:
Nachteile
große Herausforderungen in der
Konstruktion
Potenzial wird oft überschätzt
technische Hindernisse
wenig systematische Methoden für die
Entwicklung
Misstrauen bei Nutzern hinsichtlich der
Übertragung von Aufgaben an Agenten
Kommunikation zwischen
Agenten
Voraussetzung für ein reibungsloses Funktionieren eines Multi-Agenten-
Systems ist ein effizientes Kommunikationsnetzwerk.
Kommunikation > bessere Umsetzung von Zielen
> bessere Koordination von Handlungen und Verhalten
> mehr Möglichkeiten zur Bildung komplexerer Systeme
Zwei Varianten der Koordination:
Kooperation = Koordination innerhalb gleichgesinnter Agenten
Verhandlung = Koordination unter konkurrierenden oder eigennützigen
Agenten
Kooperation setzt soziale Kompetenz voraus (Austausch von
Wissen, Bestimmung gemeinsamer Aufgaben und Vermeidung von
Konflikten).
Kommunikation zwischen
Agenten
Basic Agent Passive
Agent
Active Agent Peer Agent
Receives
assertions• • • •
Receives
queries• •
Sends
assertions• • •
Sends
queries• •
Kommunikation zwischen Agenten:
Kommunikationsprotokolle
Agenten tauschen Mitteilungen aus und
„unterhalten“ sich miteinander anhand von
Kommunikationsprotokollen
Protokolle werden auf verschiedenen
Ebenen angeboten
Protokolle beschreiben die Methode der
Verbindung zwischen Agenten, das Format
der transferierten Informationen und deren
Bedeutung
Beispiele von Kommunikationsprotokollen:
KQML und KIF
Kommunikation zwischen
Agenten: Interaktionsprotokolle
Agenten-Interaktions-Protokolle übertragen Mitteilungsserien. Je nach
Agententyp gibt es verschiedene Protokolltypen, z. B. Koordinations- und
Kooperations-Protokolle.
Der Informationsaustausch wird auch Konversation genannt.
Die Aktivitäten der Agenten müssen koordiniert, die Abhängigkeiten
untereinander koordiniert und Kompetenzen, Informationen und Ressourcen
der Agenten gebündelt werden.
Wichtige Kriterien der Koordination: Verpflichtungen und Konventionen.
Verpflichtungen sind das Versprechen zur Ausführung einer Aktion und
Konventionen, z. B. soziale Konventionen, sorgen für gegenseitige
Unterstützung der Agenten.
Kooperationsprotokolle helfen bei der Gliederung und Verteilung von Aufgaben.
Beispiele für Multi-Agenten-Systeme
Finanzmarkthandel
Logistik
Industrielle Robotertechnik
E-Commerce
Informationsbeschaffung
Transportsysteme
Produktionsprozesse
Betrieb von Telekommunikationsnetzen
Computerbasierte Multi-Agenten-Systeme üben einen wichtigen Einfluss auf die Interaktion
und Steuerung von Systemen aus und haben in den letzten Jahren viele Bereiche der
Wissenschaften und der Industrie positiv beeinflusst.
Beispiele für
Multi-Agenten-Systeme:
Meeting-Planer
Ein Agent steuert den elektronischen Kalender seines Nutzers. Dieser
Agent ist autonom. Er kann mit anderen gleichartigen Agenten die
Kalender verschiedener Nutzer managen. Die Agenten können so
angepasst werden, dass sie die Präferenzen der Nutzer automatisch
miteinbeziehen.
Beispiele für
Multi-Agenten-Systeme:
DVMT
DVMT = distributed vehicle monitoring
Eine der ersten Multi-Agenten-Applikationen überhaupt. Verschiedene
geografisch verteilte Agenten beobachten durch Sensoren
Fahrzeuge, die einen bestimmten Bereich passieren. Sie tauschen
untereinander Informationen aus, um ein Gesamtbild zu erhalten.
Beispiele für
Multi-Agenten-Systeme:
OASIS
OASIS = Kontrollsystem im Flugverkehr, getestet am Flughafen Sydney
Jedem Flugzeug im Luftraum über Sydney wird ein Agent zugeteilt. Der
Agent erhält Informationen und Ziele eines reellen Flugzeugs, z. B. auf
einer bestimmten Landebahn zu landen. Er muss mit anderen Agenten
kommunizieren, um eine reibungslose Abwicklung seiner Aufgabe zu
ermöglichen.
Verteilte Künstliche Intelligenz
Ein Forschungs- und Anwendungsgebiet, das seit Mitte der 1970er Jahre besteht
Multi-Agenten-Systeme sind ein Forschungsgebiet der Verteilten Künstlichen Intelligenz
Entwicklung von Methoden und Mechanismen für eine effiziente Interaktion von Agenten
Koordination einzelner Agenten soll gefördert werden
Interaktionen zwischen intelligenten Einheiten wollen verstanden werden
Mikro- und Makroebene (Mikro = auf Agentenebene, Makro = auf Gruppenebene)
Vielen Dank für
Ihre Aufmerksamkeit!