资源描述
人工智能 Artificial Intelligence 第九章 史忠植 中国科学院计算技术研究所 http:/ 分布式人工智能与智能 体 Distributed AI 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 2021/1/25 史忠植 人工智能: DAI与智能体 24 内容提要 9.1 概述 9.2 分布式问题求解 9.3 智能体理论 9.4 智能体结构 9.5 智能体通信语言 ACL 9.6 协调和协作 9.7 移动智能体 9.8 多智能体环境 MAGE 9.9 小结 2021/1/25 史忠植 人工智能: DAI与智能体 25 智能体结构 智能体结构需要解决的问题包括: 智能体由那些模块组成, 模块之间如何交互信息, 智能体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。 2021/1/25 史忠植 人工智能: DAI与智能体 26 智能体基本结构 环境 智能体 感知 作用 黑箱软件智能体 2021/1/25 史忠植 人工智能: DAI与智能体 27 智能智能体的工作过程 环境 交互 信息融合 信息处理 作用 交互 感知 作用 2021/1/25 史忠植 人工智能: DAI与智能体 28 智能体骨架程序 function Skeleton-Agent(percept) return action static: memory /* 智能体的世界记忆 */ memory Update -Memory(memory,percept) action Choose -Best-Action(memory) memory Update -Memory(memory,action) return action 2021/1/25 史忠植 人工智能: DAI与智能体 29 智能体的分类 根据人类思维的层次模型,可以将智能体分成四类: 反应智能体 形象思维智能体 抽象思维智能体 复合式智能体 形象思维智能体和抽象思维智能体也可以合称为认知 智能体 2021/1/25 史忠植 人工智能: DAI与智能体 30 反应智能体 环 境 当前世界 传感器 动 作 效应器 条件 -动作 规则 智能体 2021/1/25 史忠植 人工智能: DAI与智能体 31 反应智能体程序 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 -Actionrule return action 2021/1/25 史忠植 人工智能: DAI与智能体 32 认知智能体 环 境 信息融合 传感器 动 作 效应器 智能体 规 划 知识库 目标 内部状态 2021/1/25 史忠植 人工智能: DAI与智能体 33 认知智能体程序 function Cognitive-Agent(percept) returns action static: environment, /* 描述当前世界环境 */ kb, /* 知识库 */ environment Update -World-Model(environment,percept) state Update -Mental-State(environment,state) action Decision -Making(state,kb) environment Update -World-Model(environment,action) return action 2021/1/25 史忠植 人工智能: DAI与智能体 34 BDI结构 知 识 信 念 规 划 意 图 目 标 愿 望 2021/1/25 史忠植 人工智能: DAI与智能体 35 复合式智能体 决策生成 规 划 反 射 建 模 通 信 感 知 行 动 其他 智能智能体 智能智能体 外部世界 预测 协作与协商 动作 请求或应答信息 一 般 情 况 紧急情 况和简 单情况 2021/1/25 史忠植 人工智能: DAI与智能体 36 规划模块 世界的模型 (包括其他 智能体的模型) 经 验 库 目标集合 局 部 规 划 器 决 策 生 成 重新 规划 规划 规划 目标 2021/1/25 史忠植 人工智能: DAI与智能体 37 建模模块 世界的模型 (包括其他 智能体的模型) 模 型 库 模 型 生 成 和 维 护 预 测 规划 决策生成 感 知 通 信 建模 2021/1/25 史忠植 人工智能: DAI与智能体 38 通信模块 词 法 库 语 法 库 词 义 库 物理通信 语言生成 语言理解 通信 2021/1/25 史忠植 人工智能: DAI与智能体 39 智能体通信 策 略 对 话 消 息 黑 板 协 议 通 信 协 作 协 议 2021/1/25 史忠植 人工智能: DAI与智能体 40 智能体通信中的主要问题 语义:全部有关的智能体必须知道通信语言的语义,消 息的语义内容知识是分布式问题求解的核心部分。 言语行为:通信语言也是一种动作,说话是为了使世界 的状态发生改变。 交互协议:智能体之间消息交换的典型模式 通信语言:传递消息的标准语法。 Foundation for Intelligent Physical Agents http:/www.fipa.org 2021/1/25 史忠植 人工智能: DAI与智能体 41 智能体间的消息传递 消息发送 /传输服务器 转换到传输格式 从传输格式转换 消息 M 言语行为 意图 I 目标 G Agent i 消息 M Agent i 2021/1/25 史忠植 人工智能: DAI与智能体 42 内容提要 9.1 概述 9.2 分布式问题求解 9.3 智能体理论 9.4 智能体结构 9.5 智能体通信语言 ACL 9.6 协调和协作 9.7 移动智能体 9.8 多智能体环境 MAGE 9.9 小结 2021/1/25 史忠植 人工智能: DAI与智能体 43 言语行为 有关言语行为理论的研究主要集中在如何 划分不同类型的言语行为。 在智能体通信语言的研究中,言语行为理 论主要用来考虑智能体之间可以交互的信 息类型。 2021/1/25 史忠植 人工智能: DAI与智能体 44 通信语言 KQML: 由美国 ARPA的知识共享计划中提出, 规定了消息格式和消息传送系统,为多智 能体系统通信和协商提供了一种通用框架。 ACL: 由 FIPA制定的一种规范。与 KQML非常相 似 2021/1/25 史忠植 人工智能: DAI与智能体 45 KQML 一个例子: (ask-all : sender A : receiver B : in-reply-to ido : reply-with idl : language Prolog : ontology foo : content “bar (X, Y)”) 2021/1/25 史忠植 人工智能: DAI与智能体 46 FIPA ACL (inform : sender agent1 : receiver hpl-auction-server : content (price (bid good02) 150) : in-reply-to round-4 : reply-with bid04 : language s1 : ontology hpl-auction ) 消息结构开始 通信动作类型 消息参数 消息内容表达式 参数表达式 2021/1/25 史忠植 人工智能: DAI与智能体 47 FIPA通信动作库 Accept Proposal 接受提议 Agree 同意 Cancel 取消 Call for Proposal 要求提议 Confirm 确认 Disconfirm 确认为否定 Failure 失败 Inform 通知 Inform If 通知 是否 Inform Ref 通知 有关对象 Not Understood 不理解 2021/1/25 史忠植 人工智能: DAI与智能体 48 Propagate 传播 Propose 提议 Proxy 代理 Query If 询问 是否 Query Ref 询问 有关对象 Refuse 拒绝 ( 请求 ) Reject Proposal 拒绝提议 Request 请求 Request When 请求 某个条件下执行 Request Whenever 请求 一旦某个条件成立就执行 Subscribe 预定 详细说明: http:/www.fipa.org/repository/cas.html FIPA通信动作库 2021/1/25 史忠植 人工智能: DAI与智能体 49 XML可扩展标记语言 XML是用于标记电子文件使其具有结构性的标 记语言。 XML文件本身只是将文件资料结构化。 例如:下面的 ACL消息 (inform :sender jklabrou :receiver grosof :content (CPU libretto50 pentium) :ontology laptop :language kif) 2021/1/25 史忠植 人工智能: DAI与智能体 50 inform jklabrou grosof 转换为 XML格式 2021/1/25 史忠植 人工智能: DAI与智能体 51 laptop (CPU libretto50 pentium) kif 转换为 XML格式 2021/1/25 史忠植 人工智能: DAI与智能体 52 内容提要 9.1 概述 9.2 分布式问题求解 9.3 智能体理论 9.4 智能体结构 9.5 智能体通信语言 ACL 9.6 协调和协作 9.7 移动智能体 9.8 多智能体环境 MAGE 9.9 小结 2021/1/25 史忠植 人工智能: DAI与智能体 53 智能体的协调与协作 协调 (coordination)与协作 (cooperation)是多 智能体研究的核心问题之一。 协调是指一组智能智能体完成一些集体活动 时相互作用的性质。 协作是非对抗的智能体之间保持行为协调的 一个特例。 2021/1/25 史忠植 人工智能: DAI与智能体 54 协 调 多智能体系统中的协调是指多个智能体为了以 一致、和谐的方式工作而进行交互的过程。进 行协调是希望避免智能体之间的死锁或活锁。 死锁指多个智能体无法进行各自的下一步 动作; 活锁指多个智能体不断工作却无任何进展。 2021/1/25 史忠植 人工智能: DAI与智能体 55 协作 目前针对智能体协作的研究大体上可分为两 类: 1) 将其它领域研究多实体行为的方法和技术 用于智能体协作的研究。如对策论和力学 研究。 2) 从智能体的目标、意图、规划等心智态度 出发来研究多智能体间的协作。 2021/1/25 史忠植 人工智能: DAI与智能体 56 协作 协作的动机: 1) 某个智能体相信通过协作能带来好处(如 提高效率,完成以往单独无法完成的任务) 2) 多个智能体在交流的过程中,发现它们能 够通过协作来实现更大的目标。 2021/1/25 史忠植 人工智能: DAI与智能体 57 协作过程 1) 产生需求、确定目标 2) 协作规划、求解协作结构 3) 寻求协作伙伴 4) 选择协作方案 5) 实现目标 6) 评估结果 2021/1/25 史忠植 人工智能: DAI与智能体 58 协作模式 从社会心理学的角度看,多智能体之间的协作情形 大致可分为: 协作型:同时将自己的利益放在第二位。 自私型:同时将协作放在第二位。 完全自私型:不考虑任何协作。 完全协作型:不考虑自身利益。 协作与自私相混合型。 2021/1/25 史忠植 人工智能: DAI与智能体 59 协作策略 计算生态学 对策论 规划 2021/1/25 史忠植 人工智能: DAI与智能体 60 计算生态学 80年代末,在计算机中出现了一个崭新的学科 - -计算生态学 (the ecolog of computation)。计 算生态学是研究关于开放系统中诀定计算结点的 行为与资源使用的交互过程的学科。它摒弃了封 闭、静止地处理问题的传统算法,将世界看作是 开放的、进化的、并发的 , 通过多种协作处理问 题的生态系统 (ecosystem)加以研究。它的进 展与开放信息系统的研究息息相关。 2021/1/25 史忠植 人工智能: DAI与智能体 61 计算生态学 计算生态学将计算系统看作是一个生态系统,它引进了 许多生物的机制,如变异 (mutation)即物种的变化。这 些变化导致生命基因的改变,从而形成物种的多样性, 增强了适应环境的能力。这类变异策略成为人工智能系 统提高其自身能力的一种方法。 Lenat与 Brown成功地将 变异机制引入他们的 AM与 Eurisko系统中 , 通过小型 Lisp 程序的语法变异发现数学概念。他们认为未来成功的系 统应该是一系列进化的、自组织的符号知识结构的 社 会 系统。 2021/1/25 史忠植 人工智能: DAI与智能体 62 生物生态模型 这是最著名的生态系统,具有典型的进化特征和 层次性。这种特性反映在“食物链”中。对于复 杂的生物生态系统而言,各物种组成了紧密相连 的网络食物网。这个系统的主要角色是捕食者 与被食者。生命依赖于生命,共同进化,由小的 生态环境组成大的生态系统。 2021/1/25 史忠植 人工智能: DAI与智能体 63 物种进化模型 物种进化的“复制者”是基因。从门德尔的植物遗传研究 到现代遗传学的成果,都说明了在物种进化过程中,基因 的组合与变异起着关键作用。在一个物种的某一群体中基 因的集合称为基因池。生物组织是基因的载体。如果环境 变化,选择的机制就会改变。这种变化必然引起基因池的 变化。特定种群的基因变化称为基因流。一个物种总是不 断地经历隔绝、基因流动、变化的循环。开始时,一组地 理上隔绝的群体自己孤立地发展,基因在内部快速地流动。 随着开放,通过交流和竞争,优胜劣汰。 2021/1/25 史忠植 人工智能: DAI与智能体 64 经济模型 经济系统在某种意义上类似于生物生态系统。在 商品市场和理想市场中,进化决定于经济实体的 决策。选择机制是市场奖励机制。进化是快速的, 企业与消费者之间、企业之间主要是一种互相依 赖的合作关系。决策者为了追求长远利益,可以 采取各种有效的方法,甚至可以暂时做赔本买卖。 2021/1/25 史忠植 人工智能: DAI与智能体 65 协商模型 Zlotkin的面向领域的协商理论 Zlotkin的协商理论假设: 各智能体追求本身效用最大。 知识完备。 无历史信息。 目标集固定。 协商在两智能体之间同时进行。 智能体操作集相同。 世界仅当智能体操作之后发生变化。 2021/1/25 史忠植 人工智能: DAI与智能体 66 面向领域的协商理论 在协商过程中,若存在一个双方满意的分配,可 以得到一个联合规划 , 使协商终止的条件是: (1) 达成协议:如果 Utility(P(i,t) Utility(P(i,t-1), 这一协商过程将在有限 步内结束。 (2) 冲突: 如果 Utility(P(i,t) = Utility(P(i,t-1), 则无法达成协议。 2021/1/25 史忠植 人工智能: DAI与智能体 67 最佳平衡 传统的协商是基于 Nash平衡的 ,它的缺点是 Nash 平衡产生多个平衡 点 , 对结果约束较少。 Kraus使用 Rubinstein的 “ 最佳 ” 平衡 (Perfect Equilibrium, 简称 P.E.)理论 , 建立了一种基于 P.E.的协 商方法 , 需要在协商的任一阶段都产生平衡 , 即在协商的任一阶段 , 假设 智能体 A 使用 P.E. 策略 , 则 智能体 B 除了自己的 P.E., 策 略外没有更好的策略可遵循。故若有唯一的 P.E., 并假定智能体要 使用该策略 , 则它在协商的每一阶段都只用这一策略。可证明 , 存在 唯一的 P.E.,在第一阶段后就可以终止协商。 Kraus 还将对时间的偏 好引入这一理论中。结果表明 , 时间偏好可以提高协商效率 , 并仅对 某一智能体有利。 这一理论对于智能体的构造和智能体之间的协作 很有用处 , 如果为智能体提供唯一的 P.E.策略 , 并通知其他智能体 , 则其他智能体的最佳选择也是 P.E. 策略。 该理论的缺陷是 :缺乏动态性特色 ,应用面窄 ,因为尽管存在唯一的 P.E, 但如何求出仍未得到解决。 2021/1/25 史忠植 人工智能: DAI与智能体 68 集中式协商方法 Ephrati使用了一种集中式的协商方法 , 用一个 “ master agent ” 或组投票机制以达成协议。在 这种方法中 , 一组智能体的协作与组规划进程相关。 Ephrati使用一种动态的、迭代的搜索过程 , 通过 一组约束 ,使智能体递增式地构成一个最大“社会 效用”规划。在每一步 , 各智能体对于组规划的下 一个联合行动投票。 使用这一技术 ,智能体无需完 整地展示其偏好 , 可选状态集在投票之前产生。 2021/1/25 史忠植 人工智能: DAI与智能体 69 开放环境多智能体协作方法 Osawa (1) 需求者 (requestor)向公告板智能体发送需求建议 RFP (2) 空闲智能体向公告板智能体申请一个 RFP (3) 公告板将 RFP发到提出申请的空闲智能体 (4) 空闲智能体产生个体规划 (5) 空闲智能体将其规划发给需求者 (6) 需求者调查协作的可能 (7) 需求者发送协作奖励 (8) 申请者组成协作规划 2021/1/25 史忠植 人工智能: DAI与智能体 70 开放环境多智能体协作方法 其效用值可用下式计算: utility(a,g)=worth(a,g)-cost(plan(a,g) 效用的平均是协作的原则。 尽管 Osawa在一定程度上解决了开放环境中智能体协作的问 题 , 但将各智能体效用简单相加再平均的方法仍然太弱 , 因为智能体效用仅是智能体本身对目标偏好的一种排序关系 , 不同智能体效用一般不能用数值比较。 2021/1/25 史忠植 人工智能: DAI与智能体 71 交互协议 智能体之间的会话常常形成典型模式,这种情况 下某些消息序列是可知的,这些消息交换的典型 模式称为协议。 智能体间交互的理想情况:智能体充分地理解消 息的含意和意图,然后根据自身的信念、目标等 心智状态,做出相应的回答 比较实际的实现:预先规范这些协议,规定好消 息的顺序。 2021/1/25 史忠植 人工智能: DAI与智能体 72 FIPA 英国 拍卖 协议 交互协议 2021/1/25 史忠植 人工智能: DAI与智能体 73 规划 规划是智能体对动作进行推理的一种主要形 式,它很大程度上体现了智能体的智能性。 同时,规划也是描述智能体行为的主要方式。 规划是为了建立一个控制算法,使智能智能 体能够为实现目标,对动作过程进行综合。 2021/1/25 史忠植 人工智能: DAI与智能体 74 经典规划问题 经典的规划理论认为规划要解决的问题(即规划的输入) 是: 用某种形式语言描述的初始世界状态 用某种形式语言描述的智能体目标 用某种形式语言描述的智能体可能采用的动作,通 常也叫做领域知识 输出是: 可以在某个满足初始状态描述的世界中执行并达到 智能体目标的一个动作序列 2021/1/25 史忠植 人工智能: DAI与智能体 75 内容提要 9.1 概述 9.2 分布式问题求解 9.3 智能体理论 9.4 智能体结构 9.5 智能体通信语言 ACL 9.6 协调和协作 9.7 移动智能体 9.8 多智能体环境 MAGE 9.9 小结 2021/1/25 史忠植 人工智能: DAI与智能体 76 移动智能体 随着 Internet应用的逐步深入,特别是信息搜索、分 布式计算以及电子商务的蓬勃发展,人们越来越希望 在整个 Internet范围内获得最佳的服务,渴望将整个 网络虚拟成为一个整体,使软件智能体能够在整个网 络中自由移动,移动智能体的概念随即孕育而生。 移动智能体可以看成是软件智能体技术与分布式计算 技术相结合的产物,它与传统网络计算模式有着本质 上的区别。 2021/1/25 史忠植 人工智能: DAI与智能体 77 移动智能体系统 虽然目前不同移动智能体系统的体系结构各不相同, 但几乎所有的移动智能体系统都包含移动智能体(简 称 MA)和移动智能体服务设施(简称 MAE)两个部分。 MAE负责为 MA建立安全、正确的运行环境,为 MA提供最 基本的服务(包括创建、传输、执行),实施针对具 体 MA的约束机制、容错策略、安全控制和通信机制等。 MA的移动性和问题求解能力很大程度上取取于 MAE所提 供的服务 2021/1/25 史忠植 人工智能: DAI与智能体 78 移动智能体系统 移动智能体服务设施 MAE至少应包括以下基本服务: ( 1)事务服务: 实现移动智能体的创建、移动、持久化 和执行环境分配; ( 2)事件服务:包含智能体传输协议和智能体通信协议 ,实现移动智能体间的事件传递; ( 3)目录服务:提供移动智能体的定位信息,形成路由 选择; ( 4)安全服务:提供安全的执行环境; ( 5)应用服务:提供面向特定任务的服务接口。 2021/1/25 史忠植 人工智能: DAI与智能体 79 移动智能体系统 Java-based: Odyssey. General Magic Inc. Concordia. Mitsubishis Aglets. IBM Voyager. ObjectSpace Others: Tacoma: Univ.of Tromso and Cornell Univ. Agent TCL: Dartmouth College 2021/1/25 史忠植 人工智能: DAI与智能体 80 移动智能体系统 Voyager Voyager 的最大特点是以 Voyager ORB作为核心,将 Agent和分布式计算紧密结合在一起的。但 Voyager 只支 持纯 Java的对象的通信,与 CORBA和 MASIF不兼容,它还支 持异步或同步的通信,动态消息机制和单向多点发送。在 容错服务方面, Voyager支持任意时间的显式地存储,其 安全机制主要是通过 Voyager Security类进行编程设置。 2021/1/25 史忠植 人工智能: DAI与智能体 81 移动智能体系统 Aglet Aglet是由 IBM公司用纯 Java开发的移动 Agent技 术,并提供着实用的平台 Aglet Workbench,让 人们开发或执行移动 Agent系统。 Aglet是一个较 为成功和全面的系统,主要表现在:它提供了一 个简单而全面的移动 Agent编程模型;它为 Agent 间提供了动态和有效的通信机制;它还提供了一 套详细且易用的安全机制。 2021/1/25 史忠植 人工智能: DAI与智能体 82 Aglet的系统框架 2021/1/25 史忠植 人工智能: DAI与智能体 83 ATP的示意图 2021/1/25 史忠植 人工智能: DAI与智能体 84 Aglet对象模型 Aglet系统首先提供一个上下文环境( context) 来管理 Aglet的基本行为:如创建( create) Aglet,复 制( clone) Aglet,或分派( dispatch) Aglet到远程 机器,召回( retract)远端的 Aglet,或暂停 ( deactive) ,唤醒( active) Aglet,以及清除 ( dispose) Aglet等。 2021/1/25 史忠植 人工智能: DAI与智能体 85 Aglet 生命周期模型 基本操作 : Creation Cloning Dispatching Retraction Activation and deactivation Disposal Aglet Clone Class File Aglet Disk storage Dispose Dispatc h Retract Crea te Deactiv ate Activ ate Context A Context B 2021/1/25 史忠植 人工智能: DAI与智能体 86 Aglet的对象模型 2021/1/25 史忠植 人工智能: DAI与智能体 87 Aglet之间的通信 Aglet与 Aglet之间的通信,则可用消息传递的方法来传递 消息对象。此外,基于安全上的考虑, Aglet并非让外界 直接存取其信息,而是透过一个代理( proxy)提供相应 的接口与外界沟通。这样做的好处, Aglet的所在位置会 透明化,也就是 Aglet想要与远端的 Aglet沟通时,只在本 地主机上的上下文环境中产生对应远端 Aglet的代理,并 与此代理沟通即可,不必直接处理网络连接与通讯的问题。 2021/1/25 史忠植 人工智能: DAI与智能体 88 Aglet安全性 Aglet系统中的安全主要涉及主机对 Aglet的攻 击, Aglet之间的攻击, Aglet对主机的攻击,以 及来自底层网络的攻击。 Aglet Workbench目前 主要支持前面两种攻击的预防。以下简要分析 Aglet系统的安全对策。 2021/1/25 史忠植 人工智能: DAI与智能体 89 Aglet安全性 对用户和域的认证: 数据完整性检查: 另外还有类似 jdk安全模型的授权。 2021/1/25 史忠植 人工智能: DAI与智能体 90 内容提要 9.1 概述 9.2 分布式问题求解 9.3 智能体理论 9.4 智能体结构 9.5 智能体通信语言 ACL 9.6 协调和协作 9.7 移动智能体 9.8 多智能体环境 MAGE 9.9 小结 2021/1/25 史忠植 人工智能: DAI与智能体 91 多智能体环境 MAGE 多智能体环境 MAGE Multi-AGent Environment 目标 面向智能体的软件开发、集成和运行环境 功能 实现基于智能体的应用集成(软件重用的最佳解决方案) 主要特点 分布式计算平台 多种软件重用方案 多种智能体生成方式 图形用户界面、强大的管理功能 丰富的行为模板、智能体行为调度模型 2021/1/25 史忠植 人工智能: DAI与智能体 92 MAGE的总体结构 智能体统一建 模平台 AUMP 可视化智能体开发 环境 VAStudio MAGE 运行环 境 需 求 分 析 系 统 设 计 系统开发 / 智能体生成 行 为 层 智 能 体 层 智 能 体 社 会 系 统 部 署 、 运 行 2021/1/25 史忠植 人工智能: DAI与智能体 93 可视化 开发环境 VAStudio 2021/1/25 史忠植 人工智能: DAI与智能体 94 MAGE智能体系统结构 Agent kernel Sensor Function Module Interface Resource Database Engine Communicator Scheduling Function Component Plug-INs Reasoning Negotiation Co-Operation others Plug-in Manager Task Database 史忠植 人工智能: DAI与智能体 小结 2021/1/25 95 分布式人工智能的研究目标在于构造描述自然系统、社会系统以 及人机物三元世界的概念模型,研究由多个实体组成的系统中, 各实体间如何交互作用、知识和动作如何分布与协作,以提高系 统的整体性能,推动以新制造技术、新能源和智能城市为代表的 “第三次工业革命”的发展。 智能体是人工智能的实用化和分布式计算环境下智能软件的重要 技术,它们具有社会知识和领域知识,能依据心智状态自治工作 ,并具有领域互操作和协作能力。 本章首先介绍智能体的基本概念,然后介绍智能体的体系结构、 通信语言、协调和协作、移动智能体。最后介绍多智能体环境 MAGE。 2021/1/25 史忠植 人工智能: DAI与智能体 96 Thank You 人工智能 http:/
展开阅读全文