人工智能基础08-合肥工业大学课件

单击此处编辑母版标题样式,a,单击此处编辑母版文本样式,a,第二级,a,第三级,a,第四级,a,第五级,*,合肥工业大学 人工智能与数据挖掘研究室,*,/87,目录,第一章,绪论,第二章搜索技术,第三章,知识表示,第四章推理技术,第五章 机器学习,第六章 计算智能,第七章 数据挖掘,第八章智能体技术,Agent,理论,基础,Agent,结构,多,Agent,系统,移动,Agent,2024/11/5,Agent,理论,基础,分布式人工智能,人工智能的发展,：,符号逻辑、知识工程与专家系统、象棋比赛、数学难题证明，,处理较“成型”的问题，利用成功的经验知识进行求解。,环境变化（分布式计算、互联网）：没有现成方法，没有知识？,引入新的活力,2024/11/5,Agent,理论,基础,分布智能系统特点,：,（,1）系统中的数据、知识,以及控制不但在逻辑上,而且在物理上是分布的,既没有全局控制,也没有全局的数据存储。,（,2）各个求解机构由计算机网络互连,在问题求解过程中,通信代价要比求解问题的代价低得多。,（,3）系统中诸机构能够相互协作,来求解单个机构难以解决,甚至不能解决的任务。,2024/11/5,Agent,产生与发展,Hewitt,提出演员模型（,1977,）,在该模型中给出了一些“演员（,Actor,）,”,一组具有知我包含、相互作用和并行执行的对象。,Minsky ,思维与社会,（,1986,）提出,Agent,社会中的某些个体经过协商之后可求得问题的解，这些个体就是,Agent,，,Agent,应具有社会交互性和智能性。,1980,年,Davis,和,Smith,提出了合同网（,CNET,）,CNET,使用投标,合同方式实现任务在多个节点上的分配。合同网系统的重要贡献在于提出了通过相互选择和达成协议的协商过程实现分布式任务分配和控制的思想,Agent,理论基础,2024/11/5,Agent,产生与发展,Lesser等人主持研制,分布式车辆监控测试系统,DVMT,DVMT,是以分布式传感网络数据解释为背景，对复杂的黑板问题求解系统之间的相互作用进行了研究，提供了抽象和模型化分布式系统行为的方法。,Gasser,等人研制了,MACE,系统（,1987,）,是一个实验型的分布式人工智能系统开发环境。,MACE,中每一个计算单元都称作主体，它们具有知识表示和推理能力，主体之件通过消息传送进行通信。,MACE,的各个机构并行计算,并提供了描述机构的描述语言，具有跟踪的,demons,机制。,Agent,理论基础,2024/11/5,Agent,理论基础,Agent,定义与特征,“Agent,是处在某个环境中的计算机系统，该系统有能力在这个环境中自主行动以实现其设计目标。,”Wooldridge&Jennings,Agent,环境,传感器输入,动作输出,2024/11/5,Agent,理论基础,Agent,定义与特征,Agent,弱概念,Autonomy,(,自治性）,:,agents operate without the direct intervention of humans or others,and have some kind of control over their actions and internal state;,social ability,（,社会性),:,agents interact with other agents(and possibly humans)via some kind of agent-communication language;,Reactivity,（反应性）,:,agents perceive their environment,(which may be the physical world,a user via a graphical user interface,a collection of other agents,the INTERNET,or perhaps all of these combined),and respond in a timely fashion to changes that occur in it;,pro-activeness,（,自主性）,:,agents do not simply act in response to their environment,they are able to exhibit goal-directed behavior by,taking the initiative,.,2024/11/5,Agent,理论基础,Agent,强概念,An agent to be a computer system that,in addition to having the properties identified above,is either conceptualized or implemented using concepts that are more usually applied to humans.For example,it is quite common in AI to characterize an agent using,mentalist,(,心智）,notions,such as,knowledge,（,知识）,belief,（,信念）,intention,（,意图）,and,obligation,（,承诺）,.,Some AI researchers have gone further,and considered,emotional,（,情感）,agents,2024/11/5,Agent,理论基础,Mobility,(,移动性）,is the ability of an agent to move around an electronic network;,veracity,(,诚实性）,is the assumption that an agent will not knowingly communicate false information;,benevolence,（,善意性）,is the assumption that agents do not have conflicting goals,and that every agent will therefore always try to do what is asked of it;,rationality,（,理性）,is the assumption that an agent will act in order to achieve its goals.,Agent,其他属性,2024/11/5,Agent,理论基础,Bratman,（,1987,）提出用信念（,belief,）、愿望（,desire,）、意图（,intention,）来表示,Agent,。,信念：是,Agent,对当前世界状况以及为达到某种效果所可能采取的行为路线的估计，从认知的角度；,愿望：是描述,Agent,对未来世界状态以及对所可能采取的行为路线的喜好，从情感的角度；,意图：认为目标是愿望的子集，但没有采取具体行动的承诺，如果某一或一些目标得到了承诺，这些目标就是意图。从意动方面来描述,理性主体,2024/11/5,Agent,理论基础,BDI,主体模型可以通过下列要素描述：,（,1,）一组关于世界的信念；,（,2,）主体当前打算达到的一组目标；,（,3,）一个规划库，描述怎样达到目标和怎样改变信念；,（,4,）一个意图结构，描述主体当前怎样达到它的目标和改变信念。,BDI,主体模型,A,gent,结构,慎思型,Agent（deliberate Agent）,将,Agent,看作是一种特殊的知识系统，即通过符号人工智能的方法来实现,Agent,的表示和推理,。,慎思型,Agent,的最大特点就是将,Agent,看作是一种意识系统。人们设计的基于,Agent,系统的目的之一是把它们作为人类个体或社会行为的智能代理，那么,Agent,就应该能模拟或表现出被代理者具有的所谓意识态度，如信念、愿望、意图、目标、承诺、责任等。,2024/11/5,A,gent,结构,Agent,内部状态,信息融合,知识库,规划,目标,动作,环,境,传感器,效应器,知,识,信,念,环,境,愿望,目的,意图,BDI,模型,慎思型,Agent,框图,2024/11/5,A,gent,结构,反应型,Agent（reactive Agent）,反应型,Agent,认为，,Agent,的智能应该取决于感知和行动，从而提出,Agent,智能行为的“感知动作”模型。此时的,Agent,不需要知识，不需要表示，也不需要推理，,Agent,可以象人类一样逐步进化，,Agent,的行为只能在现实世界与周围环境的交互作用中表现出来。,Agent,当前世界,动作,环,境,传感器,效应器,条件-动作,规则,反应型,Agent,框图,2024/11/5,A,gent,结构,混合型,Agent（hybrid Agent）,混合型,Agent,综合了反应型,Agent,和慎思型,Agent,两者的优点，具有较强的灵活性和快速的响应性。混合型,Agent,通常被设计成至少有两层的层次结构。高层是一个包含有符号世界模型的认知层，进行,Agent,整体规划与设计；低层是一个能快速响应和处理环境中突发事件的反应层。一般反应层具有较高的优先级。,2024/11/5,A,gent,结构,机器人足球,agent,真实世界,控制层,动作层,交互层,战术要素,阵型要素,球员类型,对手模型,通讯模型,决策模块,内部状态,内部动作,外部动作,解释器,世界状态,预测器,hfutAgent,结构,感知信息,作用于环境,2024/11/5,多,Agent,系统,MAS,发展,MAS,的研究历史最早可以追溯到,80,年代中期的,Actors,模型，接着是,Davis,和,Smith,提出的合同网协议。合同网协议至今仍被认为是关于通信、,MAS,协商研究的经典工具。,研究内容：,针对开放动态的环境，研究,MAS,的求解框架和求解方法。包括,Agent,之间的协商、合作、任务分配机制、社会法则、过滤策略以及行为规范和联盟。,2024/11/5,多,Agent,系统,多个,Agent,意识态度之间的交互问题，这是,MAS,理论研究的重要部分之一。,能够对环境中其他,Agent,的意识态度进行推理是,Agent,间共存、竞争或协作的要求,Agent,之间的协同、协商和协作行为是在其各种精神状态的支配和控制下才产生、进行和完成的。与共享精神状态相关的理论主要涉及到相互信念、联合目标和联合意图等概念。其中以联合意图为代表，在多,Agent,环境下，相互信念即是所谓的公共知识，它与多,Agent,通信密切相关。,MAS,与联合意图,2024/11/5,多,Agent,系统,多,Agent,的关键技术可以概括为协商协议、协商策略和协商处理三方面的内容。,协商协议的主要研究内容是,Agent,通信语言,(ACL),的定义、表示、处理和语义解释。,多,Agent,协商,2024/11/5,多,Agent,系统,协商策略是,Agent,决策和选择协商协议和通信消息的策略。,协商策略基本上可以分为五类：单方让步、竞争型策略、协作型策略、破坏协商和拖延协商。,竞争型策略一般是指协商参与者坚持自己的立场，在协商过程中表现出竞争行为，使协商结果向有利于自身利益方向发展。合同网协商模型、基于策论的协商过程等都属于此类。,协作型策略则是指协商各方都从系统利益出发，在协商过程中相互合作，他们采取的协商对策有利于寻找相互能接受的协商结果。采用协作型策略的协商过程包括部分全局规划、,FA/C,等,。,多,Agent,协商,2024/11/