关于BDI Agent的推理模型的研究

合集下载

具有预测能力的BDIAgent模型研究

作者筒介：杜
讲师
磊（９８）男，１７－，讲师、博士研究生，主研方向：系
薇，
统建模，多Ａｅｔｇｎ系统；刘庆斌，讲师；张贤坤，副教授；姜
牧稿日期：２１－－２０１１１０
Ｅｍａ：ｌｇｕｃ２．ｍ－ｉｉｈ＠１６ｃｌｎｏ
１概述
Ａｇｎ术起源于分布式人工智能的研究，由于其具有ｅｔ技健壮、可靠、高效、可扩展等特性，目前已得到广泛应用…。Ａｇｎｅｔ个体思维状态模型是多Ａｇｎｅｔ系统研究的基础，用来描述Ａｅｔｇｎ的思维属性和它们之间的关联，以及与感知、规
为此，本文通过引入预测因素对Ｂ模型进行扩展，提ＤＩ出ＢＰＡｅｔＤＩｇｎ模型结构，并给出ＢＰ模型的决策过程和决ＤＩ
（ｏｍｉｎ）Ｃｍｔｔ、决定（ｅｉｏ）ｍｅＤｃｓｎ和能力（ａａｉｔ）ｉＣｐｂｌｙ等精神状态ｉ
的实体。在ＢＩＤ模型基础上，文献［】８扩展新型的Ａｅｔｇｎ结构
并进行形式化描述，文献［］Ｉ９Ｊ入能力组件，Ｊｌ扩展了ＢＩｇｎＤＡｅｔ的监控能力，文献［０基于Ｂｅｔ型提出人机智能结合１】ＤＩｎ模Ａｇ
攮
耍：Ｄ模型缺乏对思维过程及预测能力进行形式化描述。为此，通过引入预测因素，对ＢＩＢＩＤ模型进行扩展，出ＢＩ模型结构及给ＤＰ
其扩展公理、语义及决策行为，证明模型的可靠性和完备性，并形式化表示决策过程及决策算法。应急疏散决策的应用实例表明，与ＢＩＤ

一种BDI Agent的多线程实现方法

agentframe结构中的控制机制是一个多线程的并发控制机制它不仅能够使得理性bdi模型中的知识表示结构进行逻辑推理有效地完成agent的决策和协作任务支持agent的反应性自主性和社会性这3项基本特性而且能够支持agent的时态延续性和多任务的并发执行以及规划能力和学习能力
维普资讯
２Ｂ理论模型ＤＩ
一
个Ａｇｎ体的信念是对环境和其自身的了解。信念不ｅｔ
标的Ａｇｎ和多Ａｇｎ系统，ｅｔｅｔ必须研究Ａｇｎ的程序实现… 。ｅｔ
Ａｇｎ的信念一望～图（ｅｉ－ｅｉ￣ｎｅｔｎＢ）２结构ｅｔ愿意ｂｌｆｓｅｉｔｎｉ，ＤＩｌｅｄｒｏ被认为是一种灵活有效、够很好地适应动态环境变化的Ａ— 能ｇｎ结构，能直观、ｅｔ它清晰地表示Ａｅｔ决定做什么，ｇｎ“ 以及决定怎样做的过程” 已经开始从形式化理论研究逐渐转入实现，研究【。同时，ｅｔＡｇｎ开发平台的焦点问题之一也在于为开
ＡＮｒＦＭＥ结构，中明确表示了Ａｇｎ的信念、ＧＥｒＲＡ其ｅｔ愿望和意图，以该结构为模板所生成的Ａｇｎ能够长期持续地ｅｔ
自主运行，完成推理和协作等多种智能行为。
关键词Ａｇｎ，ＢＩ构，ｅｔＤ结多线程
Ａｕｔ— ｒａｍｐｌｍｅａｔｏｅｈｄｏＭｌｉＴｈｅｄＩｅｎｔｉｎＭｔｏｆＢＤＩＡｇｎｔｅ
ＩＵａｇＹＡＯｉＺＡＮＧｅ— ｉｇＷＡＮＧａｇＹｉｇＩＦｎＬＨＷｉｎＭＣｈｎ — ｎ（ｔｎ１ｉｅｓｙｏｆｎｅＴｅｈｏｏｙｎｏｍａｉｎＳｓｅ８Ｍａａｅｎｃｏｌｈｎｓａ４０７ＮａｉａＵｎｖｒｉｆｏｔＤｅｅｃｃｎｌｇ，ＩｆｒｔｙｔｍｎｇｍｅｔＳｈｏ，Ｃａｇｈ１０３）ｏ

第八章 Agent(艾真体)

湖南科技大学计算机学院
戴祖雄
5
(4)开放性。通过网络互连和系统的分布,便于扩充系统规模,使系统具有比单个系统更大的开放性和灵活性。 (5)容错性。系统具有较多的冗余处理节点、通信路径和知识,能够使系统在出现故障时,仅仅通过降低响应速度或求解精度,就可以保持系统正常工作,提高工作可靠性。 (6)独立性。系统把求解任务归约为几个相对独立的子任务,从而降低了各个处理节点和子系统问题求解的复杂性,也降低了软件设计开发的复杂性。
湖南科技大学计算机学院
戴祖雄
12
2.艾真体的要素艾真体必须利用知识修改其内部状态(心理状态),以适应环境变化和协作求解的需要。艾真体的行动受其心理状态驱动。人类心理状态的要素有认知(信念、知识、学习等)、情感(愿望、兴趣、爱好等)和意向(意图、目标、规划和承诺等) 三种。着重研究信念(belief)、愿望(desire)和意图(intention) 的关系及其形式化描述,力图建立艾真体的BDI(信念、愿望和意图)模型,已成为艾真体理论模型研究的主要方向。信念、愿望、意图与行为具有某种因果关系,如图8.2所示。其中,信念描述艾真体对环境的认识,表示可能发生的状态；愿望从信念直接得到,描述艾真体对可能发生情景的判断；意图来自愿望,制约艾真体,是目标的组成部分。
湖南科技大学计算机学院
戴祖雄
7
上述对分布式人工智能的分类并非绝对和完善。有些人认为MAS基本上就是分布式人工智能,DPS仅是 MAS研究的一个子集,他们提出,当满足下列三个假设时,MAS就成为DPS系统：①Agent友好；②目标共同； ③集中设计。显然,持这种看法的人大大扩展了MAS的研究和应用领域。正是由于MAS具有更大的灵活性,更能体现人类社会的智能,更适应开放和动态的世界环境, 因而引起许多学科及其研究者的强烈兴趣和高度重视。目前对Agent和MAS的研究有增无减,仍是一个研究热点。要研究的问题包括Agent的概念、理论、分类、模型、结构、语言、推理和通信等。

基于BDI实现多智能体系统的智能协调研究

基于BDI实现多智能体系统的智能协调研究第一章：引言多智能体系统（Multi-Agent System, MAS）是指由多台智能体组成的系统，这些智能体通过协调和交互来完成任务。

MAS被广泛应用于社会、工业、科研等领域中。

然而，智能体之间可能存在冲突或竞争，如何实现智能协调成为了研究重点。

BDI（Belief-Desire-Intention）是国际上一种流行的人工智能模型，其具有强大的表示和推理能力，可以有效支持MAS中智能体的智能协调。

第二章：多智能体系统多智能体系统是由多个独立智能体组成的系统，在该系统中，每个智能体能够独立地处理问题并与其他智能体进行通信和协作。

多智能体系统通常具有以下特点：1. 分布式：智能体可以分布在不同的计算机、环境等中；2. 自主性：智能体具有自主决策和执行的能力；3. 独立性：智能体之间不受约束，互相独立；4. 互联性：智能体之间的互动使得系统具有复杂的行为。

第三章：智能协调智能协调是多智能体系统中的一个重要问题，其目的是通过合作和协调来实现系统的整体目标。

智能协调涉及到以下成分：1. 智能体的交互：智能体之间需要相互协作，交互形式多种多样；2. 智能体的合作：智能体需要基于一定规则进行合作，做出符合整体目标的决策；3. 智能体的冲突：智能体之间可能存在冲突，需要通过某些方式解决。

第四章：BDI模型BDI模型是一种基于情感（Belief）、愿望（Desire）和意图（Intention）的人工智能模型，广泛应用于智能体的建模中。

其基本概念如下：1. Belief：智能体对环境和自身状态的认知和理解；2. Desire：智能体对目标和目标价值的期望和评价；3. Intention：智能体做出决策并执行相应行动的意愿。

BDI模型通过建立对智能体的信念、愿望和意图进行描述和推理，以对智能体进行建模分析。

第五章：基于BDI模型的智能协调在多智能体系统中，BDI模型可以用于智能协调的实现。

关于多Agent系统的研究

1.简介在软件工程领域，多代理系统是比较常见的一个研究课题，尤其是在分布式，开放式的网络环境中，多代理系统有很多的优势。

所谓多代理系统是指一个由多个自治运行的Agent 组成的集体 .在开放分布式网络环境中Agent 是一个抽象实体.它是自治的可以对自身环境、操作环境和环境变化采取行动，一个系统中一般有多个IntelligentAgent 这样的系统就称为多Agent 系统 .多 Agent 系统必须找出一种使各个Agent 能够协同工作的适当方法。

依据这些理论基础建立起来的系统均称为多Agent 系统 ,即 MAS.最近研究的东西就是使用多代理的方法，对在线网络拍卖进行欺诈检测。

在线拍卖的一个很重要的特点就是其隐蔽性。

每个竞标者可以很轻松的拥有很多的拍卖的账号，进行欺诈性投标，进而达到inflate 成交价格的目的。

当然了，对于欺诈投标有很多策略，想了解更多关于欺诈投标的特点，方法，可以参考我的一片会议论文A real-time MonitoringFramework forOnline Auction Frauds ，这是跟我的研究生导师Dr. Samira Sadaoui 合作发表的一片论文。

写该系列博客的主要目的是，关于多代理系统（multi-agent ）的实现，资料很少，并且，德国人开发的一个框架Jadex 学习起来成本很高，可以提供的API 很少，并且都是英文的，理解起来有一定的难度。

为了能够尽快完成研究生的毕业设计，也为了能够给大家提供一些学习的资源，就把学习 Jadex 的过程以及部分资料进行翻译，希望会对国内的相同研究方向的学生，学者有一定的帮助。

我所使用的 Jadex 是 Jadex BDI V3 ，纯 Java 实现，没有使用XML 。

后面慢慢会引入一点关于下一篇论文的一些Implementation 的核心。

2. 大笔一挥， Helloworld首先 Jadex 的启动问题，相信只要能够懂一点Eclipse 使用，并且懂一点英文的都可以做到。

基于BDI的对手Agent模型

维普资讯
１０．８５２０／３０）６３０００９２／０２１（４０４．６
０２０ｏｒａｏｏｔｒ软件学报０２ＪｕｎｌｆｆＳｗａｅ
Ｖ１３ｏ．，Ｎｏ４１．
基于ＢＤＩ的对手Ａｇｎ模型ｅｔ
＊收稿日期２０ —３０：修改日期：２０－６２０００．８０１０ —０
基金项目：国家自然科学基金资助项目（９７０３６７３２ｌ６９３２；９３００
作者简介：挛毅（９４）．北高阳』．士，要研究领域为分布式人工智能，纯一（９５一）男河北秦皇岛人，授，士１７一．河男、博主石１３，教博生导师，要研究领域为人工智能应用基础．主
个泛化概念，商伙伴也被称为 “ 手 ”在实际应用中．于存在开放、动态、对抗的环境以及Ａｇｎ协对由ｅｔ资源有限
等条件，建立对手模型的算法提出了更高的要求对在ＭＡＳ研究中，ＤＩ论描述了Ａｇｎ思维状态的基本特征和相互关系，用ＢＤＩ建立通用的对手的思Ｂ理ｅｔ利可维状态模型；对抗等信息不完全的情况下，ＢＤＩ问的约束关系推理判断，除矛盾，于提高模型的准确性在按消对
ＳＲａｏ和Ｍｉｎａｅ等人有代表性的研究成果ｌｄＴｍｂｉ关键词：Ａｇｎ；手模型：划识别；ＤＩｅｔ对规Ｂ；ＭＡＳ

Agent BDI ,

1000-9825/2002/13(04)0643-06
©2002 Journal of Software 软件学报
Vol.13, No.4
基于 BDI 的对手 Agent 模型
李毅, 石纯一
(清华大学计算机科学与技术系,北京 E-mail: tiger_li@ 100084)
3
算法分析
算法的有效性表现为 Ip 中的可能意图是正确的,且 Ip 中元素的排序也是合理的,本质上则应表现为对 Agent
决策支持的效果.有效性取决于初始值、自身能力和交互方式等内、外因素. 对模型而言,初始 B,D,I 值的准确性是保证 Ip 集合的有效性的关键因素,而初始值的充分性,则决定了 Ip 集合与对方真实意图的差距以及求解速度.当 B,D,Is 的初始值充分且准确时,Ip 集合能准确表示对方的可能意图; 否则将无法对 Ip 进行正确裁剪 (Step3),也无法准确地将 Iw 中的意图加入到 Ip 集合(Step4).模型中,如何判定 Iw 范围,并对 Ip 集合中的意图排序,属于 Agent 自身推理能力,小而充分的 Iw 以及准确的排序结果,也对模型工作有重要作用. 在运行的 Step2 阶段,Agent 将利用观察和通信等方式获取信息,以修正对手的 B,D,Is,该过程的准确,除与自身能力有关外,还取决于 Agent 与对手间的交互方式是协商还是对抗,诚实还是欺骗.在对抗、欺骗的情况下,将导致信息的不完全和不准确,并进而导致 Ip 的不准确和排序的不准确,但利用模型提供的 BDI 约束和历史信息等手段可减少这种情况. Tambe 的 RESC 算法可实时提供对手的当前 Intention,但无法保证其正确性;而 Rao 的算法同时存在多个 Intention,并逐步消简,但在计算过程中难于为决策提供支持.本文提出的算法将对手所有可能意图保存于 Ip 中, 并将其实时排序,使实时性与准确性得以统一. 以足球 agent 为例加以说明.在足球比赛中,如 agent 自身是守门员,对方一名球员带球运动,此时其意图可为直传、横传、射门、前、后、左、右带球等等.利用 RESC 算法时,只能假设对方具有某一特定意图,并根据假设采取对策 ,发现错误后再回溯处理 . 利用 Rao 的算法 ,初始时会建立多个不同的可能意图树 , 并根据不断的观察,逐步推断出真实意图,但在判断过程中,Agent 无法得到可能意图,并采取对策.本算法中,D={直传,横传,射门, 前带球,后带球,左带球,右带球 },因为 Agent 是守门员,则不会对将球回带等动作感兴趣,故 Iw={直传,横传,射门, 前带球,左带球,右带球}.在 Step4 中,分别将 Iw 中元素代入式(2.5),其中因对手球员无队友,可知直传、横传等动作不合理 ,故 Ip={射门 , 前带球 ,左带球 , 右带球 }.进而根据意图实现代价和历史信息对意图排序 , 如 : 带球者左侧

基于BDI的测试用例生成Agent模型

ｗｉｉｍｅｏＴｅｅｏｅｔｉａｒｐｅｅｔｇｎｄｌｓｎｔｅｉｅｌｏｔｔｓｈｈｔｄ．ｈｈｒｆｒ，ｓｐｐｅｒｓｎｓａａｅｔｍｏｅｅｏｈｄａｆＢＤＩａｅｔＴｉｄｅａｕｏｔａｌｅｉｎｔｓｃ— ｅｉｈｎｂａｄｇｎ．ｈｓｍｏｌｃｎａｔｍａｉｌｄｓｇｅｔａｎｃｙｓ
ＧＡＯｅｇ，ｉ．ｕＷＡＮＧｅｔｎ２ＦｎＬＩＪｎｈｉ，Ｘｕ．ｏｇ
（．ｎｔｕｅｆｏｕｅｃｅｃ＆Ｅｇｎｅｎ，ｅｈｏｏｉａＵｎｖｒｉ， ’ｎ７０３；１ＩｓｉｔＣｍｐｔＳｉｎｅｔｏｒｎｉｅｒｇＸｉｎＴｃｎｌｇｃｌｉｅｓｔＸｉａ１０２ｉａｙ２ＳｈｏｆｏｕｅｃｅｃｎｎｉｅｒｇＸｉｎＵｎｖｒｉｆｅｈｏｏｙＸｉｎ７０４）．ｃｏｌＣｍｐｔｒｉｅａｄＥｇｎｅｉ， ’ ｉｅｓｔｏＴｃｎｌｇ， ’ １０８ｏＳｎｎａｙａ
＿
ｂａｋｏｓｉｇｌｃ —ｂｘｔｔ．ｅｎ
［ｅｏｄ］ＢＩｇｎｂｃ＿ｏｓｔｔａｅＫｙｒｓＤｅｔｌｋｂｘｅｔｅｓｗＡ；ａｔ；ｓｃ
在软件开发过程中，软件测试的工作量往往占软件开发工作总工作量的４％以上…，由此可见软件测试的重要０性。软件测试方法有多种，其中黑盒测试是在不考虑代码结构的前提下，根据需求和运行环境对应用程序进行测试。目前在软件测试过程中，黑盒测试用例的设计基本上由测试人员手工完成，而大量复杂的测试用例设计完成

人工智能Agent

2.5 Agent通信 Agent之间的通信是实现Agent间相互作用的基础。Agent间的通信涉及到Agent 之间的方式、Agent通信语言的理解和生成等。面向Agent的程序设计AOP的核心思想是用思维属性（如信念、愿望、意图等）直接对Agent进行程序设计，思维属性是Agent理论研究人员提出的表示Agent特性的方法。第一个实现面向Agent程序设计风格的语言是Agent0程序设计语言。在这个语言中，使用一组能力集（Agent可以做到事情）、初始信念集、初始承诺集，以及承诺规则集来说明一个消息条件、一个思维状态条件和一个动作。目前国际上最著名的Agent通信语言是美国ARPA的知识共享计划中提出的两种相关的语言：一种是KQML，另一种是KIF。
2.5.2 KQML语言 KQML即知识查询与操作语言。KQML是一种目前来说最通用的Agent通信语言。 KQML定义了消息格式和消息传送系统，为多Agent系统通信和协作提供了一种通用框架。KQML的消息可以大致认为是一个对象:每条消息有一个语用词，以及多个参数。KQML分为内容、消息和通信等三个层次。内容层以KIF为语法对需要传输的知识进行编码；消息层包含行为类型、资格等，其中行为类型主要从言语行为理论演化而来；通信层包括发送者、接受者、惟一标志、同步等。KQML并不关心消息的内容，它好比一个信封，为消息定义了一个格式，使用这个格式，Agent之间可以彼此协调合作。 KQML的消息传送机制（即Agent B从Agent A得到消息的方式）从来没有做严格的定义，这导致使用不同的KQML会话的Agent难于互操作。 KQML的语义没有严格的语义定义，严格的语义定义可以辨别出声称使用KQML 的两个Agent实际上是否“恰当地”使用了这个语言。KQML语用词的“含义”只是用非形式化的语言描述，因此会引起不同的解释。

BDI Agent推理模型的研究

ｔｎ即一个意图都为“ ，真” 删除条件集合Ｄ（ｅｔｎ在算子Ｄｌｉ）ｅｏ
导致的状态中的值都为 “ ” 假。ｐ表示幂集， ×表示
笛卡儿乘积。
收稿日期：００年３月１日，２１修回日期：００年３月３２１１日作者简介：杨世欣，，男硕士，助教，研究方向：计算机基础教学与计算机网络。
ｐｎｏｉｉｎ，ｆｌｒａｄａｔｎａｅｉｔｏｕｅｏｓｕｙｔｅｃａｇｓｏｎｉｏｍｅｔａｄＡｇｎ．Ｉｈｓｆｕｄｔｎｅｆｒｓｔｒｕｈｉｅｎｃｉｒｎｒｄｃｄｔｔｄｈｈｎｅｆｅｖｒｎｎｎｅｔｎｔｉｏｎａｉ，ｐｒｏｍｈｏｇｔｏｏ
ｔｅｅａｌｏｉｉｇｂｏｋｆｔｅｗｏｌＯｅｐａｎｈｘｍｐｅｆＢｕｌｎｌｃｓｏｈｒｄｔｘｌｉ．ｄＫｙＷｏｄＡｇｎ，ＢｄｌａｉｎｌｅｒｓｅｔＤＩｍｏｅ，ｒｔｏａＣｌｓｍｂｒＴＰ３３ａｓＮｕｅ９
总第２９期４
计算机与数字工程
Ｃｏｕｅｍｐｔｒ＆ＤｉｉｌｇｎｅｉｇｇｔａＥｎｉｅｒｎ
Ｖｏ．８Ｎｏ７１３．
７７
２１００年第７期
Ｂｅｔ理模型的研究ＤＩＡｇｎ推
杨世欣
（西安医学院公共课部计算机教研室西安７０２）１０１
Ａｇｎ是如何进行推理的。在过去的研究表明，ｅｔ

基于Agent的BDI理论模型

Agent-based model of BDI基于Agent 的BDI 理论模型分析[摘要]主要分析了从意识立场出发的一种思维状态模型,即BDI 模型。

该Agent 模型的基本思维属性主要由信念、愿望和意图构成，通过两种方法的分析，如何使Agent 达到理性的推理和理性的决策目标。

[关键词]Agent ；BDI ；理论模型Agent 理论与技术研究最早源于分布式人工智能(DAI),但从80年代末开始,Agent 理论技术研究从DAI 领域中拓展开来,并与许多其他领域相互借鉴与融合,在许多不同与最初DAI 应用的领域得到了更广泛的应用。

1.Agent 相关技术1.1 Agent 概念Agent 应当包括:自主性、主动性、反应性、移动性和社会性等优良特点。

由以上Agent 的特性可以给Agent 一个简单的定义：Agent 是代表用户和其他程序，以主动服务的方式完成一组操作的机动计算实体。

智能Agent 不能在环境中单独存在，而要与多个智能Agent 在同一环境中协同工作，协同的手段是相互通信，但每个智能Agent 都是主动的、自治的工作。

1.2 Agent 的分类Agent 的特征、控制结构、生存环境、实现语言以及应用领域等都可以作为分类依据。

如根据Agent 在MAS 中所处的位置可以分为末端Agent 和中间Agent 。

末端Agent 又可分为提供服务的Agent 和接受服务的Agent 。

根据Agent 所完成的主要功能又可以分为界面Agent 、移动Agent 和信息Agent 等。

另外按体系结构划分，可分为反应式Agent 、慎思式Agent 和复合式Agent ；按构架可分为系统Agent 和工具Agent ；按智能程度分为被动Agent 、主动监视反应Agent 、具有思考和规划行为的BDI Agent 、竞争Agent 、演化Agent 以及人格化Agent 。

2.基于Agent 的BDI 模型BDI 模型的哲学基础是巴拉特曼（M. E. Bratman ）的理性平衡。

基于加强学习的BDI Agent动作规划机制

中图法分类号：Ｐ８Ｔ１１
文献标识码：Ａ
文章编号：００７２２１）３１４ —４１０—０４（０１０ —０３０
ＢＤＩｅｔｃｉｎｐａｎｎｃａｉｍａｅｎｒｉｆｒｅｎａｎｎＡｇｎｔｌｎｉｇｍｅｈｎｓｂｓｄｏｅｎｏｃｍｅｔｅｒｉｇａｏｌ
ＣＨＥＮｅ．ＨＵｉｏｈｉＭｉＸａ — ｕ
（ｏｌｅｆｌｃｉｌｎｆｒｔｎｎｉｅｒｇａｚｏａｔｎｎｖｒｉ，Ｌｎｈｕ７０７，ＣｉａＣｌｇＥｅｔｃｄｎｏｍａｏｇｅｉ，ＬｎｈｕｉｏｇＵｉｅｓｙａｚｏ３００ｈ）ｅｏｒａａＩｉＥｎｎＪｏｔｎ
ｏｅｃｍｅｅｌｔｔｎｏｓｒｃｉｈｌｖｌｌｎｎａｉｅｉｌｍｅｔｄｖｒｏｓｔｉａｉｆｂｔａｔｇ — ｅａｓａｄｅｓｌｔｂｈｍｉｏａｈｅｐｙｏｍｐｅｎｅ．
ＫｅｒｓＢＤＩｙｗｏｄ：ｅｔｒｉｆｒｅｅｔｅｒｉｇｉｔｎｉｎｃｍｍｉｎ；ａｔｎｐａｎｎ；ｇａｓＡｇｎ；ｅｎｏｃｍｎａｎｎ；ｎｅｔｏｌｏｔｍｅｔｃｉｌｎｉｇｏｏｌ
ａｄｔｅｏｔｌｌｎｉｇｏｅｉｅｌｎｐｉ — ａｎｎｆｈａｈｍａｐｔｄＢＤＩａｅｔ．ＣｏａｅｔａｉｏａｇｎｓｍｐｒｄｗｉｔｄｔｎｌｈｒｉＢＤＩａｅｔｓｓｅｓｔｉｅｉｔｎｉｎｄｃｓｏｃｅｇｎｓｙｔｍ，ｈｓｎｗｎｅｔｅｉｉｎｓｈｍｅｏ

基于BDI的Agent动态推理模型

２对现有推理模型的改进．
在图１中事件监控模块监控到事件的发生．则产生新的目标，根据新的目标，正信念，生新的联合愿望。合愿望经可行性筛选后修产联
方Ｂａｍｎ在ＩＭＡ系统的设计中明确表示了信念、望和意图，ｒｔａＲ愿并产生新的联合意图。根据联合意图及规划库中已有的执行方法，法当将意图看作部分行为计划，些计划是Ａｅｔ诺执行以完成其目标分析模块分析确定合适的处理计划完成目标．遇到规划库未包含的这ｇｎ承非时由于在改进结构中信念、望、图的产生过程是一愿意的计划，从而使Ａｅｔ够根据资源的变化情况有效实现手段目的 “ 预期情况 ” ．ｇｎ能个循环求精的过程。Ａｅｔ断的修正自身的信念、望、图以期产ｇｎ不愿意推理。生一个近似或接近于所需实现的目标的规划．时协作模块对可能参同智能Ａｇｎ的实际推理过程涉及到三个重要环节：ｅｔｌｇｎ进ｇｎ进（）择目标。２确定怎样选择这些目标。３１选（）（）当环境发生变化时，与的Ａｅｔ行识别。意图兼容模块对参与的Ａｅｔ行目标一致性检查及不一致性的修改，消除冲突。不一致的目标意图可以作为一个如何调整所追求的目标以适应变化了环境。如，愿环节（）为慎思，节（）为手段一目的推理，节（）为反应新的局部事件（异常处理事件）重新进行信念修正，望产生等。１称环２称环３称

Agent理论模型及开发方法研究

ｓｔａｔｉｃ：ｋｎｏｗｌｅｄｇｅｂａｓｅ／＊Ａｇｅｎｔ的知识库｝，
ｋｎｏｗｌｅｄｇｅｂａｓｅ４－－Ｕｐｄａｔｅ－ＫＢ（ｋｎｏｗｌｅｄｇｅｂａｓｅ，ｐｅｒｃｅｐｔ）
ａｃｔｉｏｎ＊－－Ｃｈｏｏｓｅ—Ｂｅｓｔ－Ａｃｔｉｏｎ（ｋｎｏｗｌｅｄｇｅｂａｓｅ）
ｋｎｏｗｌｅｄｇｅｂａｓｅ．－－Ｕｐｄａｔｅ－ＫＢ（ｋｎｏｗｌｅｄｇｅｂａｓｅ，ａｃｔｉｏｎ）
ｒｅｔｕｒｎ
ａｃｔｉｏｎ
根据Ａｇｅｎｔ中是否利用符号性知识。可以将Ａｇｅｎｔ的体系结构分为慎思型Ａｇｅｎｔ、反应型Ａｇｅｎｔ和混合型Ａｇｅｎｔ３种，它是属于混合型Ａｇｅｎｔ结构一类。并详细分析了其智能特性。２．１体系结构为了使Ａｇｅｎｔ更好地适应动态复杂的环境，Ａｇｅｎｔ必须具有学习、逻辑推理和通信的能力，同时在一定条件下还应具有响应的实时特性．故设计了如图ｌ所示的一种混合型
根据信念、愿望和意图等思维概念进行建模是Ａｇｅｎｔ设计的基本思想。Ａｇｅｎｔ具有的逻辑推理能力也是许多研究人员关心的焦点之一。下面讨论Ａｇｅｎｔ的逻辑推理机制。假定Ａｇｅｎｔ的内部状态可以用古典一阶谓词逻辑公式构成的数据库来表示．设Ｌ为古典逻辑一阶逻辑句子的集合．Ｄ＝－Ｐ（Ｌ）为己数据库的集合。即Ｌ的幂集。这样Ａｇｅｎｔ的内部状态就是Ｄ的元素，Ｄ中元素记为：Ａｌ、△２、……。Ａｇｅｎｔ的决策过程可以通过一组演绎规则Ｐ描述。如果仅仅使用演绎规则Ｐ，就可以从数据库△中证明公式币成立。根据Ａｇｅｎｔ的领域知识．可以将Ａｇｅｎｔ对环境的观测能力用感知函数ｓｅｅ来表示。２）Ａｇｅｎｔ的学习机制心理学家和哲学家们认为。学习的基本机制是设法把在
ａｌｓｏｉｎｔｒｏｄｕｃｅｄ，Ａｇｅｎｔ－ｏｒｉｅｎｔｅｄ
ａ
ｄｅｖｅｌｏｐｍｅｎｔ

多Agent信念协调与行动规划研究

摘要多Agent系统（Multi-Agent System，MAS）是人工智能领域非常活跃的研究方向，其目标旨在使软件能够模拟人类的认知和行为，具有较强的问题求解能力。

BDI模型具有高度灵活性，为解决动态复杂领域的问题提供了坚实基础，通过赋予Agent信念（Belief）、愿望（Desire）、意图（Intention）三种精神属性分别表达其所处环境的信息、动机以及实现期望目标所需的规划。

在BDI模型中，多Agent信念协调与行动规划问题逐渐成为研究热点。

本文针对这两方面的研究现状开展以下工作：（1）在多Agent系统中，不同的Agent具有不同的信念，信念冲突会不可避免地造成行动冲突。

Sakama C等人提出的严格协调（rigorous coordination）方法适用于Agent之间有共同信念的情境，但无法处理各Agent共同信念为空的情况。

针对该问题，本文提出一种基于可能回答集程序（Possibilistic Answer Set Programming，PASP）的信念协调方法。

首先，针对各Agent的不同信念集，引入加权定量的方法计算程序PASP的回答集相对于Agent信念的满足度，以此来弱化Agent某些信念，获取相对满意的一致解。

其次，根据一致解建立一致的协调程序，作为Agent共同认同的背景知识库。

最后，在DLV求解器的基础上增加规则预处理的前端程序，使其可以直接处理可能回答集程序的规则形式，并实现协调多Agent不相交信念的算法。

本文以旅行景点推荐场景为例，说明该方法在群体决策领域的应用。

（2）Agent通过行动体现智能特征。

王洁等学者研究了在不确定及模糊的动态环境下Agent如何选择目标并实施行动，但没有考虑实现目标的行动规划。

选择合理的行动规划实现目标会减少目标失败的可能性，提升整个Agent系统的性能。

因此，本文提出一种不确定情境下的行动规划方法。

首先，针对Agent 的多种行动规划，建立包含当前上下文环境和Agent偏好等信息的元模型，通过预测各行动规划的实施效果选择最佳的行动规划。

Agent的PASS-BDI模型

Agent的PASS-BDI模型
樊玮;陈增强;袁著祉
【期刊名称】《中国工程科学》
【年(卷),期】2004(006)006
【摘要】Agent的BDI模型主要基于Bratman提出的理性主体理论,未能充分体现Agent主动性的认知过程,使Agent的问题求解和心智状态之间的关系未得到充分表达,且难于编程实现.将Das等人提出的计划-注意-同时性加工-继时性加工认知过程模型引入Agent的理论中,建立了Agent 的PASS-BDI模型,利用多价π-演算从心智状态,认识过程,整体行为等几个方面刻画了该模型的静态和动态特征,并将研究结果应用于多Agent组织中Agent行为特征的刻画.PASS-BDI模型加强了对Agent主动性认知过程的刻画,且易于编程实现.
【总页数】8页(P43-49,56)
【作者】樊玮;陈增强;袁著祉
【作者单位】中国民航学院软件基地,天津,300300;南开大学信息技术科学学院,天津,300071;南开大学信息技术科学学院,天津,300071;南开大学信息技术科学学院,天津,300071
【正文语种】中文
【中图分类】TP18
【相关文献】
1.Mobile Agents在Mesh网络中的最大净化模型 [J], 邱俊;邱杰
2.NPCD-Agent:扩展的Agent思维状态模型 [J], 彭艳斌;廖备水;高济;王存浩;隋新;胡军;郭航
3.基于知识本体的协商Agents模型研究 [J], 程庆华
4.一种基于Proxy-agents的移动Agent安全模型 [J], 王瑛玮;曹立明;王小平
5.基于知识本体的协商Agents模型研究 [J], 程庆华
因版权原因，仅展示原文概要，查看原文内容请购买。

社会Agent的BDO模型

第24卷第5期2001年5月计算机学报C~INESE PUTERSVol.24No.5===================================================================May 2001社会Agent 的BDO 模型马光伟徐晋晖石纯一(清华大学计算机科学与技术系北京100084)收稿日期:1999-09-10;修改稿收到日期:2000-06-27.本课题得到国家自然科学基金(69973023*69733020)和吉林大学符号计算与知识摘要目前MAS 中思维状态的研究趋势是在个体模型中加入社会思维属性*研究社会承诺~依赖~联合意图的推理关系.在BDI 模型中*以意图为中心的观点不适于描述社会Agent .该文分析了以意图为中心的Agent 思维状态研究存在的问题*提出MAS 的分层模型*并提出以信念~愿望和义务作为基本思维属性(简称BDO )来描述Agent 的思维状态和社会属性*给出了BDO 逻辑和语义模型*考虑了奖励~惩罚~承诺和承诺解除问题*并对队~组织~组织意图等群体现象给出了描述.该文力图更自然地描述社会性Agent 的思维状态和群体概念*是对Rao 和Georgeff 提出的BDI 模型的改进.最后通过一个例子说明了BDO 的表达能力.进一步的工作包括建立更为完善的语义模型~结合各个思维属性的动态修正语义给出BDO Agent 的动态模型以及给出基于BDO 逻辑框架的Agent /MAS 实现结构.关键词Agent *思维状态*信念*愿望*意图*义务*承诺*解除承诺中图法分类号:TP 18Modeling Social Agents in BDO LogicMA Guang -WeiXU Jin -~uiS~I Chun -Yi(Department of comp/ter Sczence and Tec nology *T S zng /a U nz U er S zty *B ez j zng 100084)A b st P act In re c ent re S ear c h of m ental S tate in MAS *re S ear c her S try to a dd S o c ial m ental S tateattri b ute S into in d i V i d ual m o d el *an d to S tu d y the rea S oning rule of S o c ial c o mm it *d e p en d en c e *an d j oint intention .BDI m o d el i S a pp lie d in the Sp e c ifi c ation an d V erifi c ation of p ra c ti c e S y S te m S u cc e SS fully *S u c h a S d MARS .But *there are m any S hort c o m ing S W ith re Sp e c t to the re S ear c he S on BDI agent *S u c h a S the o V er -d o m ination of the intention -c entere d m etho d ology *in c on V enien c e to the d e Sc ri p tion of S o c iality in MAS *an d the ga p b et W een theory an d p ra c ti c e .Thi S p a p er re-p la c e S intention b y o b ligation *W hi c h i S a S o c ial c on c e p t an d m ore intuiti V e .F ir S tly *W e re V ie W the re S ear c h on m ental S tate of agent *analy Z e the S hort c o m ing S of the intention -c entere d m etho d -ology *p re S ent the layere d c on c e p tual m o d el of MAS .In in d i V i d ual layer *agent S m e m ory an d p ro c e SS b elief *d e S ire *an d intention .In S o c ial m ental layer *agent S c onta c t W ith other agent b y m e m ory an d p ro c e SS c o mm it *an d o b ligation .The m ental S tate of S o c ial layer i S relate d W ith in d i-V i d ual layer of agent S .Then W e p oint out that b elief *d e S ire an d o b ligation (BDO )S houl d b e re-gar d e d a S p ri m iti V e attri b ute S to d e Sc ri b e agent S m ental S tate an d V ariou S S o c ietal p heno m enon .We d e V elo p BDO logi c an d it S S e m anti cS *i mp ort re W ar d *p uni S h *c o mm it an d d e c o mm it *an d gi V e d e Sc ri p tion S for S u c h S o c ial c on c e p t S a S tea m *organi Z ation *an d organi Z ation intention .We al S o d i Sc u SS the d e d u c ti V e relation S hi p b et W een o b ligation an d other m ental S tate S .We regar d BDO logi c a S an i mp ro V e m ent of BDI logi c p re S ente d b y Rao an d Georgeff *an d a S a m ore e xp re S -sive frameWOrk fOr the descriptiOn Of sOcial agents and sOcietal cOncepts.At last,We give an ex-ample tO shOW the descriptiOn pOWer Of BDO lOgic.The future WOrk include giving mOre perfect semantic mOdel,prOving the sOundness and cOmpleteness Of BDO lOgic,giving dynamic mOdel Of BDO agent by cOmbining dynamic revise semantic Of mental states,and presenting agent/MAS structure based On BDO lOgic frame.Keywords agent,mental state,belief,desire,intentiOn,ObligatiOn,cOmmitment,decOmmit-ment1引言Agent思维状态模型,尤其是BDI模型,对当前Agent的理论和实践的研究已有重要影响,但仍有待进一步研究:(1)源于Bratman哲学分析的意图中心论一直占主导地位,但是,至今人们对意图从直观理解~推理规则~形式语义都还没形成共识,许多学者也指出意图本质上的逻辑贫乏.况且,意图实际上也是个体思维属性,在进一步研究Agent社会性~相互依赖~建立承诺~组织结构等问题中的地位值得商讨.(2)基于微观视角的思维状态模型如何与MAS 中的协调~合作~协商~社会规范等宏观理论结合?人们已认识到将诸如联合意图~集体承诺等群体概念直接归结为个体思维属性的组合之做法的缺陷,提出要使Agent具有社会层面的思维属性.作为思维状态研究方法论基础的意识立场,其初衷并非要以某种理论诠释人的思维规律,而是借鉴类似人类思维属性的概念来解释复杂系统的行为.人类的思维具有公认的复杂性,而以揭开思维之谜为目标的研究不大符合实际.本文认为目前对Agent思维状态模型的研究是面向应用的,目标不应是人类的理性之谜,而是对处于开放信息系统中有自主性的~复杂的人造实体进行描述和验证,所以,研究重点不应是给出足以保证类似人类理性的公理体系,而是足够解决一个合理范围内问题的逻辑系统,对Agent理性的讨论应严格限制在这个范围内,而不是与人类的思维规律进行机械的类比,这对面向应用的Agent/MAS研究一般已经足够了.BDI模型被提出以后,虽然还存在诸如意图副为中心的观点,不利于描述社会Agent,而且在已提出的基于BDI的Agent结构(如PRS,dMARS,INTERRAP等)中,意图也仅仅被作为简单的规划步来处理,没有体现意图的逻辑特性;困扰Agent 学术界的理论与实践分离也可能是由于基于以意图为中心造成的.本文关于思维状态的研究注意到这一点,不以意图为中心,而代之以更能表达社会性和易于直观把握的思维属性义务,着眼于建立可以表达Agent社会性的逻辑系统.2分析2.1MAS的分层模型MAS中存在群体层和个体层,Agent模型属于个体层,其中每个Agent的思维状态又可再划分为社会意识层和个体意识层.图1是MAS的分层概念结构.群体层联合意图~集体承诺~规范~个体层社会意识层:承诺~义务~言语动作~通信~个体意识层:信念~愿望~意图~目标~规划~动作~图1MAS的分层概念结构在个体意识层,Agent只在个体意义上对信念~愿望~意图等思维属性进行记忆和处理,尽管有的思维属性涉及其它Agent,但在上升到社会意识层之前对其它Agent没有作用.所以,信念~愿望~意图等思维属性是一元模态词,一个Agent对另一个Agent的信念~愿望~意图都可以很自然地归结为相应的一元模态词.例如,Agent s有愿望让Agent3将g作为目标可表示为(DES s(GOAL3g)).在社会意识层,Agent通过对承诺~义务等社会性思维属性进行记忆和推理与其它Agent建立关225计算机学报2001年以9可把义务等作为二元模态处理~在群体层有联合意图\集体承诺\规范等群体现象9都可归结为个体层属性的组合~2~2承诺\意图和义务Agent的BD 模型9一方面要说明意图是如何从信念\愿望等产生的9另一方面要说明意图在规划的产生和执行中的作用以及与群体现象的关联~在这些研究中9群体思维属性被直接归结为个体思维属性的组合9社会承诺被视为群体的N胶合剂9联合意图是组织集体活动的核心概念~近来9人们开始注意到在个体意识层和群体层之间应建立一个社会意识层9使得Agent具有社会性[2]~比较意图和义务这两个属性对Agent行为的约束以及它们的发生机制可以发现它们的相似性9本文将义务定义为基本的二元模态词9意图则定义为Agent对自身的义务9而义务实际上可看成Agent 为他人而怀有的意图~现有研究大都存在承诺和意图的混淆现象9本文将承诺看作是一个复杂动作9只给出其发生的前提条件和后果~承诺本身具有社会性9Agent对他人的承诺产生义务9对自身的承诺导致意图~社会Agent模型有3个基本思维属性9个体意识层中的一元模态信念belief)和愿望desire)9社会意识层中的二元模态义务ObligatiOn)~从一般意义上说9意图更多地属于个体意义的思维属性9很难从外部推测一个Agent所怀的意图9而且不同Agent还可能会有不同的意图逻辑系统9意图的本质仍是哲学和心理学还未完全解决的问题~虽然意图确实在人类活动中起着重要的作用9作者认为在现阶段面向应用的MAS研究中还不适合过多地以意图为中心~相比之下9义务则刻画了个体与群体或其它个体的约束关系9属于典型的社会性思维属性9这种关系易于从外部把握9而且道义逻辑对义务\应该\允许\禁止等道义算子都有较为成熟的逻辑系统和动态修正方法9也易于Agent自身的推理9从而在面向应用的MAS研究中可以方便地借鉴~3语法定义和语义模型BEL x{)表示Agent x在现有世界和时刻相信{成立9 DES x{)表示Agent x在现有世界和时刻希望{成立9OBL x y{)表示Agent x对Agent y在现有世界和时刻有义务使{成立~这里的义务涉及了委托人y)和受托人x)的概念9而经典道义逻辑中的义务体现的是任何个体和社会之间的关系一元模态)~图2是BDO Agent的描述语言SA 的语法~规划表达式<plan-expr>=def<plan-term><ac-term><plan-expr> <plan-expr><plan-expr>; <plan-expr>Commit <ag-term>9<ag-term>9<state-fmla>)Decommit <ag-term>9<ag-term>9<state-fmla>)Reward <ag-term>9<ag-term>)Punish <ag-term>9<ag-term>)动作公式<ac-fmla>=def Succeeds<plan-expr>)Succeeded<plan-expr>)Fails<plan-expr>)Failed<plan-expr>)Has-Plan<ag-term><plan-term><state-fmla>)状态公式<state-fmla>=def<pred-sym> <term>9~9<term>)<ac-fmla>f<state-fmla><state-fmla>\<state-fmla>H<Uar>9<state-fmla>E<path-fmla>BEL<ag-term><state-fmla>)DES<ag-term><state-fmla>)GOAL<ag-term><state-fmla>)INT<ag-term><state-fmla>)OBL<ag-term><ag-term><state-fmla>)MBEL<agset-term><state-fmla>)TEAM<agset-term><state-fmla>)ORG<agset-term><state-fmla>)ORG-INT<agset-term><state-fmla>)路径公式<path-fmla>=def<state-fmla>H<Uar>9<path-fmla>O<path-fmla><path-fmla>U<path-fmla>f<path-fmla><path-fmla>\<path-fmla>合式公式<fmla>=def<state-fmla>3255期马光伟等:社会Agent的BDO模型定义1.Agent模型是元组M=<W,T,U,Rt, Act,Agt,H,Rb,Rc,RO,C,T>,这里W是可能世界的集合;T是时间点集合;U=U Ag U U AgS U U Ac U U P U U Obj,U Ag为Agent集合,UAgS=(U Ag)为Agent集合的集合,UAc为原子动作集合,UP 为规划集合,UObj为对象集合;Rt S T>T是时间点间的二元关系,<T,Rt>构成时间树;动作函数Act,Rt-UAc,为时间树的每条边标记原子动作;Agt,U ac-U ag给出每个本原动作的Agent;H,U Ag-(U P),给出每个Agent的规划库;Rb,U Ag>W>T-W,给出一个Agent在某个世界和时间点上的所有的信念可达世界,满足传递性~欧几里德性~顺序性;Rc,U Ag>W>T-W,给出一个Agent在某个世界和时间点上的所有的愿望可达世界,满足传递性~欧几里德性~顺序性;RO,U Ag>U Ag>W>T-W,给出一个Agent 对另一个Agent在某个世界和时间点上的所有的义务可达世界,满足传递性~欧几里德性~顺序性;C,COnst-(U),常量指派;真值指派函数T,PTec>W>T-UnE IN(U n),映射到某一可能世界中某一时间点使谓词成立的各项取值的集合.3个基本模态算子的语义<M,V,z,t>I(BEL I{)iffV z/E Rb(I,z,t),<M,V,z/,t>I{, <M,V,z,t>I(DES I{)iffV z/E Rc(I,z,t),<M,V,z/,t>I{, <M,V,z,t>I(OBL I y{)iffV z/E RO(I,y,z,t),<M,V,z/,t>I{.其它定义和语义解释与文献[3,4]类似,由于篇幅有限没有完全给出,但这并不会妨碍对本文主要思想的理解.详细内容请参考文献[12],这里主要阐述BDO模型对BDI模型研究的改进.4基本性质4.1基本思维属性的关系公理1.信念-愿望相容(D ES I{) (B EL I{).公理2.委托人愿望-义务相容(OBL I y{)(DES y{).约束2.V z/E Rc(y,z,t),3z HE RO(I,y,z,t)使得z HS z z/.公理2说明若I对y有义务{,则{也必是y的愿望,但不一定是I的愿望,这体现了义务的强制性.公理3.愿望的自省(DES I{) (BEL I(DESI{)).约束3.V z/E Rb(I,z,t)和V z HE Rc(I,z,t)有z HE Rc(I,z/,t).公理4.受托人义务的自省(OBL I y{)(BEL I(OBL I y{)).约束4.V z/E Rb(I,z,t)和V z HE RO(I,y,z,t)有z HE Rb(I,z/,t).公理5.义务推知委托人的愿望(OBL I y{)(DES y(OBL I y{)).约束5.V z/E Rc(y,z,t)和V z HE RO(I,y,z,t)有z HE Rc(y,z/,t).公理5表示如果I对y有义务{,那么这也是y 的愿望.但这不一定是I的愿望,因为义务具有强制性.定义2.意图是Agent对自身的义务(INT I{)=def(OBL I I{).Agent研究中意图主要有三种含义,BDI逻辑的研究者将意图看成思维属性,意图的逻辑性质体现了人类理性的特征,意图逻辑是哲学逻辑的分支; BDI Agent理论的实践者则将意图仅仅处理为一个规划中包含的规划步;Bratman的哲学分析则强调意图是部分规划,这种规划的生成和执行过程是交错进行的,基于Bratman哲学分析的研究大都看重意图所引发的MeanS-end推理.这3个含义描述了意图的不同侧面,但遗憾的是这三类研究还未很好地融合(甚至像信念这样看似简单的属性也会产生很多分歧).Shoham则指出在Agent模型中采用的思维属性的含义只能在理论与直观之间达到折中[7].虽然说基于定义2从一个义务逻辑系统中会导出相应的关于意图的性质,但本文对意图不再深究下去,是由于意图在实际使用中理论与直观的分离.意图是BDI模型研究的中心,然而在BDI Agent 的结构设计与实现中意图仅仅被看成规划步,这表明BDI模型中使用的意图服从特定的规划生成规425计算机学报2001年意图系统可用,所以意图在实际使用中是被弱化的概念.BDO模型的主要目标是确立将义务作为引导Agent决策与行为的中心思维属性,对意图在面向应用的MAS研究中还不适宜深究其本质,在规划执行意义上采用弱化的意图概念已经足够.在社会学~经济学等领域中涉及多个自主个体的研究中存在许多值得MAS研究借鉴的成果,而这些理论不少都是基于义务~承诺等属性阐述的,基于意图的讨论并不多见.定理1.委托人义务的自省(OBL I3g)=(BEL3(OBL I3g)).愿望意图相容(1NT I g)=(DES I g).意图推知愿望(1NT I g)=(DES I(1NT I g)).公理6.义务的非对称性(OBL I3g)= (1NT3(1NT I g)).约束6.V z/3E Ro(3,3,z,t)和V z/I E Ro(I,I,z/3,t),3z E Ro(I,3,z,t)使得z;z z/I.公理6表示如果I对3有义务g,那么3会有意图促使I将g作为意图.但对I并非如此,此公理体现了关于义务的一个社会学法则,在达成义务后,委托人3比较受托人I将处于更不利地位,因为3将其实现自身利益的一部分控制权交给了I.定理2.受托人对义务非对称性的自省(OBLI3g)=(BEL I(1NT3(1NT I g))).此定理表示如果I对3有义务g,I将相信3对I兑现义务g的迫切心理.公理6和定理2所表示的义务非对称性体现了达成承诺的双方思维状态的差异,这在BD 模型的研究中没有体现.定义3.目标是Agent相信可能实现的愿望(GOAL I g)=def(DES I g)/(BEL I(Has-P a Ip g)).定义4.Agent I对Agent3就命题g拥有权威,是指当3相信I希望它将g作为意图时就将g作为对I的义务(AUTH I3g)=def((BEL3(DES I(1NT3g)))=((OBL3I g)).权威的影响是形成Agent义务的重要方式之一.4.2义务逻辑道义逻辑和社会学对于义务早有研究,虽然还存在承诺悖论等问题,但比较意图无论从直观理到外部因素(效用)的制约,相比之下,个体意图的推理显得并不重要.经典道义逻辑中,义务是个体对社会的属性,是一个社会中所有个体都必须遵守的约束,但这对描述MAS中Agent之间的关系不太精确.本文的义务则涉及委托人和受托人的概念,来自社会学研究领域,可以更精确地描述Agent之间的约束关系,也利于借鉴许多社会学的研究结果.定义5.允许算子(PERM1T I3g)=def#(O BL I3#g).禁止算子(FORB1D I3g)=def(OBL I3 #g).公理7.义务的K公理(OBL I3g=l)= ((OBL I3g)=(OBL I3l)).义务的D公理((OBL I3g)=#(OBL I3 #g)).定理3.道义算子的若干性质(1)(OBL I3g)=(PERM1T I3g).(2)P(PERM1T I3#g)V(PERM1T I3g).(3)(OBL I3g/l)G(OBL I3g)/(OBL I 3l).(4)(PERM1T I3g V l)G(PERM1T I3g) V(PERM1T I3l).(5)(FORB1D I3g V l)G(FORB1D I3g) /(FORB1D I3l).现有的多Agent背景下Agent思维状态和群体现象的研究都是围绕承诺~合同等展开的,重点是探索各种社会机制(权威~信任~组织结构等)与Agent达成承诺或合同的互动关系.社会学~经济学等领域中关于个体理性的研究也是围绕承诺~合同等展开的.义务则描述了Agent在思维状态中与这些承诺或合同对应的一种思维属性,从这个角度看, BDO模型可以作为研究Agent社会属性的出发点.例如社会规范是MAS协调方法研究的重要课题,除了可以采取对策/决策理论研究之外,基于BDO模型,可以方便地借鉴道义逻辑关于规范的研究成果(道义逻辑又称规范逻辑),使得BDO Agent可以对社会规范进行处理,建立更符合社会理性的Agent 模型[13].4.3承诺~解除承诺~奖励和惩罚在社会学研究中,由于大多数工作是描述性的,所以承诺和义务往往不加区分,一个行动者对他人作出承诺就意味着他负有相应的义务,一个义务的5255期马光伟等,社会Agent的BDO模型不相上下Agent作出某种承诺就意味着产生了相应的意图社会承诺被认为是群体的胶合剂在描述群体现象时群体承诺往往和群体意图相混淆.本文和文献[4]都将承诺看作是复杂动作但文献[4]的工作是进一步分析这个复杂动作开发了一个协商协议来建立承诺.本文认为这个协议和具体应用有关而不做进一步的分解只给出承诺发生的前提和后果.MAS理论研究中存在逻辑理性和效用理性难于融合的问题.逻辑理性认为合乎逻辑的行为和决策才是理性的效用理性认为追求个体效用最大化是个体行动的目标.本文在语法上引入表示奖励和惩罚的复杂动作来尝试解决这个问题.公理8.成功的承诺会产生义务(SzcceededCommzt(x y g)S A (OBL x y g).公理9.(OBL x y Fg)/(BEL y g)S (OBL x y Fg)/(OBL y x A(AchzeUed yReward(y x)).如果x对y有义务Fg且y相信g已实现则义务取消且y对x有义务进行奖励.公理10.(OBL x y Fg)/(BEL y A g)S (OBL x y Fg)/(GOAL y A(AchzeUes yPznzsh(y x)).如果x对y有义务Fg且y相信g不可能实现则义务取消且y有目标对x进行惩罚.公理11.(OBL x y Fg)/(Szcceeded De-commzt(x y Fg))S (OBL x y Fg)/(DES y A (AchzeUes y Pznzsh(y x))).如果x对y有义务Fg且x成功提出毁约则义务取消且y有愿望对x进行惩罚.公理12.(OBL x y Fg)/(Szcceeded De-commzt(y x Fg))S (OBL x y Fg)/(DES x A (AchzeUes x Reward(y x))).如果x对y有义务Fg且y成功提出毁约则义务取消且x有愿望让y对x进行奖励.解除承诺的问题在BDI模型的研究中没有涉及而这对于Agent追求个体效用最大化是至关重要的.公理 12引入的显式的承诺和承诺解除机制与义务的转化关系初步解决了这个问题.5群体现象为群体和群体的思维属性是同时产生的一旦目标实现则群体也就同时解体了这不符合对人类社会实践的观察结果.实际上一个群体的形成都是为了实现某一长期目标只有在群体形成后才能谈及诸如集体承诺~联合意图等群体思维属性而这些属性的产生和消亡都与群体的长期目标有关系群体不会由于某一局部目标的实现而解体.定义6.相互信念(MBEL g g)=def/xE g(BEL x g/(V y E g\{x})(BEL y g)).定义7.互相之间都存在一个特定义务并对此有相互信念的Agent集合构成一个队(TEAM g g)=def(V x E g)(V y E g)((OBL x y g)/(MBEL g(OBL x y g))).定义8.组织由一个队和若干只有部分义务的Agent组成这里谓词INSTR(|g)表示实现|有助于实现g(ORG g g)=def(3g1g)(TEAM g1g)/(V x E g)(3y E g1)(3|)((OBL x y|)/(BEL y INSTR(|g)))这里Agent的部分义务对应组织行为学中角色的概念.定义9.组织意图这里team(g)返回组织g 对应的队szbgoals(p|)返回一个规划中所有的子意图(ORG-INT g|)=def(3g)((ORG g g)/(MBEL team(g)INSTR(|g)))/(3x E team(g))((INT x|)/(Has-Plan x p|))/(V|1E szbgoals(p|))(3x E g)((3y E team(g))((INT x|1)/(OBL x y|1)).现有的基于BDI模型的研究只能对完全合作的队工作组织进行描述而这里的定义 9可以对包括队在内的有更复杂结构的组织进行描述.6举例以一个软件公司的例子来表示BD0逻辑的描述力.设软件公司Xso t=Managers U Employees.这里Managers={总经理aG M软件开发部经理aSD 销售部经理aP S}是经理集合构成公司的领导核心因命题g=提高Xso t的利润构成队则(TEAM Managers g)为真.Employees={程序员25计算机学报2001年序员p1和软件开发部经理aSD之间有义务|=p1为Xsoft开发软件而且aSD也认为这有利于提高Xsoft的利润({),则(OBL p1a SD|)/(BEL a SDINSTR(|,{))为真.以此类推,Xsoft成为一个组织(Ma agers=team(Xsoft)),则(ORG Xsoft{)为真.现在Xsoft的经理集合成员经充分论证,认为a=开发软件产品W有利于提高Xsoft的利润,即(MBEL team(Xsoft)INSTR(a,{))成立,同时软件开发部经理决定(对自身作出承诺)负责开发并作出了开发计划(p),即(INT aSD|)/(Has-Pla a SD p a)成立,其中规划的细节已经落实到具体的程序员.如程序员p1决定并向软件开发部经理承诺|1=开发用户界面,即(INT p1|1)/(OBL p1a SD|1)为真.依次类推,则可说Xsoft公司有开发软件产品W的组织意图,即(ORG-INT Xsoft a)为真.基于BDI模型来描述这种问题往往是从由意图导出的任务结构出发,在没有充分阐述组织结构的情况下给出某种联合意图的定义,只适合不需要对组织中各种角色进行表达的平板型Agent组织,这对更复杂的应用背景显然是不够的,实际上仅仅基于BDI模型也难于表达更复杂的组织结构.基于BDI模型的另一个方法是先给出某种社会承诺的定义,基于此再定义某种群体承诺,这里承诺的作用与义务类似,但缺陷在于承诺只是一种复杂动作而不是社会性的思维属性,将承诺归结为BDI难于体现Agent之间思维状态的差异,同时也不足以建立组织结构的描述.而基于BDO模型的描述首先可以自然的表达组织结构,在此基础上再参考任务结构给出组织意图的描述,实际上在从意图生成联合规划(即任务结构)的过程中必须参照Agent 组织结构,所以表达某种群体意图的前提中必须包括对Agent组织结构的描述.7结语文献[5]是Agent思维状态模型研究的代表作,成为后来工作的基础.但近十年来,人们仍没有提出一个满意的关于意图的逻辑系统.多数关于意图的研究都局限于技术层面,没有阐述更多关于意图的深刻特性.文献[3]的BDI模型只考虑了单个Agent的思维状态以及不同性格Agent的承诺策略.文献[4]在文献[3]的基础上开发了承诺协议用没有考虑承诺的解除问题.文献[6]也是在文献[3]的基础上加入了社会承诺(不是作为思维属性),讨论了集体承诺等群体现象.文献[3,4,6]可以反映BDI模型研究的现状.文献[7]在讨论AOP框架中Agent应具有的思维状态时没有引入意图,Agent 的思维状态有信念~能力和义务,义务等同于承诺,Agent的选择是对自身的义务.但文献[7]只从系统运行维护的角度提出了思维属性的一致性和持续性特性,没有讨论思维属性之间的关系,更没有讨论社会现象的描述.文献[7]对Agent思维状态模型的研究方法论与本文有相似之处.文献[3,4,6]的工作都假定Agent是合作~善意的,而这不符合MAS研究中Agent自利性的前提,其后果是这些工作中的社会承诺的概念不能反映在达成承诺后委托人与受托人思维状态的非对称性.如在文献[4]中(Commzt c I y{)=def(INTEND I E(Achzeues y{))/(BEL I E<(INTEND y E(Achzeues y{))),(Commzt a y I{)=def(INTEND y E(Achzeues y{))/(BEL y E<(INTEND I E(Achzeues y{))),以及在文献[6]中的COMM(a,Z,a)(INT(a,a)/GOAL(Z,DONE(a,a)).对受托人合作性的假设过强了.在多Agent情形下,达成承诺的双方在兑现承诺过程中的决策与行为必须考虑效用问题,而在文献[3,4,6]中的承诺解除条件都不能体现这一点.本文认为这些缺陷都是由于绕过社会性思维属性而把承诺直接归结为个体意图造成的.本文通过引入义务算子(OBL)~义务的非对称性(公理6和定理2)~惩罚与奖励~显式的承诺解除机制(公理8 12)等,初步解决了上述问题.传统的BDI模型是采用联合意图来描述群体现象,都必须先定义社会承诺(其作用与本文的义务相同).但把社会承诺归结为承诺双方的意图一方面难于体现承诺双方的非对称性,另一方面也难于描述复杂组织的结构,加上目前还没有满意的意图逻辑系统,难于开展对组织意图结构~组织内部的Agent之间的依赖~权威等组织结构特性的研究.如文献[6]中对于集体的完全合作的假设不符合实际,没有阐述集体结构而是假定其是既定的事实存在.以BDO模型对此类问题的讨论更为实际,描述力7255期马光伟等:社会Agent的BDO模型从应用背景看以意图为中心的不必要性还表现在,(1)在某些应用中,Agent的知识很简单以致可以忽略复杂的内部推理[7];(2)对于有一定复杂性的Agent来说(如Internet上的个人数字助手),Agent为保护隐私不愿意透露自己的意图,加之意图逻辑性质的贫乏,使得基于BDI逻辑对其它Agent进行推测必然会造成许多误解,此时Agent 之间更适合通过引入比意图更高层的社会性思维状态并考虑效用关系来进行协调.BDO模型并非完全不顾意图,而是将意图作为由义务定义的算子,把义务作为研究的重点和定义高层社会范畴的基本概念.这样做的理由主要是目前还没有满意的意图逻辑系统,而相比之下义务逻辑则比较成熟且是典型的社会性思维状态.义务属于社会层思维属性,传统的意图只是个体思维属性,所以,采用BDO逻辑描述的Agent自然具有社会性,可以比BDI Agent更有效地对Agent社会关系进行表示和推理.必须承认这里的模型还只是描述了BDO Agent 的静态特性,但文献[8]中给出了一个适合于多Agent环境的信念修正的数字计算方法,文献[9]中也给出了一个适合于多Agent环境的道义算子的动态修正方法.结合这些工作,我们有信心在未来的工作中给出基于BDO模型的具有动态性和实用性的社会Agent模型,从而进一步给出完善的AOP开发系统.相比之下,基于BDI逻辑的工作对于意图的动态修正方法的探索还很不充分[10].Jennings的基于Agent的计算获得了IJCAI-99的优秀论文奖[11],确立了基于Agent的计算在计算机科学中的地位并为MAS理论的研究指出了方向,强调要将MAS作为社会性组织看待,将依赖~交互等组织结构关系作为MAS的基本组成单位,要研究MAS的组成法则(composition laws)和行为法则(behaviour laws)等.本文的工作也体现了这种趋势.目前对Agent思维状态研究的趋势是在原有针对个体的模型中加入社会思维属性(如义务算子),看重对社会承诺~依赖~联合意图等的推理规律,原有的个体意图本身的推理已显得并不重要,总结本文的工作如下,(1)以义务取代意图,对BDI模型进行改进,提出以信念~愿望和义务作为描述社会Agent思维状态的基本模态,给出了社会Agent的BDO模型.义务和其它思维属性的推理关系.(3)在思维状态模型中引入奖励和惩罚,并考虑了承诺解除问题,初步探索了逻辑理性与效用理性的融合.(4)描述了组织和组织意图的概念.进一步的工作包括建立更为完善的语义模型~结合各个思维属性的动态修正语义给出BDO A-gent的动态模型以及给出基于BDO逻辑框架的A-gent/MAS实现结构.参考文献1 D Inverno M,Luck M.Engineering AgentSpeak(L),A for-mal computational model.Journal of Logic and Computation, 1998,8(3),233-2602Castelfranchi C.Modelling social action for AI agents.Artifi-cial Intelligence,1998,103,157-1823Rao A S,Georgeff M P.Modeling rational agents within a BDI-architecture.In,Proc2nd International Conference (KR91)Cambridge,MA,USA,1991.473-4844~addadi A munication and Cooperation in Agent Sys-tems,A Pragmatic Theory.Berlin,Springer-Verlag,19965Cohen P R,Levesgue~J.Intention is choice with commit-ment.Artificial Intelligence,1990,42,213-2616Dunin-KeplicZ B,Verbrugge R.Collective commitments.In, Proc2nd International Conference on Multi-Agent Systems Keihanna,Kyoto,Japan,1996.56-637Shoham Y.Agent-oriented programming.Artificial Intelli-gence,1993,60,51-928Dragoni A F.Belief revision,From theory to practice.The Knowledge Engineering Review,1997,12(2),147-1799Torre L,Tan Y.Rights,duties and commitments between a-gents.In,Proc IJCAI-99,Stockholm,Sweden,1999.1239-124410Georgeff M P,Rao A S.The semantics of intention mainte-nance for rational Agents.In,Proc IJCAI-95,Montreal,Gue-bec,Canada,1995.704-71011Jennings N R.Agent-based computing,Promise and perils.In,Proc IJCAI-99,Stockholm,Sweden,1999.1429-1436 12Ma Guang-Wei.The research on sociality in multi-agent sys-tems[Ph D dissertation].Beijing,Tsinghua University,2000 (in Chinese)(马光伟.多Agent系统的社会性研究[博士学位论文].北京,清华大学,2000)13Ma Guang-Wei,Shi Chun-Yi.Norms as a coordination method in multi-agent puter Science,1999,26(6),11-14(in Chinese)(马光伟,石纯一.多Agent系统中的规范和协调.计算机科学,1999,26(6),11-14)825计算机学报2001年。

Agent第三章

基本性质
3.承诺、解除承诺、奖励和惩罚公理3.8 成功的承诺产生义务（Succeeded Commit （x，y，z））=> AO（OBL x y z）公理3.9 (OBL x y Fz) ∧(BEL y z) => ┐(OBL x y Fz) ∧OBL(y x A◇(Achieved y Reward (y,x)))
3.4 BDO Agent和MAS结构设计
1
MAS的概念层次的概念层次 BDO Agent 结构
2
MAS的概念层次的概念层次
图3.4
BDO Agent 结构
图3.5
3.5 小结
本章主要包括以下内容：本章主要包括以下内容：（1）以义务取代意图，提出BDO模型，探讨义务和其他属性的推理关系；探索了逻辑理性和效用理性的融合；描述了组织和组织意图的概念。（2）以MAS的社会性为基本出发点，提出了计算Agent 的一种社会模型。（3）提出一种基于BDO的Agent/MAS结构设计。
群体现象
• 定义3.8 相互信念（MBEL g z）=∧x∈g（BEL x z ∧（任意 y∈g \ {x} )(BEL y z)) 互相之间都存在一个特定义务并对此有相互信念的Agent集合构成一个队。一个队和一些只有部分义务的Agent组成组织。
3.3 计算Agent的社会模型
1
模型
2
在计算Agent社会模型的支持下，计算Agent能够以角色 Agent为基元，通过分解与合并实现动态重构。重构的动因在于角色Agent追求效用的最大化。我们基于计算开销由各个Agent 分担的情况来讨论。对包含n个角色Agent的计算Agent i的资源配置可表示为： cfgi=<Ri,ai1,…,ai2,βi1,…βi2,γi> 其中：Ri为资源描述，包括资源价格； αi1,…,αi2 为 n个角色Agent所需要的资源份额； βi1,…βi2为n个角色Agent所承担的空闲资源份额； γi为空闲资源占总资源的份额。将角色Agent分为两类：一类是计算Agent初始建立时加入的，协商分担空闲资源；另一类是后期运行中加入的，即使不分担空闲资源，也能使空闲资源减少。

知识工程学一个新的重要研究领域

知识工程学：一个新的重要研究领域黄荣怀1，李茂国2，沙景荣31师X大学网络教育实验室，100875; 2教育部高等教育司，100816;3师X大学网络教育实验室，100875[摘要]知识工程是源于专家系统建造而形成的一个研究领域，目前已经成为一个跨学科的综合学科。

本文简要介绍了知识工程的概念，分析了知识工程的主要研究领域，如软计算、Agent 、自然语言理解、逻辑与推理、形象思维研究、基于事例的推理、机器学习、知识本体论等的主要进展与存在的问题。

最后提出广义的知识上程学是“一门研究人类智能与人类知识的机理，以与如何用机器模拟人的智能并促进人类知识开展的学科〞，也可以且应该作为教育技术学的一个重要研究方向。

[关键词]知识工程；人工智能；教育技术；专家系统一、知识工程概述1977年第五届国际人工智能联合会议上，美国斯坦福大学(Stanford University)计算机系教授费哥巴姆(Feigenbaum)作了关于“人工智能的艺术〞(TheArt of Artificial Intelligence)的讲演，提出“知识工程〞这一名称，指出“知识工程是应用人工智能的原理与方法，对那些需要专家知识才能解决的应用难题提供求解的手段。

恰当地运用专家知识的获取、表达和推理过程的构成与解释，是设计基于知识的系统的重要技术问题〞[1]。

知识工程的开展从时间上划分大体经历了3个时期:1．大约从1965年至1974年为实验性系统时期。

1965年费哥巴姆教授与其他科学家合作，研制出DENDRAL专家系统。

这是一种推断分了结构的计算机程序，该系统贮存有非常丰富的化学知识，它所解决问题的能力到达专家水平，甚至在某些方面超过同行专家的能力，其中包括它的设计者。

DENDRAL系统标志着“专家系统〞的诞生。

2．从1975年至1980年为M YCIN时期。

20世纪70年代中期MYCIN专家系统研制成功，这是一种用医学诊断与治疗感染性疾病的计算机程序“专家系统〞。