多智能体技术

多智能体技术

[摘要]当今，分布式人工智能研究的一个热点是多智能体系统，它是分布式问题求解的进一步发展。随着多智能体理论与技术的发展，其应用范围也在不断扩大着，但是由于其理论与应用研究刚起步不久，还有不少问题有待解决。本论文回顾了多智能体技术的发展历史，指出了多智能体理论及应用的研究方向，介绍了多智能体技术的基本概念和特点，多智能体系统的体系结构，多智能体中的协调与协作方法等内容。

[关键词]多智能体系统；多智能体结构；多目标优化；协调协作

Multi-agent technology

[Abstract] Nowadays, one of the hot points in distributed artificial intelligence research is multi-agent system, which is the further development in distributed problem solving. With the development of multi-agent theory and technology, its application is being expanded.As the theory and application is just starting, there are many issues to be resolved.In this paper, the thesis reviews the development of EGCS, points out the research directions of multi-agent theory and application, and introduces the basic concepts and characteristics, Multi-agent system architecture，the coordination and collaboration on Multi-agent system.

[Keywords] Multi-agent systems；Multi-agent architecture；Multi-objective optimization；Coordination and collaboration

1.前言

目前的工业系统正向大型、复杂、动态和开放的方向转变，传统的工业系统和多机器人技术在许多关键问题上遇到了严重的挑战。分布式人工智能 (DAI，Distributed Artificial Intelligence)与多智能体系统(MAS, Multi-Agent System)理论为解决这些挑战提供了一种最佳途径。智能体系统是分布式人工智能的一个重要分支，是20世纪末至21世纪初国际上人工智能的前沿学科。研究的目的在于解决大型、复杂的现实问题，而解决这类问题已超出了单个智能体的能力，将DAT、MAS充分应用于工业系统和多机器人系统的结果，便产生了一门新兴的机器人技术领域一多智能体机器人系统(MARS，MultiAgent Robot System)。总的来说，多智能体系统领域正在蓬勃发展。

2.多智能体

2.1多智能体理论的发展历史

智能体—Agent的概念最早可以追溯到1977年的 Carl Hewitt的“Viewing Control Structure as Patterns of Passing Messages”一文。在此文中，Carl Hewitt 给出了一个称为“Actor”的对象，它具有自身的内在状态，又能与其他同类对象发送和反馈信息。而正式采用“Agent”一词可见于M. Minsky于1986年出版的“Society of Mind”一书，文中用“Agent”称呼一些具有特别技能的个体，它们存在于社会中，并通过竞争或协商求解矛盾[1]。

多智能体系统（简称 MAS）是由多个单Agent组成的集合，该系统可以协调一组Agent的行为（知识、目标、方法和规划），以协同完成一个任务或是求解问题，各个单

Agent可以有同一个目标，也可以有多个相互作用的不同目标，它们不仅要共享有关问题求解方法的指示，而且要就单Agent间的协调过程进行推理。多智能体理论的应用研究开始于 20世纪80年代中期，近些年呈明显增长的趋势。尤其是近 10年来，Agent 和多智能体系统理论和技术频繁出现在大量应用系统的设计中，对Agent的研究已成为人工智能学科的一个热点，是人工智能学科的核心内容。目前，Agent方法和 MAS等相关技术已经日益应用于智能机器人、交通控制、制造系统、网络智能化、电子商务、软件系统等领域，成为一种对复杂系统进行分析、设计的有力思想方法和工具。

2.2多智能体技术的基本概念和特点

2.2.1多智能体技术的基本概念

多智能体系统（Multi-Agent System，MAS）是由多个Agent组成的集合，Agent 之间及Agent与环境之间通过通讯、协商与协作来共同完成单个Agent不能解决的问题。也可以简单地说，多智能体系统是指由多个自主或半自主的构件所构成的各种大型的系统。

在多智能体系统中，数据是分散的，没有系统的全局控制。多智能体技术提供了一种适合分布式计算和不确定问题求解的新方法，这是因为多智能体系统放松了对集中式规划、顺序控制的限制，提供了分散控制、应急和并行处理的能力，并且它是一个高度交叉的研究领域，它吸取了不同领域的内容，如计算机科学、人工智能、经济学、社会学等[2]。

2.2.2多智能体技术的特点

多智能体系统不同于传统的分布式处理系统，它要求系统中每Agent及Agent之间的交流具有智能性或自组织能力（如推理、规划、学习等）。其主要特点如下[3]：（1）社会性

在 MAS中，Agent可能处于由多个Agent构成的社会环境中，拥有其他Agent的信息和知识，能通过Agent通信语言与其他Agent实施灵活多样的交互和通信，实现与其他Agent的合作、协调、协商等，以完成自身的问题求解或帮助其他Agent完成任务。

（2）自治性

在 MAS中，一个Agent发出服务请求后，其他Agent只有同时具备提供此服务的能力和兴趣，才能接受动作委托。因此，一个Agent不能强制其他Agent提供某项服务。

（3）协作性

在 MAS中，具有不同目标的各个Agent必须相互协同、协商未完成问题的求解。通常的协作有：资源共享协作、生产者/消费者关系协作、任务/子任务关系协作等。

2.3多智能体理论应用的研究方向

作为分布式人工智能的重要组成部分，多智能体技术的理论与应用研究刚起步不久，还有不少问题有待解决。今后多智能体的研究方向主要集中在以下几个方面[5]：（1）多智能体系统的实时性：

一般的实时条件下，需要集中于对多智能体系统通讯层、协作层和控制层的设计及性能（不确定性、可靠性、鲁棒性、推理机制、学习机制及各种规划算法等）的提高。而在复杂实时动态条件下，对Agent结构、表达方法以及协调机制的研究与设计也是多智能体的研究方向之一；对于开放式综合多级的多智能体系统结构，要求该结构反映复杂环境下多层次、实时、动态的特点，并随问题性质的变化而改变；另外，在实时动态环境下，建立定性和定量相结合的局部—全局不精确多智能体推理模型，并将时序推理、非单调推理、时限推理和异步事件处理技术溶入多智能体系统推理中，以及采用模糊集理论，研究多智能体系统中各Agent的不一致性和不确定性，探讨多智能体可信度协调