В этой статье описаны небольшие приложения, использующие общую логику и агентоориентированное программирование для решения задач в следующих областях: оптимизация, обучение и моделирование. Эти приложения в основном удовлетворяют исследовательские потребности, но они также могут быть использованы в образовательной среде, ориентированной на программы по искусственному интеллекту и мультиагентным системам.
1. Декларативный подход к брокерской деятельности
Грузовой брокерский бизнес направлен на координацию организации перевозок клиентов перевозок с поставщиками транспортных ресурсов. Функция брокерской деятельности определяется как особый вид маршрутизации транспортного средства с проблемой приема и доставки. Главным достижением стала разработка декларативной оптимизационной модели, основанной на программировании логики ограничений.
База знаний структурирована следующим образом: факты, правила и запросы, ограничения. Входное описание проблемы планирования преобразуется во внутреннее представление, захваченное набором логических фактов, которые разделяют предопределенную и понятную схему.
Ограничения носят общий характер и представляют собой знания многократного использования для решения различных проблемных ситуаций. Правила и запросы определяют дополнительные предикаты общего поиска, которые используются для планирования перевозок. Полезные метрики агента фрахтового брокера относятся к размеру базы знаний, оцениваемой по количеству фактов, количеству правил и количеству ограничений.
2. Повышение квалификации
Агенты, как в одиночку, так и в группе, могут использовать повышение квалификации для того, чтобы научиться выбирать свои действия в неопределенной, динамичной и, возможно, неизвестной среде, чтобы улучшить их долгосрочную полезность.
Агенты BDI, запрограммированные в Jason, могут обладать навыками чтения и письма, что может привести к появлению новых форм гибридного мышления, которые могут выиграть от объединения мышления BDI и машинного обучения в уникальную когнитивную архитектуру. Прототипная система была разработана с целью оказания помощи исследователям в экспериментах с обучающими агентами BDI. Она содержит агентов, расположенных в двухмерном окружении сетки. Они сделать один шаг вверх, вниз, влево или вправо в этой сети. Результат их действия является стохастический, т.е. может привести к успешному ходу в нужном направлении, или ошибочному ходу. Неопределенность эффекта действия фиксирует незнание агентов об их среде обитания. Основной абстракцией при разработке системы было отделение агентов от окружающей среды.
Простой интерфейс датчика и действия, предоставляемый платформой Jason, оказался очень полезным для достижения этой отчаянной цели без особых усилий. Агенты могут использовать свои сенсорные возможности для восприятия окружающей среды, в то время как восприятия могут предоставлять информацию о вознаграждении и состоянии, в соответствии с парадигмой. А также свои способности к действиям, специфичные для практического мышления в соответствии с парадигмой повышения квалификации.
Специфический метод закодирован с использованием событийно-условийных планов действий агентов BDI. Этот метод может быть адаптирован для агентоориентированных языков программирования в соответствии с парадигмой BDI, поддерживая тем самым его универсальность.
Полезными метриками для агентов являются: размер базы убеждений по количеству фактов и правил, а также размер базы планов по количеству планов и действий агентов.
3. Моделирование и симуляция динамических систем
Моделирование непрерывных и дискретных динамических систем с использованием агентов BDI, реализованных Jason в области теории игр, бизнес-процессов и экологии.
3.1 Патрулирующие игры
Эта тема является частью более широкой области теории игр безопасности, которая заинтересована в разработке интеллектуальных оборонных стратегий для повышения надежности киберфизических систем. В игре участвуют два агента, и она подходит для планирования охранного патрулирования в приложениях наблюдения. Модель сопоставлена с моделированием с использованием агентоориентированного языка Jason. В игре участвуют два представителя BDI, представляющие грабителя и опекуна, которые играют в несколько раундов Во время каждого раунда агенты подают совместное действие в игровую среду, которое реагирует на него предоставлением каждой из них соответствующих утилит в виде агентского восприятия.
В экспериментах агенты используют смешанные стратегии, которые фиксируются во время игрового раунда. Выборка стратегий и принятие агентских решений была реализована с помощью логического программирования. В этом приложении используется модель, которая позволяет агентам косвенно взаимодействовать, действуя совместно и по отдельности воспринимая окружающую их среду. Эта структура может быть использована для экспериментов с более сложными агентскими стратегиями, возможно, комбинируя результаты теории игр и повышения квалификации. Полезными показателями являются: размер базы убеждений и размер базы плана.
3.2 Агенты бизнеса, основанные на знаниях.
Данный проект был направлен на моделирование и внедрение бизнес-процессов с использованием современного агентоориентированного программирования. Метод захвата моделей бизнес-процессов, выраженных с помощью ролевых диаграмм по программам AgentSpeak(L)/Jason. Такой подход, сочетающий рациональные методы бизнес-процессов и агентоориентированное моделирование, прокладывает путь для развития агентоориентированных бизнес организаций. Роли разделяют бизнес-процессы на ответственные подразделения, структурирующие комплекс выполняемых ими работ в единое целое из множества направлений работы. Каждая роль сопоставляется с активным агентом Jason, в то время как состояние каждой роли фиксируется набором убеждений соответствующего агента. Координация ролей достигается путем предоставления вовлеченным агентам возможности поделиться своими убеждениями о своем текущем состоянии путем прямого взаимодействия посредством обмена сообщениями.
3.3 Моделирование и симуляция графограмматических систем "хищник - груша".
Целью данной программы было изучение пригодности мультиагентных систем на основе архитектуры BDI для получения подробной информации о симуляционных моделях непрерывных динамических систем, встречающихся в науке и технике.
Данная концепция использована для моделирования и симуляции экологической системы, включающей ряд видов, которые ведут себя в соответствии с заданным набором отношений хищник - добыча, описанных в ациклическом направленном графике.
Традиционно агентоориентированное моделирование применялось для микро-моделирования и микросимуляции, а эта для использования агентоориентированного программирования на основе BDI для макро-моделирования и макросимуляции динамических систем.
Идея - разбить целевую модель системы на набор автономных и слабо связанных между собой взаимодействующих компонентов. Агенты конфигурируются таким образом, чтобы включать: тип агента, набор параметров, полностью определяющих математическую функцию, выполняемую агентом, состояние компонентов и модель знакомства с агентом, необходимую для распространения имитационной информации. Этот подход обеспечивает естественное отображение динамической модели системы в распределенной вычислительной системе, что может привнести модульность, масштабируемость, возможность многократного использования и гибкость в сетевую реализацию.