智能体agent和多智能体系统（MAS）
研究主线：
•
有关Agent技术的研究历来有两条主线
– 智能Agent
– 软件Agent
•
– 智能Agent是人工智能和分布式人工智能领域的研究热
点，它侧重于研究Agent的认知、学习、理性决策、分布式问题求解等方面内容，从而来支持智能应用系统的
构造和实现
agent是指驻留在某一环境中能够自主、灵活地执行动作以满足设计目标的行为实体。
-主体驻留在环境中并需要与环境进行交互。
-主体能够自主地实施行为
-灵活性体现为反应性、社会性和自发性
– 软件Agent将Agent视为是一种新的抽象和计算模型，侧
重于研究如何去构造基于Agent的软件系统，如软件体系结构、程序设计语言和环境。
agent代表了一种新的：
-建模抽象（活的，主体的行为实体）
-封装形式（状态、动作和行为）
-软件构件
-执行单元
智能agent的知识：
•
基本理论：
随着
计 算 机网络的迅速发展，许多应用系统变得越来越复杂，异质、分步是其主要特点。在这种背景下，分布式人工智能(DAI)应运而生。分布式人工智能主要研究在逻辑上或物理上分散的智能系统如何并行地、相互协作地实现问题求解。DAT可分为两个大方向:分布式问题求解(DPS)和多Agent系统。
•
在一个DPS系统中，问题被分解成任务，并且由一些专用的任务处理系统求解这些任务，系统的控制是全局性的。在某种程度上，分布式问题求解是为了解决计算效率的问题，但是很难处理不同实体间发生的冲突问题。针对这种情况，人们提出了多Agent系统的概念。在一 个 多 Agent系统中，Agent是自主的，它们可以是不同的个人或组织，采用不同的设计方法和计算机语言开发而成，因而可能是完全异质的，没有全局数据，也没有全局控制。这是一种开放的系统，Agent加入和离开都是自由的。系统中的Agent共同协作，协调他们的能力和目标以求解单个Agent无法解决的问题。
Agent 技 术的两个主要特征是智能性和代理能力。智能性是指应用系统使用推理、学习和其他技术来分析解释它接触过的或刚提供给它的各种信息和知识的能力。代理能力指Agent能感知外界发生的消息，并根据自己所具有的
知识自动作出反应。
4.社交性
•
一般 认 为 ，Agent应该具有以下四个基本特征：
•
1.自治性
•
2.反应性
•
3.能动性
•
agent的分类：
•
Agent 的分类可以根据体系结构、属性和功能的不同来进行分类。
•
(1) 根 据 Agent所采用的体系结构的不同可以把Agent分为:认知式Agent、反应式Agent,混合式Agent
•
(2) 应 用 于IT领域的Agent除了具备自治性、交互性、反应性、能动性这些基本属性外还可以有选择地具有其他一些属性这些 附 加 属性的出现导致了各种类型Agent的出现，包括可移动Agent、可协作Agent.智能Agent、推理Agent、竞争Agent、软件Agent、硬件Agent、网络Agent等，也包括带有多个属性或功能的复合型Agent
•
agent的体系结构：
1.认知结构
(3 ) 根 据功能分类，可以分为两种：一种是根据Agent在系统整体上所体现出来的功能来划分；另一种是根据Agent在一个系统内部所完成的角色来划分的
•
2.反应式结构
•
agent的实现方法：
1.分布式对象技术
4.面 向 Agent的软件开发方法是为了更确切地描述复杂的并发系统行为而采用的一种抽象描述形式。
4.面向agent的程序设计语言
3.混合式结构
•
2.java语言
•
3.Script语言
•
agent的优越性：
•
1.
问
题
领域有着广泛性，复杂性和不可预测性的特点
.
采用
Agent
技术可以
将一个大而复杂的问题分解成许多较小、较简单的问题，使问题得以简化。
•
2.当问 题领域涉及大量不同的问题求解实体(或数据资源)，而这些实体在物理或逻辑上又是分布的，并且需要相互协作以解决公共问题时，Agent技术是一种有效的选择。
•
3.Agent的表示方式简单明了，软件的功能可以从其名字的喻意上推敲出来。
•
移动agent：
移动agent工智能、分布式系统的研究热点之一，它被抽象地定义为能够自动完成用户任务的程序，可以不固定于开始运行的系统，能够自主地从网络中的一个节点移动到另一个节点并继续运行泌要时可以进行自我复制以及生成子移动代理。每一个节点上的Mobile Agent都可以直接同服务资源进行交互，待任务完成后再将结果集传回源节点。
我们可以将Mobile Agent定义为:旨在解决网络计算中的低带宽、高延迟，具有跨平台持续运行、自我控制和移动功能，模拟人类行为关系，并能够提供智能服务的程序。它是对人工智能中Agent概念(指模拟人类的行为和关系、具有一定智能并可以自主运行和提供相应服务的计算机程序)的扩展，是Agent技术与分布式计算技术相结合的产物，它的提出不仅使分布式计算技术具有了动态性、智能性等特点，也使Agent技术具有了求解大规模
问题的能力。非常适合于现代网络计算的需求。
多agent系统（MAS）
•
多能体系统MAS( Multi-Agent System)是指由多个Agent组成的集合，这些Agent成员之间相互协调，相互服务，共同完成一个复杂的任务。
MAS 是分布式人工智能研究的一个重要分支，是人工智能的最新发展方向，是人工智能技术的一次质的飞跃。如果说模拟人是单智能体的目标，那么模拟人类社会则是多智能体系统的最终目标。
为什么需要MAS：
虽
然,Agent具有自主性、交互性、反应性、主动性学习性和移动性等智能特性，但单个的Agent对问题的解决能力有限，很难完成动态分布、网络和异构情况下的大型、复杂问题。正如一个人不能离开他所存在的集体、社会而单独存在一样。Agent的研究最终要融入多Agent系统，研究单个Agent的最终目的是将它放入MAS中，解决大型、复杂问题，这就导致了Agent系统的出现。
MAS的应用
：
•
在
同
一个多智能体系统中各智能体可以异构，因此多智
能体技术对于复杂系统具有无可比拟的表达力，它为各种实际
系统提供了一种统一的模型，从而为各种实际系统的研究提供
了一种统一的框架，其应用领域十分广阔，现己面向社会领域
的各个方面，具有潜在的巨大市场。
•
MAS的有关问题：
(1) 个体Agent的推理
多智能体的研究涉及智能体的知识、目标、技能、规划以及如何使智能体协调行动解决问题等。其主要应用领域包括:智能机器人，交通控制，柔性制造，协调专家系统，分布式预测、监控及诊断，分布式智能决策，软件开发，虚拟实现，网络自动化与智能化，分布式计算，产品设计，商业管理，网络化的办公自动化，网络化计算机辅助教学及医疗，控制等。
•
(2) 务的分解和分配
•
(3) 多Agent规划
•
(4) 各成员Agent的目标、行为的一致性
•
(5) 突的识别与消解
•
(6) 建立其它Agent的模型
•
(7) 通信管理
•
(8) 资源管理
•
(9) 应与学习
•
(10) 移动及系统的安全
•
(11) 负载平衡