Multi agenten-systeme

1.324 Aufrufe

Veröffentlicht am

Multi-Agenten-Systeme .
Eine Einführung
Maschinelles Bewusstsein

0 Kommentare
0 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

  • Gehören Sie zu den Ersten, denen das gefällt!

Keine Downloads
Aufrufe
Aufrufe insgesamt
1.324
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
2
Aktionen
Geteilt
0
Downloads
6
Kommentare
0
Gefällt mir
0
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

Multi agenten-systeme

  1. 1. Multi-Agenten- Systeme Eine Einführung Maschinelles Bewusstseinvon Walid El Sayed Aly, 17.12.2008
  2. 2. Inhaltsübersicht Agenten Intelligente Agenten Agenten-Typen Agenten-Architekturen Abgrenzung von Agenten zu Objekten und Expertensystemen Multi-Agenten-Systeme Kommunikation zwischen Agenten Beispiele für Multi-Agenten-Systeme Verteilte Künstliche Intelligenz
  3. 3. AgentenEs gibt keine allgemeingültige Definition des Begriffs.Die Vielschichtigkeit der Agenten erschwert eine Eingrenzung.„An agent is a computer system that is situated in someenvironment, and that is capable of autonomous action in thisenvironment in order to meet its design objectives“. M. Woolridge„An agent is a computational entity such as a software program or a robotthat can be viewed as perceiving and acting upon its environment andthat is autonomous in that its behavior at least partially depends on itsown experience“. G. Weiss AUTONOMIE und HANDLUNG = Schlüsselfaktoren
  4. 4. Agenten aus M. Woolridge, „Intelligent Agents“
  5. 5. Agenten: Umgebungseigenschaften  erreichbar – unerreichbar  deterministisch – nicht-deterministisch  episodenhaft – nicht-episodenhaft  statisch – dynamisch  separat – zusammenhängendUmgebungseigenschaften beeinflussen die Entscheidungen derAgenten darüber, welche Aktion sie in welcher Situation wählen.
  6. 6. Agenten: BeispielThermostat Sensor erfasst Raumtemperatur Thermostat Sensor leitet Signal an Thermostat weiter - zu warm Thermostat führt - zu kalt - Heizung an/aus Aktion aus -Temperatur angemessen keine Erfolgsgarantie (geöffnetes Fenster wäre Raum kontraproduktiv)
  7. 7. Intelligente Agenten Wissen Lernfähigkeit können eigenes Verhalten selbst ändern Flexibilität Optimierung vorgegebener Leistungsmaßnahmen keine Alleskönner und nicht allwissend soziale Kompetenz Autonomie
  8. 8. Intelligente Agenten:Flexibilitätsmerkmalea. Reaktivität Sie können ihre Umgebung wahrnehmen und auf Änderungen zeitnah reagierenb. Pro-Aktivität Sie können sich zielgerichtet verhalten, indem sie eigene Schritte unternehmen.c. Sozialfähigkeit Sie können mit anderen Agenten interagieren.
  9. 9. Agenten-Typen Reaktive Agenten Kognitive Agenten Kein eigenes Wissen vorhanden Verwaltung eines Umgebungsmodells in einer Aktionsausführung aufgrund von Datenstruktur Wahrnehmungen Zielgerichtete und geplante Einfacher reaktiver Agent Aktionen Beobachtender Agent  Zielbasierter Agent  Nutzenbasierter Agent
  10. 10. Agenten-Architekturen Methodologie zum Aufbau von Agenten, die Datenstrukturen, Algorithmen und Flusskontrollen zur Entscheidungsfindung eines Agenten beschreibt. Eine Differenzierung ist anhand der Herangehensweise des Agenten an den Entscheidungsprozess möglich. Vier unterschiedliche Typen von Architekturen: logik-basiert, reaktiv, BDI und geschichtet
  11. 11. Abgrenzung von Agentenzur Objektorientierung Agenten und Objekte können ihren internen Zustand autonom kontrollieren. Objekte können aber nicht ihr Verhalten kontrollieren. Objekte haben immer dieselben Ziele – Agenten nicht unbedingt. D. h. die Autonomie der Agenten ist viel größer. Objekte sind nicht flexibel (reaktiv, pro-aktiv und sozial). Ein objektorientiertes Modell hat nur einen einzigen Thread, während in einem Agentensystem jeder Agent mindestens über einen eigenen Thread verfügt.
  12. 12. Abgrenzung von Agentenzu Expertensystemen Expertensysteme verfügen nur über einen begrenzten Datenumfang. Sie befassen sich nur mit den Daten aus der direkten Umgebung des Problems. Sie können nicht durch Kommunikation oder Kooperation dazulernen. Informationen werden nicht durch Sensoren, sondern durch User-Input vermittelt. Expertensysteme üben keinen Einfluss auf ihre Umgebung aus, sondern liefern nur Feedback darüber.
  13. 13. Multi-Agenten-Systeme Interaktion verschiedener Agenten Ein System aus mehreren, gleichartigen oder unterschiedlich spezialisierten Einheiten, die kollektiv ein Problem lösen. Agenten, Interaktionen und Umgebungen können variieren Interdisziplinäre Ausrichtung (Wirtschaft, Philosophie, Soziologie, Logik)
  14. 14. Beispiel eines natürlichen Multi-Agenten-SystemsAlgorithmen eines Ameisenstaatesstellen Lösungen für komplexeOptimierungsaufgaben dar und dienenals Vorbild für die Verbesserungtechnischer Prozesse aus www.kaeferatlas.de
  15. 15. Multi-Agenten-Systeme:Vorteile geeignet für Anwendungen in großen, verteilten, heterogenen, dynamische n, offenen Umgebungen, die ein hohes Maß an Interaktion erfordern keine geografische Einschränkung Vielzahl von Komponenten möglich enorm großes Datenvolumen gewaltige Bandbreite optimal für die Gestaltung verteilter Computersysteme
  16. 16. Multi-Agenten-Systeme:Nachteile große Herausforderungen in der Konstruktion Potenzial wird oft überschätzt technische Hindernisse wenig systematische Methoden für die Entwicklung Misstrauen bei Nutzern hinsichtlich der Übertragung von Aufgaben an Agenten
  17. 17. Kommunikation zwischenAgentenVoraussetzung für ein reibungsloses Funktionieren eines Multi-Agenten-Systems ist ein effizientes Kommunikationsnetzwerk.Kommunikation > bessere Umsetzung von Zielen > bessere Koordination von Handlungen und Verhalten > mehr Möglichkeiten zur Bildung komplexerer SystemeZwei Varianten der Koordination:Kooperation = Koordination innerhalb gleichgesinnter AgentenVerhandlung = Koordination unter konkurrierenden oder eigennützigenAgentenKooperation setzt soziale Kompetenz voraus (Austausch vonWissen, Bestimmung gemeinsamer Aufgaben und Vermeidung vonKonflikten).
  18. 18. Kommunikation zwischen Agenten Basic Agent Passive Active Agent Peer Agent AgentReceives • • • •assertionsReceives • •queriesSends • • •assertionsSends • •queries
  19. 19. Kommunikation zwischen Agenten:Kommunikationsprotokolle  Agenten tauschen Mitteilungen aus und „unterhalten“ sich miteinander anhand von Kommunikationsprotokollen  Protokolle werden auf verschiedenen Ebenen angeboten  Protokolle beschreiben die Methode der Verbindung zwischen Agenten, das Format der transferierten Informationen und deren Bedeutung  Beispiele von Kommunikationsprotokollen: KQML und KIF
  20. 20. Kommunikation zwischen Agenten: InteraktionsprotokolleAgenten-Interaktions-Protokolle übertragen Mitteilungsserien. Je nachAgententyp gibt es verschiedene Protokolltypen, z. B. Koordinations- undKooperations-Protokolle.Der Informationsaustausch wird auch Konversation genannt.Die Aktivitäten der Agenten müssen koordiniert, die Abhängigkeitenuntereinander koordiniert und Kompetenzen, Informationen und Ressourcender Agenten gebündelt werden.Wichtige Kriterien der Koordination: Verpflichtungen und Konventionen.Verpflichtungen sind das Versprechen zur Ausführung einer Aktion undKonventionen, z. B. soziale Konventionen, sorgen für gegenseitigeUnterstützung der Agenten.Kooperationsprotokolle helfen bei der Gliederung und Verteilung von Aufgaben.
  21. 21. Beispiele für Multi-Agenten-SystemeComputerbasierte Multi-Agenten-Systeme üben einen wichtigen Einfluss auf die Interaktionund Steuerung von Systemen aus und haben in den letzten Jahren viele Bereiche derWissenschaften und der Industrie positiv beeinflusst.  Finanzmarkthandel  Logistik  Industrielle Robotertechnik  E-Commerce  Informationsbeschaffung  Transportsysteme  Produktionsprozesse  Betrieb von Telekommunikationsnetzen
  22. 22. Beispiele fürMulti-Agenten-Systeme:Meeting-PlanerEin Agent steuert den elektronischen Kalender seines Nutzers. DieserAgent ist autonom. Er kann mit anderen gleichartigen Agenten dieKalender verschiedener Nutzer managen. Die Agenten können soangepasst werden, dass sie die Präferenzen der Nutzer automatischmiteinbeziehen.
  23. 23. Beispiele fürMulti-Agenten-Systeme:DVMTDVMT = distributed vehicle monitoringEine der ersten Multi-Agenten-Applikationen überhaupt. Verschiedenegeografisch verteilte Agenten beobachten durch SensorenFahrzeuge, die einen bestimmten Bereich passieren. Sie tauschenuntereinander Informationen aus, um ein Gesamtbild zu erhalten.
  24. 24. Beispiele fürMulti-Agenten-Systeme:OASISOASIS = Kontrollsystem im Flugverkehr, getestet am Flughafen SydneyJedem Flugzeug im Luftraum über Sydney wird ein Agent zugeteilt. DerAgent erhält Informationen und Ziele eines reellen Flugzeugs, z. B. aufeiner bestimmten Landebahn zu landen. Er muss mit anderen Agentenkommunizieren, um eine reibungslose Abwicklung seiner Aufgabe zuermöglichen.
  25. 25. Verteilte Künstliche Intelligenz  Ein Forschungs- und Anwendungsgebiet, das seit Mitte der 1970er Jahre besteht  Multi-Agenten-Systeme sind ein Forschungsgebiet der Verteilten Künstlichen Intelligenz  Entwicklung von Methoden und Mechanismen für eine effiziente Interaktion von Agenten  Koordination einzelner Agenten soll gefördert werden  Interaktionen zwischen intelligenten Einheiten wollen verstanden werden  Mikro- und Makroebene (Mikro = auf Agentenebene, Makro = auf Gruppenebene)
  26. 26. Vielen Dank fürIhre Aufmerksamkeit!

×