Multi-Agenten-Systeme

Eine Einführung

Maschinelles Bewusstsein

von Walid El Sayed Aly, 17.12.2008

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

Agenten

Es gibt keine allgemeingültige Definition des Begriffs.

Die Vielschichtigkeit der Agenten erschwert eine Eingrenzung.

„An agent is a computer system that is situated in some

environment, and that is capable of autonomous action in this

environment in order to meet its design objectives“. M. Woolridge

„An agent is a computational entity such as a software program or a robot

that can be viewed as perceiving and acting upon its environment and

that is autonomous in that its behavior at least partially depends on its

own experience“. G. Weiss

AUTONOMIE und HANDLUNG = Schlüsselfaktoren

Agenten

aus M. Woolridge, „Intelligent Agents“

Agenten:

Umgebungseigenschaften

erreichbar – unerreichbar

deterministisch – nicht-deterministisch

episodenhaft – nicht-episodenhaft

statisch – dynamisch

separat – zusammenhängend

Umgebungseigenschaften beeinflussen die Entscheidungen der

Agenten darüber, welche Aktion sie in welcher Situation wählen.

Agenten: Beispiel

Thermostat

Sensor erfasst Raumtemperatur

Sensor leitet Signal an

Thermostat weiter

Thermostat führt

Aktion aus

keine Erfolgsgarantie

(geöffnetes Fenster wäre

kontraproduktiv)

Thermostat

Raum

- Heizung

an/aus

- zu warm

- zu kalt

-Temperatur

angemessen

Intelligente Agenten

Wissen

Lernfähigkeit

können eigenes Verhalten selbst ändern

Flexibilität

Optimierung vorgegebener Leistungsmaßnahmen

keine Alleskönner und nicht allwissend

soziale Kompetenz

Autonomie

Intelligente Agenten:

Flexibilitätsmerkmale

a. Reaktivität

Sie können ihre Umgebung wahrnehmen

und auf Änderungen zeitnah reagieren

b. Pro-Aktivität

Sie können sich zielgerichtet

verhalten, indem sie eigene Schritte

unternehmen.

c. Sozialfähigkeit

Sie können mit anderen Agenten

interagieren.

Agenten-Typen

Reaktive Agenten

Kein eigenes Wissen vorhanden

Aktionsausführung aufgrund von

Wahrnehmungen

Einfacher reaktiver Agent

Beobachtender Agent

Kognitive Agenten

Verwaltung eines

Umgebungsmodells in einer

Datenstruktur

Zielgerichtete und geplante

Aktionen

Zielbasierter Agent

Nutzenbasierter Agent

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

Abgrenzung von Agenten

zur 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.

Abgrenzung von Agenten

zu 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.

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)

Beispiel eines natürlichen

Multi-Agenten-Systems

Algorithmen eines Ameisenstaates

stellen Lösungen für komplexe

Optimierungsaufgaben dar und dienen

als Vorbild für die Verbesserung

technischer Prozesse

aus www.kaeferatlas.de

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

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

Kommunikation zwischen

Agenten

Voraussetzung 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 Systeme

Zwei Varianten der Koordination:

Kooperation = Koordination innerhalb gleichgesinnter Agenten

Verhandlung = Koordination unter konkurrierenden oder eigennützigen

Agenten

Kooperation setzt soziale Kompetenz voraus (Austausch von

Wissen, Bestimmung gemeinsamer Aufgaben und Vermeidung von

Konflikten).

Kommunikation zwischen

Agenten

Basic Agent Passive

Agent

Active Agent Peer Agent

Receives

assertions• • • •

Receives

queries• •

Sends

assertions• • •

Sends

queries• •

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

Kommunikation zwischen

Agenten: Interaktionsprotokolle

Agenten-Interaktions-Protokolle übertragen Mitteilungsserien. Je nach

Agententyp gibt es verschiedene Protokolltypen, z. B. Koordinations- und

Kooperations-Protokolle.

Der Informationsaustausch wird auch Konversation genannt.

Die Aktivitäten der Agenten müssen koordiniert, die Abhängigkeiten

untereinander koordiniert und Kompetenzen, Informationen und Ressourcen

der Agenten gebündelt werden.

Wichtige Kriterien der Koordination: Verpflichtungen und Konventionen.

Verpflichtungen sind das Versprechen zur Ausführung einer Aktion und

Konventionen, z. B. soziale Konventionen, sorgen für gegenseitige

Unterstützung der Agenten.

Kooperationsprotokolle helfen bei der Gliederung und Verteilung von Aufgaben.

Beispiele für Multi-Agenten-Systeme

Finanzmarkthandel

Logistik

Industrielle Robotertechnik

E-Commerce

Informationsbeschaffung

Transportsysteme

Produktionsprozesse

Betrieb von Telekommunikationsnetzen

Computerbasierte Multi-Agenten-Systeme üben einen wichtigen Einfluss auf die Interaktion

und Steuerung von Systemen aus und haben in den letzten Jahren viele Bereiche der

Wissenschaften und der Industrie positiv beeinflusst.

Beispiele für

Multi-Agenten-Systeme:

Meeting-Planer

Ein Agent steuert den elektronischen Kalender seines Nutzers. Dieser

Agent ist autonom. Er kann mit anderen gleichartigen Agenten die

Kalender verschiedener Nutzer managen. Die Agenten können so

angepasst werden, dass sie die Präferenzen der Nutzer automatisch

miteinbeziehen.

Beispiele für

Multi-Agenten-Systeme:

DVMT

DVMT = distributed vehicle monitoring

Eine der ersten Multi-Agenten-Applikationen überhaupt. Verschiedene

geografisch verteilte Agenten beobachten durch Sensoren

Fahrzeuge, die einen bestimmten Bereich passieren. Sie tauschen

untereinander Informationen aus, um ein Gesamtbild zu erhalten.

Beispiele für

Multi-Agenten-Systeme:

OASIS

OASIS = Kontrollsystem im Flugverkehr, getestet am Flughafen Sydney

Jedem Flugzeug im Luftraum über Sydney wird ein Agent zugeteilt. Der

Agent erhält Informationen und Ziele eines reellen Flugzeugs, z. B. auf

einer bestimmten Landebahn zu landen. Er muss mit anderen Agenten

kommunizieren, um eine reibungslose Abwicklung seiner Aufgabe zu

ermöglichen.

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)

Vielen Dank für

Ihre Aufmerksamkeit!