Sistema multiagente - Multi-agent system

Agente reflexo simples
Agente de aprendizagem

Um sistema multiagente ( MAS ou "sistema auto-organizado") é um sistema computadorizado composto de vários agentes inteligentes interagindo . Os sistemas multiagentes podem resolver problemas difíceis ou impossíveis de serem resolvidos por um agente individual ou por um sistema monolítico . A inteligência pode incluir abordagens metódicas , funcionais , procedimentais , busca algorítmica ou aprendizagem por reforço .

Apesar da sobreposição considerável, um sistema multiagente nem sempre é o mesmo que um modelo baseado em agente (ABM). O objetivo de um ABM é buscar uma visão explicativa do comportamento coletivo dos agentes (que não precisam ser necessariamente "inteligentes") obedecendo a regras simples, normalmente em sistemas naturais, ao invés de resolver problemas práticos ou de engenharia específicos. A terminologia ABM tende a ser usada com mais frequência na ciência, e MAS em engenharia e tecnologia. As aplicações em que a pesquisa de sistemas multiagentes pode oferecer uma abordagem apropriada incluem comércio online, resposta a desastres, vigilância de alvos e modelagem de estrutura social.

Conceito

Os sistemas multiagentes consistem em agentes e seu ambiente . Normalmente, a pesquisa de sistemas multiagente refere-se a agentes de software . No entanto, os agentes em um sistema multiagente podem ser robôs, humanos ou equipes humanas. Um sistema multiagente pode conter equipes combinadas de agente humano.

Os agentes podem ser divididos em tipos que vão do simples ao complexo. As categorias incluem:

  • Agentes passivos ou "agente sem objetivos" (como obstáculo, maçã ou chave em qualquer simulação simples)
  • Agentes ativos com objetivos simples (como pássaros em bando, ou lobo-ovelha em modelo de presa-predador )
  • Agentes cognitivos (cálculos complexos)

Os ambientes do agente podem ser divididos em:

  • Virtual
  • Discreto
  • Contínuo

Ambientes de agentes também podem ser organizados de acordo com propriedades como acessibilidade (se é possível reunir informações completas sobre o ambiente), determinismo (se uma ação causa um efeito definido), dinâmica (quantas entidades influenciam o ambiente no momento), discrição (se o número de ações possíveis no ambiente é finito), episodicidade (se as ações do agente em certos períodos de tempo influenciam outros períodos) e dimensionalidade (se as características espaciais são fatores importantes do ambiente e o agente considera o espaço em sua tomada de decisão ) As ações do agente são normalmente mediadas por meio de um middleware apropriado. Esse middleware oferece uma abstração de design de primeira classe para sistemas multiagentes, fornecendo meios para controlar o acesso a recursos e a coordenação de agentes.

Características

Os agentes em um sistema multiagente têm várias características importantes:

  • Autonomia: agentes pelo menos parcialmente independentes, autoconscientes, autônomos
  • Visualizações locais: nenhum agente tem uma visão global completa ou o sistema é muito complexo para um agente explorar tal conhecimento
  • Descentralização: nenhum agente é designado como controlador (ou o sistema é efetivamente reduzido a um sistema monolítico)

Auto-organização e auto-direção

Os sistemas multiagentes podem manifestar auto-organização , bem como autodireção e outros paradigmas de controle e comportamentos complexos relacionados, mesmo quando as estratégias individuais de todos os seus agentes são simples. Quando os agentes podem compartilhar conhecimento usando qualquer linguagem acordada, dentro das restrições do protocolo de comunicação do sistema, a abordagem pode levar a uma melhoria comum. Linguagens de exemplo são Knowledge Query Manipulation Language (KQML) ou Agent Communication Language (ACL).

Paradigmas de sistema

Muitos MAS são implementados em simulações de computador, escalando o sistema por meio de "etapas de tempo" discretas. Os componentes do MAS se comunicam normalmente usando uma matriz de solicitação ponderada, por exemplo 

 Speed-VERY_IMPORTANT: min=45 mph, 
 Path length-MEDIUM_IMPORTANCE: max=60 expectedMax=40, 
 Max-Weight-UNIMPORTANT 
 Contract Priority-REGULAR

e uma matriz de resposta ponderada, por exemplo 

 Speed-min:50 but only if weather sunny, 
 Path length:25 for sunny / 46 for rainy
 Contract Priority-REGULAR
 note – ambulance will override this priority and you'll have to wait

Um esquema de contrato de desafio-resposta é comum em sistemas MAS, onde

  • Primeiro, uma pergunta " Quem pode? " É distribuída.
  • Apenas os componentes relevantes respondem: " Eu posso, a esse preço " .
  • Finalmente, um contrato é estabelecido, geralmente em várias etapas curtas de comunicação entre as partes,

também considerando outros componentes, evoluindo "contratos" e os conjuntos de restrição dos algoritmos de componentes.

Outro paradigma comumente usado com MAS é o " feromônio ", onde os componentes deixam informações para outros componentes próximos. Esses feromônios podem evaporar / se concentrar com o tempo, ou seja, seus valores podem diminuir (ou aumentar).

Propriedades

MAS tendem a encontrar a melhor solução para seus problemas sem intervenção. Há grande similaridade aqui com fenômenos físicos, como minimização de energia, onde objetos físicos tendem a atingir a energia mais baixa possível dentro do mundo fisicamente limitado. Por exemplo: muitos dos carros que entram em uma metrópole pela manhã estarão disponíveis para sair dessa mesma metrópole à noite.

Os sistemas também tendem a prevenir a propagação de falhas, autorrecuperação e tolerância a falhas, principalmente devido à redundância de componentes.

Pesquisar

O estudo de sistemas multiagentes está "preocupado com o desenvolvimento e análise de arquiteturas sofisticadas de solução de problemas e controle de IA para sistemas de agente único e agente múltiplo". Os tópicos de pesquisa incluem:

Frameworks

Surgiram estruturas que implementam padrões comuns (como os padrões FIPA e OMG MASIF). Essas estruturas, por exemplo , JADE , economizam tempo e ajudam na padronização do desenvolvimento de SMA.

Atualmente, porém, nenhum padrão é mantido ativamente pelo FIPA ou OMG. Os esforços para o desenvolvimento de agentes de software no contexto industrial são realizados no comitê técnico IEEE IES sobre Agentes Industriais.

Formulários

O MAS não foi aplicado apenas na pesquisa acadêmica, mas também na indústria. Os MAS são aplicados no mundo real a aplicativos gráficos, como jogos de computador. Sistemas de agentes têm sido usados ​​em filmes. É amplamente recomendado para uso em redes e tecnologias móveis, para obter balanceamento de carga automático e dinâmico, alta escalabilidade e redes de autocura. Eles estão sendo usados ​​para sistemas de defesa coordenados.

Outras aplicações incluem transporte , logística, gráficos, manufatura, sistema de energia , smartgrids e GIS .

Além disso, Sistemas de Inteligência Artificial Multi-agente (MAAI) são usados ​​para simular sociedades, o propósito de ser útil nas áreas de clima, energia, epidemiologia, gestão de conflitos, abuso infantil, .... Algumas organizações que trabalham no uso de multiagente os modelos de sistema incluem Centro de Modelagem de Sistemas Sociais, Centro de Pesquisa em Simulação Social, Centro de Modelagem de Políticas, Sociedade Internacional de Modelagem e Simulação. Hallerbach et al. discutiram a aplicação de abordagens baseadas em agentes para o desenvolvimento e validação de sistemas de direção automatizados por meio de um gêmeo digital do veículo em teste e simulação de tráfego microscópica baseada em agentes independentes. Waymo criou um ambiente de simulação multiagente Carcraft para testar algoritmos para carros autônomos . Simula interações de tráfego entre motoristas humanos, pedestres e veículos automatizados. O comportamento das pessoas é imitado por agentes artificiais com base em dados do comportamento humano real.

Veja também

Referências

Leitura adicional