Многоагентные системы - презентация, доклад, проект скачать

Нажмите для полного просмотра!

Содержание ▲

Вы можете ознакомиться и скачать презентацию на тему Многоагентные системы. Доклад-сообщение содержит 16 слайдов. Презентации для любого класса можно скачать бесплатно. Если материал и наш сайт презентаций Mypresentation Вам понравились – поделитесь им с друзьями с помощью социальных кнопок и добавьте в закладки в своем браузере.

Слайды и текст этой презентации

Слайд 1

Описание слайда:

Многоагентные системы

Слайд 2

Описание слайда:

Многоагентные системы Многоагентная система - это система, образованная несколькими взаимодействующими интеллектуальными агентами. Интеллектуальные агенты - разумные сущности, наблюдающие за окружающей средой (с помощью датчиков) и действующие в ней (с помощью исполнительных механизмов), при этом их поведение рационально в том смысле, что они способны к пониманию и их действия всегда направлены на достижение какой-либо цели.

Слайд 3

Описание слайда:

Считается, что один агент владеет всего лишь частичным представлением о глобальной проблеме, а значит, он может решить лишь некоторую часть общей задачи. В связи с этим для решения сложной задачи необходимо создать некоторое множество агентов и организовать между ними эффективное взаимодействие, что позволит построить единую многоагентную систему. Для организации процесса распределения задачи в многоагентных системах создается либо система распределенного решения проблемы либо децентрализованный искусственный интеллект. В первом варианте процесс декомпозиции глобальной задачи и обратный процесс композиции найденных решений происходит под управлением некоторого единого «центра». При этом многоагентная система проектируется строго сверху вниз, исходя из ролей определенных для агентов и результатов разбиения глобальной задачи на подзадачи. В случае использования децентрализованного искусственного интеллекта распределение заданий происходит в процессе взаимодействия агентов и носит больше спонтанный характер.

Слайд 4

Описание слайда:

В искусственном интеллекте существует несколько типов агентов. Например: 1.Физический Агент — агент, воспринимающий окружающий мир через некоторые сенсоры и действующий с помощью манипуляторов. 2.Временной агент — агент, который использует изменяющуюся с ходом времени информацию и предлагает некоторые действия или предоставляет данные компьютерной программе или человеку, и получает информацию через программный ввод. Простая агентная программа может быть математически описана как агентская функция, которая проектирует любой подходящий результат восприятия на действие, которое агент может выполнить, или в коэффициент, элемент обратной связи, функцию или константу, которые могут повлиять на дальнейшие действия. f:P * − > A Программный агент проецирует результат восприятия только на действие.

Слайд 5

Описание слайда:

Классификация агентов по типу обработки воспринимаемой информации: Агенты с простым поведением. Агенты с поведением, основанным на модели. Целенаправленные агенты. Практичные агенты. Обучающиеся агенты.

Слайд 6

Описание слайда:

Агенты с простым поведением действуют только на основе текущих знаний. Их агентская функция основана на схеме условие-действие IF (условие) THEN действие Такая функция может быть успешной, только если окружающая среда полностью поддается наблюдению. Некоторые агенты также могут иметь информацию о их текущем состоянии, что позволяет им не обращать внимания на условия, предпосылки которых уже выполнены. Агенты с поведением, основанным на модели, могут оперировать со средой, лишь частично поддающейся наблюдению. Внутри агента хранится представление о той части, что находится вне границ обзора. Чтобы иметь такое представление, агенту необходимо знать, как выглядит окружающий мир, как он устроен. Эта дополнительная информация дополняет «Картину Мира».

Слайд 7

Описание слайда:

Целенаправленные агенты схожи с предыдущим типом, однако они, помимо прочего, хранят информацию о тех ситуациях, которые для них желательны. Это дает агенту способ выбрать среди многих путей тот, что приведет к нужной цели. Целенаправленные агенты различают только состояния, когда цель достигнута, и когда не достигнута. Практичные агенты, помимо этого, способны различать, насколько желанно для них текущее состояние. Такая оценка может быть получена с помощью «функции полезности», которая проецирует множество состояний на множество мер полезности состояний.

Слайд 8

Описание слайда:

В некоторой литературе, обучающиеся агенты (ОА) также называются автономными интеллектуальными агентами (autonomous intelligent agents), что означает их независимость и способность к обучению и приспосабливанию к изменяющимся обстоятельствам. Система ОА должна проявлять следующие способности: обучаться и развиваться в процессе взаимодействия с окружающей средой приспосабливаться в режиме реального времени быстро обучаться на основе большого объёма данных пошагово приспосабливать новые способы решения проблем обладать базой примеров с возможностью её пополнения иметь параметры для моделирования быстрой и долгой памяти, возраста и т. д. анализировать себя в терминах поведения, ошибки и успеха

Слайд 9

Описание слайда:

Обучающийся агент

Слайд 10

Описание слайда:

Субагенты Чтобы активно выполнять свои функции, интеллектуальные агенты обычно имеют иерархическую структуру, включающую много «субагентов». Интеллектуальные субагенты обрабатывают и выполняют низкоуровневые функции. Интеллектуальные агенты и субагенты составляют полную систему, которая способна выполнять сложные задачи. При этом поведение системы создаёт впечатление разумности. Существует несколько типов субагентов: Временные агенты (для принятия оперативных решений) Пространственные клиенты (для взаимодействия с реальным миром) Сенсорные агенты (обрабатывают сенсорные сигналы — к примеру агенты, работающие на основе нейросети) Обрабатывающие агенты (решают проблемы типа распознавания речи) Принимающие решение агенты Обучающие агенты (для создания структур и баз данных для остальных интеллектуальных агентов) Мировые агенты (объединяют в себе остальные классы агентов для автономного поведения)

Слайд 11

Описание слайда:

Свойства агентов Автономность Реактивность – способность воспринимать изменение среды и предпринимать ответные действия Целенаправленность – способность выполнять поставленные перед ним задачи Устойчивость – способность восстанавливать свое состояние после аварийного завершения

Слайд 12

Описание слайда:

Общительность – возможность взаимодействовать с другими элементами среды Адаптивность – способность изменять свое поведение в зависимости от накопленного опыта и текущей обстановки Мобильность

Слайд 13

Описание слайда:

Стандарты многоагентных систем MASIF Ассоциация OMG Управление агентами Идентификация агентов Типизация и адресация агентской платформы FIPA Управление агентами Язык взаимодействия агентов (ACL) Взаимодействие с неагентскими программами Управление безопасностью агентов Управление мобильными агентами

Слайд 14

Описание слайда:

Служба онтологии Области применения Результат сотрудничества OMG и FIPA – расширение языка UML (AgentUML)

Слайд 15

Описание слайда:

Парадигмы Модель «Запрос — Ответ — Соглашение» — обычное явление для МАС. Схема реализуется за несколько шагов: сначала всем задаётся вопрос наподобие: «Кто может мне помочь?» на что только «способные» отвечают «Я смогу, за такую-то цену» в конечном итоге, устанавливается «соглашение» Для последнего шага обычно требуется ещё несколько (более мелких) актов обмена информацией. При этом принимаются во внимание другие компоненты, в том числе уже достигнутые «соглашения» и ограничения среды. Другой часто используемой парадигмой в МАС является «феромон», где компоненты «оставляют» информацию для следующих в очереди или ближайших компонентов. Такие «феромоны» могут испаряться со временем, т. е. их значения могут изменяться со временем.