PPT《高级人工智能》

高级人工智能 第十四章 分布式人工智能 史忠植 中国科学院计算技术所 内容 10.

1 概述10.2 分布式问题求解10.3 主体10.4 主体理论10.5 主体结构10.6 主体通信10.7 主体的协调与协作10.8 多主体环境MAGE 10.1 概述 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的、相互协作地实现问题求解.两种解决问题的方法:自顶向下:分布式问题求解自底向上:基于主体的方法 分布式人工智能系统的特色 系统中的数据、知识, 以及控制不但在逻辑上, 而且在物理上是分布的, 既没有全局控制, 也没有全局的数据存储.各个求解机构由计算机网络互连, 在问题求解过程中, 通信代价要比求解问题的代价低得多.系统中诸机构能够相互协作, 来求解单个机构难以解决, 甚至不能解决的任务. 分布式人工智能系统的主要优点 提高问题求解能力.提高问题求解效率.扩大应用范围.降低软件的复杂性. 分布式人工智能 分布式人工智能的研究可以追溯到70年代末期.早期分布式人工智能的研究主要是分布式问题求解,其目标是要创建大粒度的协作群体,它们之间共同工作以对某一问题进行求解. 合同网 1980年Davis 和Smith提出了合同网(CNET) CNET使用投标---合同方式实现任务在多个节点上的分配.合同网系统的重要贡献在于提出了通过相互选择和达成协议的协商过程实现分布式任务分配和控制的思想. 分布式车辆监控测试系统 DVMT 1980年麻萨诸塞大学的Lesser, Corkill 和Durfee 等人主持研制DVMT该系统对市区内行驶的车辆轨迹进行监控, 并以此环境为基础, 对分布式问题求解系统中许多技术问题进行研究.DVMT是以分布式传感网络数据解释为背景,对复杂的黑板问题求解系统之间的相互作用进行了研究,提供了抽象和模型化分布式系统行为的方法. ACTOR模型 1983年Hewitt 和他的同事们研制了基于ACTOR模型的并发程序设计系统.ACTOR模型提供了分布式系统中并行计算理论和一组专家或ACTOR获得智能行为的能力.在1991年Hewitt提出开放信息系统语义, 指出竞争、承诺、协作、协商等性质应作为分布式人工智能的科学基础,试图为分布式人工智能的理论研究提供新的基础. MACE系统 是一个实验型的分布式人工智能系统开发环境(Gasser 1987).MACE中每一个计算单元都称作主体,它们具有知识表示和推理能力,主体之间通过消息传送进行通信.MACE是一个类面向对象环境,但避开了并发对象系统中难于理解和实现的继承问题.MACE的各个机构并行计算, 并提供了描述机构的描述语言, 具有跟踪的demons机制. 该课题研究的重点是在实际并行环境下运行分布式人工智能系统,保持概念的清晰性. 分布式运输调度系统DTDS-I 1989年清华大学石纯一等主持研制了分布式运输调度系统DTDS-I(石纯一 1989).该系统以运输调度为背景,提出了分布式问题求解系统的体系结构,对问题分解、任务分布算法和基于元级通信的协作机制等方面进行了探讨. 分布式知识处理系统DKPS 1990中国科学院计算技术研究所史忠植等研究了分布式知识处理系统DKPS.该系统采用逻辑------对象知识模型,研究了知识共享和协作求解等问题. 多主体系统 90年代,多主体系统Multiagent systems)的研究成为分布式人工智能研究的热点.多主体系统主要研究自主的智能主体之间智能行为的协调,为了一个共同的全局目标,也可能是关于各自的不同目标,共享有关问题和求解方法的知识,协作进行问题求解.基于智能主体的概念,人们提出了一种新的人工智能定义: 人工智能是计算机科学的一个分支,它的目标是构造能表现出一定智能行为的主体 所以,智能主体的研究应该是人工智能的核心问题.斯坦福大学计算机科学系的 Hayes-Roth在IJCAI'