Мультиагентные системы

Агент-эксперт:

• поддерживает выполнение текущего шага задания;
• готовит сообщение агенту-координатору;
• поддерживает целостность локальных баз данных;
• выполняет почтовые функции в распределенной среде.

Работа агентов  осуществляется следующим образом. Руководитель формирует задания, оперируя справочниками, содержащими знания об экспертах, показателях качества и решениях, требующих рассмотрения. Задание в виде входного сообщения  поступает агенту-координатору, определяющему  состав изменений, которые необходимо сделать в базах данных на локальном уровне. Координатор с помощью предоставленного ему набора функций готовит информацию для всех агентов-экспертов рабочей группы. Агенты-эксперты выполняют задания, предназначенные для своих пользователей, анализируя поступившие от координатора сообщения, и отсылают ему ответные сообщения.

Агент-координатор  собирает сообщения о готовности выполненных заданий от всех членов группы. При выполнении всего пакета заданий его состояние изменяется, и посылается сообщение агенту руководителя.

Руководитель  может выполнять проверку согласованности  экспертных суждений либо на основе вычислений, либо с помощью логического анализа  предоставленной ему информации. Решение руководителя о степени  согласованности суждений посылается агенту-координатору, который продвигает задание на следующий шаг или  возвращает экспертов на предыдущий этап в целях достижения лучшей согласованности.

Заключение

Итак,  многоагентная система (МАС, англ. Multi-agent system) — это система, образованная несколькими взаимодействующими интеллектуальными агентами. Многоагентные системы могут быть использованы для решения таких проблем, которые сложно или невозможно решить с помощью одного агента или монолитной системы (англ.). Примерами таких задач являются онлайн-торговля, ликвидация чрезвычайных ситуаций, и моделирование социальных структур.

В многоагентной системе агенты имеют несколько важных характеристик:

• Автономность: агенты, хотя бы частично, независимы
• Ограниченность представления: ни у одного из агентов нет представления о всей системе, или система слишком сложна, чтобы знание о ней имело практическое применение для агента.
• Децентрализация: нет агентов, управляющих всей системой

Обычно в многоагентных системах исследуются программные агенты. Тем не менее, составляющими мультиагентной системы могут также быть роботы, люди или команды людей. Также, многоагентные системы могут содержать и смешанные команды.

В многоагентных системах может проявляться самоорганизация и сложное поведение даже если стратегия поведения каждого агента достаточно проста. Это лежит в основе так называемого роевого интеллекта.

Агенты могут  обмениваться полученными знаниями, используя некоторый специальный  язык и подчиняясь установленным  правилам «общения» (протоколам) в системе. Примерами таких языков являются Knowledge Query Manipulation Language (KQML) и FIPA’s Agent Communication Language (ACL). 
 
 
 

Список  литературы:

1.Гаврилова Т. А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. – СПб.: Питер, 2000.

2.Смирнов А. В., Шереметов Л. Б. Многоагентная технология проектирования сложных систем.

3.Городецкий В.И. Многоагентные системы: современное состояние исследований и перспективы //Новости искусственного интеллекта, н.1, 1996.

4.Борщёв А. От системной динамики и традиционного ИМ – к практическим агентным моделям: причины, технология, инструменты/ www.gpss.ru.

5. http://aivanoff.blogspot.com/2007/12/blog-post_18.html

6. Андрейчиков А.В. Андрейчикова О.Н. Интеллектуальные информационные системы: Учебник для вузов