基于AgentBDI理论模型分析.docVIP

基于AgentBDI理论模型分析 　　摘要：主要分析了从意识立场出发的一种思维状态模型，即BDI模型。该Agent模型的基本思维属性主要由信念、愿望和意图构成，通过两种方法的分析，如何使Agent达到理性的推理和理性的决策目标。 　　关键词：Agent；BDI；理论模型 　　Agent理论与技术研究最早源于分布式人工智能（DAI），但从80年代末开始，Agent理论技术研究从DAI领域中拓展开来，并与许多其他领域相互借鉴与融合，在许多不同与最初DAI应用的领域得到了更广泛的应用。 　　1、 Agent相关技术 　　1.1 Agent概念 　　Agent应当包括：自主性、主动性、反应性、移动性和社会性等优良特点。由以上Agent的特性可以给Agent一个简单的定义：Agent是代表用户和其他程序，以主动服务的方式完成一组操作的机动计算实体。智能Agent不能在环境中单独存在，而要与多个智能Agent在同一环境中协同工作，协同的手段是相互通信，但每个智能Agent都是主动的、自治的工作。 　　1.2 Agent的分类 　　Agent的特征、控制结构、生存环境、实现语言以及应用领域等都可以作为分类依据。如根据Agent 在MAS中所处的位置可以分为末端Agent和中间Agent。末端Agent又可分为提供服务的Agent和接受服务的Agent。根据Agent所完成的主要功能又可以分为界面Agent、移动Agent和信息Agent等。另外按体系结构划分，可分为反应式Agent、慎思式Agent和复合式Agent；按构架可分为系统Agent和工具Agent；按智能程度分为被动Agent、主动监视反应Agent、具有思考和规划行为的BDI Agent、竞争Agent、演化Agent以及人格化Agent。 　　1.3 Agent的应用现状 　　就目前而言主要包括如下一些应用领域： （1） 电信领域。 （2） 兴趣匹配。 （3） 用户助理。 （4） 组织结构。 （5） 信息处理。 （6） 移动计算。 　　2、 基于Agent 的BDI模型 　　BDI模型的哲学基础是巴拉特曼（M. E. Bratman）的理性平衡。1987年，Bratman从哲学上对行为意图的研究对人工智能产生了广泛的影响。他认为只有保持信念、愿望和意图的理性平衡才能有效的解决问题。 　　一种理想的理性Agent可以定义为：对于每一种可能的感知序列，理想的理性Agent，在感知序列提供的证据和Agent内部知识的基础上，应该做的所期望的动作使它的性能测度为最大。Agent的BDI模型侧重于形式描述信念、愿望和意图，其本质上要解决的问题是如何确定Agent的目标以及如何实现这个目标。当前Agent使用的BDI模型一般都是在科恩（P. R. Cohen）和莱韦斯克（H. J. Levesque）的正规模态逻辑的意图模型以及罗（A. S. Rao）和乔治（M. P. Georgeff）的BDI计算树逻辑模型基础上发展起来的。 　　2.1 Cohen Levesque的BDI模型 　　在Bratman的基础上， Cohen和Levesque系统地研究了信念、目标、持续目标和意图的形式描述和演算问题。他们采用了基于线性时态逻辑的可能世界模型，表示了时间、事件、行为目标和意念等概念，形式地表达了这些概念之间的关系。 　　根据Bratman的哲学分析，Cohen和Levesque提出了一个意图的合理性必须满足的7条性质：（1）意图为Agent提出任务，Agent必须确定怎样实现它；（2）意图为Agent采纳其它意图提供了“过滤”，它们必须不发生冲突；（3）Agent应跟踪意图的实现，如果失败，Agent应试图重试；（4）Agent相信它的意图是可实现的；（5）Agent不相信它不愿实现它的意图；（6）在某些情况下，Agent相信它将实现它的意图；（7）Agent不必打算实现它的意图的所有副作用。 　　2.2 Rao Georgeff的BDI模型 　　Rao和Georgeff对BDI模型的描述同样基于正规模态逻辑的可能世界，但每个可能世界具有分枝时间结构。他们的形式化模型是基于扩展的计算树逻辑（CTL，Computational Tree Logic），即把命题时态逻辑扩展为带模态词的信念、目标、意图的一阶逻辑。每个世界被建模为一颗时间树，有单一的过去和分枝的未来，世界中的一个时间称为一个状态，这些状态与时间出现相对应，分枝表示在每个时间可供Agent选择的情形，在他们的模型中主要有两类公式：状态公式和路径公式。有两个作用在路径公式上的路径算子E（optional）和A（inevitable）；作用在状态公式和路径公式上的标准时序算子□（永远）、◇（将会）、○（下一步）、∪（直到）。