Plánování a komunikace v multiagentních systémech

Dizertace pojednává o metodách návrhu mutiagentních systémů. Agent je považován za autonomní systém schopný následovat svézáměry.  Agentovo chování rovněž závisí na chování ostatníchagentů v systému. Tito agenti sdílí společné prostředí a je pro něpřirozené, že svoji činnost koordinují, například komunikací. Práce jezahájena klasifikací agentů na reaktivní, rozvážné, kognitivní aracionální. Reaktivní agenti nemají explicitní reprezentaci svýchznalostí, rozvážní agenti jsou schopni sestavovat postupk dosažení zvolených cílů a kognitivní agenti mají schopnost učitse z prožitých zkušeností. Racionální agent je schopnýracionálního jednání a má jak rozvážné, tak kognitivní rysy. Textpokračuje popisem modelů BDI agentů, kteří staví své rozhodování natřech svých mentálních stavech - představách, přáních a záměrech. BDImodel je představen na BDI logice, která je rozšířením CTL logiky. BDIpřístup byl také použit při návrhu PRS nebo d'Mars systémů, které jsouoba stručně uvedeny v této práci.

Popis komunikace mezi agenty je rozdělen na tři oblasti. Za prvéjsou to jazyky KQML a ACL, dále metodologie vyhledávání partnera prokomunikaci, a konečně to jsou komunikační protokoly. Po tématukomunikace následuje téma multiagentních systémů, kooperace mezi agentya vytváření koalic. Je ukázáno, že spolupráce může zlepšit výkonjednotlivých agentů v systému, zajistit dosažení globálních cílů azvýšit šance agentů dosahovat jejich soukromých cílů. Dále jsouv textu představeny pojmy závazek a norma.

Hlavní část práce popisuje principy návrhu multiagentních modelů.Nejprve je ukázáno, jak lze formálně specifikovat multiagentní modely.Univerzum je rozděleno na agentní a neagentní prvky. Neagentní prvkytvoří prostředí a to má nějaké blíže neurčené chování. Agenti jsounaopak řízeni jazykem, ve kterém je zapsán program pro praktickérozhodování. Datové struktury jsou uloženy v agentově báziznalostí a také je představují věty uvedeného jazyka. Cyklus běhuagenta je takový, že agent přijímá události svými senzory a i na jejichzákladě se rozhoduje k provádění akcí. Jednání může vést ke změnějeho vnitřního stavu, změně stavu ostatních prvků v systému, nebozměně struktury modelu. V práci je uvedeno několik příkladů, kterédemonstrují chování takovýchto modelů.

Poslední část práce pojednává o principech tvorby multiagentníchsimulačních modelů. Agent jako prvek modelu (zvaný A-Mass) má svojibázi znalostí, interpret, vstupní vyrovnávací paměť, registr a znáněkolik výpočetních algoritmů. Plány jsou zapsány v jazyce t-Sapi,který je rovněž v práci představen včetně formálního popisu jehosyntaxe a sémantiky a několika příkladů použití tohoto jazyka. Na závěrjsou uvedeny principy fungování simulačního nástroje během prováděnísimulačního běhu.

This dissertation deals with methods of design of multiagent system.The agent is considered as an autonomous intelligent entity withcapability of following of its intentions. Agent's behaviour dependsalso on behaviour of other agents it shares environment with. Thus thepossibility of plan coordination through communication is natural tothe agent. The work starts with classification of agent into reactive,deliberative, cognitive and rational. Reactive and deliberative agentshave no inner representation of past experiences. Reactive agents reactimmediately to the actual state of the environment; deliberative agentsare able to construct a plan towards some goals satisfaction. Cognitiveagent can memorize its past behaviour. Rational agent is on the top ofthe hierarchy and contains deliberative as well as cognitivecapabilities. Its denotation rational means that it pursuits itsintentions in a rational manner and no action it does is against thegoals. The text follows with description of the BDI agents that drivesits doing by three mental states - it's believes, desires andintentions. The BDI model is introduced with BDI logic as an extensionof CTL modal logic. On the base of BDI idea were also created PRSsystem and dMARS formal specification of BDI computation. Both arebriefly described in the thesis. Communication among agents isintroduced on three areas. At first, the KQML and ACL communicationlanguages are presented, then some methodologies of searching properpartner for communication are presented and finally, some interactionprotocols of communication are described. After communication there arediscussed some aspects of multiagent systems. The focus is put ontoaspects of coalition buildings and principles of multiagentcooperation. It is shown, that cooperation could improve chances toachieve particular goals by particular agents. There are alsointroduced terms obligation and norm in the text.

The main part describes principles of design and behaviour ofmultiagent models. First, there is shown how the formal specificationof multiagent system could be done. The universe consists of agents andnon-agent elements. The non-agent elements create environment in witchthe agents live. Agent as an autonomous element is driven by a planwritten in some formal language. Each agent could have knowledge thatis stored in a knowledge base in a form of sentences of the language.Agent receives on its sensor input and performs actions by sendingproper values onto its outputs. Structure of the system could change asagents move within the system. There is shown several examples andpossible solution of system with agents in the text.

The final part grows from the formal specification and describes theprinciples of simulation model design. In this approach each agent isan element of the model. The agent is called A-Mass and it has its ownarchitecture with a knowledge base, interpreter, input buffer and someset of algorithms that allows him to behave rationally. Plans arewritten in t-Sapi language. The language is introduced in the text.There are shown its syntax, operational semantic and some examples ofplan written in t-Sapi are also presented. Finally, the dissertationbrings description of entire model with agents. The model consists onlyof some agents. One of them called GODI, maintains model of environmentand it interprets the model on the basis of action that each agent haddecided to perform. Agents, GODI and unit for agents doing coordinationconstitute a tool for multiagent system simulation, called T-Mass,which is the main contribution of the dissertation, together withA-Mass agent architecture and t-Sapi language specification.