Wykład 11
Przegląd metod tworzenia systemów wieloagentowych- MAS Agent-Oriented Software Engineering (AOSE)
Podział za względu na analizę systemów-zdobycie informacji potrzebnej do utworzenia agentów w fazie projektowania
1. Pozyskiwanie i strukturalizacja wyników: wzorce analizy (Kendall & Zhao 1998)
Pozyskiwanie
celów Przypadki
celów Strukturalizacja przypadków
celów
Przypadki celów jako
obiekty
Mapa wzorców analizy (model iteracyjny i rozwojowy) Wzorce:
1)Pozyskiwanie celów- początkowy kontekst systemu np. system jest odpowiedzialny za tworzenie list grup studenckich, w których bierze się pod uwagę konflikty między prowadzącymi zajęcia, studentami i dostępnością sal.
2) Przypadki celów:
2.1) tworzenie listy klas
2.2) eliminowanie konfliktów w listach
3) Strukturalizacja przypadków celów w postaci diagramu drzewa:
1
1.1 1.2
1. Usuwanie konfliktów w listach ze względu na:
1.1. sale
1.2. prowadzących zajęcia
Strukturalizacja przypadków celów
4) Przypadki celów jako obiekty: stabilny schemat zorientowany na cele,
stabilniejszy w porównaniu z systemami opartymi na zadaniach lub czynnościach
1. Metodologia zorientowana obiektowo w fazie analizy i projektowania MAAD (Wooldridge, Jennings & Kinny 1999)
Przesłanki metodologii:
1) agenty żądają znaczną ilość zasobów obliczeniowych, w przybliżeniu tyle, ile proces w systemie UNIX
2) celem MAS jest maksymalizacja globalnych miar, co nie musi być optymalne z punktu widzenia komponentów systemu
3) agenty są heterogeniczne, co oznacza, że mogą być implementowane za pomocą różnych języków i technik programowania
4) początkowy MAS zawiera stosunkowo mało agentów System
Role
Odpowiedzialności
Pozwolenia Protokoły
Właściwości bezpieczeństwa Właściwości istnienia Abstrakcyjna hierarchia analizy
Organizacja składa się z dwóch modeli, zawierający te same informacje co metoda BDI
• Model Ról
• Model Interakcji
Przekształcanie analizy do projektowania
• Usuwanie redundancji
• Przekształcanie ról do typów agentów
• Przekształcanie celów do ról agenta lub agentów
• Definiowanie konwersacji między agentami
2. Podział za względu na projekt systemów-wykonanie agentów Przesłanki projektowania agentów:
• klasyfikowanie
• wzorce agentów 2.1. Role i modele ról
Klient Mediator Współpracownik
Model wzorca roli mediatora Np. Mediator: webserver proces,
Współpracownik: zapytanie bazy danych, połączenie do systemu Administratora
Dyrektor
Manager Zależność
Klient
Urzędnika Urzędnik
Wzorzec biurokracji
2.2. Metodologia i technika modelowania dla systemów z agentami BDI (Kinny, Georgeff & Rao 1996)
BDI (Belief-Desire-Intension) agenty są zdefiniowane za pomocą stanu mentalnego, sformułowane za pomocą trzech faktów:
• zaufaniu (beliefs) czyli wiedzy o środowisku
• pragnieniu (desires) czyli celach agentów
• zamiarach (intension) czyli działaniach, określonych w wyniku planowania w oparciu o wiedzę o środowisku, umożliwiających spełnienie celów agentów
Metodologia opiera się na zbiorze modeli, które definiują system agentowy oparty na agentach BDI:
• modele zewnętrznego punktu widzenia zorientowane na zamiary i reprezentujące interakcje między agentami, zawierające relacje dziedziczenia i komunikacje
• modele wewnętrznego punktu widzenia skupione na klasie agenta specyfikujące ich BDI
Modele zewnętrznego punktu widzenia:
• Model Agenta: reprezentujący liczbę aktualnych klientów i relacje miedzy nimi
• Model Interakcji: reprezentują komunikację i sterowanie między klasami agentów
Metodologia tworzenia modeli zewnętrznego punktu widzenia składa się z następujących czterech kroków:
1) Identyfikacja ról
2) Identyfikacja odpowiedzialności i usług dla każdej roli 3) Identyfikacja interakcji (komunikacji) dla każdej usługi
4) Udoskonalenie hierarchii przez wprowadzenia nowych klas agentów, klas złożonych i utworzenie wystąpień nowych agentów
Modele wewnętrznego punktu widzenia:
• Model Belief - model statyczny- zbiór informacji o środowisku
• Model Goals - model statyczny- zbiór celów, które agent ma osiągnąć
• Model Plans - model dynamiczny- zbiór planów (zamiarów) w celu osiągnięcia celów
Metodologia tworzenia modeli wewnętrznego punktu widzenia jest silnie oparta na paradygmatach BDI
Metodologia tworzenia modeli wewnętrznego punktu widzenia składa się z następujących dwóch kroków:
1) Analiza znaczenia osiągnięcia celów: porządek i warunki 2) Budowa wiedzy o systemie
2.3. Metodologia agentowo zorientowanej analizy i projektowania MAAD- faza projektowania
Faza projektowania składa się z trzech modeli:
1) Model agenta identyfikuje typy agentów i ich wystąpienia
2) Model usług identyfikuje usługi związane z każdym typem agenta
3) Model znajomości, który zawiera wszystkie możliwe ścieżki komunikacyjne Metodologia łączy analizę i projektowanie używając role zdefiniowane w modelu ról utworzonym w fazie analizy. Metodologia umożliwia dużą dowolność w odwzorowaniu modelu ról w modele agentów.
Metodologia ta jest podobna do metodologii agentów BDI:
• Praca na poziome systemu i agenta
• Role agentów są związane z odpowiedzialnością agentów
• Każdy proces jest przenoszony z poziomu analizy do poziomu implementacji
• Każdy proces jest rozwijany w kolejnych iteracjach osiągając nowy poziom 2.4. Inżynieria prototypu systemu wieloagentowego MaSE (DeLoach 1999) Cele metodologii:
• Opracowanie kompletnej metodologii i języka do projektowania MAS
• Umożliwienie zautomatyzowania procesu tworzenia MAS Metodologia składa się z czterech kroków:
Poziom projektowania
dziedziny problemu
Poziom projektowania
Agentów
Poziom projektowania komponentów
Projektowanie systemu
Prototypy MaSE
1) Poziom projektowania dziedziny problemu: język AgMl wspomaga:
1.1) identyfikację typów agentów
1.2) identyfikację możliwych interakcji między agentami
1.3) definiowanie protokołów koordynujących każdy typ interakcji Tworzone są diagramy:
• diagram agentów zawierający połączenia odpowiadające konwersacjom
• diagram hierarchii komunikacji przedstawiający w postaci diagramu stanów konwersacje między agentami
2) Poziom projektowania Agentów:
2.1) Odwzorowania akcji w konwersacjach do komponentów agenta
2.2) Definiowanie struktur danych w konwersacjach jako wejście i wyjście 2.3) Definiowanie wewnętrznych struktur danych
3) Poziom projektowania komponentów odpowiedzialnych za planowanie, wyszukiwanie i uczenie
4) Projektowanie systemu na poziomie fizycznym
Technologie zorientowane agentowo – przykłady konkretnych technologii
Metodologie oparte na technologiach agentowych - właściwości
Technologie te nie stosują generycznego modelu analizy, co poprawiłoby poprawność tego procesu
Prometheus, HLIM, Cassiopeia – specyfikacja oparta na paradygmacie agentowym
Tropos, Gaia, SODA, Styx – analiza oparta na paradygmacie agentowym
Identyfikacja agentów oparta na rolach socjalnych agentów: Gaia, SODA, Styx HLIM, Cassiopeia
Identyfikacja agentów oparta na rolach aktorów: Tropos, Prometheus
Wszystkie wymienione technologie oparte są identyfikacji zstępującej agentów: z ról, aktorów, z komponentów (reprezentujących wiedzę, właściwości), z interakcji między agentami
Trzy aspekty tworzenia MAS – projekt wewnętrzny agenta, projekt interakcji, projekt struktury organizacji lub społeczności. Wymagania te spełniają Tropos, Gaia, Prometheus, Styx, HLIM, jednak tylko SODA wspiera społeczną strukturę MAS
Tropos, Prometheus, Styx i SODA wspierają identyfikację obiektów środowiska, natomiast SODA dodatkowo wspiera projektowanie interakcji między tymi obiektami,
Metodologie oparte na technologiach obiektowych - właściwości
Technologie te nie stosują generycznego modelu analizy, co poprawiłoby poprawność tego procesu
Koncepcja agenta jest wypracowana podczas fazy projektowania: wszystkie opróczODAC i AOAD, które już podczas analizy identyfikują agentów
DESIRE implementuje komponentowo sterowany proces zstępujący identyfikowania agentów, pozostałe implementują komponentowo sterowany proces wstępujący identyfikowania agentów
Technologie ODAC, MASB, DESIRE, AAII, AOMEM, AOAD, MASB wspierają budowę wewnętrzną i zewnętrzną agenta, natomiast MASSIVE i AOAD wspierają projektowanie struktury organizacji lub społeczności
Technologie ODAC, MASB i MASSIVE identyfikują obiekty środowiska, natomiast MASSIVE wspiera dodatkowo projektowanie interakcji między obiektami środowiska
Technologie traktują agentów jako złożone obiekty, co jest niezgodne z abstrakcyjną definicją agenta, z autonomicznymi właściwościami agenta, interakcjami oraz organizacyjną strukturą
Metodologie oparte inżynierii wiedzy - właściwości
Technologie te główny nacisk kładą na identyfikację, akwizycję i modelowanie wiedzy agenta: CommonKADS, MASCommonKADS i CoMoMAS
Technologie te nie stosują generycznego modelu analizy, co poprawiłoby poprawność tego procesu
MAS-CommonKADS identyfikują agentów podczas analizy, realizując proces wstępującej identyfikacji aktora
Technologie CommonKADS i CoMoMAS wspierają budowę wewnętrzną i zewnętrzną agenta, ale nie wspierają projektowania struktury organizacji lub społeczności
Technologie te nie wspierają identyfikacji właściwości środowiska,
W zakresie tworzenia technologii MAS dąży się do opracowania technologii, która definiuje generyczny model analizy i projektowania, niezależne od architektury
3. Baza wiedzy wspierająca projektowanie i syntezę systemów wieloagentowych
3.1. Schematy reprezentacji wiedzy
Baza jest produktem inżynierii wiedzy, która jest dyscypliną Sztucznej Inteligencji (AI).
Baza wiedzy jest reprezentowana w postaci:
• Faktów
• Reguł
• Heurystyk
Schematy reprezentacji wiedzy:
• Logiczny
• Reguły
• Sieci semantyczne
• Ramki
• Obiekty
Wzorce reprezentacji wiedzy:
• Logiczny
• Strukturalny
• Proceduralny lub
• Deklaratywny
• Proceduralny
3.1.1. Schemat logiczny reprezentacji wiedzy
Jest logiczna reprezentacji wiedzy oparta na języku predykatów 1-ego rzędu:
rachunek zdań i kwantyfikatorów oraz teorię schematów wnioskowania Rachunek zdań:
Zdanie (1) jest zawsze prawdziwe
„Kwiat jest owocem” lub nieprawda , że kwiat jest owocem”
Zdanie (1) to formuła zw. prawem wyłączonego środka
p lub nie p (p ∨ ¬ p)
Formuła generująca zawsze zdania prawdziwe po podstawieniu za zmienną zdaniową(nazwową) określonej treści nazywa się prawem logicznym.
„Jeśli (jest tak, że) jeśli grzmi, to błyska, to jeśli nie błyska, to nie grzmi”
jeśli (jeśli p to q) to (jeśli nie q to nie p)
(p→q) → (¬ q→ ¬ p) formuła zw. prawem transpozycji Rachunek kwantyfikatorów:
W rachunku kwantyfikatorów jest uwidoczniona wewnętrzna struktura zdania prostego.
Wyróżnia się:
podmiot np. zmienna nazwowa x
oraz orzeczenie czyli predykat jako L.
Zdanie proste „Russell jest logikiem” zapisano w języku rachunku kwantyfikatorów w postaci formuły :
L(x) lub Lx ( x jest logikiem) Ta formuła staje się zdaniem w wyniku:
• podstawienia jakiejś nazwy za x
• poprzedzenia danej formuły symbolami, reprezentującymi słówka każdy i niektóry czyli ∀ i ∃
(3) Każdy x jest owocem ∀x L(x) (4) Pewien y jest owocem ∃ y L(y)
zmienną zdaniową p zmienną zdaniową p
stała logiczna zw.
funktorem zdaniotwórczym
Metody wnioskowania na poziomie logicznym
1) Metody wyznaczania wartości formuł logicznych= metody dowodzenia
Metoda zero-jedynkowa .
Metoda skrócona zero-jedynkowa
2) Aksjomaty i reguły wnioskowania - ujęcie Hilberta i Bernaysa Założenia:
Aksjomatami są wszystkie twierdzenia rachunku zdań oraz wszystkie formuły podpadające pod schematy:
(A1) ∀x L(x)→ Q(p) (A2) Q(p) → ∃x L(x)
Regułami pierwotnymi wnioskowania są: reguła dołączania kwantyfikatora ogólnego DU i reguła dołączania kwantyfikatora egzystencjalnego DE
(DU) Z Q→L(x) wolno wnosić Q→∀xL(x) (w formule Q x nie może być zmienną wolną)
(DE) Z L(x)→Q wolno wnosić ∃x L(x) → Q Przykłady fałszywych formuł:
• (x<2)→(x<3), wówczas z DU mamy (1<2) →∀x(x<3) - implikacja fałszywa
• (x<2)→(x<3), wówczas x DE mamy ∃x (x<2)→(4<3) - implikacja fałszywa
Reguły wtórne wnioskowania:
Np. Wyprowadzenia wtórnej reguły Z L(x) wolno wnosić ∀x L(x)
(1) L(x) - założenie
(2) L(x) →((p∨¬p)→L(x)) - prawo wyłączonego środka (3) (p∨¬p)→L(x) - prawo odrywania z (1) i (2) (4) (p∨¬p)→ ∀x L(x) - reguła dołączania DU
(5) ∀x L(x) - prawo odrywania z p∨¬p i 4
3) Teoria schematów wnioskowania – logika przedmiotów
Formuły, które są prawdziwe ze względu na swoją formę logiczną, są spełniane przez wszystkie przedmioty z dowolnej (niepustej) dziedziny rozważań.
Są to schematy zdań prawdziwych w dowolnej dziedzinie przedmiotów.
Każdemu twierdzeniu logiki przedmiotowej w postaci okresu warunkowego przyporządkowany jest jednocześnie pewien schemat poprawnego wnioskowania, opisany pewną regułą.
schemat rozumowania
poprzednik (założenie) następnik (teza)
∀x [P(x) → Q(x)] ∧∀x [Q(x) → S(x)] → ∀x[P(x)→S(x)]
generuje schemat wnioskowania
∀x [P(x) → Q(x)]
∀x [Q(x) → S(x)]
Przesłanka
∀ [P(x)→S(x)] Wniosek
Twierdzenie o dedukcji
Głosi ono, że dla udowodnienia implikacji wystarczy z jej poprzednika wyprowadzić następnik, stosując logiczne reguły wnioskowania.
Niech X będzie zbiorem jakichś formuł teorii T, zaś A formułą zamkniętą (tj. bez zmiennych wolnych) tejże teorii; jeśli z X i A, przy zastosowaniu reguł właściwych teorii T, da się wydedukować formuła B, to z X da się wydedukować implikacja A→B, czyli
jeśli X, A | B, to X | A→B
Jeśli X jest zbiorem pustym mamy: jeśli A | B, to | A→B Odwrotne twierdzenie o dedukcji: jeśli X | A→B, to X, A| B
Pozwala wyprowadzać nowe reguły dedukcyjne na podstawie udowodnionych już formuł logicznych
np. Jeśli mamy udowodnione lub przyjęte aksjomatycznie: A→¬(¬A) wówczas można przyjąć regułę: A | ¬ (¬A) :Z A można wydedukować ¬¬ A
Dedukcja naturalna
Intencją jej jest jak najdalej idące przybliżenie logicznej teorii dowodu do rzeczywistej praktyki dowodowej w matematyce i i innych naukach.
Reguły wprowadzania Reguły opuszczania
(∧) AB A∧B A∧B
A∧B A B
(∨) A B A∨B A|C B|C
A∨B A∨B C
(¬) A|0 A¬A ¬¬A
¬A 0 A
(→) A|B
A→B
odpowiednik twierdzenia o
dedukcji
A A→B B
(∀) B(a) ∀xB(x)
∀xB(x) B(a)
(∃) B(a) ∃xB(x) B(a)|A
∃xB(x) A
gdzie a – zmienna nie związana ( występuje w roli parametru) , x - zmienna związana,
O- formuła fałszywa logicznie
oraz reguła
Dowody przeprowadzane metodą dedukcji naturalnej to dowody założeniowe (kierując się regułami wyprowadza się wnioski z założeń przyjętych na próbę):
• dowód wprost
• dowód nie wprost.
Przykład
Dana jest formuła (p→q)∧(r→s)∧(p∧r)→(q∧s) . Należy udowodnić, że formuła ta jest prawem
(1) p→q założenie uzyskane z reguły opuszczania (∧)
(2) r→s ””
(3) p∧r ””
(4) p z reguły opuszczania (∧) z (3)
(5) r z reguły opuszczania (∧) z (3)
(6) q z reguły opuszczania (→) z (1),(4)
(7) s z reguły opuszczania (→) z (2),(5)
(8) q∧s z reguły dołączania (∧) z (6) ,(7)
Stąd mamy: (p→q)∧(r→s)∧(p∧r)→(q∧s) z reguły dołączania (→) z (1),(2),(3),(8)
3.1.2. Reguły
System reguł jest logiczną reprezentacją wiedzy, klasyczną w systemach ekspertowych.
Symptom Diagnoza
LeftHand Side(LHS) Right Hand Side(RHS) Rule 1: If a program is mobile THEN the program is a agent Rule 2: If an agent has goals THEN the agent is goal-based Dane są następujące fakty: Program X is mobile and has goals Reguły systemu dedukcji: Program X is a goal-based agent
Symptom Diagnoza1
Diagnoza1 Diagnoza2 itd
System reguł tworzy łańcuch wnioskowania.
Rozróżnia się łańcuch wnioskowania „do przodu”(LHS) oraz łańcuch wnioskowania „do tyłu”(RHS - sterowany celem).
Mechanizm wnioskowania opiera się na dwóch głównych metodach:
• sieć wnioskowania
• dopasowanie wzorca (dla RHS, LHS)
W systemie reguł odrzuca się ograniczenia czysto logicznych wyników.
Problemami mogą być:
1)
nieskończony łańcuch wnioskowania- utworzenie w łańcuchu wnioskowani nieskończonej pętli wnioskowania
0 A
3) nieczytelność zachowania się – pewien model reprezentacji wiedzy może prowadzić do nieczytelnego zbioru reguł
3.1.3. Sieci semantyczne
Sieć semantyczna jest strukturalną metodą reprezentacji wiedzy.
Jest to graf skierowany, reprezentujący sieć wnioskowania opartą na zbiorze reguł:
• wierzchołki grafu stanowią obiekty zamiast faktów
• krawędzie grafu stanowią relacje między obiektami zamiast reguł
Mobile
Agent Agent
Alpha Planner Multi Agent
System
Work Group is-a
is-a
part-of part-of
is-a
Opcjonalny obiekt
związek opcjonalny
obiekty związek z
obiektem
Sieć semantyczna
Zalety sieci semantycznych: rozszerzenie reprezentacji wiedzy do zapytań, brak uzależnienia się od wnioskowania wiążącego z dziedziną problemu
Problemy: poziomy szczegółowości w powiązaniach, nieskończoność rekurencyjna powiązań, brak bezpośredniego powiązania z system wnioskowania opartego na rachunku predykatów i regułach ułatwiającego wnioskowanie.
3.1.4. Ramki
Jest to strukturalna reprezentacja wiedzy.
Generic Agent Frame
Specialization-of: PROGRAM
Generalization-of: (MOBILE-AGENT, INTERIA-AGENT) Planner:
Range: (FORWARD-CHAINING, BACKWARD-CHAINING) Knowledge-Store:
Range: (Database, Flat-File) Default: Database
Security-Level:
Range: (SECRET, UNCLASSIFIED, TOP-SECRET)
If-Changed: (ERROR: No permission to change classification) Przykład ramki dla dziedziny aplikacji Agenta
Zalety: brak uzależnienia od wnioskowania wiążącego z dziedziną problemu
Wady: brak reprezentacji wiedzy heurystycznej opartej na rachunku predykatów i regułach, ograniczenie w przystosowaniu się do różnych sytuacji lub obiektów
3.1.5. Obiekty
Proceduralna reprezentacja wiedzy oparta na obiektach rozszerza ramkę wykorzystując:
• połączenie danych i operacji
• dziedziczenie, polimorfizm
• hermetyzację.
3.1.6. Hybrydowa reprezentacja wiedzy
Reprezentacja wiedzy wykorzystuje łącznie metody przedstawione w p. 3.1.1-3.1.5
• połączenie reguł i ramki tworzące „czarną skrzynkę” wnioskującą
• połączenie logicznej, proceduralnej i strukturalnej reprezentacji-ER
• CKML, OML, XML
CKML- Conceptual Knowledge Marking Language- język do specyfikacji aplikacji rozszerzny do XML
XML- Xtensible Marking Language- format struktury dokumentów przekazywanych w sieci Web
OML- Ontology-Markup Language rozszerza XML do reprezentowania bazy wiedzy
• AST – (Abstract Syntax Trees) drzewa syntaktyki abstrakcyjnej oparte na gramatyce formalnej reprezentujące XML
Przykład
Dane są: V={a, comfortable, is, near, shoes, sometimes, table, the, wear, window, women}, V’= {S, A, AN, B, C, CN, D, N},
oraz produkcje w notacji BNF:
<S> ::= <CN><AN>
<CN> ::= <C><N>|<N>|<A><CN>
<AN> ::= <A><AN>|<D><CN>
<N> ::= <B><N> | window | women | shoes | table
<A> ::= near | sometimes
<B> ::= comfortable
<C> ::= athe
<D> ::= is | wear
S
CN
table C N
the
AN
N CN
CN D
is A
near
window C
the
S
CN
women N
AN
N AN
CN A
sometimes D
wear
N
shoes B
comfortable
a) b)
