วัตถุประสงค์ของระบบหลายเอเจนต์ (MAS) คือการประสานกระบวนการอิสระ ตัวแทนคือเอนทิตีคอมพิวเตอร์ในรูปแบบของโปรแกรมหรือหุ่นยนต์ ตัวแทนถือได้ว่าเป็นอิสระเนื่องจากสามารถปรับตัวได้เมื่อสภาพแวดล้อมเปลี่ยนแปลง MAC ประกอบด้วยชุดของกระบวนการคอมพิวเตอร์ที่เกิดขึ้นในเวลาเดียวกันและมีอยู่ในเวลาเดียวกัน ใช้ทรัพยากรร่วมกันและสื่อสารกัน ปัญหาหลักใน MAC คือการทำให้เจ้าหน้าที่ประสานงานเป็นทางการ
การกำหนดระบบหลายเอเจนต์
MAC เป็นแนวทางคาดการณ์ล่วงหน้าในการพัฒนาซอฟต์แวร์สำหรับแอปพลิเคชันในโดเมนที่ซับซ้อน โดยที่ส่วนประกอบแอปพลิเคชันโต้ตอบเป็นแบบอิสระและกระจาย ทำงานในสภาพแวดล้อมแบบไดนามิกและไม่แน่นอน ต้องปฏิบัติตามกฎและกฎหมายขององค์กรบางรายการ และสามารถเข้าร่วมและออกได้ ระบบหลายเอเจนต์ระหว่างรันไทม์
ตัวอย่างการใช้งานดังกล่าวคือระบบที่จัดการและเพิ่มประสิทธิภาพการผลิตและการจำหน่ายไฟฟ้าระหว่างผู้ใช้บริการหรือระบบที่วางแผนโหลดในระบบขนส่งอย่างเหมาะสมที่สุด การพัฒนาระบบหลายตัวแทนจำเป็นต้องมีการสร้างตัวแทน องค์กร และสภาพแวดล้อมที่แยกจากกัน
ภาษาโปรแกรมให้โครงสร้างการเขียนโปรแกรมสำหรับการใช้ตัวแทนแต่ละรายในแง่ของแนวคิดทางสังคมและความรู้ความเข้าใจ เช่น ข้อมูล เป้าหมาย ตัวเลือก บรรทัดฐาน อารมณ์ และกฎการตัดสินใจ
องค์กรหลายตัวแทนในแง่ของแนวคิดทางสังคมและองค์กรมีบทบาท กอปรด้วยบรรทัดฐาน โปรโตคอลการสื่อสาร ทรัพยากรที่อยู่ภายใต้การตรวจสอบ ภาษาโปรแกรมและเฟรมเวิร์กที่พัฒนาขึ้นนั้นใช้เพื่อสร้างการจำลองแบบใช้ตัวแทนสำหรับอุตสาหกรรมการผลิตต่อเนื่องจำนวนมาก: ไฟฟ้า, โลหะวิทยา, การดูแลสุขภาพ, อินเทอร์เน็ต, การขนส่ง, การจัดการจราจรและเกมที่จริงจัง
MAS แตกต่างจากระบบตัวแทนเดียวเนื่องจากมีตัวแทนหลายรายที่เป็นแบบจำลองเป้าหมายและการกระทำของกันและกัน ในสถานการณ์ทั่วไป อาจมีปฏิสัมพันธ์โดยตรงระหว่างตัวแทน จากมุมมองของเอเจนต์เดียว ระบบหลายเอเจนต์แตกต่างอย่างมากจากระบบที่มีเอเจนต์เดียว เนื่องจากเอเจนต์อื่นสามารถกำหนดไดนามิกของสภาพแวดล้อมได้ นอกเหนือจากความไม่แน่นอนที่อาจเกิดขึ้นในโดเมนแล้ว ตัวแทนอื่นๆ ยังจงใจส่งผลกระทบต่อสิ่งแวดล้อมในรูปแบบที่คาดเดาไม่ได้
ดังนั้น MAC ทั้งหมดถือได้ว่ามีสภาพแวดล้อมแบบไดนามิกซึ่งเป็นเรื่องปกติสำหรับคนทันสมัยระบบมัลติเอเจนต์ สามารถมีตัวแทนจำนวนเท่าใดก็ได้ที่มีระดับของความหลากหลายที่แตกต่างกัน โดยอาจมีหรือไม่มีการสื่อสารโดยตรง
สถาปัตยกรรม MAS
ตัวแทนต้องมีรูปแบบการเรียนรู้:
- ความเชื่อ;
- ความปรารถนา;
- ความตั้งใจ
ด้านหนึ่งเขาอ่าน "ความเชื่อ" เกี่ยวกับสิ่งแวดล้อมซึ่งเป็นผลมาจากความรู้และการรับรู้ของเขา และอีกด้านหนึ่งคือชุดของ "ความปรารถนา" การข้ามสองชุดนี้ส่งผลให้เกิด "ความตั้งใจ" ชุดใหม่ซึ่งจะถูกแปลโดยตรงเป็นการกระทำ
ตัวแทนต้องมีระบบสื่อสาร มีภาษาเฉพาะหลายภาษาสำหรับจุดประสงค์นี้: การสืบค้นภาษาและภาษาการจัดการ (KQML) เมื่อเร็วๆ นี้ มาตรฐาน FIPA-ACL ซึ่งสร้างโดย FIPA Foundation for Intelligent Physical Agents ได้รับการเผยแพร่ หลักการสุดท้ายในการสร้างระบบหลายเอเจนต์นี้มีพื้นฐานมาจากทฤษฎีของคำพูด
ปัญหาการปรับตัวเป็นปัญหาที่มีหนามซึ่งปัจจุบันเป็นหัวข้อของการวิจัยอย่างมาก ยกตัวอย่างไวรัสบางชนิด ทั้งทางชีววิทยาและคอมพิวเตอร์ สามารถปรับให้เข้ากับสภาพแวดล้อมกลายพันธุ์
สุดท้าย การใช้งาน MAC อย่างมีประสิทธิภาพ แม้ว่าจะไม่ได้เป็นส่วนหนึ่งของสถาปัตยกรรมระบบอย่างเคร่งครัด แต่ก็สมควรได้รับความสนใจในภาษาโปรแกรมมากมายที่ได้รับการพัฒนาเพื่อการศึกษาปัญญาประดิษฐ์ โดยเฉพาะอย่างยิ่ง มีการกล่าวถึงภาษา LISP องค์ประกอบทางสถาปัตยกรรมเหล่านี้นำไปใช้กับระบบที่ประกอบด้วยองค์ความรู้ตัวแทน
หมวดหมู่หรือรุ่นตัวแทน
การจำแนกประเภทของตัวแทนขึ้นอยู่กับสองเกณฑ์: ตัวแทนความรู้ความเข้าใจหรือรีเอเจนต์ที่แสดงออกในมือข้างหนึ่งพฤติกรรม teleonomic หรือการสะท้อนกลับ ความแตกต่างที่สามารถทำได้ระหว่างความรู้ความเข้าใจและปฏิกิริยาตอบสนองโดยพื้นฐานแล้วเป็นตัวแทนของโลกที่มีให้สำหรับตัวแทน หากบุคคลได้รับ "การแสดงสัญลักษณ์" ของโลกซึ่งเขาสามารถกำหนดการใช้เหตุผลได้ บุคคลนั้นจะพูดถึงตัวแทนทางปัญญา ในขณะที่เขามีเพียง "การแสดงแทนสัญลักษณ์ย่อย" เท่านั้น นั่นคือจำกัดการรับรู้ของเขา หนึ่งพูดถึงตัวแทนปฏิกิริยา ความแตกต่างด้านความรู้ความเข้าใจและปฏิกิริยาตอบสนองนี้สอดคล้องกับโรงเรียนทฤษฎีสองแห่งของระบบหลายเอเจนต์
อันแรกสนับสนุนแนวทางพื้นฐานของตัวแทน "ฉลาด" เพื่อความร่วมมือจากมุมมองทางสังคมวิทยา ในครั้งที่สอง ศึกษาความเป็นไปได้ของพฤติกรรม "ฉลาด" ของชุดตัวแทนที่ไม่ฉลาด (ประเภทมด) ความแตกต่างที่สองระหว่างพฤติกรรมเชิงพฤติกรรมและการสะท้อนกลับแยกพฤติกรรมโดยเจตนา การแสวงหาเป้าหมายที่ชัดเจน ออกจากพฤติกรรมการรับรู้ ดังนั้นแนวโน้มของตัวแทนสามารถแสดงออกอย่างชัดเจนในตัวแทนหรือในทางกลับกันมาจากสภาพแวดล้อม ตารางการจัดกลุ่มตัวแทนประเภทต่างๆ:
- ตัวแทนทางปัญญา
- สารออกฤทธิ์
- พฤติกรรมเทเลโนม
- ตัวแทนโดยเจตนา
- จัดการตัวแทน
- พฤติกรรมสะท้อน
- ตัวแทน "โมดูล".
- ตัวแทนเขตร้อน
องค์ความรู้ส่วนใหญ่เป็นการจงใจ กล่าวคือพวกเขามีเป้าหมายที่แน่นอนที่พวกเขากำลังพยายามบรรลุ อย่างไรก็ตามบางครั้งมีการใช้ตัวแทนที่เรียกว่าโมดูลซึ่งมีแนวคิดเกี่ยวกับ "จักรวาล" ของพวกเขาโดยไม่มีเป้าหมายเฉพาะ พวกเขาสามารถให้บริการเช่นเพื่อตอบคำถามจากตัวแทนอื่น ๆ ใน "จักรวาล"
รีเอเจนต์สามารถแบ่งออกเป็นแอคทูเอเตอร์และเอเจนต์เขตร้อน ตัวแทนสัญชาตญาณจะมีภารกิจตายตัว และจะทริกเกอร์พฤติกรรมหากเห็นว่าสภาพแวดล้อมไม่ตรงกับจุดประสงค์ที่ได้รับมอบหมายอีกต่อไป ตัวแทนเขตร้อนทำปฏิกิริยากับสภาวะแวดล้อมในท้องถิ่นเท่านั้น ตัวอย่างเช่น หากมีแสงก็จะวิ่งหนี ที่มาของแรงจูงใจในกรณีภายในของตัวแทนขับเคลื่อนที่มี "ภารกิจ" หมายถึงสิ่งแวดล้อมเท่านั้น
กระบวนทัศน์องค์กร
ด้วยการพัฒนาระบบดังกล่าว จึงมีการพัฒนากระบวนทัศน์ขององค์กรต่างๆ โครงสร้างของระบบ multi-agent เหล่านี้กำหนดกรอบการทำงานสำหรับความสัมพันธ์และการโต้ตอบระหว่างตัวแทน
ลำดับชั้น. ในโมเดลนี้ เอเจนต์จะมีลำดับชั้นตามโครงสร้างแบบทรี ซึ่งแต่ละโหนดเป็นตัวแทนและมีลิงก์อนุญาตบนโหนดย่อย โมเดลนี้ทำลายวัตถุประสงค์โดยรวมของระบบ
Holarchy กำลังเข้าใกล้ลำดับชั้น ไม่มีความสัมพันธ์ทางอำนาจระหว่างตัวแทนและกลุ่มย่อย
พันธมิตรคือพันธมิตรชั่วคราวของตัวแทนที่มารวมตัวกันและร่วมมือกันเพราะผลประโยชน์ส่วนตัวของพวกเขามาบรรจบกัน มูลค่าของกลุ่มพันธมิตรต้องมากกว่าผลรวมของค่าแต่ละค่าของส่วนประกอบเอเจนต์
การชุมนุมก็เหมือนพันธมิตรและคำสั่ง อย่างไรก็ตาม สิ่งเหล่านี้มีจุดมุ่งหมายเพื่อให้เกิดขึ้นอย่างถาวรและมักมีเป้าหมายหลายอย่างที่ต้องทำให้สำเร็จ นอกจากนี้ ตัวแทนสามารถเข้าและออกจากการชุมนุมและเป็นสมาชิกหลายคนได้พร้อมกัน
Society คือกลุ่มตัวแทนที่หลากหลายซึ่งมีปฏิสัมพันธ์และสื่อสาร พวกเขามีเป้าหมายที่แตกต่างกัน ไม่มีระดับของความมีเหตุผลและความสามารถเหมือนกัน แต่พวกเขาทั้งหมดปฏิบัติตามกฎหมายทั่วไป (บรรทัดฐาน)
ตัวแทนของสหพันธ์มอบเอกราชบางส่วนให้กับผู้รับมอบสิทธิ์ของกลุ่ม ตัวแทนกลุ่มโต้ตอบกับผู้รับมอบสิทธิ์เท่านั้น ซึ่งจะโต้ตอบกับผู้รับมอบสิทธิ์จากกลุ่มอื่น
ตัวแทนขายเสนอสินค้าที่ตัวแทนของผู้ซื้อสามารถรับสิทธิ์ได้ องค์กรประเภทนี้ทำให้เป็นไปได้ ตัวอย่างเช่น ในการจำลองตลาดจริงและเปรียบเทียบกลยุทธ์การซื้อขายที่แตกต่างกัน
ตัวแทนองค์กรเมทริกซ์มีลำดับชั้น อย่างไรก็ตาม ต่างจากลำดับชั้นที่นำเสนอข้างต้น โดยที่ตัวแทนเป็นเพียงผู้ใต้บังคับบัญชากับตัวแทนอื่นๆ ไม่กี่ราย ตัวแทนในองค์กรเมทริกซ์เดียวอาจอยู่ภายใต้องค์กรอื่นอีกหลายคน
Combinations - องค์กรแบบผสมผสานนี้ผสมผสานรูปแบบต่างๆ ด้านบนเข้าด้วยกัน อาจเป็นได้ ตัวอย่างเช่น กลุ่มพันธมิตรหรือลำดับชั้นของทีม
ปัญญาประดิษฐ์
เป้าหมายของวิทยาศาสตร์การรู้คิดคือการทำความเข้าใจธรรมชาติและการทำงานของปัญญาประดิษฐ์ ซึ่งเป็นสิ่งที่ประมวลผลข้อมูลภายในเพื่อให้มีจุดมุ่งหมาย แนวความคิดมากมายเหมาะสมกับคำอธิบายนี้: มนุษย์ คอมพิวเตอร์ หุ่นยนต์ ระบบประสาทสัมผัสรายการไม่มีที่สิ้นสุด ระบบประเภทหนึ่งที่น่าสนใจเป็นพิเศษสำหรับนักวิทยาศาสตร์ด้านความรู้ความเข้าใจคือระบบ self-agent ที่ทำหน้าที่เกี่ยวกับข้อมูล
เจ้าหน้าที่อัจฉริยะ (IA) สามารถตัดสินใจตามประสบการณ์และสามารถเลือกการกระทำในสถานการณ์ต่างๆ ได้ ดังที่คำว่า "เทียม" แสดงให้เห็น ชนิดของตัวแทนที่น่าสนใจไม่ใช่สิ่งที่ธรรมชาติสร้างขึ้น ดังนั้น ตัวแทนประดิษฐ์จึงเป็นทุกสิ่งที่มนุษย์สร้างขึ้น ซึ่งสามารถดำเนินการบนพื้นฐานของข้อมูลที่รับรู้ ประสบการณ์ การตัดสินใจ และการกระทำของตัวเอง
สาขาความฉลาดที่เหนือธรรมชาติมอบทักษะทางเทคนิคในการแปลประเภทของตัวแทนที่ต้องการเป็นภาษาโปรแกรม ซอฟต์แวร์ที่เกี่ยวข้อง และสถาปัตยกรรมที่เหมาะสม (ฮาร์ดแวร์และซอฟต์แวร์ที่เกี่ยวข้อง) เพื่อนำตัวแทนไปใช้ในโลกแห่งความเป็นจริงหรือจำลอง
สิ่งแวดล้อมโลกแห่งการรับรู้
Agent คือทุกสิ่งที่เข้ามาในสภาพแวดล้อมผ่านเซ็นเซอร์และทำหน้าที่ผ่านเอฟเฟกต์ ซึ่งฟังดูง่ายพอสมควร คำจำกัดความของเอเจนต์นี้ครอบคลุมเครื่องจักรหลากหลายประเภท ตั้งแต่เทอร์โมสแตทไปจนถึงวัตถุที่สามารถเรียนรู้พฤติกรรมเล็กๆ น้อยๆ ได้
เซ็นเซอร์เป็นเครื่องมือที่ตัวแทนใช้เพื่อรวบรวมข้อมูลเกี่ยวกับโลกของพวกเขา แป้นพิมพ์และกล้องวิดีโอสามารถทำงานเป็นเซ็นเซอร์ได้หากเชื่อมโยงกับตัวแทน เมื่อสิ้นสุดการตอบสนองของระบบ นักแสดงคือเครื่องมือที่เอเจนต์ใช้เพื่อโน้มน้าวสิ่งแวดล้อม ตัวอย่างของเอฟเฟกต์คือจอภาพ เครื่องพิมพ์ และแขนหุ่นยนต์
โดยปกติสภาพแวดล้อมคือโดเมนหรือโลกของตัวแทน โดเมนเหล่านี้ อย่างน้อยก็ในตอนนี้ ควรจำกัดไว้เฉพาะสถานการณ์บางประเภทเท่านั้น เพื่อหลีกเลี่ยงความเป็นไปได้ที่ไม่สิ้นสุดของโลกในแต่ละวัน
ระบบอิทธิพลอัตโนมัติ
Autonomous Agent คือ “ระบบภายในและเป็นส่วนหนึ่งของสภาพแวดล้อมที่รับรู้สภาพแวดล้อมนั้นและดำเนินการกับสภาพแวดล้อมนั้นเมื่อเวลาผ่านไปเพื่อดำเนินการตามวาระของตนเองและเพื่อที่จะมีอิทธิพลต่อสิ่งที่จะได้รับในอนาคต คำจำกัดความนี้โดย Franklin และ Greisser สะท้อนถึงหน้าที่พื้นฐานทั้งหมดของตัวแทนอัจฉริยะ ยกเว้นความสามารถในการเข้าสังคม นี่เป็นการประมาณที่ดีของคุณสมบัติหลักของ AI ต่างๆ ที่กำลังพัฒนา
ตัวแทนดังกล่าวรู้สึกถึงสภาพแวดล้อมของพวกเขา แต่ข้อมูลทางประสาทสัมผัสหรือการรับรู้ไม่เพียงแต่รวมถึงข้อมูลเกี่ยวกับวัตถุอื่นๆ เท่านั้น แต่ยังรวมถึงอิทธิพลของตัวแทนเองที่มีต่อสถานะของกิจการในสิ่งแวดล้อมด้วย เซ็นเซอร์สามารถเป็นแบบอินทรีย์ได้ เช่น ตาและหู และตัวประมวลผลประสาท หรือเทียม เช่น ตัวประมวลผลวิดีโอและเสียงที่ฝังอยู่ในคอมพิวเตอร์ดิจิทัล สภาพแวดล้อมอาจเป็นพื้นที่จำกัด เช่น พื้นที่ปิด หรือซับซ้อนมาก เช่น ตลาดหุ้นหรือกลุ่มดาวเคราะห์น้อย เซ็นเซอร์ต้องตรงกับประเภทของวัตถุที่ตัวแทนโต้ตอบด้วย
ประเภทการโต้ตอบแบบสะท้อน
ตัวสะท้อนแสงมีกลไกที่ซับซ้อนกว่า แทนที่จะเป็นไดนามิกโดยตรงในความสัมพันธ์กับสิ่งแวดล้อม เขามองหาสิ่งที่เขาต้องทำในรายการกฎเกณฑ์ ตัวแทนสะท้อนตอบสนองต่อการรับรู้ที่กำหนดด้วยการตอบสนองที่ตั้งโปรแกรมไว้ แม้ว่าจะมีการตอบสนองที่เป็นไปได้หลายพันครั้งต่อการรับรู้ที่กำหนด แต่เอเจนต์ก็มีรายการกฎการดำเนินการตามสถานการณ์ในตัวเพื่อดำเนินการตอบสนองที่โปรแกรมเมอร์พิจารณาแล้ว กฎการดำเนินการตามสถานการณ์นั้นเป็นสิ่งที่จำเป็นโดยพื้นฐานแล้ว
รีเฟล็กซ์ไม่สว่างจริงๆ พวกเขาไม่สามารถจัดการกับความแปลกใหม่ได้ ตัวแทนอัจฉริยะมีคุณลักษณะของลูกพี่ลูกน้องที่มีความซับซ้อนน้อยกว่าแต่ไม่จำกัดเพียงเท่านี้ เขาดำเนินการตามวาระ มีชุดของเป้าหมายที่แสวงหาอย่างแข็งขัน เอเจนต์ที่อิงตามเป้าหมายมีความเข้าใจเกี่ยวกับสถานะปัจจุบันของสภาพแวดล้อมและวิธีทำงานโดยทั่วไปของสภาพแวดล้อมนั้น เขาแสวงหากลยุทธ์หรือเป้าหมายหลักที่ไม่สามารถทำได้ในทันที สิ่งนี้ทำให้เอเจนต์ทำงาน ไม่ใช่แค่ปฏิกิริยา
ยูทิลิตี้การทำงานเป้าหมาย
ในตัวแทนที่ซับซ้อนมากขึ้น มาตรการดูแลทำความสะอาดจะถูกนำไปใช้กับการกระทำที่เป็นไปได้ต่างๆ ที่สามารถทำได้ในสภาพแวดล้อม ตัวจัดกำหนดการที่ซับซ้อนนี้เป็นตัวแทนตามบริการ ตัวแทนที่ใช้บริการจะประเมินแต่ละสถานการณ์เพื่อดูว่าบรรลุเกณฑ์บางอย่างเพื่อให้ได้ผลลัพธ์ที่ดีเพียงใด สิ่งต่างๆ เช่น ความน่าจะเป็นของความสำเร็จ ทรัพยากรที่จำเป็นในการทำสถานการณ์ให้เสร็จสมบูรณ์ ความสำคัญของเป้าหมายที่จะสำเร็จ เวลาที่ใช้ ล้วนสามารถนำมาประกอบในการคำนวณฟังก์ชันยูทิลิตี้ได้
เพราะเนื่องจากโดยทั่วไปโปรแกรมเมอร์ไม่สามารถทำนายสถานะทั้งหมดของโลกที่ตัวแทนจะต้องเผชิญ จำนวนของกฎที่จะต้องเขียนสำหรับตัวแทนสะท้อนกลับจึงเป็นเรื่องทางดาราศาสตร์ แม้ในพื้นที่ที่เรียบง่าย เช่น การจัดตารางการประชุมหรือการจัดเส้นทางการขนส่งและอุปกรณ์
วนรอบการควบคุมพื้นฐาน
ให้คำจำกัดความของตัวแทนอัจฉริยะ พิจารณาลูปการควบคุมพื้นฐานที่เขียนโดยนักทฤษฎีตัวแทน Michael Vuladrich ในปี 2000:
- รักษาความสงบ
- อัปเดตโมเดลโลกภายใน
- บรรลุเจตนาโดยเจตนา;
- ใช้วิธีการ/สิ้นสุดเพื่อให้ได้พิมพ์เขียวสำหรับความตั้งใจ
- ดำเนินแผน;
- สิ้นสุดกระบวนการ
รูปแบบนี้ต้องมีการตีความ ตัวแทนสังเกตโลก - ซึ่งหมายความว่าเขาใช้เซ็นเซอร์รวบรวมการรับรู้ เซ็นเซอร์อาจเป็นแป้นพิมพ์ที่ต่อกับคอมพิวเตอร์ดิจิทัลหรือตัวประมวลผลภาพที่ติดอยู่กับหุ่นยนต์ สามารถเป็นอะไรก็ได้ที่ช่วยให้ตัวแทนรวบรวมตัวแทนของโลกได้ การอัปเดตโมเดลภายในหมายความว่าตัวแทนจะเพิ่มการรับรู้ใหม่ให้กับลำดับการรับรู้และข้อมูลที่ตั้งโปรแกรมไว้เกี่ยวกับโลก
แพลตฟอร์มการพัฒนาหลายตัวแทน
AnyLogic เป็นซอฟต์แวร์จำลองสถานการณ์ CORMAS แบบหลายเอเจนต์และหลายองค์ประกอบแบบโอเพนซอร์สที่อิงตามภาษาการเขียนโปรแกรมเชิงวัตถุ SmallTalk
DoMIS เป็นเครื่องมือออกแบบระบบหลายเอเจนต์ที่เน้นที่ "การควบคุมการทำงานของระบบที่ซับซ้อน" และใช้วิธีการออกแบบ B-ADSC
JACK เป็นภาษาการเขียนโปรแกรมและสภาพแวดล้อมการพัฒนาสำหรับตัวแทนการเรียนรู้ที่พัฒนาโดย Agent Oriented Software เป็นส่วนขยายที่มุ่งเน้นตัวแทนของภาษา Java
GAMA เป็นแพลตฟอร์มการสร้างแบบจำลองโอเพ่นซอร์ส (LGPL) ที่นำเสนอสภาพแวดล้อมการสร้างแบบจำลองตามตัวแทนที่ชัดเจนเชิงพื้นที่โดยใช้ข้อมูล GIS เพื่ออธิบายตัวแทนและสภาพแวดล้อมของพวกเขา
JADE (Java Agent DEVELOPMENT) เป็นเฟรมเวิร์กการพัฒนาเอเจนต์แบบโอเพนซอร์สที่ใช้ภาษา Java
เจ็ดรุ่นมาตรฐาน
ในกระบวนการวิจัยเชิงวิวัฒนาการ มีข้อมูลเพิ่มเติมเกี่ยวกับวิธีสร้างระบบที่เชื่อถือได้และแสดงถึงคุณภาพที่สูงขึ้น แนวโน้มที่จะดำเนินต่อไปคือการเสริมหรือขยายวิธีการที่มีอยู่ซึ่งสามารถรวมการตัดสินใจในการพัฒนา
มาตรฐานระเบียบวิธีช่วยให้สร้าง MAC ในรูปแบบที่เข้าใจง่ายและเรียบง่าย ไม่เพียงแต่ใช้ภาษาธรรมชาติ แต่ยังใช้เทมเพลตคำอธิบายที่ช่วยในข้อมูลจำเพาะของระบบด้วย
มาตรฐานระเบียบวิธีเสนอปัญหาเจ็ดรูปแบบหรือแนวทางแก้ไขสำหรับการสร้าง MAC:
- แบบจำลองสถานการณ์ที่อธิบายบริษัทหรือองค์กร
- โมเดลเป้าหมายและวัตถุประสงค์กำหนดและอธิบายโครงสร้างอินทรีย์
- โมเดลตัวแทนกำหนดมนุษย์และระบบอิสระ
- ต้นแบบเชื่อมโยงเป้าหมายและวัตถุประสงค์กับตัวแทนเฉพาะ
- รูปแบบองค์กรอธิบายสภาพแวดล้อมที่เชื่อมโยงตัวแทนแต่ละราย
- รูปแบบการโต้ตอบอธิบายความสัมพันธ์โดยเน้นการประสานงานของตัวแทน
- รูปแบบการออกแบบกำหนดตัวแทนและสถาปัตยกรรมเครือข่าย
ตัวอย่างปฏิสัมพันธ์ระหว่างตัวแทน
MAS ใช้เพื่อจำลองการโต้ตอบระหว่างตัวแทนอิสระ การใช้ระบบหลายเอเจนต์ เช่น ในสังคมวิทยา ทำให้สามารถกำหนดพารามิเตอร์เอเจนต์ต่างๆ ที่ประกอบเป็นชุมชนได้ โดยการเพิ่มข้อจำกัด คุณสามารถพยายามทำความเข้าใจว่าองค์ประกอบใดจะเป็นองค์ประกอบที่มีประสิทธิภาพมากที่สุดเพื่อให้ได้ผลลัพธ์ที่คาดหวัง พวกเขาควรทดลองกับสถานการณ์ที่คนจริงไม่สามารถทำได้ ไม่ว่าจะด้วยเหตุผลทางเทคนิคหรือทางจริยธรรม
IA แบบกระจายถูกสร้างขึ้นเพื่อแก้ปัญหาความซับซ้อนของโปรแกรมข่าวกรองที่ไม่ใช่ตามธรรมชาติขนาดใหญ่ - การดำเนินการ การกระจาย และการควบคุมจากส่วนกลาง ในการแก้ปัญหาที่ซับซ้อน บางครั้งก็ง่ายกว่าที่จะสร้างโปรแกรม (ตัวแทน) ที่มีขนาดค่อนข้างเล็กในความร่วมมือมากกว่าโปรแกรมขนาดใหญ่เพียงโปรแกรมเดียว เอกราชช่วยให้ระบบปรับให้เข้ากับการเปลี่ยนแปลงสภาพแวดล้อมที่ไม่คาดฝันแบบไดนามิก
ตัวอย่างระบบตัวแทนหลากหลายในอุตสาหกรรมเกมมีมากมายและหลากหลาย ใช้ในวิดีโอเกมและภาพยนตร์ รวมถึงซอฟต์แวร์ MASSIVE เช่น เพื่อจำลองการเคลื่อนไหวของฝูงชนในไตรภาคเดอะริงส์ลอร์ดออฟเดอะริงส์ พวกเขายังอาจใช้โดยบริษัท เช่น เพื่อติดตามพฤติกรรมของลูกค้าที่เรียกดูเว็บไซต์
MAS ก็ถูกใช้ในโลกการเงินเช่นกัน ตัวอย่างเช่น แพลตฟอร์ม MetaTrader 4 อนุญาตให้ใช้ตัวแทนผู้เชี่ยวชาญในการซื้อขายอัตโนมัติที่เป็นไปตามอัตรา Forex
ประโยชน์ของการใช้ระบบ
ในการวิจัยของ IA เทคโนโลยีระบบที่ใช้ตัวแทนได้รับการยอมรับว่าเป็นกระบวนทัศน์ใหม่สำหรับการกำหนดแนวคิด การออกแบบ และการนำระบบซอฟต์แวร์ไปใช้ ประโยชน์ของวิธีการ multi-MAS:
- แบ่งปันทรัพยากรและความสามารถในการประมวลผลผ่านเครือข่ายตัวแทนที่เชื่อมต่อถึงกัน
- อนุญาตการเชื่อมต่อและการทำงานร่วมกันของระบบเดิมที่มีอยู่หลายระบบ
- ครอบคลุมสาขาต่างๆ รวมถึงการบำรุงรักษาเครื่องบิน หนังสือ e-wallets การกวาดล้างทุ่นระเบิดของทหาร การสื่อสารและการสื่อสารไร้สาย การวางแผนการขนส่งทางทหาร ระบบการจัดการห่วงโซ่อุปทาน การวางแผนภารกิจร่วมกัน การจัดการพอร์ตการเงิน
ในการวิจัย เทคโนโลยี IA สำหรับระบบที่ใช้เอเจนต์ได้รับการยอมรับว่าเป็นกระบวนทัศน์ใหม่สำหรับการกำหนดแนวคิด การออกแบบ การนำไปใช้ และการเรียนรู้ระบบซอฟต์แวร์แบบหลายเอเจนต์
ดังนั้น MAC จึงเป็นเครือข่ายตัวแทนซอฟต์แวร์ที่ทำงานร่วมกันอย่างหลวมๆ ซึ่งโต้ตอบเพื่อแก้ปัญหาที่เกินความสามารถส่วนบุคคลหรือความรู้ของผู้สร้างปัญหาแต่ละคน
