《硕士论文-基于agent的智能交通控制的研究.pdf》由会员分享，可在线阅读，更多相关《硕士论文-基于agent的智能交通控制的研究.pdf（64页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、同济大学硕士学位论文基于agent的智能交通控制的研究姓名：陆小芳申请学位级别：硕士专业：控制科学与工程控制理论与控制工程指导教师：郑应平20060301摘要摘要随着经济的发展，城市交通拥挤问题日益突出。交通拥挤导致时间延误扩大、交通事故增多、环境污染加剧、燃油损耗上升，这些都给社会造成了巨大的社会问题和重大的经济损失，因此，交通控制研究就成为非常重要的问题。本文针对交通问题的现状，运用计算机与人工智能领域的a g e n t 技术等最新理论成果，进行基于a g e n t 技术的智能交通控制问题的探讨与研究，以期对交通问题的实际解决提供有益的探索。本文首先对a g e n t 技术和多a g
2、 e n t 技术的研究进展进行了全面的阐述，总结归纳了多a g e n t 问的协调技术；由传统的交通控制入手，介绍了传统交通信号控制系统的基本控制方式和基本控制结构，在此基础上，提出了基于a g e n t 的城市交通信号控制系统结构，将系统分为三层体系结构，共四类a g e n t：路口a g e n t、路段a g e n t、区域控制a g e n t 和主控中心a g e n t，该系统将控制策略下放到路I S 级，相关a g e n t 之间进行通信，提高了系统的可靠性、实时应变性和可扩展性。对于组成系统的各类a g e n t 进行了详细的模型结构设计，分析描述了各类a g e
3、 n t 的特点、功能及工作过程，通过引入路口等待车辆数矩阵、道路因子矩阵、交通负荷度矩阵和绿信调节矩阵，对路口阻塞和路段特殊事件建立了协调模型，提出了协调算法。通过对城市单交叉路口的交通流分析，建立了以车辆平均延误为性能指标的四相位交通信号控制模型，并在此基础上把遗传算法应用于此模型，在M A T L A B 7 0 环境下进行了仿真实验，仿真结果表明了该方案优于传统的定时控制。关键词：a g e n t，协调，交通信号控制，遗传算法A b s t r a c tA B S T R A C TW i t ht h ed e v e l o p m e n to ft h ee c o n o
4、 m y,c o n g e s t i o ni nu r b a nt r a f f i ch a sb e e nap r o b l e mc o m m o n l yc o n c e m e da r o u n dt h ew o r l d T r a f f i cc o n g e s t i o nw i l lc a u s et h ei n c r e a s ei n t r a f f i cd e l a y,t r a f f i ci n c i d e n t s，f u e lc o n s u m i n ga n ds oo n，a n dt
5、h u sb r i n gg r e a ts o c i a lp r o b l e ma n dt r e m e n d o u se c o n o m i cl o s s I nt h i sd i s s e r t a t i o n，i na l l u s i o nt ot h es t a t u sq u oo ft h eu r b a nt r a f f i ca n db a s e do na g e n tt e c h n o l o g yw h i c hi san e wp a r a d i g mo fc o m p u t e ra n
6、da r t i f i c i a li n t e l l i g e n c e，t h ei n t e l l i g e n tt r a f f i cc o n t r o lp r o b l e mi sd i s c u s s e da n ds t u d i e d，w h i c hi se x p e c t e dt ob ea ne f f e c t i v em e t h o dt os o l v et h et r a f f i cp r o b l e m F i r s t l y,t h ed e v e l o p i n gs t a
7、t u so ft h ea g e n tt e c h n o l o g ya n dm u l t i a g e n tt e c h n o l o g yi si n t r o d u c e d，a n dt h ec o o r d i n a t i o nt e c h n o l o g yo fm u l t i a g e n ti ss u m m a r i z e d S e c o n d l y t h eb a s i cm e t h o d sa n dt h eb a s i cs t r u c t u r e so ft r a f f i
8、cc o n t r o la r ei n t r o d u c e d，b a s e do nw h i c h，a na g e n tb a s e du r b a nt r a f f i cs i g n a lc o n t r o ls y s t e ms t r u c t u r ei sp r e s e n t e d T h i ss y s t e mi sat h r e e l a y e rs t r u c t u r e，a n di n c l u d e sf o u rk i n d so fa g e n t s：i n t e r s e
9、 c t i o na g e n t s，r o a ds e g m e n ta g e n t s，a r e ac o n t r o la g e n t sa n dc o n t r o lc e n t e ra g e n t s I nt h i ss y s t e m，t h et r a f f i cc o n t r o ls t r a t e g yi sm a d eb yt h ei n t e r s e c t i o nl a y e r,r e l a t e da g e n t sc o m m u n i c a t ew i t he a
10、 c ho t h e r,a n dt h u st h er e l i a b i l i t y,t h er e a l t i m ef l e x i b i l i t ya n dt h ee x p a n d a b i l i t ya r ei m p r o v e d T h i r d l y,t h em o d e ls t r u c t u r e so fe a c hk i n do fa g e n t sa r ed e s i g n e di nd e t a i l，a n dt h es p e c i a l t i e s，f u n
11、 c t i o n sa n dw o r k i n gs t e p so fe a c hk i n do fa g e n t sa r ed e s c r i b e da n da n a l y z e d；w i t hi n t r o d u c i n gi n t e r s e c t i o nq u e u em a t r i x，r o a df a c t o rm a t r i x，t r a f f i cl o a dm a t r i xa n dg r e e ns i g n a la d j u s t i n gm a t r i x，
12、m u l t i-a g e n tc o o r d i n a t i o nt oi n t e r s e c t i o nc o n g e s t i o na n dr o a ds p e c i a li n c i d e n t si sm o d e l e d，a n dac o o r d i n a t i o na l g o r i t h mi sp u tf o r w a r d F o u r t h l y,a f t e ra n a l y z i n gt h et r a f f i cf l o wo fu r b a ni n t e
13、 r s e c t i o n，af o u r-p h a s et r a f f i cs i g n a lc o n t r o lm o d e l，t a k i n gt h ea v e r a g et r a f f i cd e l e ya st h ep e r f o r m a n c ei n d e x，i sm o d e l e d，a n da ni m p r o v e dg e n e t i ca l g o r i t h mi sa p p l i e dt ot h i sm o d e l T h es i m u l a t i o
14、 nr e s u l ts h o w st h a tt h ei m p r o v e dg e n e t i ca l g o r i t h mo u t g o e s t h es i m p l eg e n e t i ca l g o r i t h ma n dt h et r a d i t i o n a lf i x e d t i m ec o n t r o la p p r o a c h 1 IA b s t r a c tK e yw o r d s：a g e n t，c o o r d i n a t i o n，t r a f f i cs i
15、g n a lc o n t r o l，g e n e t i ca l g o r i t h m1 1 1学位论文版权使用授权书本人完全了解同济大学关于收集、保存、使用学位论文的规定，同意如下各项内容：按照学校要求提交学位论文的印刷本和电子版本；学校有权保存学位论文的印刷本和电子版，并采用影印、缩印、扫描、数字化或其它手段保存论文；学校有权提供目录检索以及提供本学位论文全文或者部分的阅览服务；学校有权按有关规定向国家有关部门或者机构送交论文的复印件和电子版；在不以赢利为目的的前提下，学校可以适当复制论文的部分或全部内容用于学术活动。学位论文作者签名：f 主冬芎p“年j 月-r 日同济大学
16、学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师指导下，进行研究工作所取得的成果。除文中已经注明引用的内容外，本学位论文的研究成果不包含任何他人创作的、已公开发表或者没有公开发表的作品的内容。对本论文所涉及的研究工作做出贡献的其他个人和集体，均已在文中以明确方式标明。本学位论文原创性声明的法律责任由本人承担。签名：7 乱小哆W 1 年j 月。厂日第1 章绪论1 1 前言第1 章绪论二十世纪九十年代，随着计算机网络、计算机通讯等技术的发展，对于a g e n t及多a g e n t 系统的研究成为分布式人工智能研究的一个热点。当前a g e n t 一词广泛出现在流行的出版物中，
17、如同出现在人工智能和计算机科学一类的文献中一样。A g e n t 技术提供了一种新的计算和问题求解范型。随着经济的发展，城市交通拥挤问题日益突出。交通拥挤导致时间延误扩大、交通事故增多、环境污染加剧、燃油损耗上升，这些都给社会造成了巨大的经济损失，因此，交通控制研究就成为非常重要的问题。本文针对交通问题的现状，运用计算机与人工智能领域的最新理论成果一一a g e n t 技术，进行基于a g e n t 技术的智能交通控制问题的探讨与研究，以期对交通问题的实际解决提供有益的探索。1 2 分布式人工智能概况十九世纪以来，数理逻辑、自动机理论、控制论、信息论、仿生学、计算机、心理学等科学技术的发
18、展，为人工智能的诞生准备了思想、理论和物质基础。现实世界中，相当多的问题求解是复杂的，常常没有算法可循，或者即使有计算方法，也是N P 问题。于是，人们采用启发式知识进行求解，简化复杂问题，这种利用专门领域的经验知识进行求解的方法虽然不一定能得到数学上的最优解，但经常可以得到有关问题的满意解【1 I。这种处理问题的方法具有自身显著的特点，导致了人工智能的诞生。随着人工智能及计算机网络的发展，作为人工智能和分布式计算的结合，在七十年代的后期出现了分布式人工智能(D A I：D i s t r i b u t e dA r t i f i c i a lI n t e l l i g e n c
19、e)。在D A I 系统中，鲁棒性已取代最优性，成为检测这类系统质量的主要的准则。另外一个要求是互操作性，即不同的异构系统在快速变化的环境中交换信息、共同工作的能力【2】。第1 章绪论自从1 9 7 9 年第一次在M 兀召开分布式人工智能研究人员的会议至今，大量的理论和研究系统层出不穷。分布式人工智能研究的目标是要创建描述自然和社会系统精确的概念模型。在分布式人工智能中，由于智能本质上不是一个独立存在的概念，而只能在团体中实现，因此分布式人工智能研究感兴趣的主要是几个a g e n t 之间的合作、交互等方面。分布式人工智能一般分为分布式问题求解(D P S：D i s t r i b u t
20、 e dP r o b l e mS o l v i n g)和多a g e n t 系统(M A S：M u l t i A g e n tS y s t e m)。分布式问题求解考虑怎样将一个特殊问题求解工作分工为多个合作的、知识共享的模块或结点的协调运作；在多a g e n t 系统中，主要研究一组自治的智能a g e n t 之问智能行为的协调。1 3 智能控制技术的发展智能控制技术是人工智能与控制理论的结合，是控制技术在解决日益复杂系统过程中的必然结果，智能控制系统的发展为复杂大系统的解决提供了有效的手段。控制理论学科经历了从经典控制理论到现代控制理论，再到目前的智能控制理论的发展过
21、程1 4 J。经典控制理论时期，其主要研究对象为单输入单输出的线性定常系统，主要采用传递函数、频率特性、根轨迹为基础的频域分析方法。计算机的飞速发展推动了空间技术的发展，研究对象发展为多输入多输出的复杂控制系统。随着计算机技术、人工智能技术、系统论和信息论等多学科的发展，开始了智能控制的新篇章。1 9 6 5 年，美国柏克莱加州大学电气工程系L A Z a d e h 教授创立了模糊理论，自此之后，一种应用模糊集合论来建立系统数学模型、控制器的新型控制理论模糊控制也相应诞生了，为解决复杂系统的控制问题提供了强有力的数学工具：同年，美国著名科学家F e i g e n b a u m 着手研制了
22、世界上第一个专家系统，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家解决领域问题的计算机程序系统。1 9 8 5 年1 月，国际电气与电子工程师学会(I E E E)在美国纽约召开了第一届智能控制学术会议，集中讨论了智能控制的原理和系统结构等问题，标志了这一新的体系的形成I“。虽然智能控制体系的形成只有二十年的历史，理论还远未成熟，但其已有的应用成果第1 章绪论和理论发展说明了智能控制正成为自动控制的前沿学科之一，其主要包括模糊控制、专家系统、神经网络、遗传算法等几大技术领域。1 4 城市
23、交通控制的起源及发展交通对国民经济的发展极其重要，是现代社会的基础，是人类社会经济的命脉，人们社会的行为与交通息息相关。然而随着经济的发展，汽车这一工业文明产物数量的增多，交通拥挤已成为全球面临的共同问题，至1 9 9 6 年末，全世界汽车保有量已达6 7 亿辆【6 J，而近十年该数字更是迅猛上升，出行难已成为困扰人类社会的首要问题。为了解决城市交通的拥挤问题，除了改善城市建筑群的合理分布、拓宽城市交通要道、增强人民的交通意识以外，更重要的是要加强城市交通尤其是交通路口的管理，从而进一步提高城市道路的利用率。因此，交通控制研究就成为非常重要的问题。1 8 6 8 年英国伦敦燃汽信号灯的问世，标
24、志着城市交通信号使用的开始。1 9 1 3年，在美国俄亥俄州的C l e v e l a n d 市出现了世界上较早的交通信号控制。1 9 2 6 年美国的芝加哥市采用了交通灯控制方案，每个交叉路口设有唯一的交通灯，适应于单一的交通流。从此，交通控制技术和相关控制算法得到发展和改善，提高了交通控制的安全性、有效性并减少了对环境的影响。交通信号机由手动到自动，由固定周期到可变周期，系统控制方式由点控到线控和面控，从无车辆检测器到有车辆检测器，交通信号控制经历了近百年发展历史。1 9 6 3 年，加拿大的多伦多市建成了一套使用I B M 6 5 0 型计算机进行集中协调感应控制的交通信号控制系统，
25、从而使城市道路交通信号控制系统的发展进入了一个新的阶段。进入二十世纪七十年代，随着计算机技术和自动控制技术的发展，以及交通流理论的不断完善，交通运输组织与优化理论和技术水平的不断提高，交通管制中心的功能得到增强，控制手段越来越先进，形成了一批高水平有实效的城市道路交通控制系统。当前世界各国广泛使用的最具代表性且有实效的城市交通控制系统有英国T R A N S Y T(T r a f f i cN e t w o r kS t u d yT o o l s)交通控制系统、英国的S C O O T(S p l i tC y c l ea n dO f f s e tO p t i m i z a
26、t i o nT e c h n i q u e)和澳大利亚的S C A T(S y d n e yC o o r d i n a t e d A d a p t i v eT r a f f i cS y s t e m)系统。这些系统已经在发达国家的城市网络交通控制中获得了成功的应用。城市交通信号控制的发展状况，如表1 1 所示【”。3第1 章绪论表1 1 城市交通信号控制的发展状况形控制信号控制方年份国别城市名称检测器式路口数周期1 8 6 8英国伦敦燃汽色灯堕1 9 1 3美国克利丈兰电力色灯盟点单点定周期自1 9 2 6英国各城市韭定自动控动信号机感应式自动信1 9 2 8美国各城市
27、重定气压式自动号机手控干道协调1 9 1 7美国盐湖城6定人工控制线电子计时干道1 9 2 2美国休斯敦1 2定电动控协调控制步进式定时干1 9 2 8美国各城市多个变电动道协调控制模拟计算机交1 9 5 2美国丹佛通信号控制系多个变气压式计算机统(网)数字计算机集1 9 6 3加拿多伦多中协调感应控多个变电磁式计算机面大制信号系统(网)控1 9 6 8英国各城市T R A N S Y T 系统路网变计算机2 0 世纪7 0澳大悉尼S C A T 系统路网变电磁式计算机年代末利亚1 9 8 0英国各城市S C O O T 系统路网电磁式计算机二十世纪六十年代以来，发达国家开展了城市交通规划研究
28、和交通控制研究。其中交通规划是道路设施建设的重要前期步骤之一，是解决交通拥挤的外延式途径。而城市交通控制的主要作用在于，通过有规律的控制和运用交通信号使得车辆有秩序地驶离冲突区域，这是解决交通拥挤的一种强制性手段。到目前为止，世界上已有三百多个大城市采用了这种先进的区域自适应式交通信号控制系统，我国的沈阳、北京、西安、上海、南京、广州、深圳、长春、哈尔滨、大连等十几个城市也采用了这种先进的交通控制系统。因为交通网络问题是一个复杂的大系统问题，所以单独从车辆方面考虑或单独从道路方面考虑4第1 章绪论都很难完美地解决这一问题。二十世纪八十年代以来，发达国家的运输领域进入了一个崭新的研究系统，即美国
29、、日本、加拿大、英国、德国等国家正在全力研究的“智能运输系统”(I T S，I n t e l l i g e n t T r a n s p o r t a t i o nS y s t e m s)。1 9 9 4 年1 1 月在巴黎召开的第一次世界智能交通大会上提出了“智能运输系统”(I T S)的概念，即运用现代的计算机、电子、通讯、人工智能、汽车等领域内的最新研究成果，来改造传统的交通系统，达到车、路的智能化，使智能的人驾驶着智能的车行驶在智能的路上，改变目前的被动式交通的局面，人在驾驶过程中可以随时通过G P S G I S、广播、信息发布板等手段了解到目前的交通状况，而交通管理部
30、门则亦可通过道路上的车辆传感器、视频摄像机等设备随时了解到各个路段的交通情况，并随时对各个交通路口的交通信号进行调整以及对外界进行信息发布，使整个交通系统的通行能力达到最大。1 5 交通仿真概况交通仿真是用系统模型来复现交通流随时间、空间变化从而表征其行为特征的技术。作为对数学分析模型的有益补充，交通仿真模型可以用来进行集成和复杂的交通分析和影响评估，对于较复杂的交通系统尤为适用。仿真技术的主要优势在于，同大多数技术相比，它更加简单，运作起来不昂贵，而且更灵活，尤其方便用于对还未成形的系统或对已有系统在不真正改变其特征的情况下进行实验【”。不过仿真并不是对真实系统的完全复制，它只是在一定类似情
31、况下对系统的近似描述，而且由于通常需要以伪随机理论作为仿真的基础，因此不同仿真的结果之间往往会出现一定的偏差，但多次仿真的结果仍可以为我们考察系统的行为特征提供参考，特别是当系统行为比较复杂，因而难于用数学模型描述或给出可行解的时候。依据交通仿真模型对交通系统描述的细节的程度，交通仿真模型可以划分为宏观(M a c r o s c o p i c)、微观(M i c r o s c o p i c)和准微观(M e s o s c o p i c)3 种交通仿真类型。宏观仿真模型对系统实体、行为及相互作用的描述非常粗糙，很少涉及车流内车辆之间的相互作用，重要参数是速度、密度和流量，著名的有英国
32、T R R L 开发的T R A N S Y T 系统；微观仿真模型非常细致地描述系统实体和它们问相互作用，特别适合于在计算机上精确再现路网上的实际交通状况，重要第1 章绪论参数是每辆车的速度和位置，著名的有英国Q u a d s t o n e 公司开发的P A R A M I C S、西班牙T S S 公司开发的G E T R A M A I M S U N、德国P T v 公司开发的V I S S I M 以及加拿大的I N T E G R A T I O N；准微观(也称为中观)仿真模型也能够细致地描述大多数系统实体，不过相对于微观模型而言，对实体运动和相互作用的描述粗糙许多，它融合了
33、微观模型和宏观模型的某些方面，著名的有美国联邦公路署(F H W A)开发的T S I S。国内在9 0 年代之后才陆续有单位研究交通微观仿真。同济大学、天津大学、吉林大学、东南大学、交通部公路科学研究所等单位在这方面做了一些工作并取得一定的成果，但目前总体上还处于起步阶段，应用也基本上局限在科研机构。国内的交通微观仿真所用的核心模型大多是照搬国外的模型【9】，在建模方面所做的工作不多。此外，国内有许多单位引进国外的交通微观仿真软件进行应用，但由于中国交通系统与发达国家交通系统的显著不同，鲜见成功的应用。1 6 本文主要研究内容第一章，作为研究交通问题的技术手段，对分布式人工智能、智能控制技术
34、的发展进行了概述，并对城市交通控制的起源和发展、以及交通仿真进行了介绍。第二章是对a g e n t 技术和多a g e n t 技术的理论研究，介绍了a g e n t 的概念、a g e n t的结构模型、多a g e n t 系统中的通信问题，着重对多a g e n t 问的协调进行了总结和归纳，最后介绍了a g e n t 技术在各个领域的应用，尤以交通控制中的应用为重点。第三章由传统的交通控制入手，介绍了传统交通信号控制系统的基本控制方式和基本控制结构，并指出其优劣，在此基础上，提出了基于a g e n t 的城市交通信号控制系统结构，将系统分为三层结构四类a g e n t。第四章
35、针对上一章中提出的城市交通信号控制系统，对组成该系统的路口a g e n t、路段a g e n t、区域控制a g e n t 分别进行模型结构设计；引入了路口等待车辆数矩阵、道路因子矩阵、交通负荷度矩阵和绿信调节矩阵；在此基础上对路口阻塞和路段特殊事件建立了协调模型，提出了协调算法；最后介绍了多a g e n t系统的实现问题。第五章介绍了遗传算法基本理论，研究了遗传算法应用于交通信号控制的第1 章绪论可行性，并研究了用遗传算法来获得城市交通信号控制系统的多a g e n t 协调中的绿信调节矩阵。第六章总结与展望，对本文的主要工作进行总结，并指出了有待进一步研究的工作。第2 章A g e
36、 n t 理论2 1A g e n t 的溉念第2 章A g e n t 理论对于“a g e n t”一词，在国内的文献中有几种翻译方式：“智能体”、“主体”、“代理”等，但是最常见的是仍采用英文“a g e n t”。这主要是因为对于“a g e n t”的概念尚无统一的标准，对于汉语中哪个词汇能最好地表达“a g e n t”的含义不能达成共识。在本文中，使用英文“a g e n t”，不对其进行翻译。有关a g e n t 的概念可追溯到1 9 7 7 年H e w i t t 提出的并发的演员(a c t o r)模型【”】，在该模型中，H e w i t t 提出了自我包含、相互作
37、用、并发执行的对象演员，该对象中具有某些被封装的内部状态可对来自其它类似对象的消息进行响应。A g e n t 一词是M i n s k y 在1 9 8 6 年出版的“S o c i e t yo fM i n d”一书中提出的，他认为社会中的某些个体经过协商之后可求得问题的解，这些个体就是a g e n t，a g e n t 应具有社会交互性和智能性f 1 1】【。进入九十年代，大量的有关a g e n t 的文章相继发表，如1 9 9 3 年，S h o h a m 发表了“A g e n t o r i e n t e dp r o g r a m m i n g”I l”。H e
38、w i t t 认为定义a g e n t 与定义什么是智能一样困难。目前还不存在一个被普遍接受的a g e n t 的定义，事实上，对这个问题尚有争论并存在不同的看法I l“。尽管把自治性作为a g e n t 的核心概念已经达成了普遍的共识，但除此之外很少有一致的看法。部分困难是a g e n t 的各种属性在不同领域中的重要性不同，对有些应用来说，a g e n t 从实践中学习的能力是非常重要的：而在另外的应用中，学习不仅是不重要的，而且也是不需要的。尽管如此，对a g e n t 进行定义还是重要的，否则，术语a g e n t 有失去所有意义的危险。H y a c i n t hS
39、 N w a w a 对于a g e n t 的定义是这样描述的：“A g e n t 是一种可以根据用户的利益完成某些任务的软件和或硬件实体。如果可以选择，我们宁愿说它是一种元术语，或者是一个类，其中还包括许多特定的a g e n t 类型，这样问题就可以转变为对这些具体a g e n t 的定义了。”F I P A(F o u n d a t i o nf o rI n t e l l i g e n tP h y s i c a lA g e n t s)对于a g e n t 的定义为“A g e n t 是类嵌入环境内的实体，它可以解释反映环境事件的传感器数据，并通过执行动作影响环境
40、。A g e n t 可以是硬件或软件；对于硬件a g e n t，需要强大的软件支持。”第2 章A g e n t 理论W o o l d r i d g e 和J e n n i n g s 将a g e n t 定义分为两种1 1 2 1：一种为弱a g e n t，相对来说没有什么争议；另一种为强a g e n t，尚存在争议。A g e n t 弱概念是从广义的角度来规定a g e n t 的特性。几乎所有被称为a g e n t的软件或硬件系统都具有以下的特性：自治性(a u t o n o m y)：A g e n t 运行时不直接由人或者其它东西控制，它对它们自己的行为和内部状
41、态有一定的控制权。社会能力(s o c i a la b i l i t y)：A g e n t 能够通过某种a g e n t 通信语言与其它a g e n t进行信息交换。反应能力(r e a c t i v i t y)：即对环境的感知和影响。无论a g e n t 生存在现实的世界中还是虚拟的世界中，它们都应该可以感知它们所处的环境，并通过行为改变环境。自发行为(p r o a c t i v e n e s s)：a g e n t 并不仅仅是简单地对它们所处的环境响应，它们能够采取主动，执行有意图的行为。A g e n t 强概念是从狭义的角度来定义的。一些学者，特别是人工智能的
42、研究人员认为，a g e n t 除了应具有上面这些特性以外，还应该具有某些通常人类的特性，例如知识、信念、意图、承诺等心智状态。有的学者甚至提出了有情感的a g e n t。当前对强概念a g e n t 的研究主要集中在理论方面。例如，S h o h a m 提出的面向a g e n t 编程(A O P,A g e n t-O r i e n t e dP r o g r a m m i n g)使用的就是强概念的a g e n t定义：“一个a g e n t 是这样一个实体，它的状态可以看作是由信念、能力、选择、承诺等心智构件组成”。2 2A g e n t 的模型结构A g e n
43、 t 的模型结构需要解决的问题是a g e n t 由哪些模块组成，它们之间如何交互信息，a g e n t 感知到的信息如何影响它的行为和内部状态，以及如何将这些模块用软件或硬件的方式组合起来形成一个有机的整体，真正实现a g e n t。A g e n t 可以看成一个黑箱，通过传感器感知环境，通过效应器作用环境。人a g e n t 的传感器有眼、耳、鼻以及其它器官，而手、腿、嘴、身体可以看成效应器。机器人a g e n t 有摄像机等作为传感器，而各种马达是效应器。软件a g e n t 通过字符串编码作为感知和作用。大多数a g e n t 不仅要与环境交互作用，更主要的是处理和解释
44、接收的信息，茎!童坐!坐型堡一达到自己的目的。图2 1 给出了智能a g e n t 的工作过程l。A g e t 接收到的信息首先要以适当的方式进行融合，并能为a g e n t 知识库所接受。信息a g e n t 融合特别重要，不同交互模块得到的结果可能不同，表达方式也不一样。-4交互l上、L 竺璺竺上、L竺!t、一交互图2 1 智能A g e n t 的：刚乍过栏一旦a g e n t 接收外部信息，信息处理过程成为a g e n t 的核心，因为它反映a g c n 的真正功能。信息处理的目的是解释可用的数据，形成具体规划。因为每个8 9 e n t都有具体的目标，内部目标的影响必须
45、作为影响的一部分考虑a 如果影响弄清楚了就要采取行动，使之达到或接近目标。形成规划时a g e n t 可以规定知识，包括对新情况反映的具体处理步骤。但是，这不是本质的东西，因为a g e n t 执行可以不要规划。当要求对环境对象交互时，动作模块将使用合适的交互模块。控制执行也是动作模块的任务。一般来说，可以将a g e m 的结构分为认知式a g e n t、反应式a g e n t 及混合式a e：e n t。认知a g e n t 也称作慎恩a g e n t，是一个显式的符号模型，包括环境和智能行为的逻辑推理能力。它保持了经典人工智能的传统，是一种基于知识的系统。环境模型一般是预先实
46、现的，形成主要部件知识库。采用这种结构的a g e n t 要面对以下两个基本问题：(1)转换问题：如何在一定的时间内将现实世界翻泽成一个准确的、合适的符号描述；第2 章A g e n t 理论(2)表示推理问题：如何用符号表示复杂的现实世界中的实体和过程，以及如何让a g e n t 在一定的时间内根据这些信息进行推理作出决策。A 蛐卅转成器环臣三 _ 圊境 三)豳效应器幽2 2 认知A g e n t 的框图图2 2 给出了认知a g e n t 的框图。A g e n t 通过传感器接收外界环境的信息，根据内部状态进行信息融合，产生修改当前状态的描述。然后，在知识库的支持下制定规划。形成
47、一系列动作，通过效应器对环境发生作用。认知a g e n t 程序如下：第2 章A g e n t 理论图2 3 反应A g e n t 的框图与认知a g e n t 不同，反应a g e n t 是不包含用符号表示的世界模型，并且不使用复杂的符号推理的a g e n t。图2 3 给出了反应a g e n t 的框图。图中条件动作规则使a g e n t 将感知与动作连接起来，其中方块表示a g e n t 决策过程的当前的内部状态，椭圆表示过程中所用的环境信息。反应a g e n t 程序如下：无论是纯粹的认知结构还是纯粹的反应结构都不是构造a g e n t 的最佳方式。人们提出混合结
48、构的a g e n t 系统，试图以此来融合经典和非经典的人工智能。最显然的方式就是在一个a g e n t 中包含两个(或多个)子系统：一个是认知子系统，含有用符号标号表示的世界模型，并用主流人工智能中提出的方法生成规划和决策；另一个是反应子系统，用来不经过复杂的推理就对环境中出现的事件进行反应。通常，反应子系统的优先级比认知子系统高，以便它对环境中出现的重要事件提供快速的反应。最著名的一种混合结构是由G e o r g e f f 和L a n s k y 开发的P R S(P r o c e d u r a lR e a s o n i n gS y s t e m)。图2 4 给出了P
49、 R S 的结构。第2 章A g e n t 理论2 3 多A g e n t 系统的研究图2 4P R S 的结构多a g e n t 系统是指由多个a g e n t 组成的系统，它可用于解决单个a g e n t 由于各种原因不能解决或不愿解决的问题，或形成多个a g e n t 协调合作形成的问题求解网络。它是分布式人工智能的一个新的研究领域。为了使a g e n t 之问能够合理高效地进行协作，a g e n t 之间的通信和协调机制成为多a g e n t 系统研究的重点问题【1 4】。2 3 1 多A g e n t 系统中的通信多a g e n t 系统中，通信是指不同a g
50、e n t 之间及a g e n t 与环境之问的信息交互，从而进行协调、协商与协作，共同完成目标。A g e n t 之间进行信息交互的方式主要有下面四种【lJ：1 直接通信：a g e n t 之间有物理连接，通过一定的协议，如T C P f l P，a g e n t直接将信息发送给目标a g e n t。在这种方式中，a g e n t 需要将自身的地址连同信息一同发送给目标a g e n t。如果在多a g e n t 系统中a g e n t 之问的交互目的性较强，而且通常知道应该与哪个a g e n t 进行交互，采用直接通信方式效果较好。2 自由组织成联盟，然后通过F a c