MAS：Multi-Agent System

智能体交流

一、MAS交流
二、言语行为理论
三、智能体交流语言
- 1、KQML
- 2、FIPA
- - FIPA IPs
- 3、JADE
- 4、KIF
- 5、XML
- 6、Ontologies

一、MAS交流

自治智能体可以控制状态和行为
方法是根据智能体的自身利益来执行的
智能体可以执行交流动作，即试图影响其他智能体
智能体之间的沟通意味着互动，即智能体执行沟通后行为

二、言语行为理论

MAS中的交流受到言语行为理论的启发，人们普遍认为言语行为理论始于哲学家约翰·奥斯丁（Austin, 1962）的著作：“如何用言语行事(How to do things with words)"

言语行为理论研究语言的语用运用:
-试图说明人们每天如何使用语言来实现他们的目标和意图。
言语行为理论将交流视为行动:
-言语行动与其他行动一样，由智能体根据其意图进行。
奥斯汀注意到，有些话语更像是“身体动作”，似乎在改变世界的状况。
–宣战
–‘我现在宣布你是夫妻
奥斯汀确定了许多表现动词，它们对应于各种不同类型的言语行为
–表现动词的示例如：请求，告知和承诺

塞尔（Searle , 1969）确定了以下几种可能的言语行为类型：

代表 (Representatives)：
让说话者注意表达的真实性，例如“正在下雨”（通知）
指令类 (Directives)：
尝试让听众做某事，例如“请泡茶”（请求）
承诺类 (Commissives)：
这会促使演讲者去做某事，例如“我答应……”（很有希望）
表达类 (Expressives)：
说话者借此表达一种心理状态，例如“谢谢！”（谢谢）
宣告类 (Declarations)：
状态变化，例如“宣战”（宣战）

Cohen和Perrault（1979）开始在计划系统中建立言语行为模型：STRIPS形式体系

因此，言语行为的特点是：

前提条件（Preconditions）：
例如提出要求，演讲者必须相信听众可以做到“ X”，也必须相信听众可以做到“ X”
效果（Effects）：
例如请求的结果是，听众想要“ X”

三、智能体交流语言

智能体交流语言（Agent communication languages， ACLs）是用于交换信息的标准格式。

1990年代初期，KSE（Knowledge Sharing Effort，知识共享计划）设计了两个具有不同用途的ACL：

KQML（ Knowledge Query and Manipulation Language，知识查询和操作语言），这是一种用于智能体交流的“外部”语言
KIF（Knowledge Interchange Format，知识交换格式），一种用于表达内容的语言，基于一阶逻辑

1、KQML

KQML定义了交际动词，例如：

–ask-if (‘is it true that. . . ’)
–perform (‘please perform the following action. . . ’)
–tell(‘it is true that. . . ’)
–reply(‘the answer is . . . ’)

每条信息都有述行语 (Performative) :

KQML信息的参数：

KQML对话框示例：

2、FIPA

KQML发展到后期变得臃肿，而且各种KQML实现之间的不能互相操作，因此发展出了FIPA（Foundation for Intelligent Physical Agents）。

正如FIPA出现的原因一样，FIPA致力于发展各实现之间的交互操作，它的基础语法和概念跟KQML很像：

一组述行语：

述形语 requesting information：

述形语 passing information：

述形语 negotiation：

述行词 Performing Actions：

FIPA IPs

Interaction Protocols (IPs) 根据已知情况对述行词进行的标准化交换。

FIPA定义的IPs：

IPs的 request：

Contract Net：

3、JADE

Java Agent Development Framework (JADE)允许在Java中快速创建分布式多智能体系统，通过FIPA法规遵从性实现高互操作性。

JADE包括：

用于开发智能体的库（实现信息传输和解析）
允许多个并行和并发智能体活动的运行环境
支持监视，日志记录和调试的图形界面
黄页，代理可以在其中注册其功能并搜索其他代理和服务的目录

JADE Connectivity：

4、KIF

Knowledge Interchange Format (KIF)允许表达：

某一领域事物的属性，如“迈克尔是素食主义者”
领域中事物之间的关系，例如“迈克尔和珍妮结婚了”
域的一般属性，例如“所有学生至少注册一门课程”

5、XML

XML (eXtensibleMarkup Language) 与HTML（其元语言主要描述页面布局）不同，XML允许用语义标记数据，文档类型定义（Schema）可用于共享语义。

6、Ontologies

本体论Ontologies (modern interchange languages)为智能体使用的术语奠定了基础。

OWL（Ontology-Web-Language）是一种非常有表现力的工具，用于描述领域的知识
RDF（Resource Definition Framework，资源定义框架）一种由三个主谓宾语组成的语言，允许对外部资源的引用共享意义

各位观众老爷点个赞再走吧~~

[MAS]智能体交流 Agent Communication相关推荐

直播预告 | 基于多智能体交流游戏的零资源机器翻译
「PhD Talk」是 PaperWeekly 的学术直播间,旨在帮助更多的青年学者宣传其最新科研成果.我们一直认为,单向地输出知识并不是一个最好的方式,而有效地反馈和交流可能会让知识的传播更加有意义 ...
多智能体系统（MAS）简介
1.背景自然界中大量个体聚集时往往能够形成协调.有序,甚至令人感到震撼的运动场景,比如天空中集体翱翔的庞大的鸟群.海洋中成群游动的鱼群,陆地上合作捕猎的狼群.这些群体现象所表现出的分布.协调.自 ...
实践 | 如何训练智能体Agent玩毁灭战士ViZDoom？
作者 | 武维编辑 | Natalie 前言毁灭战士(Doom)是由 ID Software 开发的第一人称射击游戏,是第一人称射击游戏的开拓者.ViZDoom 是基于 Doom 游戏的人工智能研 ...
多智能体系统（Multi-agent system）
(1)背景 Swarm是美国新墨西哥州的桑塔费研究所(The Santa Fe Institute,SFI)1994年起开发的一个面向对象程序设计(OOP)的多智能体仿真软件工具,是一种基于复杂适应系 ...
使用 JADE 平台进行智能体开发
作为一名软件开发人员,我相信大家都对面向对象技术有个比较深刻的认识.面向对象技术的确为提高软件开发效率做出了巨大的贡献.但是在我们的开发过程中,面向对象也暴露了一些不足,其中最主要的不足可以归纳为:面 ...
综述—多智能体系统深度强化学习：挑战、解决方案和应用的回顾
多智能体系统深度强化学习:挑战.解决方案和应用的回顾摘要介绍背景:强化学习前提贝尔曼方程 RL方法深度强化学习:单智能体深度Q网络 DQN变体深度强化学习:多智能体挑战与解决方案 M ...
如何通过结构化智能体完成物理构造任务？| 技术头条
作者 | Victor Bapst, Alvaro Sanchez-Gonzalez,Carl Doersch, Kimberly L. Stachenfel 译者 | Linstancy 编辑 | ...
MATLAB强化学习实战(十三) 使用强化学习智能体训练Biped机器人行走
使用强化学习智能体训练Biped机器人行走两足机器人模型创建环境接口选择和创建训练智能体 DDPG Agent TD3 Agent 指定训练选项和训练智能体仿真训练过的智能体比较智能体性能 ...
一文搞定！！！多智能体强化学习的前世今生
最近在学习多智能体的强化学习,看了几篇高质量基础论文,发现还是很有必要将强化学习的体系简单过一遍,然后再有针对性地练习代码. 推进文章:多智能体强化学习路线图 (MARL Roadmap) 转载总结链 ...

[MAS]智能体交流 Agent Communication