1、 Agent相关技术
  1.1 Agent概念
  Agent应当包括:自主性、主动性、反应性、移动性和社会性等优良特点。由以上Agent的特性可以给Agent一个简单的定义:Agent是代表用户和其他程序,以主动服务的方式完成一组操作的机动计算实体。智能Agent不能在环境中单独存在,而要与多个智能Agent在同一环境中协同工作,协同的手段是相互通信,但每个智能Agent都是主动的、自治的工作。
  1.2 Agent的分类
  Agent的特征、控制结构、生存环境、实现语言以及应用领域等都可以作为分类依据。如根据Agent 在MAS中所处的位置可以分为末端Agent和中间Agent。末端Agent又可分为提供服务的Agent和接受服务的Agent。根据Agent所完成的主要功能又可以分为界面Agent、移动Agent和信息Agent等。另外按体系结构划分,可分为反应式Agent、慎思式Agent和复合式Agent;按构架可分为系统Agent和工具Agent;按智能程度分为被动Agent、主动监视反应Agent、具有思考和规划行为的BDI Agent、竞争Agent、演化Agent以及人格化Agent。
  1.3 Agent的应用现状
  就目前而言主要包括如下一些应用领域: (1) 电信领域。 (2) 兴趣匹配。 (3) 用户助理。 (4) 组织结构。 (5) 信息处理。 (6) 移动计算。
  2、 基于Agent 的BDI模型
  BDI模型的哲学基础是巴拉特曼(M. E. Bratman)的理性平衡。1987年,Bratman从哲学上对行为意图的研究对人工智能产生了广泛的影响。他认为只有保持信念、愿望和意图的理性平衡才能有效的解决问题。
  一种理想的理性Agent可以定义为:对于每一种可能的感知序列,理想的理性Agent,在感知序列提供的证据和Agent内部知识的基础上,应该做的所期望的动作使它的性能测度为最大。Agent的BDI模型侧重于形式描述信念、愿望和意图,其本质上要解决的问题是如何确定Agent的目标以及如何实现这个目标。当前Agent使用的BDI模型一般都是在科恩(P. R. Cohen)和莱韦斯克(H. J. Levesque)的正规模态逻辑的意图模型以及罗(A. S. Rao)和乔治(M. P. Georgeff)的BDI计算树逻辑模型基础上发展起来的。
  2.1 Cohen & Levesque的BDI模型
  在Bratman的基础上, Cohen和Levesque系统地研究了信念、目标、持续目标和意图的形式描述和演算问题。他们采用了基于线性时态逻辑的可能世界模型,表示了时间、事件、行为目标和意念等概念,形式地表达了这些概念之间的关系。
  根据Bratman的哲学分析,Cohen和Levesque提出了一个意图的合理性必须满足的7条性质:(1)意图为Agent提出任务,Agent必须确定怎样实现它;(2)意图为Agent采纳其它意图提供了“过滤”,它们必须不发生冲突;(3)Agent应跟踪意图的实现,如果失败,Agent应试图重试;(4)Agent相信它的意图是可实现的;(5)Agent不相信它不愿实现它的意图;(6)在某些情况下,Agent相信它将实现它的意图;(7)Agent不必打算实现它的意图的所有副作用。
  2.2 Rao & Georgeff的BDI模型
  Rao和Georgeff对BDI模型的描述同样基于正规模态逻辑的可能世界,但每个可能世界具有分枝时间结构。他们的形式化模型是基于扩展的计算树逻辑(CTL,Computational Tree Logic),即把命题时态逻辑扩展为带模态词的信念、目标、意图的一阶逻辑。每个世界被建模为一颗时间树,有单一的过去和分枝的未来,世界中的一个时间称为一个状态,这些状态与时间出现相对应,分枝表示在每个时间可供Agent选择的情形,在他们的模型中主要有两类公式:状态公式和路径公式。有两个作用在路径公式上的路径算子E(optional)和A(inevitable);作用在状态公式和路径公式上的标准时序算子□(永远)、◇(将会)、○(下一步)、∪(直到)。在每一个状态,Agent的信念、目标和意图被建模为信念、目标和意图可达世界,又多个世界的原因是Agent缺乏对世界状态的了解。他们还给出了目标和愿望的区别:①愿望可以是不一致的,但目标必须是一致的;②Agent应该相信目标是可以达成的。

1 智能主体及其特性 
  智能主体是一种处于一定环境下的计算机系统,它能在那种环境下灵活地、自主地活动。智能主体提供了一种新的计算和问题求解风范,将是下一代复杂的、分布的工程系统的模型。主体提供了一种远程智能程序设计的方法。多主体系统放松了对集中式、规划、顺序控制的限制,提供了分散控制、应急和并行处理,并且,多主体系统可以降低软件或硬件的费用,提供更快速的问题求解。 
  在实际应用中,可能还要具有自适应性、个性、社会性和实时性等特点。下面给出了智能主体系统的基本特性: 
  自治性:主体能够在没有人或其他Agent干预下完成其大部分功能,控制其内部状态; 
  社会能力,或称为可通信性:主体能够通过某种主体通信语言和其他主体或人交互,以实现其目标; 
  反应性:主体能感知周围环境并对其间的变化产生实时响应,这些动作的执行可以基于触发规则和预定义的执行计划; 
  能动性:主体能够主动地进行基于自身目标和信念的活动,就是说主体感知周围环境变化,并做出基于目标的行为。 
  其他经常讨论的主体属性有可移动性、学习能力、推理能力、规划能力、合理性、协作和协商的能力等。 
  2 主体认知模型和理论 
  由于对主体特性的描述大部分还只停留在自然语言的层次上,且描述很不严格,研究人员试图从理论上用一种形式化的方法描述主体特性,再通过这种形式化的描述发现一些有用的规律。具体地说,就是要研究如何用符号表示复杂现实世界中的主体,以及主体如何根据各种信息对环境进行推理和决策。这种研究使用逻辑学作为工具,首先需要精确地定义关于主体的各种概念,如知识、信念、愿望、意图等,以及一些更复杂的和带有感情色彩的概念,如合作、协商、谈判、好、坏等等,然后对有关推理问题进行研究。 
  近年来,主体理论学家开发了许多表示主体特性的形式方法,主要有Bratman提出的BDI理论、Kripke的可能世界语义模型、Moore对于知识与动作的研究、Cohen和Levesque对信念和知道的探讨、Konolige的演绎模型等理论和方法。这里只简单介绍BDI理论、Rao/Georgeff的工作和RAO逻辑。 
  2.1 Bratman的BDI理论 
  传统的人工智能一般是针对具体问题由程序安排主体进行推理、计算的。这种方法不适合于主体在开放、动态的环境中保持更强的解决问题的能力。1987年Bratman从哲学上对行为意图的研究,对人工智能产生了广泛的影响,被公认为DAI的理论基础之一。 
  Bratman认为只有保持信念、愿望和意图的理性平衡才能有效地解决问题。他认为在开放的世界中,“理性”主体的行为不能直接由信念与愿望以及由两者组成的规划驱动,在愿望与规划之间应有一个基于信念的意图存在。在开放和分布式的环境中,一个理性主体的行为是受制于意图的。主体不会无理由地随意改变自己的意图,也不会坚持不合实际的意图。理性平衡的目的在于使理性主体行为符合环境的特性。 
  2.2 Rao和Georgeff的BDI模型 
  A.Rao和M.Georgeff给出了一个BDI的形式化模型,包括基础逻辑的定义、信念、愿望和意图,作为模态操作符的描述、这些模态操作符的可能世界语义的定义、BDI操作符之间关系定义的公理等。与大多数哲学理论相比,Rao和Georgeff把意图作为一类成员,即作为与信念和愿望具有相同地位的概念。 
  在该模型中,世界采用时序结构描述,该结构是以未来为分支时间、以过去为线性的结构,称为时间树。描述这些结构的形式语言是计算树逻辑CTL的改变,有两种公式:状态公式(考虑在特殊的时间点)和路径公式(考虑时间树中一段路径)。 
  语义定义为3部分:状态和路径公式的语义、事件的语义以及意图、信念和目标的语义。我们说主体相信某个公式,如果所有信念可达的世界中该公式为真。事件的语义提供了一种定义事件变换时间点到另一点成功或失败的机制。信念、目标和意图的定义采用可能世界语义。在每个情景中,存在信念可达、目标可达和意图可达世界的集合,它们分别用于刻划主体相信可能、想要到达和已承诺要到达。信念的公理系统基于标准的弱S5(KD45)模态系统,K和D公理用于目标和意图。这就是说在蕴含下目标和意图是封闭的,并且它们必须是一致的。 
  2.3 RAO逻辑 
  RAO逻辑是由史忠植研究员等提出的描述多主体系统的逻辑系统。在该框架中,引入了信念算子、时态算子、宣称算子以及主体名算子等。该逻辑借鉴了言语动作理论和情景演算的若干思想,最终目标是希望能够以一种自然的方式,描述多主体系统中关于其主体状态的推理过程,这个研究对于提高主体的自治性和主动性具有重要的意义。在RAO中我们提炼出了一种所谓的“换位规则”,作为对于其主体状态推理的最重要规则。