的角度来看, 利用其解决上述困难可以说是一次质的飞跃: 首先, 可以通过Agent 之间的通讯, 开发新的规划或求解方法来处理不完全的、不确定的知识; 第二, 通过Agent 间合作, 多Agent 系统不仅改善了每个Agent 的基本能力, 而且从Agent 的交互中进一步理解了社会行为; 第三, 系统的程序空间与它所描述的现实空间有较一致的对应关系, 符合人的认知习惯, 对系统代码的理解、修改、维护和移置都带来了方便. 如果说模拟人是过去A I 研究的目标, 那么对多Agent 系统的研究则是以模拟人类社会作为其最终目标的.

    5. 3　开发实例1——一个可用于VR 系统描述的Agent 结构

    在VR 仿真中, 对各种虚拟实体定义时, 除了它的属性(如材料、颜色等) 外还要考虑与该物体有关的任何运动, 以及相适应的速度、重量, 还必须考虑各物体之间的相互作用(如碰撞等) , 特别是对于那些动画化的人物和可由人操作的物体(如飞机、坦克等) , 要赋予它们生命和可控制性.

    故在AO P 框架下, 用于描述VR 世界中的Agent 结构是A I+ OO P 的自然扩展, 可以用一个七元组来表示:

    Agent = (a,m , k , i, s, r, g )

    其中每一组元分别表示了属性、方法、知识、推理机、消息传送协议、消息接受协议和全局知识(相对组元k所表示的私有知识而言) 等功能成分, 它们共同组成了Agent, 其结构如图2 所示.

图2 一个基于知识的Agent

    如对VR 场景中一辆可行动的坦克的描述: 则属性a 中定义了坦克的大小形状、材质、颜色、重量等; 方法m 定义了坦克可运行的各种方式; 私有知识库k 中则定义了坦克运动应满足的各中物理定律规则等; 全局知识库g 则包含了整个场景中所有的Agent 应遵守的知识规则等; 推理机制I 通过对k、g 的运用来决定m 的状态: r、s 是该坦克与其它Agent 通讯的数据结构, 它们可由一个五元组来标识: (通讯协议, 本Agent 标识?地址,本地端口, 远Agent 标识地址, 远地端口).

    总之, 利用多Agent 技术, 可以对VR 仿真中的物体进行自然一致的描述. 由物体的特性可将其描述为主动的Agent 和被动的Agent, 从而将VR仿真软件系统的开发转化为一个多Agent 系统的设计与开发.

    5. 4　开发实例2——基于关键词限定的消息传递模式Agent

    在具体的面向Agent 的开发过程中还有许多要研究解决的问题, 如Agent 中的通讯协调机制等. 下面给出一个“基于关键词限定的消息传递模式Agent”做为本文的研究实例:在面向Agent 的编程(AO P ) 里Shoham [15 ] 认为计算是由Agent 间进行的通知( Info rm )、请求(Request)、提供(O ffer)、接受(A ccep t)、拒绝(Reject)、竞争(Compete) 和合作(Cooperate) 等行为组成. 这个思想来源于语言行为(Speech A ct) 理论[10 ]. 语言行为理论基于以下假设: 人类交际的基本单位不是句子或其他表达手段, 而是完成一定的行为, 如“通知”、“请求”、“提供”等.

    因此, Agent 能理解“通知”、“请求”、“提供”等所指的内容是AO P 实现的关键. 目前计算机尚不能完全理解自然语言, 但从自然语言中提取的“概念”比较容易为计算机所接受. 故我们通过给每个Agent 建立“概念”词典来实现Agent 之间的相互理解. 一个描述现实系统的软件Agent 可能包含有许多子Agent, 而低层的子Agent 中却对应于一系列人类思维中的概念. 例如:VR 仿真中, 从软件Agent 的角度它包括虚拟空间(场景, 人工现实)Agent 和各种虚拟实体Agent. 而一个实体Agent 中即对应许多概念, 如对某坦克Agent 而言, 对应着“前进”、“左拐弯”、“右拐弯”、“倒车”、“加速”等概念, 这些概念作为人类思维结构的一部分具有相当大的稳定性, 从软件工程的角度看我们称它们为“关键词”, 这样, Agent 之间通过通知、请求、提供?“关键词”所指的内容来协作完成某计算任务. 并称之为基于关键词限定的消息传递模式(Keywo rds2DefinedMessage T ransm ission, KDM T).

    上述机制通过每个Agent 内嵌的称为消息板的数据结构实现. 其形式化描述为:

    MessageBoard∷ = 〈M sg Index, M sg, Parameters〉

    其中,M sgindex的意义是消息类型, 不同的消息类型对应不同的发送方式, 这样同一条消息由于类型的不同Agent 的应答方式可以不同:

    　A: 通知, 即广播某消息, 使所有的Agent 知道, 这在发生全局状态变化时特别重要;

    　B: 请求, 要求某Agent 或某些Agent 完成某任务;

    　C: 提供, 返回某Agent 或某些Agent 的请求;

    　D: 接受, 对通知、请求的接受;

    　E: 拒绝, 对通知、请求的回绝或请求进一步的限定某“概念”;

    　F: 其它, 对一些意外消息的处理.

    M sg　即消息, 由“关键词”词典组成.

    Parameter　为附加数据, 完成任务所需的数据参数或索引.

    在基于关键词限定的消息传递模式中, 向一个Agent 发送一条消息时, 只要在消息中用一系列关键词精确地限定所需要完成的工作, Agent 即可以理解该消息, 并做出相应的基于知识(博弈论、逻辑推理、概率、物理、运动学等知识) 的处理.

    6　结语和展望

    从宏观上考察多Agent 系统可用于面向武器装备系列研制的人在回路中仿真系统(M an in the loopsimulat ion). 见图3 所示.