(二) 多主体系统(Multi-Agent Systems)
（1）为什么需要多主体系统？

单一主体很难对存在于动态开放环境之中的大 规模复杂问题进行求解 。
人类智能本质上是社会性的，人们往往为解决复 杂问题组织起来，这些组织能够解决任何个人都 无法解决的问题。

（2）多主体系统的特点
概念：
多主体系统是由多个可以相互交互的主体所组成的系 统。 多主体系统的特点：
微观 数据
宏观 数据
多主体仿真过程的特点
在对实际系统进行观察时应同时收集微观数据 和宏观数据。 概念模型采用多主体视角建立。 仿真模型一般采用多主体技术实现。 模型验证采用微观和宏观相结合的方法。 仿真所得到的结论主要用来帮助理解系统微观 和宏观的联系。
(三) 与其它仿真方法的比较
（1）与离散事件系统仿真的区别
初始化：选择各行动的倾向（Propensity） 重复:


根据各个行动的倾向计算选择概率 按概率选择行动 根据该行动的回报调整其倾向
返回
行动倾向的更新方法：
q j (t 1) [1 ]q j (t ) E j ( , k , t )
rk (t )[1 ] if j k E j ( , k , t ) q j (t ) if j k N 1
Initiator
query-if
Participant
query-ref
查 询 交 互 协 议
refuse [refused] agree [agreed and notification necessary]
failure
inform-t/f:inform [query-if] [agreed]
基本要素：事件/主体 状态变化：串行/并发 结构变化：无/有 学习适应：无/有
(四) 与其它仿真方法的比较
（2） 与微观分析模拟的区别
应用目的：政策效果/理论揭示 个体动机：无/有 个体交互：无/有
(五) 与其它仿真方法的比较
（3）与元胞自动机的区别 空间结构：规则/灵活 个体记忆：无/有或无 学习推理：一般无/一般有 交互结构：临近/网络
(二) 多主体仿真研究框架
用多主体思想建立的复杂系统模型往往用仿真技术求 解。这样就形成了多主体仿真(Multi-Agent Simulation) 技术。 多主体仿真方法的本质特征是采用多主体视角建立实 际系统的概念模型 首先辨识组成实际系统的微观个体，将这些个体抽象为具
有自治性的主体，

对主体而言，学习的含义是

（1）强化学习
基本思想：

如果某个行动引起的后果较好，则在以后增加使用 该行动的可能，反之则减少。
Agent 状态st 回报rt rt+1 环境 st+1 行为at
强化学习主体的一般结构 ：
目标是学习一个策略π：S→A，使系统选择的动作能够获得回报的累计值最大。
Roth-Erev算法
E {e0 , e1 , e2 ,}
主体有一个可执行动作集合
A {a0 , a1 , a2 ,}
主体在环境中的一次执行r是环境状态与主体动作的一个交替序 列：
a0 a1 a2 u 1 r : e0 e1 e2 a eu
主体的动作决策部件可以定义为以下函数：Choose: E * A
（2）通信方式
主体之间常用的通信机制有三种：


黑板机制 邮箱机制 消息传递机制
（3）交互协议
交互协议定义了主体之间为了进行协作，实现 某个特定目标而进行交互的结构化消息。 FIPA对一些典型的对话定义了交互协议，





请求(request) 查询(query) 合同网(contract-net) 代理(broking) 订阅(subscribe) 建议(propose)
主体之间通过相互作用构成一个多主体系统 以这样的多主体概念模型为基础通过仿真计算展开研究。
仿真模型 虚实世界 校核 组成 计算实体 转换 概念模型 反馈 主体交互模型 仿真结果 运行
多 主 体 仿 真 基 本 过 程
各类主体模型 反馈 抽象 识别微观个体
校核、验证
分析
结论 初步验证 假设
实际系统
观察
（2）Agent的定义
研究人员对Agent的理解并不一致，至今还没有一个 普遍接受的关于Agent的定义。 “Agent”一般用来描述自包含的、能感知环境并能在 一定程度上控制自身行为的计算实体。 Hewitt:“什么是主体对于基于主体的计算来说是个尴 尬的问题，就像主流的人工智能研究中什么是智能这 个问题一样”
建模与仿真
复杂系统建模
主 讲 人：许 良Fra bibliotek经济管理学院工业工程系
主讲内容
主体与多主体系统 多主体建模与仿真 多主体模型的实现 多主体仿真在社会科学中的应用 Aspen多主体经济模型
一、 主体与多主体系统
(一) 主体概念 （1）主体的来源
Agent ：主体，智能体，代理 来源于分布式人工智能领域 Minsky，1986《The Society of Mind》 1990s在人工智能领域得到重视 1990s~ 在其他领域广泛应用


有限视角，即每个主体都面临不完全信息，或只具备有限能 力； 没有系统全局控制； 数据分散； 计算是异步的
（3）多主体系统的结构
各个主体相对独立，主体之间可能存在复杂的 关系
Agent 交互 结构关系
作用范围 环境
主体之间的关系类型
结构相关
结构相关性是指不同主体之间具有结构关系，如小组 关系、上下级关系等。 这种结构关系将对系统中主体的运行以及主体之间的 相互作用产生影响。
（3）具有感知部件的主体
将标准主体的决策部件分解为感知子系统和动 作子系统，称为具有感知部件的Agent。
主体
感知 部件 感知输入 动作决策 部件 动作输出
环境
（4）具有状态部件的主体
一种与标准主体等价的表示方法，思路是认为 Agent具有内部状态
主体
感知 部件 状态 转换 动作决策 部件
状态
感知输入
影响较大的主体通信语言：

ACL 消息结构
一个ACL消息是由通信行为、通信内容以及一 组消息参数等几部分组成
通信动作类型 消息开始 消息内容表达式
消息参数
消息结尾
(inform :content (price(bid good2) 150) :sender agent1 :receiver auction-server :in-reply-to round4 :reply-with bid04 :languange KIF :ontology auction )
三、 多主体仿真的实现技术
(一) 主体构建技术 （1）产生式系统
一个产生式系统包括三个部分：规则集、事实库和控 制器。



规则集存储有关问题的状态转移、性质变化等过程性知识， 简单产生式规则的形式为“if…,then…”,每个规则有条件和 行为两部分组成，当前提条件满足时就执行动作。 事实库存储关于目前环境/自身状态、性质等信息，由此决 定某个规则的前件是否满足。 控制器根据主体的性质选择控制策略，将规则与事实进行匹 配，消解冲突，进行推理，实现主体决策，产生行动。
inform-result:inform [query-ref]
二、 多主体建模与仿真
(一) 多主体建模思想 ABM：MAS是对人类或生物群体的自然隐喻，采用多主 体观点可以更自然的对这些系统建模，由此形成了基 于主体的建模方法（Agent-Based Modeling， ABM ）。 ABM的基本出发点是： 许多系统可以看作是由多个自治的主体构成的，主体 之间的相互作用是系统宏观模式出现的根源，通过建 立主体模型，可以更好的理解和解释这些系统。
（3）主体的弱概念
主体的弱概念从广义的角度规定主体的特性：
自治性(autonomy)：

主体的运行不受人或其它物的直接控制，它对自己的行动和内部状 态有一定程度的控制权。 主体通过某种主体通信语言与其它主体或人进行信息交互。 即对环境的感知和影响。无论主体生存在现实世界还是虚拟世界， 主体都应该可以感知所处环境，并能及时地对环境中发生的变化做 出反应，通过行为影响环境。 主体不是简单的对环境被动反应，而是能采取主动，表现出目标导 向（goal-directed）的行为。
经济系统的特点：



经济系统是一个复杂动态系统 微观上由许多相对独立的个体组成，个体具有智能 性，存在学习和适应行为 个体之间存在复杂的相互作用
要实现这样的主体，可以采用不同的结构。 所谓结构就是定义主体的基本成分以及各成分之间的 关系和交互机制。 对特定的应用场合采用某种结构可能会更自然，也更 容易理解。
（1）标准主体
主体
动作决策部件 感知输入 动作输出
环境
形式化
假设环境变化可以抽象为一个环境状态序列，环境在任何离散的 瞬时状态的有穷集合为:
（2）面向对象技术
为每类主体设计相应的类，用属性表达主体的 内部状态，用方法表示主体的行为。 多主体系统中的主体本质上是并发的。主体的 主动性和并发性需要在面向对象框架中采用一 定的技术手段进行模拟。
(二) 主体的学习算法
学习是智能生物的一个重要特征

如果一个系统能够通过执行某个过程改进他的性能， 我们就认为它有学习能力。 主体根据所观察到的事件，在连续交互过程中结构 化的修改行为策略，改进它的性能。
社会能力(social ability)：

反应能力(reactivity)：

预动性(pro-activeness)：