《人工智能及其应用》教学讲义第七章分布式人工智能§ 7.1分布式人工智能系统一、什么是分布式人工智能分布式人工智能(Distributed Artificial Intelligenee)，简称DAI，它是人工智能和分布式计算相结合的产物。

DAI 的提出，适应了设计并建立大型复杂智能系统以及计算机支持协同工作( CSCW)的需要。

其目的主要研究在逻辑或物理上实现分散的智能群体Age nt的行为与方法，研究协调、操作它们的知识、技能和规划，用以完成多任务系统和求解各种具有明确目标的问题。

目前，DAI的研究大约可划分为两个基本范畴：一是分布式问题求解 (Distributed Problem Solving ，DPS);另一个是关于多智能体系统( Multi Age nt System，MAS )实现技术的研究。

所谓分布式问题求解，往往针对待解决的总问题，将其分解为若干子任务，并为每个子任务设计一个问题求解的子系统。

这里，首先需要智能地确定一个分配的策略：如何把总工作任务在一群模块(Module )或者节点(Node)之间进行子任务分配；其次需要智能地确定一个工作任务协同的策略：要在基于分散、松耦合知识源的基础上，实现对问题的合作求解。

这里所谓“分散”的概念是指任务的控制操作和可利用的信息都是分布的，没有全局控制和全局数据；知识源分布在不同的处理节点上，数据、信息、知识和问题的答案可以按照某种规则予以共享。

多智能体系统又常称为多Age nt系统或简称为MAS，主要研究不同的智能体之间的行为协调和进行工作任务协同。

即在一群自治的Age nt之间，通过协调它们的知识、目标、技能和系统规划，以确定采取必要的策略与操作，达到求解多任务系统及解决各种复杂问题的目标。

MAS是单个的Age nt技术和分布式系统相结合的发展产物，也是分布式人工智能研究的一个前沿领域。

目前，MAS的研究重点是：如何协调多个Age nt的行为，从而协同地完成大型复杂的工作任务。

二、分布式人工智能系统的特点分析分布式人工智能系统，主要具有如下特性：其一，具有分布的特性。

无论从逻辑上还是在物理上，系统中的数据和知识的布局都以分布式表示为主，既没有全局控制，也没有全局的数据存储；系统中各路径和节点既能并发地完成信息处理，又能并行地求解问题，从而提高了全系统的求解效率。

其二，具有独立、连接、开放的特性。

在系统中，既可把要求解的总任务划分为几个相对独立的子任务，降低各独立节点及子系统的复杂度，降低开发与处理的复杂性；同时又通过节点及子系统的连接和网络的分布式互连，方便于系统规模的扩充，使系统具有了比单个系统更大的开放性和灵活性。

其三，具有高效、容错、协同的特性。

分布式求解机构由计算机网络互连，使系统通信的代价小于求解问题的代价，并因此降低了问题求解总代价；分布式系统具有较多的冗余度和调度处理的知识，能够使系统在出现故障时，仅仅通过调度冗余路径或降低响应速度的代价，就可以保障系统正常工作，提高系统可靠性。

尤其可依靠系统中诸机构的相互协同支持，以便解决单个机构难以或无法解决的困难问题。

比起传统的集中式结构来，DAI强调的是分布式智能处理，克服了集中式系统中心部件负荷太重，知识调度困难等弱点，因而极大地提高了系统知识的利用程度，提高了问题的求解能力和效率。

同时，分布式人工智能系统具有并行处理或者协同求解能力，可以把复杂的问题分解成多个较简单的子问题，从而各自分别“分布式”求解，降低了问题的复杂度，改善了系统的性能。

当然，也应该看到，分布式人工智能在某种程度上带来了技术的复杂性和系统实现的难度。

总之，分布式人工智能在于它能以时空协同系统的利用，克服单个智能机器资源贫乏和功能单一的局限性，具备并行、分布、开放和容错等优势，因而获得快速发展和越来越广泛的应用。

§ 7.2分布式问题求解(DPS)在分布式问题求解系统中，由于系统中没有一个节点拥有足够的数据和知识来求解整个问题，因此，要求各个节点能够共享问题的知识源及其答案，必要时节点间需要交换与问题有关的求解状态信息，以便协同工作。

一、DPS系统的协同方式分布式问题求解系统有两种协同工作方式，其一是任务分担，其二是结果共享。

在任务分担系统中，节点之间通过分担执行总任务的子任务而相互协作，系统中的控制以目标为指导，各节点的处理目标是求解整个问题的一部分。

在结果共享系统中，各节点通过共享部分结果相互协作，系统中的控制以数据为指导，各节点在任何时刻进行的求解取决于当时它所拥有的或从其他节点得到的数据和知识。

任务分担方式适合于求解具有层次结构的任务，如数字逻辑电路设计、医疗诊断等。

结果共享方式适合于求解与总任务有关的各子任务的结果相互影响，并且部分结果需要综合才能得出最终解的问题，如分布式运输调度系统、分布式车辆监控实验系统等。

总之，在分布式问题求解系统中，一方面要求从系统整体目标出发，采用自顶向下的规划方法，分解为各个子任务；另一方面要求通过交互作用策略，集成各个子任务的子目标，以保证子任务处理系统能够协同满足顶部给定的总体要求。

二、DPS系统的分类与组织分布式问题求解系统的组织结构，是指节点之间信息与控制关系以及问题求解能力在节点中的分布模式。

组织结构可分为层次、平行、混合三大类型。

(1) 层次类型层次类型的系统中，任务是分层的，即每个任务由若干下层子任务组成。

但同层子任务之间在逻辑上或物理上是分布的。

(2) 平行类型平行类型的系统中，任务是平行的，即每个任务由性质类似、具有平行关系的若干子任务组成。

但各个子任务在时间或空间上往往是分布的。

(3) 混合类型混合类型的系统中，任务是分层次的，而每层中的任务是并行的。

同时，各个子任务是分布的。

针对分布式问题的求解，依据现代分布式智能系统协同地求解问题的方法，可按照分布式问题子系统来进行组织协作求解。

根据子系统间协作量的多少，可分为全协作系统、无协作系统、半协作系统三种类型；相应常用的通信方式有共享全局存储器方式、信息传递方式、黑板模型方式等。

一般来说，分布式问题求解过程大致可分为任务分解、任务分配、子任务求解、结果综合共4步, 分别由任务分解器、任务分配器、求解器和协作求解系统来完成。

任务分解器按一定的算法将接受的任务分解为若干相对独立、又相互联系的子任务；任务分配器按一定的分配算法将各个子任务分配到合适的节点；各求解器接到子任务后，借助通信系统进行协作求解；然后，各子任务求解器将各自完成的局部解提交给协作求解系统，由协作求解系统将局部解综合，得到完成总任务的最终解。

§ 7.3 Agent技术概述早些年的人工智能学者曾把“ Age nt ”技术称之为软件Age nt，简称SA。

认为它是人工智能、计算机软件和计算机网络相结合而发展的技术。

随着网络技术的发展，多个应用程序间相互作用的模式正从单一的集中式系统向分布式系统演化。

一个在物理上和地理上分布的应用程序之间通信与合作的网络底层基础结构正逐渐建立起来。

分布式对象技术（如CORBA或DCOM技术）则进一步使分布式且异构的应用程序之间能以一种共同的方式提供和获得服务，实现了在分布状态下的“软集成”。

智能化和网络化的发展促成了Age nt技术的发展，Age nt技术正是为解决复杂、动态分布式智能应用而提供的一种新的计算手段。

甚至一些软件学者曾信心十足地宣称：“ Age nt技术将成为21世纪软件技术发展的又一次革命！”。

、Age nt概念、BDI模型与特性1. Agent在人工智能中的定义Agent —词直译为“代理”，或翻译为“智能代理”、“智能主体”等。

国内许多学者有把Age nt译为代理、媒体、主体或智能代理、智能主体，或沿用英文原文“Age nt ”的名称，或按照读音、含义相兼顾译为“艾真体”等。

广义上，Age nt是指具有智能的任何实体，包括人类、智能硬件（如Robot）和智能软件。

在信息技术中，人们可把Age nt看作为能通过传感器感知环境信息，能自主进行信息处理，作出行动决策，再借助执行器作用于环境的一种智能事物。

例如，对于人类Age nt，其传感器可为眼睛、耳朵或其他器官，其执行器可为手、腿、嘴或其他执行部件；对于机器人Age nt，其传感器为摄像机、语音感受器、红外检测器等，而各种电动机则为其执行器；对于软件Age nt，则通过编码位的字符串完成感知和作用。

图7-1表示了Age nt通过传感器和执行器与环境的交互作用。

图7-1 Agent与环境的交互作用事实上，Age nt思想的诞生可归功于Joh n McCarthy。

早在20世纪50年代末，McCarthy提出了“ The Advice Take”系统，该系统被设想为具有目标性。

系统内实体间用人类的术语进行交流，它们从用户利益来考虑从事各种人物。

到目前为止，许多研究者分别提出了各自对Agents的理解和定义，以至迄今没有一个大多数人认可的统一的Agents定义。

针对不同的研究领域，考虑各自领域的学术特点，学者们对Age nt大致给出了两种典型的定义：定义一：Age nt是驻留于环境中的实体，它可以解释为在环境中所发生的作用过程，并能反映环境中所发生的事件及所获得的数据，进而执行对环境产生影响的行动。

这一定义出自（Fou ndation For In tellige nt Physical Age nts ），它是一个致力于Age nt技术标准化的组织。

在这个定义中，Age nt被看作是一种在环境中“生存”的实体，它既可以是硬件（如机器人），也可以是软件。

定义二：结合应用领域，凡具有自主性智能行为，并能与外部环境进行交互特征的分布式实体称之为Age nt。

在定义二的假设下，人类、机器人、智能嵌入式设备、计算机智能软件程序都是Age nt。

这样，Age nt仅代表了具有自主性的分布式智能软件实体。

正如许多Age nt研究者所认为的那样：智能Age nt 能为用户执行特定的任务，具有一定程度的智能，允许自主执行部分任务，并以一种合适的方式作用于环境的软件程序。

2. Agent的要素1987年，布拉特曼（Bratman）从哲学的角度对比人类的心理状态，研究了Age nt的行为意图，认为只有保持信念、愿望和意图的理性平衡，才能有效地实现问题求解。

因此，他认为，Age nt必须利用知识修改其内部状态，如同知识能改变人类的心理状态一样，Age nt行为必须以适应环境变化作为驱动力，实现其状态变迁，从而达到问题协作求解的目标。

研究人类的心理状态，其主要包括认识、情感和意图三要素。

所谓认识，即通过学习知识的过程而建立起来的信念（Belief）;情感则可表述为对某些事物的特有兴趣、爱好的愿望（Desire）;意图（In te ntion）就是依据规则或按照承诺，要求实现某个目标的愿望。