Multiagent Systems
description
Transcript of Multiagent Systems
![Page 1: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/1.jpg)
Multiagent Systems
Einführung
Zusammenfassung der ersten 18 Seiten des Survey-Papers von Peter Stone
![Page 2: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/2.jpg)
Über diesen VortragUNTERLAGEN Präsentation „Mitschrift“ Zettel Begriffe
Survey-Papervon Peter Stone
Pdf-DateienKube
![Page 3: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/3.jpg)
Über diesen VortragINHALT WAS sind MAS,
WOZU denn MAS,KATEGORIEN von MAS
Non-Communicating homogeneous MASPursuit-DomainCooperative Insects
Ausblicke Beispiel (cooperative
Transport) Diskussion Peter Stone
![Page 4: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/4.jpg)
Über diesen VortragZiele Überblick Multiagents Systems
(Begriffe, Einteilung)
Motivation(Wozu, warum, Möglichkeiten)
Homogeneous Non-Comm. MAS(Aktualität, Einsatzgebiete, konkrete Vorstellung anhand von Beispielen)
![Page 5: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/5.jpg)
1) WAS sind MAS
C A Icen trlized AI
D P Sd is tr ibuted P rob lem S o lv ing
M A SM u ltiagen t S ystem s
D A Id is tr ibuted AI
A IA rtific ia l Inte lligence
![Page 6: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/6.jpg)
1.1) AGENT für sich
Goals(Ziel, Intention)
Actions(Handlung)
Domain Knowledge(Wissen)
goal
knowledge
action
![Page 7: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/7.jpg)
1.2) AGENT „Behaviour“ Agent
(Goals, Action, Domain Knowledge)
BehaviourFlucht,Angriff, . . .
Bach umgehen!
![Page 8: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/8.jpg)
1.3) Single-Agent System Ein Single-Agent
steuert eine (oder mehrere) Entities
Mehrere Single-Agents:Nehmen sich gegenseitig nicht als Agents wahr
![Page 9: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/9.jpg)
1.4) Multi-Agent System Ein Agent
steuert eine Entity
Mehrere Agents nehmen sich als solche wahr(müssen nicht zwangs-weise miteinander kommunizieren)
![Page 10: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/10.jpg)
Highlights zu Kapitel 1: „WAS sind MAS“ AI DAI MAS
Agent: Goals, Actions, Knowledge
Behaviour: Verhalten (nicht Action!)
Single-Agent versus Multi-Agent
F R A G E N ???
![Page 11: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/11.jpg)
2. WOZU MAS ? Zwingende Gründe Allgemeine DAI – Aspekte Wissenschaftliche Gründe Wirtschaftliche Faktoren
![Page 12: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/12.jpg)
2.1) Zwingende Gründe
„Roboter“ trifft Roboter in realer Welt(Auto)
Firmenübergreifende Programme(Datenschutz)
...
![Page 13: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/13.jpg)
2.2) Allgemeine DAI Aspekte
Komplexität verringernTeilproblemreduktion
Robustheit erhöhenAusfallsicherheit
GeschwindigkeitParallelprocessing
ScalabilityErweiterbarkeit
![Page 14: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/14.jpg)
2.3) Wissenschaftliche Gründe
Soziale Intelligenz
Weiß:
„Intelligence is deeply and inevitably coupled with interaction.“
![Page 15: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/15.jpg)
2.4) Wirtschaftliche Faktoren
Massenproduktion „simpler“ Roboter
anstatt
Einzelfertigung hochspezialisierter Roboter
![Page 16: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/16.jpg)
Highlights zu Kapitel 2:WOZU Multiagent - Systems
Zwingende Gründe Allgemeine DAI – Aspekte Wissenschaftliche Gründe Wirtschaftliche Faktoren
F R A G E N ???
![Page 17: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/17.jpg)
3) Kategorien von MAS Taxonomie:
verschiedene Einteilungsmöglichkeiten existieren
Stone:
Heterogeneity Communication
Communication
Heterogeneity
0
![Page 18: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/18.jpg)
4) Homogeneous Non-Communicating MAS
Alle Entities sind gleich(goals, actions, domain knowledge)
Keine (direkte) Kommunikation
![Page 19: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/19.jpg)
4.0) Programm
Die Pursuit-Domain (PD) Verschiedene Strategien in der PD Reactive vs. Deliberative Agents Local vs. Global Perspective „indirekte“ Kommunikation –
Stigmergy Cooperative Insects
![Page 20: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/20.jpg)
4.1) Pursuit Domain
Auch „Predator / Prey Domain“(seit 1985 benchmark proplem in der KI)
Klassische Spielart:4 Predators (agents),1 Prey (random)
Spielziel:Prey fangen (oder umstellen)
![Page 21: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/21.jpg)
4.2) Strategien (1)
Stephens & Merx [1990]
Capture Positions Ignoriere andere
Predators
Gegenseitige Blockaden !
![Page 22: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/22.jpg)
4.2) Strategien (2)
Korf [1992]
Greedy-Strategie
Prey zieht an,Predator stößt ab
Korf: „Explicit Cooperation is rearly necessary or useful!“
![Page 23: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/23.jpg)
4.2) Strategien (3)
Vidal & Durfee [1995]
„predict“ Aktionen anderer Agents RMM
Aufwendigglobal / local scope ?
![Page 24: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/24.jpg)
4.3) Reactive vs. Deliberative
Reactive:eher „reflexartig“,keine großen Interpolationen ...
Beispiel: Greedy
Deliberativeüberlegt, planend
Beispiel: RMM
![Page 25: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/25.jpg)
4.4) Local vs. Global Perspective
Wie viel Sensor-Information sollte mein Agent überhaupt bekommen?
Limitierung oft effektiver!
gute Strategie besser als komplexe Auswertungen!
![Page 26: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/26.jpg)
4.5) Indirekte Kommunikation: STIGMERGY
Active Stigmergy:
Passive Stigmergy:
![Page 27: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/27.jpg)
4.6) Cooperative Insects
Piling dead Antsverstreute tote Ameisen werden auf einen großen Haufen zusammengetragen
Cooperative TransportAmeisen tragen eine Beute gemeinsam (die für eine oder zwei Ameisen zu schwer ist)
Owen Holland
University of Essex
C. Ronald Kube
Edmonton Research
Center
![Page 28: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/28.jpg)
5) Ausblicke Goal over others:
indirektes, zeitverzögertes Feedback (Agent Y hat gemeinsames Ziel erreicht Agent X hat somit auch sein Ziel erreicht)
Modelling Agents:Lernalgorithmen basierend auf Umgebungs- und Behaviour-Beobachtungen
![Page 29: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/29.jpg)
Cooperative Transport - ANTS
Eine Ameise findet eine Beute Versuch die Beute zu bewegen „TimeOut“ Signal an andere
(direkt od. chemisch) Andere Ameisen kommen und formieren sich Jede für sich: „TimeOut“ Repositionieren
Führt im allgemeinen zur Lösung
![Page 30: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/30.jpg)
Diagramm „ANT-Transport“
Experiment Van Damme / De Neubourg
![Page 31: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/31.jpg)
Cooperative Transport - ROBOTS
Erleuchtete Box soll ins Licht geschoben werden Gewicht der Box erfordert mindestens zwei
Roboter Roboter sucht Box Roboter schiebt „TimeOut“ Winkel ändern „TimeOut“ Repositionieren
Führt zur Lösung!
![Page 32: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/32.jpg)
Diskussion / Fragen Vorteile
der MAS-Lösung von KUBE
Nachteile(Wäre ein zentralisiertes System besser? ...)
. . .
![Page 33: Multiagent Systems](https://reader036.fdocument.pub/reader036/viewer/2022062322/5681449f550346895db15c21/html5/thumbnails/33.jpg)
ANT PILING
Tote Ameisen werden um einen Ameisenhaufen verstreut.
Die lebenden Ameisen häufen diese zusammen, ohne (nachweisbar) zu kommunizieren.