人工智能第九章Agent

第九章 Agent (艾真体) 教学内容：介绍Agent 的基本概念，使读者对Agent 有个初步了解。 教学重点：艾真体及其要素 教学难点：艾真体的BDI（信念、愿望和意图）模型、艾真体的结构分类 教学方法：课堂教学为主，注意结合例子来说明抽象概念。 教学要求：本章为选修内容，要求掌握艾真体及其要素；了解艾真体的结构，一般了解艾真体通信、多艾真体技术等知识。 9.1 分布式人工智能 教学内容：本小节介绍分布式人工智能的起源与发展，并介绍分布式人工智能的特点与分类。 教学重点：分布式人工智能的特点 教学难点：分布式人工智能的分类 教学方法：课堂教学 教学要求：掌握分布式人工智能的几个主要特点 9.1.1 分布式人工智能的特点 分布性：整个系统的信息，包括数据、知识和控制等，无论在逻辑上或者物理上都是分布的，不存在全局控制和全局数据存储。 连接性：在问题求解过程中，各个子系统和求解机构通过计算机网络相互连接。 协作性：各子系统协调工作。 开放性：通过网络互连和系统的分布，便于扩充系统规模，具有比单个系统广大得多的开发性和灵活性。 容错性：系统具有较多的冗余处理结点、通讯路径和知识，能够使系统在出现故障时，仅仅降低响应速度或求解精度，以保持系统正常工作，提高工作可靠性。 独立性：系统把求解任务归约为几个相对独立的子任务，从而降低了各个处理结点和子系统问题求解的复杂性，也降低了软件设计开发的复杂性。 举例：多领域专家系统可以协作求解单领域或者单个专家系统无法解决的问题，提高求解能力，扩大应用领域。 9.1.2 分布式人工智能的分类 分布式问题求解（DPS：Distributed Problem Solving） 多 Agent 系统（MAS，Multi-agent System） 通过课堂提问引导分析 DPS 与 MAS 的异同 共同点：研究如何对资源、知识、控制等进行划分。 不同点：概念模型和成功标准；研究目标；设计方法等方面。 9.2 Agent 及其要素 教学内容：本小节介绍分布式 Agent 的定义以及其要素，分析了艾真体的要素。 教学重点：艾真体的要素、艾真体的特性 教学难点：艾真体的BDI（信念、愿望和意图）模型 教学方法：课堂教学 教学要求：掌握艾真体的要素，并了解艾真体的主要特性 9.2.1 Agent 的译法 把agent 译为“艾真体”的理由： 1.agent 是一种通过传感器感知其环境，并通过执行器作用于该环境的实体。这个实体也可叫做“真体”。 2.“主体”是用得较多的一种译...