《 人 工 智 能 及 其 应 用 》 教 学 讲 义 第七章 分布式人工智能 《人工智能及其应用》教学讲义 · 7-1 · §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 Intelligence），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 Agent 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 Agent 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 Agent 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 Agent 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 Agent 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 Agent 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...
