多Ａｇｅｎｔ系統ＢＤＩ模型的推理研究

摘要:提出了基于環境感知的具有推理能力的BDI Agent模型。通過引入環境感知函數、意見函數、過濾函數、行為函數對環境的變化和Agent自身推理過程進行研究，并通過實例加以說明。

關鍵詞:Agent;BDI模型;推理

中圖分類號:TP393 文獻標識碼:A 文章編號:1009-3044(2009)15-4081-03

Study About Rational Model Base on BDI Agent

MIAO Zhi， DENG Hui-yu

(Engineering College of Armed Police Force， Xi'an 710075， China)

Abstract: In this thesis， a dynamic rational BDI Agent model based on perception is proposed. The functions of the sense， opinion， filter and action are introduced to study the changes of environment and Agent. In this foundation， performs through the example to explain. Finally， the conclusion is discussed.

Key words: Agent; BDI model; rational

1 引言

Agent研究中，具有奠基性的工作是Bratman 提出的BDI模型。Multi-Agent系統即“MAS”，是一些自主的Agent通過協作完成某些任務或達到某些目的的計算系統，它為很多大規模的工商業應用系統提供了新的解決方案。然而這些系統通常處于一種不可預測的動態變化環境中，在某些時候MAS需要有一定的自適應能力。本文以BDI Agent為例，分析在環境變化下Agent是如何進行推理的。過去的研究表明，BDI(Beliefs-Desires-Intentions)模型被研究人員認為是最健壯和靈活的智能主體模型。Bratman提出的一種基于意識的觀點來研究Agent的概念，認為信念(belief)即一組關于世界的信念、愿望(desire)即主體當前打算達到的一組目的、意圖(intention)即一個意圖的結構，描述主體當前怎樣達到它的目標是Agent的思維屬性。

這里給出了一個動態的BDI Agent模型并用ASL(Agent Script Language)語言來描述這個模型。

2 ASL(Agent Script Language)的引入

ASL基于模態邏輯，用于描述Agent之間的交互。為了描述基于BDI模型的Agent，引入了算子Bel(信念)，Des(愿望)，Int(意圖)，E(環境)和符號ρ，×。算子可以表示成由三個條件集合組成的三元組(P，A，D):前提條件集合P(Precondition)在算子執行的所有狀態中的值都為“真”，增加條件集合A(Addition)在算子導致的狀態中都為“真”，刪除條件集合D(Deletion)在算子導致的狀態中的值都為“假”。ρ表示冪集，×表示笛卡兒乘積。

3 BDI結構簡介

Agent的信念-愿望-意圖(BDI)范例是近年來計算機學術界廣泛研究的一種智能Agent結構。有關Agent的信念-愿望-意圖(Beliefs-Desires-Intentions，BDI)概念的哲學觀點源自Bratman。Bratman在IRMA系統的設計中明確表示了信念、愿望和意圖，并將意圖看作部分行為計劃，這些計劃是Agent承諾執行以完成其目標的計劃，從而使Agent能夠根據資源的變化情況有效實現手段目的推理。

智能Agent的實際推理過程涉及到三個重要環節:

1) 選擇目標;

2) 確定怎樣獲得這些目標;

3) 當環境發生變化時，如何調整所追求的目標以適應變化了的環境。

環節1稱作慎思過程，環節2稱作手段-目的推理過程，環節3稱作反應過程。信念-愿望-意圖Agent模型的一般結構就是針對三個環節而建立的。如圖1所示為BDI Agent的實際推理過程示意圖。

由圖可見:

①BDI Agent的求解意見產生過程可看作循環求精的一個層次計劃結構的過程，不斷地考慮和承諾逐步實現的意圖，直到最后獲得目標。

②求解意見過程驅動手段—目的的推理，同時它還滿足幾個其他的約束:所產生的意見必須與Agent當前的信念和當前的意圖一致;其次，應當能識別出環境變化的趨勢，提供Agent獲得意圖的新方法或新的可能性。

③一個BDI Agent慎思過程表示為過濾函數，過濾函數根據Agent當前的意圖、信念和愿望刷新Agent的意圖。過濾函數需要丟棄無法完成、或已經無意義的意圖，為無法實現的意圖選擇新的實現方法及選擇新的意圖。

綜上可知，BDI體系結構是一個實際的推理結構，其基本成分是表示Agent信念、愿望和意圖的數據結構，以及表示慎思過程的功能和手段-目的推理。在BDI體系結構里，Agent通過所感知的事件(包括通信行為)、可能采取的行動、所擁有的信念、可能采納的目標以及達到意圖的計劃等得到完全實例化。從上述推理過程可見，基于BDI結構的Agent建模可以較好地反映智能Agent的反應性、自主性、預動性和社會性(即協作性)。同時BDI模型也給出了Agent體系結構的運行特性，即確定了根據事件和目標如何產生意圖，以及意圖如何引發行動并修正信念和目標，同時確保了信念、目標和意圖的合理運轉。

將BDI結構用于Agent體系結構設計的主要原因:

1) 意圖能夠明確表示，有助于抽象Agent的意圖、知識、承諾等;

2) 能夠比較自然地分析和設計多Agent系統;

3) 有助于描述和解釋基于Agent系統的復雜行為;

4) 可能有助于實現對其他Agent的知識、行為的推理。

4 形式化模型

在一個多Agent系統體系結構中最初的變化可由E(環境)引起，當環境發生變化時，Agent將收到新的信息來更新自己的Bel(信念)。如圖2當機器手臂抓起積木A時即機器手臂執行操作UnStack(A，B)后，E(環境)就發生了變化，這時積木B上就為空了。通過環境感知函數sense，Agent就可感知環境的變化。Bel的變化可用謂詞表示為刪除On(A，B)∧ArmEmpty，同時增加Clear(B)∧Holding(A)。這是一個簡單但很典型的環境變化的例子。每當環境有變化，Agent將及時更新自己的Bel(信念)來滿足新的變化的要求。Agent的Bel是在一種開放的環境下，處于動態的變化中。Bel的變化將會引起Des的變動，Des的變動就會影響Int的選擇和所要采取的行為，最終影響整個環境的變化。Agent的變動是一種鏈式反應，E的變化引起Bel、Des和Int的變化，最終又影響到E。

下面給出這一動態模型的具體定義:

定義1. UAgt={Agt1，Agt2，…Agti};i∈N

定義2. MAS={E，Agt1，Agt2，…Agti};i∈N Agti∈UAg

定義3. Agent={B，D，I};B?哿Bel，D?哿Des，I?哿Int

定義4. 感知函數sense:ρ(Bel)×e→ρ(Bel)該函數依據當前對環境的感知和當前的信念確定一個新的信念集合。

定義5. 意見函數opinion:ρ(Bel)×ρ(Int)→ρ(Des)該函數依據當前環境的感知和當前意圖的執行確定新的目標。

定義6. 過濾函數filter:ρ(Bel)×ρ(Des)×ρ(Int)→ρ(Int)該函數根據Agent當前的意圖、信念和愿望更新Agent的意圖。它會丟棄無法完成或已無意義的意圖，為無法實現的意圖選擇新的實現方法及選擇新的意圖。

定義7. 行為函數action:Agti×ρ(Int)→Agtj×E當i=j時為內部行為，當i≠j時為外部行為。

5 實例分析

下面通過一個機器手搬積木的具體實例來說明BDI Agent是如何實現推理的。如圖3所示，通過機器手的操作將完成從初始狀態到目標狀態的轉化。機器手可執行的操作有:若機器手為空可從桌面上抓起積木或從積木上抓起積木;若機器手中抓著積木，則可將該積木放到桌面上或放在另一塊表面為空的積木上。描述積木世界所使用的謂詞有:

On(x，y):物體x在物體y之上;

OnTable(x):物體x在桌面上;

Clear(x):物體x上沒有東西;

Holding(x):機器手抓著x;

ArmEmpty:機器手為空(沒拿任何東西)。

機器手可執行的操作描述如下:

Stack(x，y):機器手把手中的物體x放在物體y上;

UnStack(x，y):機器手從另一物體y上面拿起物體x;

Pickup(x):機器手從桌面上拿起物體x;

Putdown(x):機器手把物體x放在桌面上(機器手中已拿著物體x)。

執行每一個操作的前提條件(pre)、刪除動作(del)和增加動作(add)為:

Stack(x，y)

pre{Clear(y)，Holding(x)}

del{Clear(y)，Holding(x)}

add{ArmEmpty，On(x，y)}

UnStack(x，y)

pre{On(x，y)，Clear(x)，ArmEmpty}

del{On(x，y)，ArmEmpty}

add{Holding(x)，Clear(y)}

Pickup(x)

pre{Clear(x)，OnTable(x)，ArmEmpty}

del{OnTable(x)，ArmEmpty}

add{Holding(x)}

Putdown(x)

pre{Holding(x)}

del{Holding(x)}

add{ArmEmpty，OnTable(x)}

如圖3該問題的初始狀態可描述為:OnTable(3)，On(4，3)，On(5，4)，Clear(5)，OnTable(2)，On(1，2)，Clear(2)，ArmEmpty。目標狀態可描述為OnTable(3)，On(2，3)，On(1，2)，Clear(1)。目標狀態又可以分為三個子目標:OnTable(3)和On(2，3)以及On(1，2)。第一個子目標完成后就會引發第二個子目標的執行，第二個子目標完成后就會引發第三個子目標的執行。圖4顯示目標狀態是如何分成子目標實現的。

以下是具體的求解過程:

B0:OnTable(3)∧On(4，3)∧On(5，4)∧Clear(5)∧OnTable(2)∧On(1，2)∧Clear(2)∧ArmEmpty

D0:OnTable(3)

I0:Ф(由于OnTable(3)是初始狀態可以立即實現)

B1:OnTable(3)∧On(4，3)∧On(5，4)∧Clear(5)∧OnTable(2)∧On(1，2)∧Clear(2)∧ArmEmpty

D1:On(2，3)

I1:Unstack(5，4)∧PutDown(5)∧Unstack(4，3)∧PutDown(4)∧Unstack(1，2)∧PutDown(1)∧Pickup(2)∧Stack(2，3)

意圖I1的實現如下:

Unstack(5，4)

Pre{On(5，4)，Clear(5)，ArmEmpty}

Del{On(5，4)，ArmEmpty}

Add{Holding(5)，Clear(4)}

PutDown(5)

Pre{Holding(5)}

Del{Holding(5)}

Add{ArmEmpty，OnTable(5)}

Unstack(4，3)

Pre{On(4，3)，Clear(4)，ArmEmpty}

Del{On(4，3)，ArmEmpty}

Add{Holding(4)，Clear(3)}

PutDown(4)

Pre{Holding(4)}

Del{Holding(4)}

Add{ArmEmpty，OnTable(4)}

Unstack(1，2)

Pre{On(1，2)，Clear(1)，ArmEmpty}

Del{On(1，2)，ArmEmpty}

Add{Holding(1)，Clear(2)}

PutDown(1)

Pre{Holding(1)}

Del{Holding(1)}

Add{ArmEmpty，OnTable(1)}

Pickup(2)

Pre{Clear(2)，OnTable(2)，ArmEmpty}

Del{OnTable(2)，ArmEmpty}

Add{Holding(2)}

Stack(2，3)

Pre{Clear(3)，Holding(2)}

Del{Clear(3)，Holding(2)}

Add{ArmEmpty，On(2，3)}

由于子目標On(2，3)已經實現，環境發生了變化，所以:

B2:OnTable(3)∧OnTable(4)∧OnTable(5)∧OnTable(1)∧On(2，3)∧Clear(2)∧Clear(4)∧Clear(5)∧Clear(1)

D2:On(1，2)

I2:Pickup(1)∧Stack(1，2)

意圖I2的實現如下:

Pickup(1)

Pre{Clear(1)，OnTable(1)，ArmEmpty}

Del{OnTable(1)，ArmEmpty}

Add{Holding(1)}

Stack(1，2)

Pre{Clear(2)，Holding(1)}

Del{Clear(2)，Holding(1)}

Add{ArmEmpty，On(1，2)}

這樣就完成了最終的目標。

在這個過程中機器手根據sense函數動態地更新自己的信念，這些及時更新的信念和原先意圖的成功執行通過opinion函數引發新的子目標的執行，則目標也跟著發生變化。于是原先意圖的成功執行、信念的變化和新的產生的目標通過filter函數得到新的意圖，即意圖就發生了變化。就這樣循環下去直至最終意圖的實現。

6 總結

本文對Agent的BDI模型進行了詳細的研究，通過引入感知函數sense、意見函數opinion、過濾函數filter、行為函數action說明了Agent是如何進行推理運算的。并且通過積木世界的具體實例，解釋了BDI模型。

參考文獻:

[1] 鄭麗偉，余雪麗，馮秀芳.基于FIPA規范的MAS抽象體系結構的形式化[J].高科技通訊，2003，9(4):5-7.

[2] Thomas Dean，James Allen，Yiannis Aloimonos.人工智能——理論與實踐[M].顧國昌，劉海波，仲宇，等譯.北京:電子工業出版社，2004.

[3] 姚莉，龔勇，王長纓，劉芳.一種基于BDI Agent的復雜系統設計建模方法[J].小型微型計算機系統，2005，26(4):694-696.

[4] Michael Wooldrighe.多Agent系統引論[M].石純一，張偉，徐晉暉，等譯.北京:電子工業出版社，2003.