Verteilte Künstliche Intelligenz - Uni Ulm WS95/96
7 Agentensysteme und Architekturen
* Charakterisierung von Agentensystemen
* Was sind Agentenarchitekturen?
* Erste Beispiele für Agentenarchitekturen, deliberativ, reaktiv und hybrid....
* weitere Beispiele für Agentenarchitekturen
Literatur: Sundermeyer K., 1993: Modellierung von Agentensystemen. In: Müller J., Verteilte Künstliche Intelligenz. BI Wissenschaftsverlag, Mannheim, 22-54. Byrne C. and P. Edwards, 1994: Building Agent Based Systems. Department of Computer Science University of Aberdeen King's College. Scotland, Technical Report, AUCS/TR9405.
7.1 Charakterisierung von Agentensystemen
Neben der Komplexität der einzelnen Agenten, lassen sich Multiagentensysteme anhand folgender Punkte charakterisieren:
* Charakterisierung der Aufgaben/Probleme/Ziele
Individualistisch treten Probleme auf, bzw. ein oder wenige globale Probleme müssen gelöst werden-> Unterscheidung von verteilten Problemlösungssystemen und Multiagentensystemen.
* Anzahl der Agenten
drei, vier oder 100 Agenten werden miteinander koordiniert.
* Granularität
die Fähigkeiten und Verhaltensweisen der einzelnen Agenten (oft negativ korreliert mit der Anzahl notwendiger Agenten)
* Heterogenität
inwieweit sich die Agenten bezüglich ihrem Wissen und ihren Fähigkeiten unterscheiden.
* Organisatorische Verteilung
Wie hoch ist der Grad der Autonomie der einzelnen Agenten?
* Kooperationsbereitschaft
von Altruismus, bis hin zur Egozentrik
* Komplexität der Wechselwirkung, Kopplung und Art der Kommunikation
Stärke der Wechselwirkung und Interaktion, die notwendig ist, ein Problem zu lösen.
7.2 Was sind Agentenarchitekturen?
"A particular methodology for building {agents}. It specifies how ... the agent can be decomposed into the construction of a set of component modules and how these modules should be made to interact. The total set of modules and their interactions has to provide an answer to the question of how the sensor data and the current internal state of the agent determine the actions ... and future internal state of the agent. An architecture encompass techniques and algorithms that support this methodology."
Pattie Maes
"A specific collection of software or hardware moduls typically designated by boxes with arrows indicating the data an dcontrol flow among the moduels a more abstract view of an architecture is a general methodology for designing particular modular decompositions for particular tasks"
Kaelbling
i.a. werden in der VKI Agentensysteme als spezielle Wissensbasierte Systeme interpretiert.
7.3 Agentenarchitekturen: Reaktiv und Deliberativ
Deliberativ motiviert
* Bratman, Israel und Pollack: IRMA
* Georgeff: PRS
Reaktiv motiviert
* Brooks Subsumption
* Agre und Chapman: Pengi
7.3.1 IRMA
Literatur: Bratman M.E., Israel D.J., Pollack M.E., 1988: Plans & Resources bounded Practical Reasoning. Computational Intelligence, 349-355
Plannungsproblem - Automating Means-End Reasoning, d.h. Suche in einer Welt von möglichen Aktionen nach einer Sequenz, die ausgehend von der aktuellen Situation das gewünschte Ziel oder eine Kombination von Zielen erreicht.
Entscheidungstheorie - konkurrierende Alternativen sind gegeben, Evaluation und anschließend Selektion der günstigsten Alternative
Resource Bounded (Zeit und Wissen)
Ist Zeit vorhanden, die Nützlichkeit jeder Handlungsalternativen zu berechnen oder ändert sich die Welt während der Bestimmung der Nützlichkeit, so daß die Berechnung hinfällig wird? Ändert sich die Ausgangssituation, für die ein bestimmter Plan aufgestellt wird, vor der Ausführung des Planes, so ist der Plan oft nicht mehr anwendbar.
Ein paar Anforderungen:
* "an Agent is commited to doing what she plans"
* "other things being equal, an agent's plans should be consistent, both internally and with her beliefs."
* "an agent's plans should be reasonable stable"
* "plans should be partial .. highly detailed plans about the far future will often be of little use"
- temporally partial and structural partiality
* "plans must be means-end coherent"
7.3.3 Subsumption Architecture
Literatur: Brooks R.A., 1991: Intelligence without Representation. Artificial Intelligence, 47:139-159.
* eine der am meisten beachtesten Kritiken an der symbolischen Interpretation von Agenten
Thesen von Brooks
* Intelligentes Verhalten kann generiert werden ohne explizite Repräsentationsformen, wie sie die symbolische KI propagieren
* Intelligentes Verhalten kann generiert werden ohne explizite abstrakte Schlußfolgerungen, wie sie die symbolische KI propagieren
* Intelligenz ist ein emergentes Phänomen von komplexen Systemen
Brooks stellt heraus:
* Die Rolle des "situatedness" und "embodiment": Wirkliche Intelligenz ist körperlich verankert in der Welt, und bilden keine körperlosen abstrakten Entitäten wie Beweiser oder Expertensysteme
* Die Beziehung zwischen Intelligenz und Emergenz: Intelligentes Verhalten resultiert aus der Interaktion eines Agenten mit seiner Umwelt. Intelligenz ist keine Eigenschaft einer Entität an sich, sondern wird durch einen Beobachter dieser erst zugeordnet. vgl. "Eigen"schaft und Attribut.
Idee: Kompetenzebenen: Ebene 0 : ein vollständiges Kontrollsystem, das Level 0 Kompetenz (z.B. Hindernisvermeidung) erreicht, Von jeder Ebene aus betrachtet, bildet die darunterliegenden Ebenen ein vollständiges Kontrollsystem, deren Aktivität ab und zu unterbrochen wird von den jeweils höhergelegenen Ebenen.
Strukturierung von Reaktiv nach Deliberativ: auf unterschiedlichen Ebenen werden unterschiedliche Ziele verfolgt.
7.3.4 Pengi - Nicht nur ein Computerspiel
Literatur: Chapman D. and Agre P., 1986: Abstract Reasoning as Emergent from Concrete Activity. In Georgeff M.P. and Lansky A.M., (eds.): Reasoning about Actions & Plans. Proc. of the 1986 Workshop, Morgan Kaufman, Publishers, 411-424. Agre P. and Chapman D., 1987: PENGI: An Implementation of a Theory of Activity. Proc. of the 6th International Conference on Artificial Intelligence, Seattle, WA, 268-272.
etwa zur gleichen Zeit wie Brooks begannen Chapman und Agre Alternativen zum symbolischen Planungsparadigma zu suchen, ihre Beobachtungen:
* die meisten täglichen Aktivitäten sind Routine und erfordern keine neuen abstrakten Überlegungen
"Rather than relying on reasoning to intervene between perception and action, we believe activity mostly derives from very simple sorts of machinery interacting with the immediate situation. This machinery exploits regularities in its interction with the world to engage in complex apparently planful activity without requiring explicit models of the world."
Pengo -
Ein zweidimensionales Feld mit uniformen Eisblöcken, die Spieler bewegen einen Pinguin über das Feld, Bienen jagen den Pinguin und töten ihn, wenn sie nahe genug an ihn herankommen, Pinguine und Bienen können die Umgebung verändern indem sie Eisblöcke über das Feld schieben. Der Zusammenstoß mit einem solchen Eisblock ist für eine Biene oder einen Pinguin tödlich. Das Verhalten der Bienen ist teilweise zufällig, die Erstellung eines magischen Vierecks beendet das Spiel: der Pinguin hat gewonnen.
* Komplexität, Unsicherheit, Real-Time Anforderungen
* Pengi lebt in der Gegenwart
* Reagierend auf die aktuellen Umstände
* Ausgestattet mit einer kleinen Menge von Zielen und Fähigkeiten
* Gründe für das Verhalten eines Agenten liegen in der Umgebung:
wenn du gejagt wirst dann renn weg
wenn du mit einer Eiswand kollidierst dann schiebe Eisblock weg.
opportunistische Abarbeitung, die Aktivität des Pinguins richtet sich danach, was die Umgebung gerade fordert: Ergebnis: robuste Verhaltensweise.
* Finding "The-block-to-kick-at-the-bee"
* "the-block-I'm-going-to-kick-is-behind-me (so I have to backtrack)
* there-is-no-block-suited-for-kicking-at-the-bee (so just hang out until the situation improves)
* I've-run-into-the-edge-of-the-screen (better turn and run along it)
* the-bee-I-intend-to-clobber-is-closer-to-the-projectile-than-I-am (dangerous!) .....
7.3.4 PRS - Procedural Reasoning System
Literatur: A.S. Rao and M.P. Georgeff, 1992: An Abstract Architecture for Rational Agents. Proc. of Knowledge representation and Reasoning, 439-449. Georgeff M.P., Ingrand F.F., 1989: Decision Making in an Embedded Reasoning System. In: Proc. IJCAI-89, 972-978. Georgeff M.P., Lansky A.M., 1987: Reactive Reasoning and Planning. In: Proc. of the 6th AAAI, Seattle, Wa, 677-682.
* BDI Architektur
* Partielle Pläne
* unter Beachtung von aktuellen Intentionen und Zielen, Beliefs und früheren Intentionen.
* Introspection
* Reaktivität
Beispielanwendung: SRI Roboter Flakey, Simulation von Maintenance Prozeduren für Space Shuttle.
Ein paar Vorbemerkungen:
* die beste Information gewinnt man meistens erst bei der Planausführung, d.h., Verzögerung von Planentwicklungen, Achtung bei Koordinierungsaufgaben
* Planungstechniken sind normalerweise sehr aufwendig, exponentielle Suche durch riesige Problemlösungsräume
* "Overcommitment" gegenüber der Planungsphase führt zum Ignorieren dringenden Handlungsbedarfes
* Aus Effizienzgründen Konstruktuion von Plänen nicht nur auf der Basis atomarer, sondern auch auf der Basis vorcompilierter, komplexerer Pläne.
* Real-Time Verhalten in bestimmten Situationen erforderlich, reaktives Verhalten.
* Flexibilität in der Plan- und Zielanpassung gefordert.
* Über Navigationssysteme und die Ausführung primitiver Aktionen hinausgehend.
* Data-Base (Beliefs) - Initialeingabe durch den Benutzer, Fakten über statische Eigenschaften der Anwendungsdomaine, physikalische Gesetzmäßigkeiten u.Ä., Beeinflußt durch Monitoring der Umgebung
* Goals - Gewünschtes Verhalten des Systems
(z,B. "Walk a b")
* Knowledge Areas - Partiell entwickelte Pläne, Bestehen aus Invocation Part (Bedingungen an Ziele und SituationenBeliefs), Body: Mögliche Sequenzen von Subgoals, um ein Goal zu erreichen. KA können reaktiv sein, d.h. sehr schnelle Reaktion auf Umgebungssituationen, Aktivierungen: daten- oder zielgetrieben,
Metalevel Knowledge Areas: domainenbezogene und domainenunabhängige (Kontrollstrukturen)
* Intentionstructure - alle Aufgaben, die das System durchführen will, eine Intention besteht aus einer KA und allen SubKA, die notwendig sind, die KA zu erzielen. Intentionen sind entweder active, suspended oder conditionally suspended.
Vom single zum multiplen PRS
* Multiple Instanziierung des Systems PRS möglich
* Kommunikation zwischen den Instanzen durch das Senden von Nachrichten
* Asynchrone Verarbeitung von Nachrichten
* Einkommende Nachrichten werden in die Database geschrieben, der Agent muß dann entscheiden, was damit zu tun ist.
* Reaktion auf Nachrichten durch spezielle Knowledge Areas
Allgemeiner BDI Interpreter
initialize-state();
do
options := option-generator(event-queue, B, G, I);
selected-options := deliberate(options, B, G, I);
update-intentions(selected-options, I);
execute(I);
get-new-external-events();
drop-sucessful-attitutes(B, G, I);
drop-impossible-attitutes(B, G, I);
end;
option-generator(trigger-events)
options := {};
for trigger-event
for plan
Πplan-library doif matches(invocation(plan), trigger-event) then
if provable(precondition(plan),B) then
options := options
» {plan}return(options),
deliberate(options)
if length(options)
£ 1 then return(options);else
metalevel-options :=
option-generator(belief-add(option-set(options)))
selected-options := deliberate(metalevel-options);
if null(selected-options) then
return(random-choice(options));
else return(selected-options);
post-intention-status()
if null(I) then
for goal
ŒG doevent-queue := event-queue
» goal-add(goal);else
for stack
ΠI do event-queue :=
event-queue
7.4 Weitere Systeme
* GRATE
* ARCHON
* MICE
* MACE
* MAGES
* RATMAN
* MECCA
* MYWORLD
* DASEDIS
...........
7.4.1 GRATE *
Literatur: Jennings N.R., 1992: Joint Intentions as a Model of Multiagent Cooperation. PhD Thesis. Queen Mary and Westfield College, University of London. Jennings N.R., 1994: Cooperation in Industrial Multiagent Systems. World Scientific. N.R. Jennings, 1995: Controlling cooperative problem solving in industrial multi-agent systems using joint intentions. Artificial Intelligence, 75, 195-240.
GRATE repräsentiert eine Shell für kooperative Systeme basierend auf der Idee der Joint Responsibility.
Joint Responsibility
Ziel des Systemes
Form des Agenten:
* Zwei Ebenen Architektur: Domainebene und Kooperations- und Kontrollebene
Kooperationsebene:
- Aktualisierung der Partnermodelle
- Philosophie der "Joint Responsibility"
Kommunikation
* Message Passing, Anforderung von Serviceleistungen (Aufgaben und Information), und Antworten zu solchen Anforderungen
Kommunikation und Organisation der Gemeinschaft
* Task-Sharing (Ein Agent ist nicht in der Lage ein Problem alleine zu lösen)
* Result-Sharing (Spontanes mitteilen von Ergebnissen, die für andere sinnvoll sein könnten).
* Joint Action (Enge Abhängigkeiten zwischen den einzelnen Aufgaben)
Joint Action
* ein Agent wird eine Aufgabe nur dann ausführen, wenn andere mit komplementären Tätigkeiten beschäftigt sind,
* sobald die Notwendigkeit einer Joint Action erkannt ist, wird einer der Agenten zum Manager und kontaktiert weitere Agenten
* jede Aktion, die als Joint Action akzeptiert wurde, wird mit einer Startzeit, Dauer und Endzeit charakterisiert und den Mitgliedern mitgeteilt
* Erst wenn alle Mitglieder sich bezgl. des Zeithorizontes geeinigt haben, wird mit der Problemlösung begonnen.
Joint Responsibility Social Convention
Inherit: Basic Joint Action Convention
Reasons for Re-Assessing Commitment:
* Joint Goal is met
* Joint Goal will never be met
* Motivation for Joint Goal is no longer present
* Agreed Recipe will not achieve desired results
* Agreed Recipe cannot be executed
* Agreed Recipe has not been executed properly
Actions
R1: If Joint Goal is Met or
Joint Goal will never be met or
Motivation for Joint Commitment is no longer present
then
Drop Joint Commitment to Joint Goal & Agreed Recipe
R2: If Agreed Recipe will not achieve desired results or
Agreed Recipe cannot be executed or
Agreed Recipe has not been executed properly
then
Drop Joint Commitment to Agreed Recipe
R3: If Drop Joint Commitment to Agreed Recipe and
Can replan using same agents
then
Develop and jointly commit to new recipe
R4: If Drop Joint Commitment to Agreed Recipe and
Cannot replan using same agents and
Can develop new recipe using different team
then
Drop Joint Commitment by existing team and jointly commit to new team
R5: If Cannot develop new common recipe
then
Drop Joint Commitment to Joint Goal & Agreed Recipe
Organising Cooperative Problem Solving
Joint Action Monitoring and Execution According to the Responsibility Model
Joint-Responsibility({
forall
a Π{a1, a2, ... an}while Normal-Achievement-Goal (
ai, s) andparallel
Honour Commitments by executing appropriate domain level tasks
Monitor Rationality by commitment to
s using Responsibility social commitments.Monitor Rationality by commitment to S using Responsibility social commitments.
end parallel
Suspend processing of local activities related to S
case Reason for reassess commitment of
not Normal-Achievement-Goal (
ai, s):Abandon Commitments to
s andnot Individual-Solution-Commitment (
ai, s, S): If remidial action available
then select possible remedies
else seek assistance
end case
Inform other team members of lack of commitment, reason for commitment failure and remedial action if it exists
Anwendungen
* Monitoring von Elektrischen Transport Netzwerken, Entdeckung von Überlasten in einem Telekommunikationsmodul
Plattform und Sprache
* CLOS auf SUN
7.4.2 ARCHON
Literatur: N.R. Jennnings and J.A. Pople, 1993: Design and Implementation of ARCHON's Coordination Module. In: S.M. Deen (ed.) Proceedings of the Special Interest Group on Cooperation Knowledge Based Systems, 61-82, University of Keele.
* Zielsetzung ähnlich wie GRATE, Planungs- und Koordinationsmodul baut auf GRATE auf
Agenten
* "Intelligent System" (Kann z.B. ein XPS sein)
* "Archon Layer" (Wartung der Modelle, Fremd - und Eigenmodelle, Management des Nachrichtenaustauschs)
Kommunikation
* Messagepassing - Highlevel Message Communication Module
Kooperation und Organisation
* Aufgaben- und Informationssharing, Broadcasting von Informationen zu potentiell Interessierten, Client Server und Contract Net Protocoll
* Rollen : Serves-Self, Serve-Others, Mixed
Anwendungen
* u.a. Kontrolle einer Zementfabrik, Elektrizitätsverteilung
7.4.3 MACE
Literatur: Gasser L., Braganza, and Herman R., 1987: MACE: A Flexible Testbed for Distributed AI Research. Distributed Artificial Intelligence, 119-153, Pitman Publishers.
Agenten
* Wissensverarbeitung, Wahrnehmung der Umgebung (über das Empfangen von Nachrichten) und Handlung (Änderung des internen Zustandes, Senden von Nachrichten, Anforderung des Monitoring durch das MACE System), Domainenspezifisches Wissen und Explizite Modelle von anderen Agenten. Möglichkeit: Agentenklassen zu definieren.
* Built-In Klassen, z.B.:
Directory Agent - Adressenverwaltung der Agenten
User Interface Agenten - Kontrolle I/O
Builder Agent - Verantwortlich für die Schaffung neuer Agenten
Kommunikation
* Senden von Nachrichten, zu individuellen Agenten, Gruppen von Agenten oder zu allen
Kooperation und Organisation
* Jede Organisation besitzt einen Manager, der Manager leitet die Nachrichten an Mitglieder weiter, die den Auftrag bearbeiten können.
Anwendung
* z.B. Konstruktion eines verteilten Planers für zwei kooperierende Roboter
Plattform
* Common Lisp auf Intel SYM-1 und TI Explorer Lisp Maschine
7.4.4 MECCA Multi-Agentensysteme zur Konstruktion Kooperativer Anwendungen
Literatur: Steiner D., Mahling D., Haugeneder H., 1990: Human Computer Cooperative Work. Proc. of the 10th AAAI International Workshop on Distributed Artificial Intelligence.
-> Computer Aided Cooperative Work - Interaktion natürlicher und künstlicher Agenten
Agenten
* Körper (Basiswissen und Fähigkeiten des Agenten, autonom), Kopf(Schaltzentrale für die Kooperation) und Kommunikator (Verantwortlich für das Senden und Empfangen von Nachrichten).
Agententypen
* user agent, directory agent,
machine agent (zur Konstruktion komplexerer Agenten)
Kommunikation
* Versenden von Nachrichten, entsprechend der SpeechAct Theorie, Propose, Accept, Refine, Order, Modify (Kooperationsprimitive), Request und Tell (Informationsaustausch).
Kooperation und Organisation
* u.a. Contract Net, Master/Slave Protokoll
Anwendung
* Büroautomation, Stadtverkehr
Plattform und Sprache
* Parlog/Prolog und Hyperlook/NeWs auf Sun
7.4.5 MAGES - A Multi AGEnt System
Literatur: Bouron T., Ferber J., Samuels F., 1991: A Multi-Agent Testbed for Heterogeneous Agents. Damazeau J.P. & Müller J.P., (eds.): Decentralized Artificial Intelligence 2. Proc. MAAMAW, North Holland, 195-216.
Zur Untersuchung von Interaktionen zwischen heterogenen Agenten
Agenten
* angeordnet in einer taxonomischen Hierarchie zur schrittweisen Verfeinerung des Verhaltens, Struktur (Wissen, Nachrichteninterpretation, Wissensrepräsentation und Interne Kontrolle) und "Umgebungsprotokolls" (verantwortlich für Interaktion zwischen Agenten und Umwelt)
Kommunikation
* Übersetzungsmechanismen, Versenden von Nachrichten an Individuen oder Gruppen
Kooperation und Organisation
* implizit durch Verpflichtungen und Erwartungen oder explizit über Strukturen (d.h. der Agent gehört zum Typ "group agent"). Ein "group agent" wird beschrieben durch ihre Mitglieder, ein Nachrichteninterpreter und eine Methode, die angibt, wie Mitglieder entfernt und hinzugefügt werden.
Anwendung
* Spielbeispiele, Räuber Beute usw.
Plattform und Sprache
* ACTALK (Erweiterung von SMALLTALK)
7.4.6 RATMAN - The Rational Agents Testbed for Multi Agent Networks
Literatur: Bürckert H.J., Müller J., 1990: RATMAN - The Rational Agents Testbed for Multi Agent Networks. Damazeau J.P. & Müller J.P., (eds.): Decentralized Artificial Intelligence 2. Proc. MAAMAW, North Holland, 217-230.
Agenten
* logikbasierte Repräsentation, von reaktiven bis hin zu deliberativen Agenten
Kommunikation
* Die Welt um den Agenten herum wird als Blackboard interpretiert, zu welchem Agenten und Benutzer Zugriff haben, Interaktion zwischen Agenten über Briefkästen, die Teil des Blackboardes darstellen
Kooperation und Organisation
* Spezifikation durch den Designer: Organisation der Gesellschaft (von hierarchisch bis anarchisch), homogen oder heterogen,
spez. Option: Annahme des Guten Willens, d.h. in diesem Fall wird kooperiert ansonsten wird nur kooperiert, wenn es im Interesse des Agenten ist. Zusammenarbeit, z.B. Negotiation, Master/Slave
7.4.7 MICE Michigan Intelligenc Coordination Experiment
Literatur: Montgomery T.A., Less J., Musliner D.J., and Durfee E.H., 1992: MICE Users Guide. University of Michigan, Distributed Artificial Intelligence Group, Department of Electrical Engineering and Computer Science.
Agenten
* von Interesse nur der Teil des Agenten, der mit der "Aussenwelt" kommuniziert, keine Restriktion bezgl. der internen Struktur des Agenten, eine Liste von Sensoren für spezielle Informationen, Restriktion der Sicht von Sensoren auf bestimmte Objekte
Kommunikation
* Nachrichten werden entlang vordefinierter Kommunikationskanäle ausgetauscht, Parameter: wer hat Zugriff auf einen Kanal, Kommunikationsverzögerung, Kapazität, Zuverlässigkeit usw.
Kooperation und Organisation
* Keine expliziten Kooperationsprotokolle, Authoritätsvergabe zwischen Agenten
Anwendung
* Spielbeispiele z.B. Räuber-Beute Simulationen, Contract-Net Protokoll
Plattform und Sprache
* Common Lisp auf Sun, Machintosh und TI Explorers
7.4.8 MYWORLD
Literatur: Wooldridge M., Vanderkeckhove D., 1993: MYWORLD: An Agent-Oriented Testbed for Distributed Artificial Intelligence. In: Deen S.M. (ed.): Proceedings of the Special Interest Group on Cooperating Knowledge Based Systems, 263-274, University of Keele.
Agenten
* charakterisiert durch beliefs (Informationen über die Welt), intentions(Ziele, die es zu verfolgen gilt), belief rules (zur Aktualisierung der Beliefs), intention rules (zur Aktualisierung der Intentions), strategy rules (Zuordnung von Aktionen zu Intentionen) und eine Menge von Aktionen
* jedes Myworld System besitzt einen Manager - Scheduling der Agenten und Monitoring der Benutzungsschnittstelle
Kommunikation
* Nachrichten basierend auf Speechakt Theorie, Nachrichten an alle, eine Gruppe von Agenten oder einzelne Agenten
Kooperation und Organisation
* Keine Protokolle vorgegeben
Anwendung
* EOs Projekt, Modellierung einer spätpaleonthologischen Gesellschaft
Plattform und Sprache: Pop-11 auf Sun
7.4.9 DASEDIS
Literatur: Burmeister B. and Sundermayer K., 1991: Cooperative Problemsolving Guided by Intention and Perception. In: Werner E. and Demazeau Y., (eds.): Decentralized Artificial Intelligence 3, Proc. of the MAAMAW. North Holland, 77-92.
Agenten
* Generisches Agentenmodell
(Wahrnehmung, Handlungen, Absichten, Ressourcen)
Kommunikation
* Senden von Nachrichten
Kooperation und Organisation
* Generische Protokolle: Contract Net Protokoll, Knowledge Interchange Protokoll
* Reproduzierbare Kooperationsmuster, z.Bsp. altruistisch, egozentrisch etc.
Anwendungen
* Spielbeispiele: Verkehrsmodellierung
Plattform und Sprache
* Clos auf Sun
7.5 Zusammenfassung
* Kommunikation
Contractnet/server client
Sprechakttheorie
* Unterscheidung in Body und Head der Agenten
* Umgebungsmodellierung, vgl. MICE, MAGES gegenüber DASEDIS,
