Schwerpunkt-Seminar im SS2001 agent based computational economics

Was sind Agenten ? Autonome Gebilde die in eine Umwelt mit folgenden möglichen Eigenschaften eingebettet sind: zugänglich / unzugänglich deterministisch / nichtdeterministisch zyklisch / nichtzyklisch statisch / dynamisch diskret / kontinuierlich

Interaktion Agent  Umgebung

Agenten und Objekte Unterschied zwischen Agenten und Objekten der OOP: “Objects do it for free, agents do it for money”

Eigenschaften von intelligenten Agenten Wichtige Eigenschaften Reaktivität: Wahrnehmung der Umwelt und daraus resultierendes zielgerichtetes Verhalten Pro-Aktivität: Eigenständiges zielorientiertes Verhalten Sozialkompetenz: Interaktion mit anderen Softwareagenten und Menschen

Architekturen für Systeme intelligenter Agenten I Abstrakte Ansätze zur Beschreibung von Agentensystemen Parameter von Agentensystemen rein reaktive Agenten Agenten mit differenzierter Wahrnehmung Agenten mit interner Zustandsmaschine

Architekturen für Systeme intelligenter Agenten II Parameter von Agentensystemen Zustände der Umwelt S = {s1, s2, s3, ... } Aktionen des Agenten A = {a1, a2, a3, ... } Zustände der Umgebung S x A  (S) Aufzeichnung der Interaktion Agent / Umwelt als Historie h: s0 (a0) s1(a1)  s2(a2)  s3(a3)  s u

Architekturen für Systeme intelligenter Agenten III Rein reaktive Agenten Ohne Bezug zur Vergangenheit d.h. jede Entscheidung erfolgt nur aufgrund der aktuell beobachtbaren Zustands-variablen (kein Gedächtnis)

Architekturen für Systeme intelligenter Agenten IV Agenten mit differenzierter Wahrnehmung Differenzierung zwischen zwei Subsystemen des Agenten: Wahrnehmung: S  P Aktionen: P  A Der Agent besitzt mehrere Sensoren P und entscheidet welche Wahrnehmung für seine nächste Aktion a relevant sind

Architekturen für Systeme intelligenter Agenten V

Architekturen für Systeme intelligenter Agenten VI Agenten mit interner Zustandsmaschine Zusätzlich zum Aktionsraum A wird noch ein interner Zustandsraum I (Gedächtnis) eingeführt. Der interne Zustand I wird mit der Wahrnehmung P auf einen neuen internen Zustand I abgebildet: I x P  I

Architekturen für Systeme intelligenter Agenten VII Agenten mit interner Zustandsmaschine Zustandsmaschine: Die Aktion eines Agenten erfolgt in Abhängigkeit des Internen Zustands (i0) und der Wahrnehmung (s) Formale Darstellung einer Aktion: aktion ( i0, s)

Architekturen für Systeme intelligenter Agenten VIII

Konkrete Realisierungen von Agentenarchitekturen I Logik-basierte Agenten Reaktive Agenten Überzeugung–Wunsch–Absicht–Systeme (BDI-Systeme)

Konkrete Realisierungen von Agentenarchitekturen II Logik-basierte Agenten Symbolische AI: Es werden logische Schlüsse aus der symbolisch repräsentierten Umwelt gezogen. Agenten besitzen Datenbanken die ihre „Überzeugungen“ ( Believes ) und „Arbeitsregeln“ ( Deduction–Rules ) repräsentieren, aus denen mittels Logik erster Ordnung die nächsten Aktionen bestimmt werden. ( Wenn–Dann–Logik )

Konkrete Realisierungen von Agentenarchitekturen III Logik-basierte Agenten Probleme: Konsistenz der Datenbanken alles Agenten (häufig nicht in polynominaler Zeit lösbar) Umsetzung der Wahrnehmung in Believes ( z.B. Bilder)

Konkrete Realisierungen von Agentenarchitekturen IV Reaktive Agenten Alternative zum Einsatz des symbolischen Paradigmas Rationales Verhalten ist an die Umgebung gebunden und ein Produkt von Interaktion Intelligenz der Agenten ist ein emergenter Prozess einfacher Handlungsweisen

Konkrete Realisierungen von Agentenarchitekturen V Reaktive Agenten Subsumtions–Architektur Situation  Aktion Verhaltensweisen der Agenten die auf Erfüllung einfacher Teilaufgaben gerichtet sind Keine symbolische Verarbeitung von Fakten nötig Hierarchie der Verhaltensweisen: Schichtenmodell Inhibitionsbeziehung der einzelnen Schichten Starke Wahrnehmungs-Handlungskopplung Niedrige Komplexität O(n²) der resultierenden Prozesse

Konkrete Realisierungen von Agentenarchitekturen VI Reaktive Agenten Probleme Kein Umweltmodell: hinreichend lokale Information für den Agenten ist notwendig Tendenz zu myopischem Verhalten der Agenten Lernfähigkeit ist schwer implementierbar Emergenz schwer versteh- und kontrollierbar Effektive Agenten mit mehr als 10 Schichten (Regeln) sind kaum realisierbar

Konkrete Realisierungen von Agentenarchitekturen VII Überzeugung–Wunsch–Absicht–Systeme (BDI-Systeme) Grundlage der BDI-Architektur ist sog. „praktisches Denken“, also: Welche Ziele habe ich und was sind die geeignetsten Mittel diese zu erreichen?

Konkrete Realisierungen von Agentenarchitekturen VII BDI-Systeme Rolle der drei Grundelemente (Believe-Desire-Intention) Absichten (Intentions)  werden von Überzeugungen (Believe) beeinflusst  beschränken zukünftige Wünsche (Desire) Aber auch  Wünsche (D) hängen von Überzeugungen ab  Wünsche (D) beeinflussen Absichten (I)  sollten längeren Bestand haben

Konkrete Realisierungen von Agentenarchitekturen VIII BDI-Systeme Dilemma Absichten müssen regelmäßig auf Validität überprüft werden Zu hoher Aufwand für Validitätskontrolle ist aktionshemmend  Abwägung: Proaktivität vs. Reaktivität (zielorientiertes vs. ereignisgesteuertes Verhalten)

Konkrete Realisierungen von Agentenarchitekturen IX Elemente eines BDI-Systems Funktionstripel (B,D,I) mit den zugehörigen DB’s Funktion zur Überzeugungskorrektur brf: (Bel) x P  (Bel) Funktion zur Wunschgenerierung option: (Bel) x (Int)  (Des) Filterfunktion zur Absichtsgenerierung filter: (Bel) x (Des) x (Int)  (Int)

Konkrete Realisierungen von Agentenarchitekturen X Elemente eines BDI-Systems Aktionsgenerierung function action (p:P) : A begin B := brf (B,p) D := options(D,I) I := filter(B,D,I) return execute(I) end

Schichtarchitekturen Notwendigkeit der Strukturierung von reaktivem und proaktivem Verhalten innerhalb einer Architektur Verwendung einer Hierarchie von interagierenden Schichten Horizontale Schichten: direkte Verbindung der Schichten mit Sensoren und Ausgabeeinheit Vertikale Schichten: Ein- und Ausgabe wird über eine Basisschicht bewerkstelligt

Schichtarchitekturen II

Horizontale Schichtarchitektur I Probleme: Max. mn Interaktionen sind zu betrachten Kontrollsystem zur Koordination ist erforderlich Beispiel für horizontale Architektur: TouringMachines

Horizontale Schichtarchitektur II

Vertikale Schichtarchitektur I Architektur mit einem Durchlauf Architektur mit zwei Durchläufen Max. m2(n-1) Interaktionen Weniger Flexibilität Reduzierte Fehlertoleranz Beispiel für vertikale Architektur: Interrap

Vertikale Schichtarchitektur II

Multiagentensysteme und Gemeinschaften von Agenten

Distributed–Artificial–Intelligence DAI Motivation der Distributed–Artificial–Intelligence: Information liegen in der realen Welt meist verteilt vor, da die Objekte, auf welche sie sich beziehen, auch örtlich verteilt sind. Die Menge der verfügbaren Informationen kann den Rahmen der Möglichkeiten eines einzelnen Systems sprengen.

Vorteile der DAI Vorteile der Distributed–Artificial–Intelligence Mächtigkeit durch Parallelverarbeitung Erzeugung systemübergreifender Expertise Fehlertoleranz durch Redundanz Höhere Wiederverwertbarkeit von Fachwissen Objektivierung von Entscheidungen durch div. Perspektive

Eigenschaften von Multiagentenumgebungen Bieten Infrastruktur mit festgelegten Kommunikations- und Interaktionsprotokollen Offenheit des Systems und dezentraler Entwurf der Architektur Agenten im System sind autonom verteilt und können egoistisch oder kooperativ sein

Agenten-Kommunikation

Bedeutungsebenen Bedeutungsebenen beschreibend/vorschreibend individuelle/vereinbarte Bedeutung subjektive/objektive Bedeutung individuelle/gesellschaftliche Bedeutung Semantik/Pragmatik (Sprachgebrauch) Weitere Eigenschaften der Bedeutungsebenen: Kontext, Mächtigkeit, Identität, Kardinalität

Kommunikationstypen Intention und Ergebnis des Kommunikationsakts

Kommunikationsebenen Schichtung von Protokollen Untere Ebene: Verbindungsmethode Mittlere Ebene: Format / Syntax Obere Ebene: Bedeutung / Semantik Topologie von Protokollen: Binäre / n-äre Kommunikation Datenstruktur von Protokollen Sender, Empfänger, Sprache, De-/Kodierung, Resultierende Aktionen

Sprechakte Linguistik : Theorie humaner Sprechakte Aspekte eines Sprechakts: Illokutiver Akt: Äußerungsakt: Physikalische Äußerung Propositionsakt: Inhaltliche Intention der Äußerung Illokutive Beimessung: Intendierte Bedeutung der Äußerung außerhalb der direkten wahrnehmbaren inhaltlichen Intention Perlokution: Aus der Äußerung resultierende Handlung

KQML I Knowledge Query and Manipulation Language Trennt Semantik des Kommunikationsprotokolls von der Semantik der Nachricht Alle Information die zum Verständnis des Inhalts einer Nachricht notwendig ist in der Kommunikation beinhaltet Syntax: Lisp-artig, nicht domänenspezifisch

KQML II Wichtige Bestandteile des Protokolls :sender :receiver :content :language :ontologie Implementierung von PROLOG, LISP, SQL möglich

KQML III

KIF Knowledge Interchange Format Symbolische Logik zur Beschreibung Fakten, Definitionen, Kurzfassungen, Inferenzregeln, Metawissen Logische Operatoren wie bei LISP: Negation, Disjunktion, Konjunktion usw.

Ontologien Spezifikation von Objekten, Konzepten und Beziehungen auf einem Wissensgebiet Definition: Ontologie ist eine Sammlung von Konzepten und den Relationen zwischen eben diesen. Eine Ontologie muss formal definiert sein, damit sie im Rahmen eines wissensbasierten Systems computergestützt verarbeitet werden kann. Der Gegenstandsbereich einer Ontologie wird Domäne genannt.

Interaktions-Protokolle für Agenten Gemeinsame Ziele bestimmen Gemeinsame Aufgaben identifizieren Unnötige Konflikte vermeiden Gemeinsame Verwaltung von Wissen und Erkenntnis

Koordinationsprotokolle I Probleme verteilter Datenhaltung und Prozessteuerung Zeitgerechte Informationszuteilung Synchronisation der Handlungen Vermeidung von redundantem Arbeitseinsatz

Koordinationsprotokolle II Globale Lösung mit Und/Oder-Zielgraph Erstellen des Und/Oder-Graph: Abhängigkeiten bestimmen und klassifizieren Zuweisung bestimmter Regionen des Graphs an passende Agenten Überwachung der Entscheidungen über die Zuweisung von Regionen an Agenten Durchlaufen des Graphs Sicherstellung der erfolgreichen Abarbeitung des Graphs

Koordinationsprotokolle III Dezentrale Agentenmechanismen zur Zielsuche Zusagen: Agenten entscheiden über ihre Mitwirkung an einem gemeinsamen Ziel und geben „verbindliche“ Zusagen ab Konventionen: Regelwerk unter dem „verbindliche“ Zusagen gebrochen werden können

Kooperationsprotokolle I Zerlegung und Verteilung von Aufgaben: divide-and-conquer Zerlegung direkt beim Systementwurf oder implizit im Und/Oder-Graph Verteilung nach folgenden Kriterien Vermeidung von Überlast Verteilung nach passenden Fähigkeiten Überlappung von Verantwortlichkeiten zur Zielkohärenz Aufgabenzuweisung durch Agenten mit weitem Blickwinkel Interdependente Aufgaben in örtlicher u. semantischer Nähe Dynamische Neuzuordnung bei sich ändernder Priorität

Kooperationsprotokolle II Zerlegung und Verteilung von Aufgaben: divide-and-conquer Verteilungsmechanismen Marktmechanismen Vertragsnetze Multiagentenplanung Organisationsstrukturen

Kooperationsprotokolle III Vertragsnetze Zuweisungsproblem: Welche Aufgabe / Welcher Agent Manageragent: Auftragsankündigung, Angebotsevaluierung, Kontraktbildung, Ergebnisauswertung Vertragsagent: Entgegennahme von Auftragsangeboten, Kapazitätsauswertung, Ablehnung oder Gegenangebot, Ausführung bei Annahme durch Manager, Ergebnisauswertung

Kooperationsprotokolle IV Informationsplattformsysteme Spezialisten arbeiten kooperativ über eine gemeinsame Informationsplattform verbunden an der Lösung eines Problems Eigenschaften von Informationsplattformsystemen Unabhängigkeit des repräsentierten Expertenwissens Breite Auswahl an Problemlösungstechniken Flexible Informationsdarstellung Gemeinsame Sprache zum Informationsaustausch Ereignisgesteuerte Aktivierung von Prozessen Kontrollinstanz für Problemlösungsstrategien Schrittweise Lösung von Problemen

Kooperationsprotokolle V Verhandlungssysteme Agenten führen Verhandlungen um ihre unterschiedlichen Individualziele zu erreichen. Die ausgehandelten Entscheidungen beinhalten Zugeständnisse und Alternativlösungen Eigenschaften von Verhandlungssystemen Effizienz Stabilität Einfachheit Verteiltheit Symmetrie

Kooperationsprotokolle VI Wissenserhaltungssysteme Agenten verfügen über Wissenserhaltungssysteme (Truth-Maintenance-System) die sie für sich und gegenseitig auf ihre Konsistenz überprüfen Eigenschaften der TMS der einzelnen Agenten Stabil: Daten sind verifiziert oder nicht nichtverifiziert Gut fundiert: Glaubwürdigkeit der Daten ist nicht zyklisch interdependent Logisch konsistent: Daten sind stabil und es existiert kein logischer Widerspruch

Kooperationsprotokolle VII Wissenserhaltungssysteme Eigenschaften der TMS des gesamten Agentensystems Datenänderung sollte mit so wenigen Agenten wie möglich erfolgen Datenänderungen sollten möglichst wenig andere Daten tangieren

Kooperationsprotokolle VIII Marktmechanismus Koordination der Agentengemeinschaft erfolgt nur über den Preis Präferenzen und Fähigkeiten schlagen sich im Preis nieder Konsumentenagenten Betreiben Güteraustausch Maximieren Nutzen unter Budgetrestriktionen Produzentenagenten Betreiben Gütertransformation Maximieren Gewinn unter technologischen Restriktionen Nettonachfrage ist Null  Gleichgewichtslösung

Kooperationsprotokolle IX Agentengemeinschaften Hochgradig dezentrale Lösungen erfordern soziale Interpretation Gruppen von Agenten Definieren Rollen Funktionieren wie kleine Gesellschaften Soziale Abhängigkeit der Gruppe Freiwillige: Anpassung an die Rolle die aus dem Akzeptieren einer sozialen Verpflichtung resultiert Unfreiwillige: Beschränkung durch das autonome Verhalten anderer Agenten

Kooperationsprotokolle X Agentengemeinschaften Eigenschaften eines kooperativen Teams Alle Agenten teilen das gleiche Ziel Jeder Agent muss einen Beitrag zur Erreichung des gemeinsamen Ziels leisten Jeder Agent akzeptiert entsprechende Aufgabenzuweisung