Holonische Multiagentensimulation Abschlussvortrag Steffen Glückselig

Gliederung Motivation Einführung Umsetzung Beispiel Evaluation Zusammenfassung Ausblick

Motivation Warum Holonen?

Motivation Komplexe Systeme (auch, und vielleicht gerade, Multiagentensysteme) werden nicht monolithisch entwickelt. Sie werden in möglichst kleine Subsysteme bzw. Probleme unterteilt. Diese kleineren Systeme sind überschaubar und damit beherrschbar. (OOP -> Objekte, AOP -> Agenten) Um die Anforderungen an das Gesamtsystem erfüllen zu können, tauschen die Einzelteile Nachrichten aus, sie stehen miteinander in Beziehung. Manche Teile hängen stärker voneinander ab als andere. -> Es können „Beziehungsinseln“ identifiziert werden, die wenig Kommunikation nach außen, aber viel interne Kommunikation aufweisen. OOP -> Komponente AOP -> Organisation -> Menge von Agenten und deren Beziehungen untereinander.

Einführung Was sind Holonen?

Einführung Holonen sind: Ganzes, bestehend aus Teilen Autonomie Teil, als Komponenten eines Systems Kooperation Rekursion Selbstorganisation Abstraktion: Menge von zueinander in Beziehung stehender Agenten Holonen sind eine Verallgemeinerung des Agentenbegriffs. Gleiche grundlegende Eigenschaften: Autonomie Flexibilität (reaktives und proaktives Verhalten) Soziale Fähigkeiten (Kooperation -> Kommunikation notwendig) Rekursion entsteht dadurch, dass ein Holon Ganzes und Teil gleichzeitig ist. Selbstorganisation entsteht durch die agentischen Eigenschaften eines Holonen. Abstraktion einer Menge von Agenten: Subsystem, Organisation Abstraktion ist wichtig um mit komplexen Systemen umgehen zu können.

Einführung - Struktur Einbindung in bestehende MAS leicht möglich. Repräsentation des Holonen Neue Struktur oder Stellvertreter für Holon Kopfholon ist Schnittstelle nach außen und Moderator nach innen Wie wird ein Holon im System repräsentiert? - Holon ist neue Struktur im System - Holon wird durch bereits vorhandene Strukturen repräsentiert Letzteres: Kopfholon (Agent repräsentiert einen Holonen in seiner Umwelt) Er ist Kommunikationsschnittstelle und Moderator. Kopfholon wird aus Menge der Subholonen ausgewählt oder eigens erzeugt. Kopfholon ist Moderator, er verwaltet die Mitglieder eines Holonen und weiß über die Fähigkeiten der Subholonen bescheid. (Whitepages, evtl. Yellowpages) Einbindung in bestehende MAS leicht möglich.

Einführung - Begriffe Agenten finden sich zu einem (Super)holonen zusammen. Sie werden dann als Subholonen bezeichnet. Kopfholon verwaltet Superholonen. Subholonen können Superholonen jederzeit verlassen (Autonomie). Holonentyp ist Klasse von Holonen Holarchie ist Hierarchie von Holonen Kopfholon sucht Subholonen oder ein Agent möchte in einem Superholonen aufgenommen werden.

Einführung - Holarchie Holarchie: Hierarchie von Holonen.

Umsetzung Wie entwickelt man holonische Systeme? Wie modelliert man Holonen in SeSAm?

Vorgehensmodell Zielgraph ( benötigte Fähigkeiten) Holonic Augmentation Plugin SODA Top-Down Ansatz -> vom Abstrakten ins Konkrete. Verhalten wird dann wieder Bottom-up modelliert. Zielgraph: Domänenstruktur, Ziele und Aufgaben -> Abstraktion: Fähigkeiten, die zum Erreichen eines Ziels notwendig sind. Warum Fähigkeiten? Rollen zu konkret. Eine Fähigkeit kann für mehrer Rollen benötigt werden. -> weitere Abstraktion von Rolle Holonen unterscheiden sich von normalen Agenten dadurch, dass sie mehr ‚können‘ -> Fähigkeiten. -> Abstrahieren Agentenklassen und Holonentypen. Abbildung von Rollen auf Agentenklassen und Holonentypen. Aus dem Zielgraphen (Ein Und-Oder Graph) können die ‚Aufgaben‘, die in der Analysephase von SODA benötigt werden, abgelesen werden. Der Zielgraph ist eine nützliche grafische Analysemethode für Systeme von Problemlösern. SODA (Societies in Open and Distributed Agent spaces) von Andrea Omicini. Betont Beziehungen zwischen Agenten, nicht deren interne Strukturen. Die Ergebnisse aus Zielgraph und SODA können in SeSAm und der holonischen Erweiterung (HAP) direkt weiterverwendet werden. Wichtige Abstraktion: Fähigkeiten. Können zur Modellierzeit einer Agentenklasse hinzugefügt werden. Hinzufügen und Entfernen auch zur Laufzeit möglich. (Ermöglicht auch Repräsentation von Lernen.)

Implementierung - HAP Plugin mit 3 Features HolonAdminFeature Definition von HolonenTypen HeadholonFeature Verwaltung eines Holonen SubholonFeauture Verwalten von Mitgliedschaften Fähigkeiten Datenstrukturen und Primitive 3 Features: HolonAdminFeature HolonTypeEditor HeadholonFeature Welcher Agent besetzt welche Rolle? Wer darf mit wem kommunizieren? SubholonFeature In welchen Superholonen Mitglied? Welcher Agent ist der Kopf eines Superholonen? Fähigkeiten HolonTypeEditor: Rollen (Abstraktion von Agenten oder Holonen) Interaktionsregeln (Welcher Subholon darf mit wem wegen was kommunizieren?) Fähigkeiten, die für das Einnehmen einer Rolle notwendig sind. Kardinalität Datenstrukturen: HolonId, Skill, Competency, Concern, etc.

Implementierung - HAP GUI-Komponenten für Entwurf und Beobachtung zur Laufzeit HolonTypeEditor Feature-Panels Holarchie-Browser

TeleTruck - Zielgraph

TeleTruck - Struktur

TeleTruck - Demo SeSAm!

Evaluation Wie wird die Modellierung unterstützt? Was sind die Leistungsmerkmale von Holonen?

Evaluation Verteiltes Monitoring Targets werden von Mobilen (Subholonen) gefangen Stationäre Agenten (Kopfholonen) unterstützen Mobile

Evaluation 3 Szenarien getestet Direkte Kommunikation; feste Zuordnung Mobile suchen sich Stationen Wie (2) + Stationen suchen Mobile Datenerzeugung: Jedes Modell: 100 Läufe, jeweils 30.000 Takte, davon 5000 abgebildet. Jeder Stationären Einheit ist eine feste Zahl an Mobilen zugewiesen. Mit diesen kann sie kommunizieren und weißt Targets zu. Subholonen suchen sich Stationen. Sie werden unzufrieden, wenn sie wenig fangen und verlassen dann eine Station. Sie können auch frei sein. Wie (2) allerdings fordern hier Stationen auch Agenten an, wenn mehr Targets gesichtet werden, als gegenwärtig Mobile Subholonen sind. Das Verhältnis von Targets zu Mobilen wird in der Anforderung mitgesendet. -> Agenten können nach Dringlichkeit entscheiden. Auffälligkeiten: Erreicht nach erstem Richtungswechsel Maximum und stabilisiert sich dann. Die beiden holonischen Modelle nähern sich asymptotisch von unten an ein Maximum an, auf dem sie dann stabil werden. (3) Stabilisiert sich bereits vor dem ersten Richtungswechsel auf niedrigem Niveau. -> ohne Richtungswechsel wäre diese Lösung sehr gut. Durchschnittsalter: In (1) bewegen sich die Mobilen mit den Targets, sie entfernen sich also vom Eintrittspunkt. Daher werden die Ziele hier älter. In (2) und (3) bleiben die Mobilen bei einer Station, weil sie von ihr besser unterstützt werden (direktere, fokussiertere Kommunikation) Warum ist (2) besser als (3)? Dadurch, dass in (3) viele Kopfholonen gleichzeitig rufen können (vor allem kurz nach Richtungswechsel) werden Mobile ‚verwirrt‘. -> Durch die Übermittlung von mehr Informationen könnte dieses Fehlverhalten kompensiert werden. -> Mehraufwand macht‘s besser (ist fast immer so). Z.B. Übermittlung einer Zeitangabe, WANN die letzten Targets gesichtet wurden. Mehraufwand an Ressourcen (Fähigkeit zur Kommunikation, Intelligenz (Autonomie)) führt zu besserer Leistung. Überlegung: günstige, nicht optimale Lösung ODER teure, sehr gute Lösung -> kommt auf die Zielsetzung des Systems an. Aber: Holonen sind sowieso gut: TeleTruck (im Vergleich zu Lösung mit Operations Research) Rockwell Automation DaimlerChrysler (flexible Manufaktursysteme) Name Fangquote Durch. Alter VM ohne H 79,5% 94 VM mit H_1 91,9% 62 VM mit H_2 90,9% 58

Zusammenfassung Modellierung gliedert sich in Vorgehens-modell ein Superholon wird durch Kopfholon dargestellt Laufzeitbeobachtung möglich (Holarchie-Browser) Verwendung in nicht-holonischen Modellen Holonen sind Komponenten in MAS

Ausblick Komplexere Fähigkeiten Und-Oder Baum Angabe des Interaktionsprotokolls in HolonTypeEditor Bibliothek von Protokollen Ausprägung mit Rolle, z.B. Participant im CNP Aktivitätsgraphen zur Laufzeit Mehrfachmitgliedschaft

Fertig. Fragen?

Danke.