多智能体原理与技术 (2010 年度畅销榜NO.23712 )

本书旨在介绍自治智能体与多智能体系统研究领域的理论和计算基础，并深入讨论开发各种基于智能体的系统的实用方法。全书分为7章，分别介绍智能体的概念，行为建模、规划与学习，合成的自治，分布式计算的动力性，智能体系统中自组织的自治，自治计算，自治计算的动力性与复杂性。\r\n\r\n 这本书可作为各类高等学校计算机科学与技术专业及相关专业的研究生教材，也可供有关研究人员与工程师参考。\r\n
\r\n

第1章 简介 \r\n\r\n 1. 1 智能体的定义 \r\n\r\n 1. 2 基本概念与问题 \r\n\r\n 1. 3 学习 \r\n\r\n 1. 3. 1 自然与人工系统中的学习 \r\n\r\n 1. 3. 2 智能体学习 \r\n\r\n 1. 4 神经智能体 \r\n\r\n 1. 4. 1 自组织图 \r\n\r\n 1. 4. 2 自组织图的应用 \r\n\r\n 1. 5 进化智能体 \r\n\r\n 1. 6 合作式智能体中的学习 \r\n\r\n 1. 7 计算结构 \r\n\r\n 1. 7. 1 行为包含结构 \r\n\r\n 1. 7. 2 动作选择结构 \r\n\r\n 1. 7. 3 复合基体结构 \r\n\r\n 1. 8 智能体的行为学习 \r\n\r\n 1. 8. 1 学习智能体的行为 \r\n\r\n 1. 8. 2 行为学习 \r\n\r\n 第2章 行为建模. 规划与学习 \r\n\r\n 2. 1 操作行为 \r\n\r\n 2. 2 操作行为的建模与规划 \r\n\r\n 2. 2. 1 面向状态的表达 \r\n\r\n 2. 2. 2 状态转移函数 \r\n\r\n 2. 2. 3 基于动作方案的行为规划 \r\n\r\n 2. 3 操作行为的学习 \r\n\r\n 2. 3. 1 状态转移的自动归纳 \r\n\r\n 2. 3. 2 经验学习样本的生成 \r\n\r\n 2. 4 总结 \r\n\r\n 2. 5 其他建模. 规划与学习方法 \r\n\r\n 2. 5. 1 人工势能场 \r\n\r\n 2. 5. 2 人工神经网络 \r\n\r\n 2. 5. 3 APF和ANN的相似与区别 \r\n\r\n 2. 5. 4 APF与ANN的关系 \r\n\r\n 2. 5. 5 小结 \r\n\r\n 2. 6 其他相关研究与背景 \r\n\r\n 2. 6. 1 装配操作规划 \r\n\r\n 2. 6. 2 AI规划 \r\n\r\n 2. 6. 3 操纵行为规划 \r\n\r\n 第3章 合成的自治 \r\n\r\n 3. 1 基于行为自组织的合成自治 \r\n\r\n 3. 2 行为自组织 \r\n\r\n 3. 2. 1 概述 \r\n\r\n 3. 2. 2 虚拟运动员智能体 \r\n\r\n 3. 3 总结 \r\n\r\n 3. 4 其他相关研究与背景 \r\n\r\n 3. 4. 1 关节人物动画 \r\n\r\n 3. 4. 2 类生命行为 \r\n\r\n 3. 4. 3 隐现行为 \r\n\r\n 第4章 分布式计算的动力性 \r\n\r\n 4. 1 术语与定义 \r\n\r\n 4. 2 方法概述 \r\n\r\n 4. 2. 1 智能体的局部激励 \r\n\r\n 4. 2. 2 分布式智能体的反应行为 \r\n\r\n 4. 3 基于智能体的分布式搜索的动力性 \r\n\r\n 4. 3. 1 动力系统模型 \r\n\r\n 4. 3. 2 具有不同动态行为的智能体 \r\n\r\n 4. 3. 3 基于智能体的分布式计算小结 \r\n\r\n 4. 4 评论 \r\n\r\n 4. 4. 1 动力系统建模 \r\n\r\n 4. 4. 2 智能体的准自治 \r\n\r\n 4. 4. 3 基于智能体方法的特点 \r\n\r\n 4. 4. 4 智能体的目标可达性 \r\n\r\n 4. 5 总结 \r\n\r\n 4. 5. 1 待解决的问题 \r\n\r\n 4. 5. 2 扩充 \r\n\r\n 4. 6 其他相关研究 \r\n\r\n 第5章 智能体系统中自组织的自治 \r\n\r\n 5. 1 集体视觉与运动 \r\n\r\n 5. 2 图像特征检测与跟踪中自组织的视觉 \r\n\r\n 5. 2. 1 自组织的视觉 \r\n\r\n 5. 2. 2 二维的网格环境 \r\n\r\n 5. 2. 3 二维网格中的局部激励 \r\n\r\n 5. 2. 4 自组织行为 \r\n\r\n 5. 2. 5 复制与扩散(R-D)算法 \r\n\r\n 5. 2. 6 应用实例 \r\n\r\n 5. 3 群体机器人自组织的运动 \r\n\r\n 5. 3. 1 群体导航与回归任务 \r\n\r\n 5. 3. 2 多智能体系统概述 \r\n\r\n 5. 3. 3 基于局部记忆的行为选择与基于全局性能的行为学习 \r\n\r\n 5. 3. 4 不同智能体组的动力性 \r\n\r\n 5. 3. 5 应用实例 \r\n\r\n 5. 3. 6 评论 \r\n\r\n 5. 4 总结 \r\n\r\n 5. 5 其他相关研究与背景 \r\n\r\n 5. 5. 1 元胞自动机 \r\n\r\n 5. 5. 2 群体机器人中的学习 \r\n\r\n 第6章 自治计算 \r\n\r\n 6. 1 术语与定义 \r\n\r\n 6. 2 基于适应性自组织行为的智能体 \r\n\r\n 6. 2. 1 概述 \r\n\r\n 6. 2. 2 智能体的适应性自组织行为 \r\n\r\n 6. 2. 3 智能体的收敛 \r\n\r\n 6. 3 智能体的一般特性 \r\n\r\n 6. 4 适应性的复制与扩散(aR-D)算法 \r\n\r\n 6. 5 应用实例 \r\n\r\n 6. 6 计算成本 \r\n\r\n 6. 7 与传统分割方法的比较 \r\n\r\n 6. 8 基于智能体的搜索中行为特征的效果 \r\n\r\n 6. 9 影响智能体计算的参数 \r\n\r\n 6. 10 自治智能体的动力性 \r\n\r\n 6. 10. 1 对智能体动力性的理解 \r\n\r\n 6. 10. 2 智能体动力性的连续模型 \r\n\r\n 6. 10. 3 智能体动力性模型的推导 \r\n\r\n 6. 11 学习与进化之间的平衡 \r\n\r\n 6. 12 总结 \r\n\r\n 6. 13 其他相关研究与背景 \r\n\r\n 6. 13. 1 特征提取 \r\n\r\n 6. 13. 2 分割 \r\n\r\n 第7章 自治计算的动力性与复杂性 \r\n\r\n 7. 1 分散式智能体的行为 \r\n\r\n 7. 2 目标可达性 \r\n\r\n 7. 2. 1 E中的目标可达性(其中dime＝1) \r\n\r\n 7. 2. 2 E中的目标可达性(其中dime＝2) \r\n\r\n 7. 2. 3 行为参数对目标可达性的影响 \r\n\r\n 7. 3 群体的动力性 \r\n\r\n 7. 3. 1 E中的群体动力性(其中dime＝1) \r\n\r\n 7. 3. 2 E中的群体动力性(其中dime＝2) \r\n\r\n 7. 4 应用实例 \r\n\r\n 7. 5 自治计算的复杂性 \r\n\r\n 7. 5. 1 背景知识 \r\n\r\n 7. 5. 2 环境的复杂性 \r\n\r\n 7. 5. 3 应用实例 \r\n\r\n 7. 6 总结 \r\n\r\n 7. 7 其他相关研究 \r\n\r\n 参考文献 \r\n\r\n 索引 \r\n
\r\n

智能体(agent)这个概念来源于人们对人工智能的认识：人工智能的最终目标就是要实现具有智能的能够代替人类来处理事务的"代理". 正因为此, 所以在智能体研究的早期阶段, 人们对智能体的心智状态的研究投入了大量的精力. 许多模型与理论相继产生, 譬如, Cohen-Levesque的BDI模型. Rao-Georgeff的BDI模型等. 但是, 随着对智能体研究的深入, 人们对智能体的认识已经广泛化了. 智能体己经变成了一种描述复杂现象. 研究复杂系统. 实现复杂自适应性计算的方法.

自然界广泛存在着这样一类系统, 其中涉及大量的, 甚至是无穷多的个体, 每个个体都是自治的, 而且具有各自或相同或不同的行为规则, 个体之间通过某种手段进行直接或间接的交互. 这类系统不依赖于某些外来的控制而存在, 并且可以通过个体之间或个体与环境之间的交互而隐现出个体层面上不可预见的宏观行为. 这类系统通常称为复杂系统. 人类社会. 生态系统. 股票市场是几个典型的例子. 传统的复杂系统研究方法往往用某些纯数学的手段, 譬如, 微分方程, 来宏观地刻画该类系统, 这种自上而下的方法对复杂系统初期的研究做出了重要的贡献. 但是, 通过对复杂系统的深入研究, 人们发现只从宏观上刻画复杂系统是很不够的. 这种自上而下的方法将复杂系统中所有个体都看作是同类的(homogenous)并因此而忽略了个体的局部特征, 所以使得该方法并不能刻画一些细节的局部的行为. 为此, 一类自底向上的方法应运而生. 在这些方法中, 智能体扮演着重要的角色.

与自上而下的方法不同, 基于智能体的复杂系统研究首先根据所要研究的系统或现象定义单个的智能体, 给其赋予一定的行为和参数, 然后定义智能体之间以及智能体与其环境之间的交互规则. 通过智能体之间的交互而模拟所要刻画的系统或现象. 自从该方法产生以来, 它已经得到了很成功的应用. 比如, 蚁群系统(Ant ColonySystem). 粒子群系统(Particle Swarm System). 元胞自动机(CellularAutomata). 人工神经网络(Artificial Neural Network)等.

目前, 我国学者侧重于对智能体心智状态理论的研究以及基于智能体的应用系统模型的构建. 对这种复杂系统研究方法本身以及智能体在复杂系统研究中的作用的研究并不多, 而且专门介绍智能体的书籍也寥寥无几.

本书的英文版《Autonomous Agents and Multi-Agent Systems：Explorations inLearning, Sellf-Organization and Adaptive Computation))自从出版以来得到了智能体与多智能体研究领域的很大关注. 被评为World Scientific Publishing出版社2001年度最畅销的书籍之一. 而且收录于哈佛大学. 斯坦福大学等著名大学的图书馆中. 鉴于本书英文版的巨大影响, 我们决定将其翻译为中文版, 以便我国学者与研究人员参考使用.

作为智能体研究的专著, 本书首先给出了对智能体的一般性定义, 然后重点介绍了智能体与多智能体系统研究的理论基础, 其中包括智能体的计算结构, 智能体的行为建模. 规划与学习, 分布式计算的动力性, 以及基于智能体的自治计算等. 此外还依据具体的应用背景详细介绍了几种典型的智能体计算模型.

值得一提的是, 本书还有一本姊妹篇《多智能体模型与实验》(由JimingLiu教授与译者以及吴建兵博士合著). 该书主要通过基于智能机器人的实验介绍了智能体个体. 智能体群, 以及多智能体系统的一些重要的模型.

由于译者水平有限, 所以难免有误译之处. 敬请读者以及Jiming Liu教授指正.

译者

2003年秋

Discovery consists in seeing what everyone else has seen and thinking what no one else has thought.

Albert Szent-Gyorgi, 1937 Nobel Prize in Physiology and Medicine.

自治智能体是具有自治性的计算实体. 自治性使得智能体具有存活于它们的环境并享受其存在的独特能力. 人类. 人类社会. 健康的经济. 成功的组织以及生物有机体都具有这种特性. 这种特性可以认为是理所当然的(take for granted).

与本书的姊妹篇《多智能体模型与实验》比较而言, 本书的目的在于：(1)介绍自治智能体与多智能体研究领域的相关工作, 特别是其理论与计算基础, (2)深入讨论开发各种基于智能体的系统(比如, 自治机器人. 集体视觉与运动. 自治的动画. 搜索与分区智能体等)的实用方法. 这些方法的核心在于基于行为自组织的自治性的合成与隐现. 本书将着重研究自治计算中涉及的许多重要问题, 包括体系结构. 学习. 适应性. 动力性以及复杂性.

本书分为7章.

第1章阐述了自治智能体开发的计算模型与技术问题, 包括智能体的动作选择. 适应. 进化. 自组织. 学习以及结构. 在突出近期研究的一些重要结果的同时, 还指出需要继续研究的方向.

第2章给出了一个机器人操作策略的自动规划中智能体行为建模. 规划与学习的例子. 本章着眼于一些潜在的研究课题, 比如如何计算地建模并合成行为规划.

第3章验证了行为自组织在建立合成的自治方面的作用, 特别是行为获取的潜在算法与具体结构. 本章描述了一个已经实现的智能体, 它在与虚拟环境进行交互的同时学习一系列参数化的运动行为.

第4章所关注的是分布式计算的动力性. 本章讨论了下面两个方面的内容：(1)如何通过分布式智能体作为对其局部环境的反应的繁殖行为来处理一些任务, (2)如何基于动力系统摸型构建智能体的行为库.

第5章介绍多智能体系统中自组织自治的概念. 本章将具体研究如何实现在一个二维搜索空间找到一些预定义的目标位置的集体行为.

第6章着眼于自治计算的适应性与自组织. 在提供表示与算法细节的同时, 本章还通过几个图像分区的示例研究来演示新的计算范例. 在示例研究中, 自治智能体作用于给定图像的单个像素, 并执行一些反应式的行为反应. 作为行为反应的一部分, 智能体自我复制与发散的方向是从它们高适应度的前代或同代智能体继承而来的.

第7章阐述了自治计算的动力性与复杂性. 本章给出了几个动力模型的示例, 示例中的自治智能体试图去检索一些图像特征, 比如：边. 边界以及复杂的曲线等.

本书面向两类读者群体. 一类是计算机科学与工程学科的学生, 他们可以用本书来学习如何运用智能体模型与自治计算技术解决一些实际问题. 另一类是计算机研究人员. 工程师以及初学者, 他们可以用本书介绍的知识解决开发智能系统或自治系统时所遇到的问题.

[加]JimingLiu

2001年夏天

无封面