人工智能原理及其应用.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,*,自然语言理解,8.1,语言及其理解的基本概念,8.2,词法分析,8.3,语法分析,8.4,语义分析,自然语言是指人类日常交流所使用的语言。自然语言理解主要研究如何使计算机能够理解和生成自然语言。自然语言理解既是人工智能研究较早的一个领域，同时也是现代计算机的一个必备特征。,1,1,语言及其理解的基本概念,自然语言是音义结合的词汇和语法体系。词汇是语言的基本单位，它在语法的支配下可构成有意义和可理解的句子，句子再按一定的形式构成篇章等。其结构如图,8.1,所示：,语言,词汇,语法,词,熟语,词法,句法词素,构形法,构词法,词组构造法,造句法,词汇,是语言的基本单位。,熟语,是指一些词的固定组合，如汉语中的成语。词又由词素构成，,词素,是构成词的最小有意义的单位。如“学生”是由“学”和“生”这两个词素构成的。,语法,是语言的组织规律。,词法,是用词素或熟语构成词的规则，可分为构形法和构词法。,构形法,是指单数复数等。,造句法,是用词和词组构造句子的规则。,语言,词汇,语法,词,熟语,词法,词素,句法,构形法,构词法,词组构造法,语言,词汇,语法,词,熟语,词法,词素,造句法,句法,构形法,构词法,词组构造法,语言,词汇,语法,词,熟语,词法,词素,2,其主要任务是要找出词汇的各个词素，从中获得语言学信息，并确定单词的词义。以英语为例，其词法分析的基本算法如下：,repeat,look for,word,in dictionary,if not found,then modify the,word,until,word,is found or no further modification possible,其中，,word,是一个变量，其初始值就是当前词。,例,8.1,用上述算法分析,catches,。,解：其分析过程如下：,catches,词典中查不到,catche,修改,1,：去掉,s,catch,修改,2,：去掉,e,可以看出，在修改,2,时就查到了,catch,。,当然这只是一个很简单的例子，完整的词法分析还应该包括复合词的切分等。,2,词法分析,3,3,句法分析,句法分析是对句子和短语的结构进行分析，其最大单位是一个句子。分析的目的是要找出词、短语等的相互关系，以及他们在句子中的作用等，并用一种层次结构加以表达。这种层次结构可以是句子的成分关系、，也可以是语法功能关系。,8.3.1,句法规则的表示方法,8.3.2,自顶向下与自底向上分析,4,3.1,句法规则的表示方法,句子结构的表示,一个句子是由各种不同的句子成分组成的。这些成分可以是单词、词组或从句。句子成分还可以按其作用分为主语、谓语、宾语、宾语补语、定语、状语、表语等。这种关系可用一棵树来表示，如对句子：,He wrote a book,可用图,8.2,所示的树形结构来表示,一个句子又是由若干个词类构成的，如名词、动词、代词、形容词等。若从句子的词类来考虑，一个句子也可用一棵树来表示，这种树称为句子的分析树，如图,8.3,所示。,句子,主语,谓语,动词,宾语,He,wrote,a,book,句子,代词,动词短语,动词,名词短语,He,wrote,a,book,5,上下文无关文法,(Context-free Grammars),是乔姆斯基提出的一种对自然语言语法知识进行形式化描述的方法。在这种文法中，语法知识是用重写规则,表示的。作为例子，下面给出了一个,英语的很小的子集（图,8.4,）语句,句子 终标符,句子,名词短语 动词短语,动词短语,动词 名词短语,名词短语,冠词 名词,名词短语,专用名词,冠词,the,名词,professor,动词,wrote,名词,book,动词,trains,专用名词,Jack,终标符,.,.,这就是一个英语子集的上下文无关文法,在该文法中，“语句”是一个特殊的非终极符，称为起始符。,3.1,句法规则的表示方法,上下文无关文法,(1/2),6,3.1,句法规则的表示方法,上下文无关文法,(2/2),例,8.2,利用上述上下文无关文法，给出如下语句的分析树。,The professor trains Jack.,语句,句子,终标符,动词短语,名词短语,The,professor,.,trains,冠词,名词,动词,专用名词,名词短语,Jack,解：,如图,8.5,7,3.1,句法规则的表示方法,变换文法,(1/2),上下文无关文法反映的仅是一个句子本身的层次结构和生成过程，而自然语言是上下文有关的。为此，乔姆斯基又提出了变换文法,(Transformational Grammar),。该文法认为，句子的结构有深层和表层两个层次。例如：,She read me a story,和,She read a story to me,的表层结构不一样，但它们的深层结构则是一样的。再如，主动句和被动句也只是表层结构不同，其深层结构则是相同的。在变换文法中，句子深层结构和表层结构之间的变换是通过变换规则实现的，如图,8.6,给出了一条把主动句变换为被动句的变换规则。,句子,介词短语,1,句子,名词短语,1,动词短语,动词,名词短语,2,名词短语,2,动词被动语态,动词,介词,动词的过去分词,名词短语,1,句子,介词短语,句子,名词短语,1,动词短语,动词,名词短语,2,名词短语,2,动词被动语态,8,3.1,句法规则的表示方法,变换文法,(2/2),助动词,介词,动词的过去分词,名词短语,1,句子,介词短语,句子,名词短语,1,动词短语,动词,名词短语,2,名词短语,2,动词被动语态,冠词,名词,专用名词,上下文无,关文法,变换规则,冠词,名词,The,professor,Jack,trains,Jack,专用名词,is,trained,by,the,professor,professor,例,8.3,利用变换文法，将前述主动句变为被动句。,解：,其变换过程是：先从非终极符“句子”开始产生一个主动句：,The professor trains Jack,然后再应用图,8.6,所示的变换规则把它变为被动句,(,图,8.6),：,Jack is trained by the professor,动词,冠词,名词,The,professor,名词短语,2,专用名词,trains,动词,冠词,名词,The,professor,Jack,名词短语,2,专用名词,trains,动词,冠词,名词,The,professor,9,3.2,自顶向下与自底向上分析,自顶向下分析法,自顶向下分析，是指从起始符开始应用文法规则，一层一层地向下产生分析树的各个分支，直至生成与输入语句相匹配的完整的句子结构为止。,例如，图,8-4,所示的上下文无关文法，采用自顶向下分析方法对语句：,The professor trains Jack.,进行分析的过程是：,首先从起始符“语句”开始，正向运用规则：,语句,句子 终标符,把分析树的根节点“语句”替换为它的两个子节点“句子”和“终标符”。,然后再对新生成的节点“句子”使用规则：,句子,名词短语 动词短语,将其替换为两个子节点“名词短语”与“动词短语”。,对于“名词短语”，有两条规则可用，若按规则的排列顺序，则选用,名词短语,冠词 名词,将“名词短语”被替换为“冠词”和“名词”，生成两个新节点。对“冠词”使用规则：,冠词,The,对名词使用规则：,名词,professor,以此进行,，得到如图,8.8,所示的自顶向下的分析树（略）。,10,3.2,自顶向下与自底向上分析,自底向上分析法,自底向上分析，是以输入语句的单词为基础，首先按重写规则的箭头指向，反方向使用那些最具体的重写规则，把单词归并成较大的结构成分，如短语等，然后对这些成分继续逆向使用规则，直到分析树的根节点为止。,仍以语句,The professor trains Jack,为例，逆向使用图,8.4,中的那些具体规则后，可得到图,8.9,所示的 部分分析树。,继续逆向使用规则，一步步归并，直到根节点“语句”为止，最后即可生成如图,8.5,所示的完整的分析树。,自顶向下分析方法与自底向上分析方法虽然思路清晰，但分析效率不高。为了提高分析效率，可采用自顶向下与自底向上相结合的分析方法。,Jack,名词短语,专用名词,trains,动词,冠词,名词,The,professor,终标符,.,11,4,句义分析,语义分析就是要识别一句话所表达的实际意义。即弄清楚“干什么了”，“谁干的”，“这个行为的原因和结果是什么”以及“这个行为发生的时间、地点及其所用的工具或方法”等。,原因是语法分析，仅是在句法范围内根据词性信息来分析自然语言中句子的文法结构的。由于它没有考虑句子本身的含义，也就不能排除像,The paper received the professor,这种在语法结构上正确，但实际意义上错误的句子。,目前，用于语义分析的技术比较多，本节仅简单介绍语义文法和格文法。,8.4.1,语义文法,8.4.2,格文法,12,4.1,语义文法,语义文法是在上下文无关文法的基础上，将“名词短语”、“动词短语”、“名词”等这些不含有语义信息的纯语法类别，用所讨论领域的专门信息，像“山”、“水”、“动物”、等这些具有很强语义约束的语义类别来代替。利用语义文法进行语义分析，就可以排除像“论文收到教授”这类无意义的句子。,例如，下面是一个关于舰船信息的语义文法的例子：,S PRESENT the ATTRIBUTE of SHIP,PRESENT what is|can you tell me,ATTRIBUTE length|class,SHIP the SHIPNAME|CLASSNAME class ship,SHIPNAME,Huanghe,|,Changjiang,CLASSNAME carrier|submarine,在上述重写规则中，用大写英文字母的单词表示非终极符，小写英文字母表示终极符，竖线表示“或”的意思。,利用上述语义文法进行语义分析，可以从语义上识别以下的输入：,what is the length of the,Huanghe,?,Can you tell me the class of the,Changjiang,?,13,4.2,格文法,格和格框架,(1/3),格文法是以句子的中心动词为主导，并用格来表示其它成分与此中心动词之间的语义关系的一种描述方法。,“格”这个词来源于传统语法，但它与传统语法中的格有着本质不同。在传统语法中，格仅表示一个词或短语再句子中的功能，如主格、宾格、等，反映的也只是词尾的变化规则，故称为表层格。在格文法中，格表示的是语义方面的关系，反映的是句子中所包含的思想、观念等，故称为深层格。,“格”是一个一般的概念，相对于中心动词的不同语义关系，格可以分为许多种。例如，在句子,John gave the book to Sally,中，相对于中心动词,gave,，,John,是这个行为的发出者，称为动作格；,the book,是行为作用的对象，称为受动格；,Sally,是行为作用对象所到达的目标，称为目标格。,14,4.2,格文法,格和格框架,(2/3),一套正确的深层格究竟应包括多少个格，以及这些格的明确含义是什么，目前尚无定论。,下面给出一个描述行为的句子，它所涉及的深层格主要有：,Agent,（施事），动作主格，指行为的施动者；,Object,（受事），受动者格，指行为作用的对象；,Co-Agent,（共施事），帮助者格，指行为施动者的合作者；,Instrument,（工具），工具格，指施事者或共施事者实现行为中所使用的对象；,Time,（时间），时间格，指行为发生的时间；,Source,（来源），来源格，指行为作用对象移出的位置；,Goal,（目标），目标格，指行为作用对象到达的位置；,Trajectory,（轨迹），轨迹格，指从来源到目标所经过的路径。,15,格框架是一种用来描述句子深层格的框架。,在格文法中，每个句子都联系着一个格框架。其中，框架名可以是相应句子的中心动词，框架的槽可分别对应于相应句子的各个深层格每个槽的槽值为该深层格在相应句子中所代表的语义成分。,例如，前述句子分析结束时所得到的实际格框架为：,GAVE,Agent:John,Object:the book,Source:John,Goal:Sally,4.2,格文法,格和格框架,(3/3),16,作 业 题,8.2,对下列每个语句给出文法分析树：,(1)John wanted to go the movie with Sally.,(2)John wanted to go to the movie with Robert Redford.,(3)I heard the story listening to the radio.,(4)I heard the kids listening to the radio.,17,分布智能,9.1,分布智能概述,分布智能主要研究在逻辑上或物理上分布的智能系统之间如何相互协调各自的智能行为，实现问题的并行求解。,9.1.1,分布式问题求解,9.1.1,多,Agent,系统,9.2 Agent,的结构,9.3 Agent,通信,9.4,多,Agent,合作,9.5,移动,Agent,18,分布式问题求解,分布式问题求解的主要任务是要创建大粒度的协作群体，使它们能为同一个求解目标而共同工作。其主要研究内容是如何在多个合作者之间进行任务划分和问题求解。在分布式问题求解系统中，数据、知识和控制均分布在各个结点上，并且没有一个结点能够拥有求解整个问题所需要的足够数据和知识，因此各结点之间必需通过相互协作才能有效地解决问题。,多,Agent,系统,多,Agent,系统是由多个自主,Agent,所组成的一种分布式系统。其主要任务是要创建一群自主的,Agent,，,并协调它们的智能行为。,多,Agent,系统与分布式问题求解的主要差别在于，不同,Agent,之间的目标可能相同，但也可能完全不同，每个,Agent,都必须具有与其它,Agent,进行自主协调、协作和协商的能力。多,Agent,系统的研究重点包括,Agent,结构、,Agent,通信和多,Agent,合作等。,1,分布智能概述,19,Agent,结构是指,Agent,的组成方式。其基本结构包括反应,Agent,、,慎思,Agent,及混和,Agent,的结构。,环,境,Agent,信息融合,效,应,器,传,感,器,感知,作用,图,9.1 Agent,的基本结构,作用决策,信息处理,2,Agent,的结构,Agent,的基本结构,20,反应,Agent,是一种不含任何内部状态，仅是简单地对外界刺激产生响应的,Agent,。其结构如图,9.2,所示，它采用“感知,-,动作”工作模式。,环,境,反应,Agent,世界现状,效,应,器,传,感,器,感知,作用,图,9.2,反应,Agent,的结构器,作用决策,条件,-,作用规则,2,Agent,的结构,反应,Agent,21,慎思,Agent,的基本结构如图,9.3,所示。在该结构中，,Agent,的基本过程是先通过传感器接收外界环境信息，并根据内部状态进行信息融合，然后在知识库支持下制定规划、在目标引导下形成动作序列，最后由效应器作用于外部环境。,2,Agent,的结构,慎思,Agent(1/3),慎思,Agent,世界现状,效,应,器,传,感,器,感知,作用,图,9.3,慎思,Agent,的基本结构器,规 划,作用决策,目 标,知 识 库,内部现状,环,境,22,BDI,的含义是信念,-,愿望,-,意图（,Blief-Disire-Intention,，即BDI,），,是一种典型的慎思,Agent,结构。,BDI,的概念,信念：,是,Agent,对其环境和自身的认识。信念不同于知识，一般认为，知识是为真的信念。下面是关于信念的几种不同的解释：,信念表示尚未完全证实的命题。,信念表示不一定正确的命题。,信念表示对已有证据积累的一种函数，即对命题的相信程度。,愿望：,是,Agent,希望达到的目标，这些目标有可能有机会去实现，但也有可能永远无法实现。在实际应用中，一个,Agent,的初始愿望，通常是人交给,Agent,的任务。,意图：,是,Agent,为达到愿望而计划采取的动作步骤。意图又可看作是,Agent,行为的控制器，它将引导和控制,Agent,的当前选择和未来活动。一个,Agent,的意图有可能会随着环境的变化而改变，即采取新的动作步骤。,2,Agent,的结构,慎思,Agent(2/3),23,环,境,BDI Agent,信念求精,作用,图,9-4 BDI Agent,的一般结构器,意见产生,筛 选,动作选择,信念集,愿望集,意图集,环,境,感知,2,Agent,的结构,慎思,Agent(3/3),24,是指多,Agent,系统中不同,Agent,之间的信息交换：其基本问题包括：,通信方式,Agent,通信方式是指不同,Agent,之间的信息交换方式。常用的通信方式有消息传送和黑板系统等。,通信语言,Agent,通信语言是指相互交换信息的,Agent,之间共同遵守的一组语法、语义和语用的定义。常用的,Agent,通信语言有知识查询与操纵语言,KQML,等。,对话管理,Agent,之间的单个信息交换是,Agent,通信语言需要解决的基本问题，但,Agent,之间而往往需要交换一系列信息，即需要进行对话。所谓对话是指,Agent,之间不断进行信息交换的模式，或者說是,Agent,之间交换一系列消息的过程。,通信协议,Agent,通信协议包括,Agent,通信使用的低层的传输协议和高层的对话协议。,低层的传输协议,是指,Agent,通信中实际使用的低层传输机制，如,TCP,、,HTTP,、,FTP,、,SMTP,等。,高层的对话协议,是指相互对话的,Agent,之间的协调协商协议。常用的描述对话协议的方法有有限状态自动机和,Petri,网等。,3,Agent,通信,Agent,通信的基本问题,25,知识查询与操纵语言,KQML,（,Knowledge Query and Manipulation Language,）,是目前国际上最著名的一种,Agent,通信语言。它由美国,DARPA,的知识共享计划,KSE,研究机构在,20,世纪,90,年代开发出来。,KSE,开发,KQML,的主要目的是为了解决基于知识的系统之间，以及基于知识的系统和常规数据库系统之间的通信问题。实际上，,KSE,同时发布的还有一个知识交换格式,KIF,，,它主要是为了形成,KQML,的内容部分。在实际应用中，,KQML,可基于某种元标记语言,(,如,XML),来实现。,KQML,语言的结构,从结构上看，,KQML,是一种层次结构型语言。它可分为通信、消息和内容,3,个层次，各层的含义如下：,通信层描述的是通信协议和与通信双方有关的一组属性参数，例如发送者和接受者的身份、与通信有关的标识等。,消息层是,KQML,语言的核心，它描述的是与消息有关的言语行为的类型。其基本功能是确定传送消息所使用的协议和与传送消息有关的语言行为等。,内容层是消息所包含的真正内容，它可以是任何表示语言、,ASCII,字符或二进制形式。对实现来说，,KQML,并不需要关心消息中内容部分的具体含义。,3,Agent,通信,Agent,通信语言,KQML(1/),26,KQML,消息：,也称为“行为（,performative,）,原语”或行为表达式，其基本格式是用一对圆括号括起来的一个表。表中的第,1,个元素是消息行为的名称，后面的元素是一系列参数名及其参数的值。,KQML,消息可简单地表示为：,（消息行为名称,：参数名,1,参数值,1,：参数名,2,参数值,2,）,其中，,消息行为名称,用来指出该消息所引发的语言行为类型，它由,KQML,保留的执行原语关键字来描述；,参数名,及其值用来指出消息的属性、要求和内容等，它由,KQML,保留的执行原语参数关键字来描述，每个参数名都必须以冒号（：）开始，后接相应的参数值。,KQML,语言的最大特点是其消息的参数以关键字为索引，并且参数的顺序是无关的。因此，采用不同语言的异质系统之间能够很方便地分析和处理这些消息。,3,Agent,通信,Agent,通信语言,KQML(2/),27,KQML,保留的行为原语参数,KQML,规范中定义了一部分常用的行为原语参数名和与其相关的一些参数值的含义，这些参数称为保留参数。,这些保留参数是,Agent,通信中最基本最常用的关键字。对他们进行统一定义，可加快异质系统间信息交换和理解的速度。,其参数名及含义如下：,:sender,行为原语的实际发送者,:receiver,行为原语的实际接收者,:from,当使用,forward,转发时，,:content,中行为原语的最初发送者,:to,当使用,forward,转发时，,:content,中行为原语的最终接收者,:,in-reply-to,对前条消息应答的标记，其值与前条消息的,:reply-with,值一致,:reply-with,对本条消息应答的标记,:language,:content,中内容信息的表示语言的名称,:ontology,:content,中内容信息使用的实体集（如术语定义的集合）名称,:content,有关行为原语表达内容的信息,在上面，,content,参数表示行为原语的直接目标”（即它的实际文字意义）。,content,的内容可以用通信双方都能识别的任何语言书写。,3,Agent,通信,Agent,通信语言,KQML(3/),28,KQML,保留的行为原语,KQML,中定义的行为原语称为保留的行为原语。这些行为原语可分为交谈类，干预和对话机制类，以及推进与网络类,3,种类型。,(1),交谈类原语,这类原语用来实现,Agent,间一般信息的交换。常用的有：,ask-if :sender,想知道,:receiver,是否认为,:content,为真。,tell :sender,向,:receiver,表明,:content,在,:sender,中为真。,reply :sender,向,:receiver,传送一个对,:receiver,的,:content,的回答。,advertise :sender,承诺处理嵌入在,advertise,原语里的所有消息。,例如，,Agent A,想发送一个行为表达式到,Agent B,，,询问,bar(x,y),是否为真，则其行为原语可表示为：,(ask-if,:sender A,发送者,A,:receiver B,接收者,B,:in-reply-to id0,对前条消息应答的标记,:reply-with id1,对本条消息应答的标记,:language Prolog :content,中内容使用的语言名称,:ontology,foo,:content,中内容使用的实体集名称,:content “bar(x,y)”),表达的内容,3,Agent,通信,Agent,通信语言,KQML(4/),29,(2),干预和对话机制类原语,这类原语用于干预和调整正常的对话过程。正常的对话过程一般是,Agent A,发送一条,KQML,消息给,Agent B,，,当需要应答或谈话需要继续时，,Agent B,发送响应消息，如此循环直到对话结束。最常用的,2,条是：,error :sender,不能理解所接收的以,:in-reply-to,为标识的消息，即发送者认为它所接受的前一条消息出错。,sorry :sender理解接收到的消息，消息在语法、语义方面都正确，但,:sender,不能提供任何应答；或者,:sender,能够提供进一步的应答，但由于某种原因它决定不再继续提供。,Sorry,意味着,Agent,要终止当前的对话过程。,(3),网络类原语,这类原语是为了满足计算机网络通信与服务需要而设立的行为原语。它们主要由通信服务器,Agent,使用，或者其它,Agent,通过“,advertise”,原语来使用。最常用的,3,条原语是：,register :sender,向,:receiver,宣告其存在性以及与物理地址有关的符号名。,forward :sender,希望,:receiver,传送一条消息给另一个,Agent,。,recommend-one :sender,请求,:receiver,推荐一个能够处理,:content,的,Agent,。,3,Agent,通信,Agent,通信语言,KQML(4/),30,KQML,通信服务器,为提高分布式处理的透明性，,KQML,引入了一个专门用来提供通信服务的特殊的,Agent,类型，即被称为通信服务器的,facilitator,。它负责各种通信服务，如：维护服务名称的注册，为命名的服务提供消息，进行基于内容的路由选择等。,例如，,Agent A,想知道,x,是否为真，请求,facilitator,希望找到一个能够处理,ask-if(x),的,Agent,；,如果在,facilitator,保存的,Agent B,有能力处理,ask-if(x),，则,facilitator,就将,Agent B,的名字返回给,Agent A,；,然后,Agent A,就可以与,Agent B,进行对话，并得到所需要的答案。其工作过程如下图所示：,facilitator,Agent A,Agent B,1.recommend-one(ask-if(x),2.advertise(ask-if(x),3.reply(B),4.ask-if(x),5.tell(x),图,9.7 facilitator Agent,的一个例子,3,Agent,通信,Agent,通信语言,KQML(5/),31,4,多,Agent,合作,多,Agent,系统可以看作是一个由一群自主并自私的,Agent,所构成的一个社会。在这个社会中，每个,Agent,都有自己的利益和目标，并且它们的利益有可能存在冲突，目标也有可能不一致。,像人类社会中具有不同利益的人为了实现各自的目标又需要进行合作一样，多,Agent,系统也是如此。,多,Agent,的合作包括：,Agent,协调：,是指对,Agent,之间的相互作用和,Agent,动作之间的内部依赖关系的管理。它描述的是一种动态行为，反映的是一种相互作用的性质。它的两个最基本的成分是：“有限资源的分配”和“中间结果的通信”Agent,协作：,协作是指,Agent,之间相互配合一起工作。它是非对抗,Agent,之间保持行为协调的一个特例。,Agent,协商：,协商主要用来消解冲突、共享任务和实现协调，是多,Agent,系统实现协调和解决冲突的一种重要方法。,32,常用的协调方法有：,基于部分全局规划的协调：,部分全局规划是指将一个,Agent,组的动作和相互作用进行组合所形成的数据结构。,所谓规划是部分的，是指系统不能产生整个问题的规划。,所谓规划是全局的，是指,Agent,通过局部规划的交换与合作，可以得到一个关于问题求解的全局视图，进而形成全局规划。,基于联合意图的协调：,意图是,Agent,为达到愿望而计划采取的动作步骤。联合意图则是指一组合作,Agent,对它们所从事的合作活动的整体目标的集体意图。,其典型例子是,Agent,机器人竞赛中的队内,Agent,机器人之间的协调问题，这些,Agent,既有自己的个体意图，又有全队的联合意图。,基于社会规范的协调：,基于社会规范的协调是一种以每个,Agent,都必须遵循的社会规范为基础的协调方法。所谓规范是一种建立的、期望的行为模式。社会规范可以对,Agent,社会中各,Agent,的行为加以限制，以过滤掉某些有冲突的意图和行为，保证其它,Agent,必须的行为方式，从而确保,Agent,自身行为的可能性，以实现整个,Agent,社会行为的协调。4,多,Agent,合作,Agent,的协调,33,合同网,是,Agent,协作中最著名的一种协作方法，被广泛应用于各种多,Agent,系统的协作中。其思想来源于人们在日常活动中的合同机制。在合同网系统中，所有,Agent,被分为管理者和工作者两种不同角色。,管理者,Agent,的主要职责包括：,(1),对每一个需要求解的任务建立其任务通知书（,Task Announcement,），并将任务通知书发送给有关的工作者,Agent,；,(2),接受并评估来自工作者,Agent,的投标（,Bid,）；,(3),从所有投标中选择最合适的工作者,Agent,，并与其签订合同,(Contract),；4),监督合同的执行，并综合结果。,工作者,Agent,的主要职责包括：,(1),接受相关的任务通知书；,(2),评价自己的资格；,(3),对感兴趣的子任务返回任务投标；,(4),如果投标被接受，按合同执行分配给自己的子任务；,(5),向管理者报告求解结果。,4,多,Agent,合作,Agent,的协作,(1/2),34,管理者,工作者,任务通知书,(1),(1),投标,合同,求解结果,(2),(2)(3),(3),(4),(5),(4),图,9.9,合同网系统的基本工作过程,合同网系统的基本工作过程如下图所示：,4,多,Agent,合作,Agent,的协作,(2/2),35,协商的主要方法包括协商协议、协商策略和协商处理。,协商协议,协商协议是用结构化方法描述的多,Agent,自动协商过程的一个协商行为序列。它需要详细说明初始化一个协商循环和响应消息的各种可能情况。最简单的协商协议是按照,这种形式定义的一个可能的协商行为序列。,协商策略,协商策略是模型化,Agent,内部协商推理的控制策略，亦是实现协商决策的元级知识，在协商过程中起着重要的作用。协商策略主要用于,Agent,决策及选择协商协议和通信消息。,协商处理,协商处理包括协商算法和系统分析两个方面。其中，协商算法用于描述,Agent,在协商过程中的行为，如通信、决策、规划和知识库操作等；系统分析用于分析和评价,Agent,协商的行为和性能，回答协商过程中的问题求解质量、算法效率和公平性等问题。,4,多,Agent,合作,Agent,的协商,36,多,Agent,系统的应用非常广泛，诸如智能信息检索、分布式网络管理、电子商务、协同工作和智能网络教学系统等。以智能网络教学系统为例：,教学,Agent,群,交互模型,学,生,教,师,图,9.10,多,Agent,智能网络教学系统的基本结构,界面,Agent,数据库,Agent,教学过程管理,Agent,教学策略,Agent,群,学生模型,数据库,学生模型数据库,是学生知识结构的反映。,数据库,Agent,负责学生模型数据库、教学,Agent,群和界面,Agent,之间交互的管理。,教学策略,Agent,群,中的每个,Agent,都相当于一个教育家。,教学过程管理,Agent,的主要功能是监视教学过程，并向教学,Agent,提供教学参考意见。,教学,Agent,群,是整个智能教学系统的核心，其中的每个教学,Agent,都相当于一个教师。,界面,Agent,构成了系统的交互模型，他主要负责与学生或教师的交互。,4,多,Agent,合作,多,Agent,应用示例,37,MAE,UA,UA,SA,UA,UA,SA,节点,A,结点,B,SA,UA,SA,SA,UA,UA,MAE,MAE,UA,SA,用户,Agent,服务,Agent,移动,本地通信,远程通信,事务,服务,事件,服务,目录,服务,表示注释,图,9.11,移动,Agent,系统的一般结构,5,移动,Agent,移动,Agent,（,MA,）是一种可以从网络上一个结点自主地移动到另一个结点，实现分布式问题处理的特殊的,Agent,。它由移动,Agent,和移动,Agent,环境两大部分所组成。,38,作 业,9.2 Agent,在结构上有什么特点？它是如何按照结构进行分类的？,9.7,什么是协调、协作、协商？它们之间有什么联系和区别？,39,先进专家系统,1,专家系统概述,2,基于规则和基于框架的专家系统,3,模糊专家系统和神经网络专家系统,4,基于,Web,的专家系统,5,分布式和协同式专家系统,6,专家系统的开发,40,1,专家系统概述,专家系统和先进专家系统,(1/2),专家系统的概念,专家系统是一种具有大量专门知识和经验的智能程序系统，它能运用领域专家多年积累的经验和专门知识，模拟领域专家的思维过程，解决该领域中需要专家才能解决的复杂问题。,先进专家系统的概念,先进专家系统是指在传统专家系统的基础上，引入一些新思想、新技术所产生的新型专家系统。,先进专家系统的特性,(1),并行分布式处理功能,(2),多专家协同工作,(3),更强的自学习能力,(4),更新的推理机制,(5),自纠错和自完善能力,(6),先进的智能接口,(7),更多的先进技术被引入和融合,41,人 机 接 口,数据库,推理机,知识获取,用户,知识库,领域专家,AI,专家,解释模块,图,10.1,专家系统的基本结构,专家系统的基本结构,尽管不同类型的专家系统的结构会存在一定差异，但其基本结构还是大致相同的。通常，一个专家系统的基本结构由知识库、数据库、推理机、解释模块、知识获取模块和人机接口,6,大部分所组成。如下图所示：,1,专家系统概述,专家系统和先进专家系统,(2/2),42,2,基于规则和基于框架的专家系统,基于规则的专家系统是指采用产生式知识表示方法的专家系统。它以产生式系统为基础，是专家系统开发中常用的一种方式，其最基本的工作模型如图,10.2,所示。,在该模型中，规则库是基于规则专家系统的知识库；事实库也称综合数据库，是用来存放推理前的已知事实和推理过程中所得到的中间结论的；推理机是基于规则专家系统的推理机构。,推理机,规则库,事实库,基于框架的专家系统是指采用框架知识表示方法的专家系统。它以框架系统为基础，具有较好的结构化特性。这种专家系统的基本结构也与图,10.1,所示的专家系统类似，其主要区别在于知识库中知识表示和组织方式，综合数据库中事实的表示方式，推理机的推理方法和系统推理过程的控制策略等。,43,模糊专家系统是指采用模糊技术来处理不确定性的一类专家系统。模糊专家系统的基本结构与传统专家系统类似，一般由模糊知识库、模糊数据库、模糊推理机、知识获取模块、解释模块和人机接口,6,部分所组成。如下图：,人 机 接 口,模糊数据库,模糊推理机,模糊知识获取,用户,模糊知识库,领域专家,AI,专家,解释模块,图,10.3,模糊专家系统的基本结构,3,模糊专家系统和神经网络专家系统,模糊专家系统,44,学习示例,知识库,学习算法,知识获取,用户,推理机,神经网络,专家,网络结构,图,10.4,神经网络专家系统的基本结构,解释器,神经网络专家系统是神经网络与传统专家系统集成所得到的一种专家系统。它将传统专家系统的显式的知识表示方法变为基于神经网络及其连接权值的隐式知识表示，把基于逻辑的串行推理技术变为基于神经网络的并行联想和自适应推理。,3,模糊专家系统和神经网络专家系统,神经网络专家系统,45,基于,Web,的专家系统是,Web,数据交换技术与传统专家系统集成所得到的一种先进专家系统。它利用,Web,浏览器实现人机交互，基于,Web,专家系统中的各类用户都可通过浏览器访问专家系统。从结构上，它由浏览器、应用服务器和数据库服务器三个层次所组成，包括,Web,接口、推理机、知识库、数据库和解释器。,Web,浏览,器,数据,库服,务器,普通用户,领域专家,AI,专家,图,10.4,基于,Web,专家系统的结构,应用服,务器,解释器,数据库,知识库,Web,接口,推理机,4,基于,Web,的专家系统,46,这是两种不同的先进专家系统，它们各自的侧重点不一样。