بررسی سيستم‌ های چند عامله با استفاده از تئوری بازی ‌ها

بررسی سيستم‌ های چند عامله با استفاده از تئوری بازی ‌ها

فهرست مطالب
چكيده
مقدمه
1- عامل و سيستم‌های چند عامله
1-1- مقدمه
1-2- هوش مصنوعی توزیع شده
1-3- حوزه‌هاي كاري هوش مصنوعي توزيع شده
1-4- دلايل گرايش به هوش مصنوعي توزيع شده
1-4-1- پايه تكنولوژيكي
1-4-2- توزيع ذاتي
1-4-3- مزاياي طراحي و پياده‌سازي
1-4-4- دلايل معرفت شناسي
1-4-5- بنياد اجتماعي
1-4-6- همجوشي (كلاس‌هاي جديد از مسائل)
1-5- مسائل مطرح در هوش مصنوعي توزيع شده
1-6- تعريف عامل و عامل‌هاي هوشمند
1-6-1- تعريف عامل
1-7- عامل به عنوان يك سيستم نرم‌افزاري
1-8- مفهوم عامل از ديدگاه عام
1-9- مروري برخصوصیات عامل
1-10- ويژگي‌هاي ديگر عامل‌ها
1-11- طبقه بندی عاملها
1-12- مقايسه عامل با شيء
1-13- تفاوت‌هاي سيستم مبتني بر عامل و سيستم‌هاي خبره
1-14- انواع محيط عامل
1-14-1- قابل دستيابي / غير قابل دستيابي
1-14-2- محيط قطعي يا غير قطعي
1-14-3- محيط مقطعي يا غير مقطعي
1-14-4- محيط ايستا / پويا
1-14-5- محيط گسسته يا پيوسته
1-15- سيستم‌هاي چند عامله
1-16- خصوصيات سيستم‌هاي چند عاملي:
1-17- دلايل استفاده از سيستم‌هاي چندعامله
1-17-1- نياز برخي دامنه‌ها به سيستم‌هاي چندعامله:
1-17-2- افزايش سرعت عمل با موازي سازي
1-17-3- قابليت اطمينان
1-17-4- توسعه پذيري
1-17-5- آسانتر شدن برنامه‌سازي
1-18- آزمون نظريه‌هاي ساير رشته‌هاي علمي
1-19- معماري‌هاي ارايه شده براي سيستم‌هاي چندعامله
1-19-1- مدل OMG
1-19-2- استاندارد FIPA
1-19-3- استاندارد KAOS
1-19-4- مدل General Magic
1-20- سازماندهي سيستم‌هاي چندعامله
1-20-1- ساختار سلسله مراتبي
1-20-2- ساختار مسطح
1-20-3- ساختار جزء به كل
1-20-4- ساختار پيمانه‌اي
1-21- پارامترهاي مطرح در ارزيابي سيستمهاي چندعامله
1-22- سیستمهای مقیاس وسیع(Large Scale systems):
1-23- کنترل غیر متمرکز : (Decentralized Control)
1-24- نتيجه‌گيري
2- تئوری بازی‌ها و کاربردهای آن‌ها درسيستم‌های چند عامله
2-1- مقدمه
2-2- نظريه بازی ‌ها چيست؟
2-3- تفاوت ميان تصميم‌گيري و بازي
2-4- طبقه‌بندي نظريه بازي‌ها
2-5- برخي مفاهيم و اصطلاحات
2-6- موارد استفاده از نظريه بازي‌ها
2-7- فرض های اساسی در نظریه بازیها
2-8- شاخه‌هاي اصلي نظريه بازي‌ها
2-9- بازي‌هاي ايستا
2-10- نمايش بازي در فرم استراتژيك يا نرمال
2-11- فرم ماتريسي بازي
2-12- پیدا کردن جواب در بازیهای ایستا
2-13- بازیهای رقابتی
2-14- بازیهای تصادفی
2-15- بازیهای پویا
2-16- بازی پویا در فرم بسط یافته
2-17- درخت‌ بازی
2-18- عناصر فرم بسط یافته:
2-19- پیشینه بازی:
2-20- مجموعه اطلاعاتي:
2-21- استراتژي
2-22- پیدا کردن جواب در بازیهای پویا
3- بررسي روش‌هاي يادگيري
3-1- يادگيري تقويتي
3-1-1- خط مشي
3-1-2- تابع پاداش
3-1-3- تابع مقدار
3-1-4- مدل برگرفته شده از محيط
3-2- اجزاي يادگيري تقويتي
3-3- اهداف و پاداش
3-4- Q-Learning
3-5- خاصيت ماركوف
3-6- فرآيند تصميم گيري ماركوف
3-7- روشهاي حل فرآيندهاي تصميم گيري مارکوف
3-8- تابع ارزش
3-9- تابع ارزش بهينه:
3-10- فرايند تحليل سلسله مراتبي (AHP)
3-11- ويژگيهاي فرايند تحليل سلسله مراتبي
3-12- ساختار سلسله مراتبي
3-13- اصول فرايند تحليل سلسله مراتبي
3-14- محاسبه وزن
3-15- روشهاي محاسبه وزن
3-15-1- روش حداقل مربعات ( least squares method )
3-15-2- روش حداقل مربعات لگاريتمي (logarithmic least squares method)
3-15-3- روش بردار ويژه ( Eigenvector Method ):
3-15-4- روش هاي تقريبي(Approximation Method)
3-16- سازگاري سيستم و ماتريس سازگار
3-17- محاسبه نرخ ناسازگاري
4- نتيجه‌گيري
5- مراجع
6- ABSTRACT

چكيده

در اين رساله، روش مناسبي جهت محاسبه نقطه تعادل نش در الگوريتم‌هاي يادگيري تقويتي چندعاملي با تعداد زياد عامل‌ها مطرح شده‌است، كه قادراست با ادغام محاسبات مربوط به نقطه تعادل نش و ايجاد مصالحه بين اكتشاف- استخراج، محاسبات را به صورت بهينه كاهش دهند.

بررسی سيستم‌ های چند عامله با استفاده از تئوری بازی ‌ها

تركيب يادگيري تقويتي تك- عاملي و تئوري بازي ايده اصلي اكثر روشهاي يادگيري چندعاملي است. اين روش‌ها سعي دارند تا كل فرآيند يادگيري را به تعدادي متناهي از حالت‌هاي تصميم‌گيري چندعاملي با خاصيت ماركوف تقسيم كرده و با انتخاب نقطه تعادل نش در هر كدام از اين مراحل به تدبير بهينه براي هر عامل همگرا شوند. بنابراين محاسبه نقطه تعادل نش مسئله مهمي است كه در حال حاضر مشكلاتي شامل پيچيدگي محاسبات در روشهاي شناخته شده محاسبه نقطه تعادل نش، چندگانگي نقطه تعادل نش، و مختلط بودن نقطه تعادل نش باعث شده كه اكثر روشهاي پيشنهادي يادگيري تقويتي چندعاملي جايگاه مناسبي در حل مسائل دنياي واقعي پيدا نكنند. ناگفته نماند كه تقريباً تمام روشهاي يادگيري تقويتي چندعاملي مطرح شده، مبتني بر روشهاي off-policy بوده‌اند كه نيازي به در نظر گرفتن مسئله رويه انتخاب عمل و اكتشاف در اثبات همگرايي ندارند. بنابراين در رويه‌هاي اجرايي پيشنهاد داده‌اند كه ابتدا نقطه تعادل نش محاسبه شده و سپس با روش ϵ-greedy مصالحه بين اكتشاف و استخراج برقرار شود.
محاسبه نقطه تعادل ϵ-نش در بازي‌هاي نرمال در اين رساله به صورت يك مسئله مينيمم‌سازي تعريف شده كه جواب آن توسط الگوريتم‌هاي ژنتيك بدست آمده‌است. علاوه بر كاهش پيچيدگي روش محاسبه نقطه تعادل نش، با اضافه كردن جمله مناسب در محاسبه تابع برازندگي، هر عامل قادر است نقطه تعادل نش پارتو را محاسبه كند كه مسئله چندگانگي نقاط تعادل نش را نيز مرتفع مي‌سازد.

بررسی سيستم‌ های چند عامله با استفاده از تئوری بازی ‌ها

مقدمه

محاسبه نقطه تعادل ϵ-نش در بازي‌هاي نرمال در اين رساله به صورت يك مسئله مينيمم‌سازي تعريف شده كه جواب آن توسط الگوريتم‌هاي ژنتيك بدست آمده‌است. علاوه بر كاهش پيچيدگي روش محاسبه نقطه تعادل نش، با اضافه كردن جمله مناسب در محاسبه تابع برازندگي، هر عامل قادر است نقطه تعادل نش پارتو را محاسبه كند كه مسئله چندگانگي نقاط تعادل نش را نيز مرتفع مي‌سازد.
در پايان، روشهاي پيشنهادي در حل مسئله بازار برق مورد استفاده قرار گرفته‌است. در ابتداي هر روز، شركت برق با هدف كاهش هزينه و در عين حال تأمين نيازهاي مصرفي با توجه به توپولوژي شبكه، به كمك برنامه‌ريزي خطي ميزان خريد برق از هر ژنراتور را با توجه به قيمت‌هاي پيشنهادي آنها اعلام مي‌كند. علاوه بر آن در پايان هر ماه با توجه به تناسب قيمت‌هاي پيشنهادي، مبلغي را به عنوان پاداش به هر ژنراتور مي‌دهد. ژنراتورها با توجه به ميزان سودي كه از فروش برق بدست مي‌آورند، پارامترهاي مربوط به جدول ارزش‌هاي خود در آن روز را اصلاح مي‌كنند. اين جدول‌ها منعكس كننده مسئله تعيين قيمت با توجه به خواسته‌هاي شركت برق و نحوه قيمت‌گذاري ساير ژنراتورها است. ژنراتور‌ها در ابتداي هر روز با توجه به اين جدول به دنبال پيدا كردن بهترين پيشنهاد به شركت برق هستند كه در واقع همان مسئله تعيين نقطه تعادل نش است. با كمك يادگيري تقويتي چندعاملي، ارزش‌هاي اين جدول‌ها به مرور اصلاح شده و عامل‌ها قادر به جمع‌آوري سود بيشتري در طول يك ماه خواهند بود. شبيه‌سازيهاي انجام شده روند صعودي افزايش ميزان سود را نشان مي‌دهند.

فصل اول
عامل و سیستم های چند عامله
1- عامل و سيستم‌های چند عامله

1-1- مقدمه
يكي از مهمترین مقوله هایی كه انتظار می رود در باره يك حوزه علمي جديد، مشخص شود، آشنايي با ماهيت آن حوزه است. بدين معني كه اين حوزه چيست، چگونه و چرا به وجود آمده است، سعي دارد چه مسائلي را حل كند، براي حل چه مسائلي كاربرد دارد و قلمروي آن تا کجاست؟

بررسی سيستم‌ های چند عامله با استفاده از تئوری بازی ‌ها
در دو دهه اخير، با افزايش توجه به محاسبات توزيع شده و علاقه به استفاده از تكنيك‌هاي هوش مصنوعي در این نوع محاسبات، شاخه جديدي از هوش مصنوعي به نام هوش مصنوعي توزيع شده شكل گرفته است. “هوش مصنوعي توزيع شده” عبارتی است كه پژوهشگران در اولين گردهمايي رسمي، كارگاهی آموزشی در سال 1980 در دانشگاه ام آي تي در آمريكا پيشنهاد کردند.
در اين حوزه جديد، به حل مسائل به صورت توزيع شده، توسط گروهي از موجوديت‌هاي خودمختار حل كننده مسئله به نام عامل پرداخته مي‌شود. در اجتماع عامل‌ها، هر عامل خودمختار داراي اهداف، باورها، قابليت‌ها و ويژگي‌هاي خاصي مي‌باشد.
1-2- هوش مصنوعی توزیع شده
در اولين تعاريف ارائه شده براي هوش مصنوعي توزيع شده بيان شده است كه اين حوزه، زير مجموعه‌اي از هوش مصنوعي است كه به مدل‌هاي دانش و تكنيك‌هاي ارتباط و استدلال مورد نياز عامل‌هاي محاسباتي هوشمند براي مشاركت در اجتماعي از عامل‌ها مي‌پردازد.]11[. در تعاريف ديگر آمده است كه هوش مصنوعي توزيع شده، مطالعه، ساخت و بكارگيري سيستم‌هايي است كه در آنها چندين عامل در حال تعامل با يكديگر، مجموعه‌اي از اهداف را دنبال مي‌كنند و مجموعه‌اي از وظايف را انجام مي‌دهند. ]14[.

بررسی سيستم‌ های چند عامله با استفاده از تئوری بازی ‌ها
در سال 1980 هوش مصنوعي توزيع شده متوجه آن دسته از مسائلي گرديد كه براي آنها يك حل كننده مسئله و يا يك واحد محاسباتي كافي نيست، بلكه نياز به همكاري بين موجوديتهاي مستقل حل مسائل (عامل‌ها) براي حل اينگونه مسائل مي‌باشد. ]12[. اين تعريف مورد تغيير و بحث‌‌هاي بسياري قرار گرفت كه از جمله احتمال وجود چندين وظيفه براي سيستم مطرح شد. در حالي كه عامل‌ها ممكن است داراي اهداف ناسازگار نيز باشد. در سال 1981 هوش مصنوعي توزيع شده متوجه وضعيت‌هاي حل مسئله‌اي گرديد كه در آنها چندين عامل براي رسيدن به مجموعه‌اي مشترك از اهداف همكاري مي‌كنند.
در سال 1983، يك سيستم همكاري حل مسئله به صورت شبكه‌اي توزيع شده از اجتماع عامل‌هاي نيمه خودمختار معرفي شد كه هر كدام قادر به حل مسئله مي‌باشند و براي حل يك مسئله با يكديگر همكاري مي‌كنند. ]2[. بر اين اساس سيستم هوش مصنوعي توزيع شده، شبكه‌اي از سيستم‌هاي مجزا و هوشمند است كه با يكديگر همكاري دارند. ]5[. در تعاريف سال‌هاي اخير سيستم هوش مصنوعي توزيع شده از تعداد زيادي عامل تشكيل شده است كه هر عامل توانايي محدودي در حل مسائل داشته و هوش كلي سيستم نيز نتيجه تعامل‌هاي بين اين عامل‌هاي با توانايي محدود در نتيجه‌گيري است. البته به نظر مي‌رسد كه محققين علاقه‌مند به عدم توزيع (به صورت پيوند گرا) بيشتر از اين تعريف پيروي مي‌كنند و به نظر مي‌رسد كه همان تعريف اوليه نزديكي بيشتري با اكثر تعاريف در اين زمينه داشته باشد.
در سال 1985 هوش مصنوعي توزيع شده متوجه راه‌حل نتيجه شده از مشاركت مجموعه‌اي از منابع دانش غير متمركز و ارتباط بين آنها شد كه هر كدام در پردازنده‌اي جدا از هم قرار گرفته‌اند ]13[ . اين ارتباط الزاماً يك ارتباط از پيش تعريف شده نمي‌باشد. يكسال بعد، در تعريفي جديد حداقل هوش و نتيجه‌گيري در هوش مصنوعي توزيع شده بدين صورت بيان گرديد كه سيستم هوش مصنوعي توزيع شده بايد حداقل شامل دو عامل باشد. اين عامل‌ها داراي درجه‌اي از اطلاعات و خودمختاري در راستاي دستيابي به هدف خود بوده و از ديدگاه هوش مصنوعي مهارتهايي نظير قابليت استنتاج، برنامه‌ريزي و غيره را از خود بروز مي‌دهند.

بررسی سيستم‌ های چند عامله با استفاده از تئوری بازی ‌ها
در سال 1987 هوش مصنوعي توزيع شده، در رابطه با اجتماع، همكاري و تعامل بين عامل‌هاي هوشمند مستقل براي حل مسائل پيچيده و كلي تعريف گرديد. ]10[. در مسائل فرض شد ]6[. در سال 1988 بحث همزماني در سيستم‌هاي هوشمند عنوان گرديد. ]1[. در جدول 1-1 خلاصه‌اي از تعاريف ارائه شده براي هوش مصنوعي توزيع شده و معيارهايي كه در هر تعريف اهميت داشته‌اند، ديده مي‌شوند.
با توجه به تعاريف مطرح شده ديده مي‌شود كه در اكثر تعاريف هوش مصنوعي توزيع شده به وجود چندين عامل يا موجوديت حل كننده مسئله ارائه شده است كه به شكل توزيع شده به منظور خاصي با يكديگر تعامل دارند. منظور يا مقصود اين تعامل مي‌تواند حل يك مسئله، انجام يك يا چند وظيفه يا دستيابي به يك يا چند هدف تأيين شده براي اجتماع عامل‌ها باشد. اين تعامل نيز مي‌تواند به شكل همكاري يا هماهنگي يا يك ارتباط ساده باشد. در رابطه با ميزان پيچيدگي عامل‌ها يا موجوديت‌هاي حل مسئله نيز نظراتي ارائه شده است. بعضي از محققين اعتقاد دارند كه عامل‌ها هوشمند بوده و داراي قابليت‌هايي مانند استدلال و برنامه‌ريزي مي‌باشند.
1-3- حوزه‌هاي كاري هوش مصنوعي توزيع شده
هوش مصنوعي توزيع شده را مي‌توان اشتراك دو حوزه محاسبات توزيع شده و هوش مصنوعي دانست. شكل 1-1 اين نگرش را نشان مي‌دهد. هوش مصنوعي توزيع شده، داراي دو حوزه تحقيقاتي است ]1[: حل مسئله توزيع شده و سيستم‌هاي چند عامله . حل مسئله‌ توزيع شده به اين موضوع مي‌پردازد كه چگونه وظيفه حل مسئله خاص ميان مجموعه‌اي از حل‌كنندگان مسئله كه در تقسيم و به اشتراك گذاشتن دانش و برنامه‌ريزي راه‌حل براي حل مسئله با يكديگر همكاري دارند، تقسيم شود و نتايج به منظور ارائه راه حل نهايي تركيب گردد. در حل مسئله به صورت توزيع شده تعامل و همكاري بين عامل‌ها الزامي‌است و هر عامل با درجه‌اي از خودمختاري در رسيدن به هدف كلي مسئله سهيم است و به عنوان جزيي از سيستم توزيع شده است.
جدول 1-1. بررسي تعريف ارائه شده براي هوش مصنوعي توزيع شده
نام محقق

بررسی سيستم‌ های چند عامله با استفاده از تئوری بازی ‌ها

ویژگی های تعریف عامل موجودیت
حل مسئله همکاری منظور منابع دانش
غیرمتمرکز ارتباط و
تعامل هماهنگی همزمانی
Davis-81 * * حل مسأله
McArthur * * دستیابی به مجموعه
مشترکی از اهداف
Lesser 83 * * حل مساله
Fehling 83 * هوشمند * حل مساله
Smith 85 * هدفگرا خودمختار
استنتاجی برنامه ریز حل مساله * *
Rosenschein 96 * حل مساله
Ginsberg 87 * * حل مساله *
Gasser 88 * حل مساله * *
Moulin 96 * انجام وظایف،
دستیابی به اهداف *
Weiss 99 * هوشمند
استدلالی * *

شكل 1-1: هوش مصنوعي توزيع شده، اشتراك محاسبات توزيع شده و هوش مصنوعي
تحقيق در زمينه سيستم‌هاي چندعامله به رفتار و مجموعه‌اي از عامل‌هاي خودمختار (از قبل موجود) مي‌پردازد كه ممكن است همه اهداف آنها در يك‌سو نباشد و داراي علايق مخصوص خود باشند و هدف آنها از اجتماع حل مسئله مطرح به شكلِ توزيع شده است.

بررسی سيستم‌ های چند عامله با استفاده از تئوری بازی ‌ها
حل يك مسئله پيچيده به صورت توزيع شده با استفاده از عامل‌ها به دو صورت مي‌تواند انجام گردد: اول، طراحي از بالا به پايين كه در اين رويكرد، مسئله از ابتدا به مسائل ريزتر تقسيم شده و جهت هر زير مسئله يك سيستم حل كننده مسئله خودمختار (عامل) براي حل آن تخصيص داده خواهد شد. هماهنگي بين نتايج فعاليت عامل‌ها توسط واحد كنترل سيستم هوشمند توزيع شده صورت خواهد گرفت. در اين رويكرد، استفاده از عامل‌هاي مستقل موجود و يا ايجاد عامل‌هاي نيمه مستقل براي حل مسئله امكان پذير مي‌گردد. به اين روش، حل مسئله توزيع شده يا DPS گويند. عامل در DPS قادر به انجام يك وظيفه به تنهايي نمي‌باشد بلكه به كمك عامل‌هاي ديگر در انجام وظايف، كارايي بيشتري دارد. براي انجام حل مسئله به صورت توزيع شده، عامل‌ها بايد با هم كار كرده و نيز چگونگي كار با يكديگر را بدانند. به عبارت ديگر عامل‌ها طراحي شده‌اند كه بخواهند و بتوانند با يكديگر كار كنند. يك گروه اركستر مي‌تواند مثالي خوب در اين زمينه باشد. به طور كلي مراحلي كه در DPS لازم است عبارتند از: تجزيه مسئله به مسائل ريزتر، تخصيص هر زيرمسئله به يك عامل و تبادل نتايج هر عامل. شكل 1-2 اين رويكرد را نشان مي‌دهد.

شكل 1-2: رويكرد از بالا به پايين (DPS)
در رويكرد دوم، حل مسئله پيچيده در محيط توزيع شده از پايين به بالا است و به آن سيستم‌هاي چند عامله گويند. در اين روش، بر اساس عامل‌هاي موجود در محيط حل مسئله نسبت به تخصيص هر زير مسئله به يك عامل اقدام مي‌گردد. در اين رويكرد عامل‌هاي كاملاً مستقل به كار گرفته خواهند شد و مسائل بر اساس وجود مشخصه‌هاي عامل تقسيم مي‌شوند. ]9[. در شكل 1-3 يك سيستم چندعامله ديده مي‌شود. همان‌گونه كه در شكل1-3 ديده مي‌شود عامل‌ها در يك سيستم چندعامله با يكديگر تعامل دارند و در زمان اجرا مي‌توانند براي حل مسئله، سازماني از عامل‌ها را با يگديگر تشكيل دهند.
1-4- دلايل گرايش به هوش مصنوعي توزيع شده

بررسی سيستم‌ های چند عامله با استفاده از تئوری بازی ‌ها
در رابطه با هر تكنولوژي جديد اين پرسش مطرح است كه چه عواملي باعث توجه به اين تكنولوژي مي‌شود و اين تكنولوژي در مقايسه با ساير تكنولوژي‌هاي مشابه داراي چه مزايايي مي‌باشد. پژوهشگران، مطالعه و بكارگيري هوش مصنوعي توزيع شده را به دلايل زير لازم مي‌دانند. ]1[ و ]3[:

شكل 1-3: سيستم چند عامله
1-4-1- پايه تكنولوژيكي
پيشرفت در تكنولوژي ساخت پردازنده‌ها، شبكه‌ها و تكنيك‌هاي محاسبات چند پردازنده‌اي امكان ايجاد سيستم‌هاي چند پردازنده‌اي و محاسبات غير همزمان را ممكن ساخته است. سخت‌افزار و نرم‌افزار چند پردازنده‌اي به همراه شبكه‌هاي ارزان و انعطاف‌پذير، فرصت پياده‌سازي سيستم‌هاي محاسباتي توزيع شده را بوجود آورده است.
1-4-2- توزيع ذاتي
بسياري از كاربردهاي هوش مصنوعي توزيع شده، به طور ذاتي توزيع شده هستند. براي توزيع، شش حوزه در هوش مصنوعي توزيع شده بيان شده است ]7[. اين شش حوزه عبارتند از: فضا، زمان، ابزار، منابع، اطلاعات و تفسير. در اجتماع عامل‌ها براي حل مسئله‌اي مشخص، كنترل سيستم توزيع شده با مشاركت عامل در اين شش حوزه نسبت مستقيم دارد. بدين معني كه عامل‌هايي كه منابع، اطلاعات، يا ابزار بيشتري در اختيار خود دارند كنترل بيشتري از سايرين در سيستم مورد نظر خواهند داشت. همانطوري كه Roth بيان مي‌دارد، توزيع مكاني عبارت است از دريافت درك محيط از حس‌گرهاي متعدد در مكان‌هاي مختلف كه پس از اين درك تفسير و يك پارچه‌سازي آن بايد صورت پذيرد. كنترل مجموعه‌اي از محيط‌هاي مختلف يك كارخانه كه با يكديگر همكاري دارند، مثالي از اين توزيع است. توزيع اطلاعات و ابزار و منابع در قالب سيستم‌هاي كاربردي متفاوت كه در همكاري با يكديگر براي حل مسئله اقدام مي‌كنند نيز قابل تصور است.

بررسی سيستم‌ های چند عامله با استفاده از تئوری بازی ‌ها
براي مثال سيستم‌هاي تشخيص پزشكي تخصصي را كه براي تحليل نارسايي‌هاي موجود در يك بيمار مورد استفاده قرار مي‌گيرند در نظر بگيريد. در اين مثال، هر سيستم كاربردي را مي‌توان يك سيستم خبره تصور كرد كه در معماري مشخصي شكل‌دهنده يك سيستم چندعامله است. با اين تعريف مي‌توان سيستم‌هاي چندعامله را مجموعه‌اي از سيستم‌هاي خبره در راستاي حل مسئله مشخص عنوان نمود. چنين تعريفي مي‌تواند همه شش حوزه توزيع شدگي را در بر داشته باشد. براي مثال كارخانه‌اي را در نظر بگيريد كه در آن خطوط توليد شامل چندين ناحيه كاري است كه هر كدام داراي سيستم خبره‌اي مستقل براي زمان‌بندي سفارش‌ها مي‌باشند.
سيستم هوش مصنوعي توزيع شده‌اي كه توزيع داده‌ها،‌خبرگي، قدرت پردازشي، و ساير منابع را مديريت مي‌كند داراي مزاياي عمده‌اي نسبت به يك حل كننده مسئله متمركز و يكپارچه مي‌باشد كه البته بسياري از اين مزايا همان مزاياي يك سيستم توزيع شده نسبت به سيستم‌ متمركز مي‌باشد. به طور كلي مزاياي زير را مي‌توان براي سيستم هوش مصنوعي توزيع‌شده و توزيع هوشمندي مطرح نمود:

• قابليت سازگاري
توزيع منطقي، معنايي، زماني، و مكاني، به سيستم DAI اين اجازه را مي‌دهد كه بتواند در وضعيت‌هاي در حال شكل‌گيري امكانات مختلفي را فراهم كند و قدرت سازگاري بيشتري را بدست آورد.

• هزينه
سيستم توزيع شده مقرون به صرفه‌است. زيرا تعداد زيادي عامل مستقل نسبت به حل مسئله اقدام مي‌نمايند و نيازي به انتقال داده‌هاي مورد نياز به سايت مركزي نخواهد بود و در نتيجه موجب كاهش هزينه‌هاي ارتباطي مي‌شود. استفاده از عامل‌هاي مستقل در مسائل مختلف توزيع هزينه را موجب مي‌گردد كه سهم بري هر مسئله از اين هزينه به شدت در مقايسه با هزينه داشتن يك راه‌حل متمركز براي آن متفاوت است.

• پياده‌سازي و مديريت
در بعضي از حوزه‌ها انتظار داريم كه طراحي و ساخت سيستم‌هاي هوشمند به عنوان مجموعه‌اي از بخش‌هاي مجزا اما در حال تعامل ساده شود. اگر سيستم هوشمندي بتواند به شكل توزيع شده ساخته شود، هر بخش آن به طور مجزا توسط متخصصي در دانشي يا حوزه‌اي بخصوص طراحي و پياده‌سازي مي‌گردد كه در نتيجه آن سيستم قابليت نگهداري و مقياس‌پذيري بهتري را خواهد داشت.

بررسی سيستم‌ های چند عامله با استفاده از تئوری بازی ‌ها

• انعطاف‌پذيري
با توجه به وجود عامل‌هاي مستقل و خودمختار در شكل‌گيري معماري يك سيستم هوشمند توزيع شده امكان هرگونه تغيير و يا توسعه اجزاي سيستم با كاهش يا اضافه نمودن عامل‌ها به آساني امكان‌پذير مي‌گردد كه اين خصوصيت در سيستم‌هاي متمركز با پيچيدگي‌هايي همراه است.

• كارايي يا سرعت
امكان بكارگيري موازي عامل‌ها در حل مسئله، سرعت حل مسئله را به شدت افزايش خواهد داد و همزماني موجب افزايش سرعت محاسبه مي‌شود و تبادل نتايج استنتاج را فراهم مي‌آورد. هزينه هماهنگي پردازش‌هاي موازي در مقابل اين مزايا قابل چشم‌پوشي است.

• قابليت اطمينان
سيستم با توجه به امكان بكارگيري عامل‌هاي متفاوت خودمختار، چنانچه نسبت به حل مسئله توسط يك عامل، نتيجه مطلوب حاصل نگرديد، امكان بكارگيري عامل ديگري فراهم است. اين وضعيت خاصيت اطمينان به سيستم را در حل مسائل به شدت افزايش مي‌دهد.

1-4-3- مزاياي طراحي و پياده‌سازي
سيستم هوش مصنوعي توزيع شده امكان بكارگيري اصول طراحي و پياده‌سازي پيمانه‌اي و شي‌ء گرا را فراهم مي‌كند. توانايي ساختاردهي مسئله‌اي پيچيده در اجزاي مستقل باعث به وجود آمدن سيستم‌هايي مي‌گردد كه ساخت، اشكال‌زدايي و نگه‌داري آنها آسانتر و مقاومت آنها نسبت به خطاهاي سخت‌افزاري و نرم‌افزاري نسبت به سيستم‌هاي يكپارچه و متمركز بيشتر مي‌باشد. به عنوان مثال، حوزه عمومي تشخيص پزشكي را در نظر بگيريد.

بررسی سيستم‌ های چند عامله با استفاده از تئوری بازی ‌ها

كارشناسان پزشكي براي اداره حوزه، آن را به تخصص‌هاي بسياري تقسيم مي‌كنند. اگر بخواهيم كه سيستم تشخيص پزشكي عمومي‌اي بسازيم مي‌توانيم با بهره‌گيري از سيستم‌هاي مستقل و مجزا در زير حوزه‌هاي مورد نظر به طور موازي، براي هر تخصص سيستم‌هاي مبتني بر دانشي بسازيم كه بين آنها ارتباط لازم وجود داشته باشد. چون اين سيستم‌ها تخصصي هستند،‌اشكال‌زدايي و نگهداري اين سيستم‌هاي كوچك به آساني امكان‌پذير مي‌گردد.

1-4-4- دلايل معرفت شناسي
يك رهيافت براي اعتبارسنجي نظريه‌هاي موجود در ساير رشته‌ها درباره چنين پديده‌هاي توسعه و آزمون مدل‌هاي كامپيوتري در برگيرنده اين نظريه‌ها مي‌باشد. همانگونه كه سيستم‌هاي هوش مصنوعي براي تأيين اعتبار نظريه‌هاي حل مسأله و هوش در زبانشناسي، روانشناسي و فلسفه بكار مي‌روند، سيستم‌هاي هوش مصنوعي توزيع شده نيز مي‌توانند به تأيين اعتبار نظريه‌هاي جامعه شناسي، مديريت و نظريه‌هاي سازماني كمك كنند. به عنوان مثال، نظريه‌اي وجود دارد كه بيان مي‌كند ميان ميزان توانمندي در برقراري ارتباط و

بررسی سيستم‌ های چند عامله با استفاده از تئوری بازی ‌ها

پسورد فایل: www.bazaarfile.ir

مطالعه بیشتر