Multiagentenmodell

Bei einem Multiagentensystem oder MAS handelt es sich um ein System aus mehreren gleichartigen oder unterschiedlich spezialisierten handelnden Einheiten, die kollektiv ein Problem lösen.

Multiagentensysteme existieren sowohl in der Biologie (natürliche Multiagentensysteme) als auch in der Technik. Eine Beispielfamilie biologischer Multiagentensysteme stellen Ameisenstaaten dar. Einige der, in Ameisenstaaten ablaufenden, Algorithmen (Ameisenalgorithmen) stellen heuristische Lösungsverfahren für komplexe Optimierungsaufgaben dar und sind neben ihrem grundsätzlichen Interesse innerhalb der Theoretischen Biologie auch ein Vorbild bei der Optimierung technischer Prozesse. Man spricht auch von verteilter, im Bereich der Technik von künstlicher Intelligenz oder DAI (distributed artificial intelligence). Die Einheiten sind dort in der Regel Programme, das heißt Software-Agenten. Außerhalb Europas, insbesondere in den USA, hat sich für MAS die Bezeichnung Agent-based Modelling bzw. Simulation (ABM) durchgesetzt. Der Begriff wird auch für eine besondere Art der Wissenslogik gebraucht. In der Wissenslogik bezeichnet man die Träger des jeweils modellierten Wissens (bspw. Menschen, Spieler, Prozessoren) als "Agenten".

Zu beachten ist, dass sich Systeme mobiler Agenten (Mobile Agentensysteme) häufig ebenfalls MAS abkürzen. Mobile Agenten sind Softwareagenten, bei denen die Verlegung der Ausführung auf andere Knoten in einem Netz besondere Bedeutung findet.

Eigenschaften der Agenten

• Autonomie
• Homogen oder heterogen
• Lernfähigkeit sowie ein gewisses Grundniveau an Eigenintelligenz
• Reaktives und proaktives Handeln
• Kommunikationsfähigkeit
• Kooperationsfähigkeit
• Wahrnehmung ihrer Umwelt
• Mobilität

Diese Eigenschaften können in verschiedenen Kombinationen vorhanden sein, was auch verschiedene Klassen von Agenten definiert.

Multi-Agenten-Systeme (Multiagentensysteme) in der Technik

Multi-Agenten-Systeme (auch kurz: MAS) sind eine mögliche Art der Ausprägung von Eigenschaften und der Architektur von Agentenanordnungen. Allgemein gesprochen, sind sie ein Forschungsgebiet der Verteilten Künstlichen Intelligenz, das sich damit beschäftigt, wie autonome, verteilte und "intelligente" Systeme als Einheit ihr spezifisches Wissen, ihre Ziele, Fähigkeiten und Pläne abstimmen, um koordiniert zu handeln oder Probleme zu lösen, WOOLDRIDGE UND JENNINGS (1995)

Es gibt z.B. kollaborative Agentensysteme, die in ihrer Architektur bewusst verteilt werden, um dadurch flexibler und zuverlässiger Aufgaben zu erfüllen als ein einzelnes, lokales System. Es kann aus der Interaktion der Aktoren heraus ein Problem lösen, wozu eine einzelne Einheit nie in der Lage wäre. Diese Einheiten sind jede für eine Aktivität verantwortlich, eine übergeordnete Kontrolle ist nicht nötig und sie finden gemeinsam durch selbstorganisierte Abstimmung Lösungswege, FERBER (2001)

Kurze Erklärung der Agententypen nach NWANA (1996, S. 216):

• Kollaborative Agenten: Ziele werden durch Zusammenarbeit und Verhandlungen mit anderen Agenten erreicht, meist als Multi-Agenten-Systeme aufgebaut. Kooperativität und Autonomie stehen im Vordergrund, sie sind aber oft auch selbstlernend.

• Interface Agenten: Kommunizieren meist mit einem Menschen als Systembenutzer. Helfen auch im Internet Angebote zu finden und spezialisiert zu verhandeln. Nicht zu diesen Agenten gehören Hilfe-Assistenten.

• Smart Agenten: Haben alle Eigenschaften und sind in der Lage, die verschiedensten Aufgaben zu bewältigen.

Multi-Agenten-Systeme (Multiagentensysteme) benötigen ein gut funktionierendes Kommunikationsnetzwerk, weil jeder Agent ad hoc mit jedem anderen Agenten kommunizieren können muss. Eins-zu-Eins-Verbindungen machen folglich wenig Sinn. Aus diesem Grunde bieten sich moderne, leistungsstarke Funknetze an, um große Kabelansammlungen zu vermeiden, schnelle Einbindung neuer Systeme zu ermöglichen und die Fehlersuche zu erleichtern. Ein starkes Kommunikationsnetzwerk ist auch deswegen nötig, weil die Daten dezentral gehalten werden, also jeder Agent seine eigenes Wissen bei sich speichert, aber die anderen Agenten darauf zugreifen müssen, um sich für ihre eigene Entscheidungsfindung ein Bild über die Gesamtsituation machen zu können.

Die wesentlichen Typen der Kommunikation in Multi-Agenten-Systemen, FERBER (2001, S. 343) sind:

• Punkt-zu-Punkt
• Broadcast
• Ankündigung
• Signal

Die meist verwendete Nachrichtenform ist das Broadcasting, so dass alle Agenten jede Nachricht erhalten und dann entscheiden, ob und wie sie in Aktion treten.

Kooperation und Koordination Aus der Unlösbarkeit des Problems des einzelnen Agenten heraus, ist eine Kooperation zwischen den Agenten unbedingt notwendig. Im Falle von verschiedenartiger Aufgabenstellung müssen die Aktionen in ihrem zeitlichen Ablauf koordiniert und geplant werden, um effektiv und effizient zu bleiben. Wird eine Aufgabe von einem Agenten angenommen, muss dieser auch sofort diese Information zurückgeben, damit nicht mehrere Agenten das Gleiche tun wollen und sich im Extremfall gegenseitig behindern. Treten zum Beispiel Wartezeiten auf, muss auch das mit berücksichtigt werden. Es gibt zusätzliche Aufgaben, die nicht direkt produktiv sondern organisatorischer Art sind und notwendig, sobald mehrere autonome Agenten in einer gemeinsamen Umgebung ihre eigenen Ziele verfolgen, FERBER (2001, S. 431). Entstehen beispielsweise Zielkonflikte, müssen diese durch Kooperation gelöst werden.

PAGE-Beschreibung

Agenten können auch mittels PAGE (Akronym für percepts, actions, goals, environment = Wahrnehmungsinhalte, Aktionen, Ziele, Umwelt) beschrieben werden.

BDI-Beschreibung

Eine andere Charakterisierung benutzt das Akronym BDI, das für beliefs, desires und intentions steht.

Anwendungen

Robocup, Webcrawler, Produktionsplanung und -steuerung, Software-Agent, Multi-Agenten-Simulation

Siehe auch

Selbstorganisation, Grid-Computing, verteiltes Rechnen

Literatur

• Gerhard Weiss (Hrsg.), Multiagent Systems: A Modern Approach to Distributed Artifical Intelligence, MIT-Press, 2000, ISBN 0-262-73131-2
• Michael Wooldridge, Introduction to MultiAgent Systems, John Wiley and Sons, 2002, ISBN 0-471-49691-X
• Franziska Klügl, Multiagentensimulation, Konzepte Werkzeuge, Anwendungen, Addison-Wesley Verlag, ISBN 3-8273-1790-8
• Jacques Ferber, Multi-Agent Systems: An Introduction to Distributed Artificial Intelligence, Addison-Wesley, 1999, ISBN 0-201-36048-9

Weblinks

• Erklärung und weitere Hinweise zu MAS auf den Seiten einer Vereinigung für künstliche Intelligenz (AAAI) (engl.) [1]
• MAS in der Geographie [2]
• Agententechnologie in betrieblichen Anwendungen an der TU Berlin [3]
• Vorlesung Multiagentensysteme von Jörg H. Siekmann und Klaus Fischer (DFKI) an der Universität des Saarlandes (gzip-komprimierte PostScript-Folien)