Sistemas Multiagentes 4ª Aula Programação Orientada a Agentes. Que ação tomar? Inferência Lógica : ( L implica L )

Transcrição

1 Agentes Racionais + maximizar função desempenho Objetivamente, Medida de Desempenho é uma função Funções de Utilidade 4ª Aula ção Orientada a Agentes Projetista f: R D Agente Predicados de Tarefas Luciano Reis Coutinho, Prof. lrc@deinf.ufma.br r : perceber DECIDIR agir 2 Agentes Racionais + maximizar função desempenho Agentes Reativos Puros + percepção ação Agentes Reativos Puros Regras={Percepção Ação} Agentes Cognitivos + percepção estado ação Agentes Deliberativos Agentes Lógicos + percepção estado, dedução ação Agentes BDI + percepção crenças, desejos, intenções, planos ação O que percebo? Que ação tomar? Estado Ação 3 4 Agentes Cognitivos/Deliberativos Revisão Estado Cognitivo Raciocínio Lógico Dedução Lógica Prático Deliberação Planejamento Raciocínio Lógico (visão sintática) Linguagem Formal : L Regras de Dedução : Lógica Dedutiva : L, O que percebo? Que ação tomar? Inferência Lógica : ( L implica L ) Estado Ação 5 6 1

2 Agente Lógico-Dedutivo Raciocínio Prático: Agente L Estado Cognitivo action : (L) Ac sensores O que percebo? Revisar o que sei Deduzir o que fazer atuaes see : E Per next : (L) Per (L) Ambiente PLANEJAMENTO (COMO) DELIBERAÇÃO (O QUE) Valores Crenças Desejos Emoções Intenções Metas Planos Ações 7 8 Agente BDI O que percebo? brf : (Bel) Per (Bel) see : E Per Revisar o que sei Des Desejos Bel options : (Bel) (Int) (Des) Crenças Deliberar o que fazer Int filter : (Bel) (Des) (Int) (Int) Intenções Planejar como fazer Plano Executar plan: (Bel) (Int) (Ac) Plan Exemplos de Implementações PRS (Procedural Reasoning System) Georgeff, M. and Ingrand, F. (1989) Decision-making in an embedded reasoning system. In Proc. IJCAI 89, pp UM-PRS (C++), JAM! (Java), JASON ( AgentSpeak(L) escrito em Java) Bordini, R., Hübner, J. and Vieira, R. (2005). Jason and the Golden Fleece of Agent-Oriented Programming. In Bordini et al. Multi-agent programming languages, platforms and application. Springer. JADEX (Framework BDI usado na plataforma JADE) Pokahr, A., Brauhach, L., and Lamersf, W. (2005) Jadex: A BDI Reasoning Engine. In Bordini et al. Multi-agent programming languages, platforms and application. Springer ção Orientada a Agentes Plataformas e es Comunicação e Ambientes Distribuição Jason, AgentSpeak(L) Linguagem AgentSpeak(L) Semântica Operacional Ambiente Simulado Leituras Recomendadas Termo introduzido por Y. Shoham SHOHAM, Y. (1993) Agent-oriented programming. Artificial Intelligence 60: Linguagens Orientadas a Agentes Agent0 (SHOHAM 1993) AgentSpeak(L) (Rao 1996) 3APL (Hindriks etal. 1999) Brahms (Sierhuis 2001) Bordini etal (2005) Multi-agent programming: languages, platforms and applications. Springer. Bordini etal (2009) Multi-agent programming: languages, tools and applications. Springer

3 Agente 2 Agente n Agente 2 Agente n msg msg msg Agente = Agente 2 Agente n Agente j Agente m+1 Agente m+i (instância #1) (instância #m) see act AMBIENTE Real ou Simulado ção Orientada a Agentes Plataformas e es Comunicação e Ambientes Distribuição Jason, AgentSpeak(L) Linguagem AgentSpeak(L) Semântica Operacional Ambiente Simulado Leituras Recomendadas

4 Introduzida por Rao, A. (1996) AgentSpeak(L): BDI agentes speak out in a logical computable language. Springer, LNAI 1038, pp Linguagem PROLOG-like para agentes BDI The language AgentSpeak(L) can be viewed as a simplified, textual language of PRS or dmars. (Rao 1996) Conceitos Principais Beliefs: representam a informação disponível a um agente (sobre ambiente ou sobre os outros agentes); Goals: representam estados de coisas que o agente deseja fazer acontecer ou realizar Plans: São receitas para ação, representando o know-how dos agentes Events: Acontecimentos que envolvem mundanças nas crenças ou objetivos dos agentes Intentions: Planos instanciados para atingir algum objetivo Sintaxe São representadas por Literais de Primeira Ordem com anotações. Mudanças na Base de Crenças Após percepções red(box1)[source(percept)]. functor(term 1,, term n )[annot 1,, annot m ]. Exemplos red(box1)[source(percept)]. Intencionalmente (via operaes + e - ) +lier(alice); // adds lier(alice)[source(self)] -lier(john); // removes lier(john)[source(self)] Após comunicação (via ação.send() ) friend(bob,alice)[source(bob)]. lier(alice)[source(self),source(bob)]. ~lier(bob)[source(self)]..send(tom,tell,lier(alice)); // sent by bob // adds lier(alice)[source(bob)] in Tom s BB.send(tom,untell,lier(alice)); // sent by bob // removes lier(alice)[source(bob)] from Tom s BB Tipos Achievement Goal Test Goal (meta de fazer) (meta de conhecer) Sintaxe Mesma forma das crenças, porém precedidos de! achievement goal.? test goal. Exemplo!start. Novos Objetivos Intencionalmente // adds new achievement goal!write(book); // adds new test goal?publisher(p);

5 Novos Objetivos Novos Objetivos Via Comunicação Quando um agente recebe uma mensagem achieve, o conteúdo torna-se um novo achievement goal anotado com o sender da mensagem.send(tom,achieve,write(book)); // sent by Bob // adds new goal write(book)[source(bob)] for Tom.send(tom,unachieve,write(book)); // sent by Bob // removes goal write(book)[source(bob)] for Tom Via Comunicação Quando um agente recebe uma mensagem askone ou askall o conteúdo torna-se um novo test goal anotado com o sender da mensagem.send(tom,askone,published(p),answer); // sent by Bob // adds new goal?publisher(p)[source(bob)] for Tom // the response of Tom will unify with Answer Eventos acontecem como consequência das mudanças nas crenças e objetivos dos agentes Tipos de Eventos + b (belief addition) - b (belief deletion) +!g (achievement-goal addition) -!g (achievement-goal deletion) +?g (test-goal addition) -?g (test-goal deletion) Um agente reage a eventos executando planos Sintaxe triggering_event : context <- body. onde: O triggering event denota os eventos para os quais o plano foi feito O context representa as circunstâncias nas quais o plano pode ser aplicado O body são as ações a serem realizadas para lidar com o evento 27 28!get(beer). // initial goal: get a beer +!get(beer) : true <-.send(robot, achieve, has(owner,beer)). +has(owner,beer) : true <-!drink(beer). -has(owner,beer) : true <-!get(beer). // while I have beer, sip +!drink(beer) : has(owner,beer) <- sip(beer);!drink(beer). +!drink(beer) : not has(owner,beer) <- true. +!has(owner,beer) : available(beer,fridge) & not too_much(beer) <-!at(robot,fridge); open(fridge); get(beer); close(fridge);!at(robot,owner); hand_in(beer);?has(owner,beer); // remember that another beer has been consumed.date(yy,mm,dd);.time(hh,nn,ss); +consumed(yy,mm,dd,hh,nn,ss,beer). +!has(owner,beer) : not available(beer,fridge) <-.send(supermarket, achieve, order(beer,5));!at(robot,fridge). // go to fridge and wait there

6 Biblioteca de planos formada por Ciclo básico de raciocínio do agente Planos iniciais definidos pelo programa Perceber o ambiente e atualizar a base de crenças Processar novas mensagens Planos adicionados dinamicamente.add_plan.remove_plan Selecionar evento Selecionar planos relevantes Selecionar planos aplicáveis Planos recebidos através de mensagens tellhow untellhow Criar/atualizar intenções Selecionar intenção para executar A classe Environment pode ser extendida para implementar ambientes simulados import jason.environment.environment; public class RoomEnv extends Environment { Literal ld = Literal.parseLiteral("locked(door)"); Literal nld = Literal.parseLiteral("~locked(door)"); boolean doorlocked = public void init(string[] args) { addpercept(ld); } /** Implementation of the agent's basic actions public boolean executeaction(string ag, Structure act) { clearpercepts(); ção Orientada a Agentes Plataformas e es Comunicação e Ambientes Distribuição if (act.getfunctor().equals("lock")) doorlocked = true; if (act.getfunctor().equals("unlock")) doorlocked = false; // update percepts given state of the environment if (doorlocked) addpercept(ld); Jason, AgentSpeak(L) Linguagem AgentSpeak(L) Semântica Operacional Ambiente Simulado else } addpercept(nld); return true; Leituras Recomendadas }

7 Sobre ção Orientada a Agentes Artigo de SHOHAM, Y. (1993) Agent-oriented programming. Artificial Intelligence 60: Livro de Bordini etal (2005) Multi-agent programming: languages, platforms and applications. Springer. Livro de Bordini etal (2009) Multi-agent programming: languages, tools and applications. Springer. Sobre AgentSpeak(L) Artigo de Rao, A. (1996) AgentSpeak(L): BDI agentes speak out in a logical computable language. Springer, LNAI 1038, pp Sobre Jason Capítulo 1 de Bordini etal (2005) Multi-agent programming: languages, platforms and applications. Springer. Livro de Bordini, R. et al. (2007) Programming multi-agent systems in AgentSpeak using Jason. John Wiley & Sons Ltd. 37 7