Элементы теории агентных систем. Принятие решения активным агентом на основе знаний, полученных обобщением прецедентов.

Элементы теории агентных систем
Для описания целей, намерений, желаний, возможностей и запретов в поведении агента используются различные варианты модальной логики. Модальные логики, в которых для описания агентов наряду с обычными высказываниями (предикатами) допускаются модальности типа «возмож­но» и «необходимо» (статическая логика), «известно» и «неизвестно» (эпистемическая логика), «всегда» и «никогда» (временная логика), «ве­рит и не верит» (доксастическая логика), «желает» и «не желает» (опти-тативная логика) и т.д., представляют собой расширение классической логики высказываний. Они могут интерпретироваться в различных воз­можных мирах, тогда как классическая логика интерпретируется в одном-единственном мире.
Принятие решения активным агентом на основе знаний, полученных обобщением прецедентов
Агент обладает знаниями, т.е совокупностью высказываний, утверждений об объектах и связях внешней среды. Состояния объекта внешней среды получают описание в информацион­ной системе агента. Для агента эти состояния (или области) неразличимы, если их описания одинаковы. Таким образом
возникают классы (эквива­лентности) состояний, которые называются ситуациями.
Ситуации упорядо­чиваютяс.
Далее вводится понятие возможного мира как множество ситуаций, в которых истинными является то или иное под­множество высказываний. Состояния могут принадлежать разным типамя.Постулируется наличие операторов или классов.
Знания и операторы (методы) или каналы определяют какие действия выбираются агентом. Порядок использования методов определяется прото­колом
Упорядочение действий во времени образует план (прогнозирование действий)
Агент сопоставляет описание ситуации, в которой находится система правила, по принципу максимального сходства (сходство ситуации и пра­вил).
Агент генерирует множество возможных структур ранее и выбирает ту, которая дает максимальную ожидаемую полезность при ограничен­ных ресурсах. Агент использует обучение в случае, когда нет подходяще­го правила. Он ищет генерацию ситуации, ищет генерацию правила, за­тем производит идентификацию правил, при этом используется немоно­тонная логика.

Друзья! Приглашаем вас к обсуждению. Если у вас есть своё мнение, напишите нам в комментарии.