第6章智能Agent2023/2/21《人工智能》

隨著計算機技術和網絡技術的發展和應用，集中式系統已不能完全適應科學技術的發展需要。并行計算和分布式處理等技術應運而生，分布是人工智能也成為了人工智能的一個新的發展方向。

Agent技術是在分布式人工智能研究需求的基礎上發展起來的一種技術。近10多年來，Agent和多Agent系統的研究成為分布式人工智能研究的一個熱點。

本章主要針對多Agent系統的相關技術進行探討，介紹Agent系統的模型和結構，重點介紹Agent的基本結構、Agent之間的通信模式、協作和協調方式。2023/2/22《人工智能》1分布式人工智能2Agent的結構3Agent通信4Agent協作與協調5多Agent環境MAGE本章主要內容：2023/2/23《人工智能》1

分布式人工智能一個分布式系統是把各種不同地理位置上的計算資源連接起來形成一個系統。分布式人工智能主要研究在邏輯上或物理上分散的智能系統如何并行的、相互協作地實現問題求解。有兩種主要的方法：（1）自頂向下：分布式問題求解。在多個合作和共享的知識模塊或系統之間劃分任務，并求解問題。（2）自底向上：基于Agent的方法。在一群自主的Agent之間進行智能行為的協調。2023/2/24《人工智能》1.1分布式人工智能的研究與發展

分布式人工智能的研究可以追溯到70年代末期。早期分布式人工智能的研究主要是分布式問題求解，其目標是要創建大粒度的協作群體，它們之間共同工作以對某一問題進行求解。

1980年Davis和Smith提出了合同網(CNET)

CNET使用投標---合同方式實現任務在多個節點上的分配。合同網系統的重要貢獻在于提出了通過相互選擇和達成協議的協商過程實現分布式任務分配和控制的思想。2023/2/25《人工智能》1980年麻薩諸塞大學的Lesser,Corkill

和Durfee

等人主持研制DVMT

該系統對市區內行駛的車輛軌跡進行監控,并以此環境為基礎,對分布式問題求解系統中許多技術問題進行研究。DVMT是以分布式傳感網絡數據解釋為背景，對復雜的黑板問題求解系統之間的相互作用進行了研究，提供了抽象和模型化分布式系統行為的方法。1983年Hewitt和他的同事們研制了基于ACTOR模型的并發程序設計系統。

ACTOR模型提供了分布式系統中并行計算理論和一組專家或ACTOR獲得智能行為的能力。在1991年Hewitt提出開放信息系統語義,指出競爭、承諾、協作、協商等性質應作為分布式人工智能的科學基礎，試圖為分布式人工智能的理論研究提供新的基礎。2023/2/26《人工智能》1987Gasser等持研制了一個實驗型的分布式人工智能系統開發環境MACE系統。

MACE中每一個計算單元都稱作Agent，它們具有知識表示和推理能力，它們之間通過消息傳送進行通信。MACE是一個類面向對象環境，但避開了并發對象系統中難于理解和實現的繼承問題。MACE的各個機構并行計算,并提供了描述機構的描述語言,具有跟蹤的demons機制。該課題研究的重點是在實際并行環境下運行分布式人工智能系統，保持概念的清晰性。2023/2/27《人工智能》1989年清華大學石純一等主持研制了分布式運輸調度系統DTDS-I。

該系統以運輸調度為背景，提出了分布式問題求解系統的體系結構，對問題分解、任務分布算法和基于元級通信的協作機制等方面進行了探討。1990中國科學院計算技術研究所史忠植等研究了分布式知識處理系統DKPS。

該系統采用邏輯------對象知識模型，研究了知識共享和協作求解等問題。2023/2/28《人工智能》

90年代，多Agent系統(Multi-agentsystems---MAS)的研究成為分布式人工智能研究的熱點。MAS主要研究自主的智能體之間智能行為的協調，為了一個共同的全局目標，也可能是關于各自的不同目標，共享有關問題和求解方法的知識，協作進行問題求解。基于智能Agent的概念，有人提出了一種新的人工智能定義：“人工智能是計算機科學的一個分支，它的目標是構造能表現出一定智能行為的Agent”。所以，智能Agent的研究應該是人工智能的核心問題。斯坦福大學計算機科學系的Hayes-Roth在IJCAI'95的特邀報告中談到：“智能的計算機Agent既是人工智能最初的目標，也是人工智能最終的目標。”2023/2/29《人工智能》1.2分布式人工智能的特點分布性：系統中的數據、知識,以及控制不但在邏輯上,而且在物理上是分布的,既沒有全局控制,也沒有全局的數據存儲。連接性：各個求解機構由計算機網絡互連,在問題求解過程中,通信代價要比求解問題的代價低得多。協作性：系統中諸機構能夠相互協作,來求解單個機構難以解決,甚至不能解決的任務。開放性：通過網絡互連和系統的分布，便于擴充系統規模，具有比單個系統更多的開放性和靈活性。2023/2/210《人工智能》容錯性：系統具有較多的冗余處理結點、通訊路徑和知識，能夠使系統在出現故障時，僅僅降低響應速度或求解精度，以保持系統正常工作，提高工作可靠性。獨立性：系統把求解任務歸約為幾個相對獨立的子任務，從而降低了各個處理結點和子系統問題求解的復雜性，也降低了軟件設計開發的復雜性。分布式人工智能的優點：1)提高問題求解能力。2)提高問題求解效率。3)擴大應用范圍。4)降低軟件的復雜性。2023/2/211《人工智能》1.3分布式問題求解

分布式問題求解將問題分解成若干子問題，并分配給各個子系統并行完成求解，最后通過綜合各個子問題的解而完成整個問題的求解。分布式問題求解過程可以分為四步：任務分解任務分配子問題求解結果綜合

在分布式問題求解系統中，數據、知識、控制均分布在系統的各節點（子系統）上，沒有全局數據和知識存儲。因此，在求解子問題時，子系統之間通常需要交互和協作。2023/2/212《人工智能》分布式問題求解中有兩種基本的協作方式：

1）任務分擔

2）結果共享1）任務分擔

Smith和Davis提出了任務分擔方式。在任務分擔系統中,結點之間通過分擔執行整個任務的子任務而相互協作,系統中的控制以目標為指導,各結點的處理目標是為了求解整個任務的一部分。任務分擔的問題求解方式適合于求解具有層次結構的任務，如工廠聯合體生產規劃、數字邏輯電路設計、醫療診斷。2023/2/213《人工智能》2）結果共享

Lesser和Corkill提出了結果共享方式。在結果共享方式的系統中,各結點通過共享部分結果相互協作,系統中的控制以數據為指導,各結點在任何時刻進行的求解取決于當時它本身擁有或從其它結點收到的數據和知識。結果共享的求解方式適合于求解與任務有關的各子任務的結果相互影響,并且部分結果需要綜合才能得出問題解的領域。如分布式運輸調度系統、分布式車輛監控實驗系統DVMT2023/2/214《人工智能》1.4基于Agent的問題求解在人工智能領域Agent有多種翻譯，如“智能體”、“主體”、“智能代理”、“真體”等。它可以看做是一個自動執行的實體，通過傳感器感知環境，通過效應器作用于環境。多Agent系統主要研究在邏輯上或物理上分離的多個Agent協調其智能行為，即知識、目標、意圖及規劃等，實現問題求解。可以看作是一種由底向上設計的系統。本章接下來將對多Agent系統的相關技術進行探討。環境傳感器效應器？Agent感知作用2023/2/215《人工智能》2

Agent的結構構建Agent的任務就是設計Agent程序，即實現Agent從感知到動作的映射。體系結構使得傳感器的感知對程序可用，運行程序并把該程序的作用選擇反饋給執行器。Agent結構需要解決的問題包括：Agent由那些模塊組成模塊之間如何交互信息Agent感知到的信息如何影響它的行為和內部狀態如何將這些模塊用軟件或硬件的方式組合起來形成一個有機的整體2023/2/216《人工智能》2.1Agent模型

Agent的理論模型研究主要從邏輯、行為、心理、社會等角度出發，對Agent的本質進行描述，為Agent系統創建奠定基礎。1、理性Agent模型(BDI模型)

Belief——信念，Agent對環境的基本看法。Desire——愿望，Agent想要實現的狀態，即目標。Intention——意圖，目標的子集。BDI模型可以通過下列要素描述：

(1)一組關于世界的信念；

(2)Agent當前打算達到的一組目標；

(3)一個規劃庫，描述達到目標和改變信念的方案；

(4)一個意圖結構，描述當前狀態如何達到目標和改變信念。2023/2/217《人工智能》BDI-Interpreterinitialize-state();do options:=option-generator(event-queue,B,G,I); selected-options:=deliberate(options,B,G,I); update-intentions(selected-options,I); execute(I); get-new-external-events(); drop-successful-attitudes(B,G,I); drop-impossible-attitudes(B,G,I);untilquitBDI解釋器2023/2/218《人工智能》

情景演算是描述動作的主要的形式框架。在情景演算中引入了狀態和動作的概念，并利用兩條邏輯公理來描述動作與狀態的關系。一條公理描述一個動作在滿足什么條件的狀態之下可能發生，另外一條描述在一個狀態之下某個動作發生以后當前狀態如何改變。2、動作理論模型環境狀態：State={P1,P2,…Pn}目標：Goal=<State,weightiness>動作模板：Act_template=<name,roles,preconditions,effects,resources>Agent能力：Ability=<Act_template,role,cost>2023/2/219《人工智能》環境Agent感知作用Agent的工作過程2.2Agent的基本結構環境交互信息融合信息處理作用交互感知作用問題求解器2023/2/220《人工智能》（1）在計算機系統中，Agent相當于一個獨立的功能模塊、獨立的計算機應用系統，它含有獨立的外部設備、輸入/輸出驅動裝備、各種功能操作處理程序、數據結構和相應輸出。（2）Agent程序的核心部分叫做決策生成器或問題求解器，起到主控作用，它接收全局狀態、任務和時序等信息，指揮相應的功能操作程序模塊工作。（3）Agent的運行是一個或多個進程，并接受總體調度。特別是當系統的工作狀態隨工作環境而經常變化時以及各Agent的具體任務時常變更時，更需搞好總體協調。（4）各個Agent在多個計算機CPU上并行運行，其運行環境由體系結構支持。體系結構還提供共享資源（黑板系統）、Agent間的通訊工具和Agent間的總體協調，使各Agent在統一目標下并行協調地工作。2023/2/221《人工智能》2.3Agent的特性通常認為一個Agent需要具有以下部分或全部特征：自治性

Agent能夠控制它的自身行為，其行為是主動的、自發的和有目標和意圖的，并能根據目標和環境要求對短期行為做出規劃。交互性也叫反應性，Agent能夠與環境交互作用，能夠感知其所處環境，并借助自己的行為結果，對環境做出適當反應。協作性各Agent合作和協調工作，求解單個Agent無法處理的問題，提高處理問題的能力。社會性

Agent存在于由多個Agent構成的社會環境中，與其它Agent交換信息、交互作用和通訊。2023/2/222《人工智能》持續性

Agent的程序在起動后，能夠在相當長一段時間內維持運行狀態，不隨運算的停止而立即結束運行。適應性能夠把新建立的Agent集成到系統中而無需對原有的多Agent系統進行重新設計，因而具有很強的適應性和可擴展性。智能性

Agent強調理性作用，可作為描述機器智能、動物智能和人類智能的統一模型。Agent的功能具有較高智能，而且這種智能往往是構成社會智能的一部分。

在實際應用中，Agent可以具有上述全部或部分特性。另外也可以根據實際需要，具有一些其他的特性，如實時性、移動性等。2023/2/223《人工智能》2.4Agent的結構分類

根據人類思維的不同層次，可把Agent分為下列幾類：

（1）反應式Agent：反應式Agent只簡單地對外部刺激產生響應，沒有任何內部狀態。每個Agent既是客戶，又是服務器，根據程序提出請求或做出回答。

環境執行器傳感器世界現狀動作決策條件—動作規則Agent2023/2/224《人工智能》

（2）慎思式Agent：慎思式（deliberative）Agent又稱為認知式（cognitive）Agent，是個具有顯式符號模型的基于知識的系統。環境執行器傳感器信息融合動作決策目標Agent知識庫規劃狀態2023/2/225《人工智能》

（3）跟蹤式Agent：具有內部狀態的反應式Agent通過找到一條條件與現有環境匹配的規則進行工作，然后執行與規則相關的作用。這種結構叫做跟蹤世界Agent或跟蹤式Agent。環境執行器傳感器世界現狀動作決策條件--動作規則AgentAgent影響世界信息世界發展Agent信息原有內部狀態2023/2/226《人工智能》

（4）基于目標的Agent：Agent還需要某種描述環境情況的目標信息。Agent的程序能夠與可能的作用結果信息結合起來，以便選擇達到目標的行為。環境執行器傳感器世界現狀動作決策目標AgentAgent影響世界信息世界發展Agent信息原有內部狀態動作對世界的影響2023/2/227《人工智能》

（5）基于效果的Agent：效果是一種把狀態映射到實數的函數，該函數描述了相關的滿意程度。一個完整規范的效果函數允許對各類情況做出理性的決策。環境執行器傳感器世界現狀動作決策滿意程度AgentAgent影響世界信息世界發展Agent信息原有內部狀態動作對世界的影響效果2023/2/228《人工智能》

（6）復合式Agent：復合式Agent即在一個Agent內組合多種相對獨立和并行執行的智能形態，其結構包括感知、動作、反應、建模、規劃、通信和決策等模塊。

環境執行器感知器建模決策生成Agent規劃反射通信其它Agent一般情況動作特殊情況預測協作/協商請求/應答2023/2/229《人工智能》3

Agent通信

在分布式系統中，一個Agent僅能通過影響其它Agent的行為來實現自己的意圖。對其它Agent行為的影響是由一種特殊行為（通信動作）來實現。通信動作是由一個Agent向另一個Agent實施的。執行一個通信動作的機制就是發送編碼動作消息的機制。消息發送/傳輸服務器轉換到傳輸格式從傳輸格式轉換消息M言語行為意圖I目標GAgentA消息MAgentB2023/2/230《人工智能》語義：全部有關的Agent必須知道通信語言的語義，消息的語義內容知識是分布式問題求解的核心部分。言語行為：通信語言也是一種動作，說話是為了使世界的狀態發生改變。交互協議：Agent之間消息交換的典型模式通信語言：傳遞消息的標準語法。詞法庫語法庫詞義庫物理通信語言生成語言理解通信策略對話消息黑板協議通信協作協議Agent通信模塊2023/2/231《人工智能》3.1Agent通信類型和機制1、Agent通信類型知識庫推理AgentA感知行為知識庫推理AgentB感知行為TELL/ASK通信或通信語言在Agent通信中，可以根據是否使用外部通信語言將Agent通信分為兩類。一是分享一個共同的內部表示語言，無需任何外部語言就能通信。（TELL/ASK模式）二是Agent之間共享一種語言作為通信語言，這種語言通常是一種形式語言。2023/2/232《人工智能》這種通信形式的Agent分享相同的內部表示，并通過接口TELL和ASK直接訪問相互的知識庫。

AgentA可以使用TELL(KBB,”P”)通信把一個提議P傳送到AgentB(加入到B的知識庫中)；也可以使用ASK(KBB,”Q”)查出B是否知道Q。這種通信形式的最大問題Agent的知識庫易于遭到破壞。（1）使用TELL和ASK通信大多數Agent的通信是通過使用一種外部語言來實現的。外部語言可以與內部表示語言不同，并且每個Agent都可以有不同的內部語言。只要每個Agent能夠可靠地將外部語言映射到自己的內部語言。這種通信方式的關鍵是設計外部語言及轉換機制。（2）使用形式語言通信2023/2/233《人工智能》2、Agent通信機制通常使用的Agent通信機制有兩種，黑板系統和消息對話系統。(1)黑板通信機制在多Agent系統中，黑板提供了一個公共的工作區，供Agent交換信息。一個Agent在黑板中寫入信息，該信息就可以為系統中其他Agent所使用。各個Agent可以在任何時候訪問黑板，查詢是否有新的信息。在黑板系統中，Agent之間不進行直接通信，每個Agent獨立完成各自求解的子問題黑板結構可用于任務共享系統和結果共享系統。2023/2/234《人工智能》(2)消息/對話機制

消息/對話通信是實現靈活和復雜的協調策略的基礎。各個Agent使用規定的協議相互交換信息，用于建立通信和協調機制。在面向消息的多Agent系統中，發送Agent直接把特定的消息發送至另一個接收Agent。與黑板系統不同，Agent之間的消息是直接交換，沒有中間緩沖區。一般地，發送Agent要為消息制定唯一的地址，只有該地址的Agent才能讀取該消息。為了支持協作策略，通信協議必須明確規定通信過程和消息格式，并選擇通信語言。每個Agent必須知道通信語言的語義。2023/2/235《人工智能》3.2Agent通信語言目前國際上比較廣泛使用的Agent通信語言有兩種，即KQML語言和KIF語言。（1）KQML語言

KQML(KnowledgeQueryandManipulationLanguage---知識查詢與操縱語言)是由美國ARPA的知識共享計劃中提出，規定了消息格式和消息傳送系統，為多Agent系統通信和協商提供了一種通用框架。

KQML分為三個層次：通信、消息和內容。通信層規定了全部技術通信參數消息層規定了與消息有關的語言行為的類型內容層規定了消息的內容2023/2/236《人工智能》按照KQML規范，設計了一種軟件Agent通信語言SACL。該語言用于MAPE環境，作為消息傳遞。一個例子：(ask-all :sender A :receiver B :in-reply-to ido :reply-with idl :language Prolog :ontology foo :content “bar(X,Y)”)2023/2/237《人工智能》（2）KIF語言

KIF(KnowledgeInterchangeFormat---知識交換格式)是智能物理Agent基金FIPA制定的一種通信規范。

FIPA定義的語言具有支持和促進Agent行為的特性。這些特性包括目標驅動行為、自主決策動作過程、通過協商和委托進行對話、心智狀態模型（如BDI等）以及對環境的需求和適應等。

FIPA定義了獨有的消息類型，尤其是消息的格式和類型的定義。消息類型對本規范定義的語法則是一個參數，對整個消息動作和消息內容都賦予了一定的意義。2023/2/238《人工智能》(inform:senderagent1:receiverhpl-auction-server:content(price(bidgood02)150):in-reply-toround-4:reply-withbid04:languages1:ontologyhpl-auction)消息結構開始通信動作類型消息參數消息內容表達式參數表達式在FIPA的ACL(Agent通信語言)中，消息的基本觀點是把消息表示為一個通信動作。在對話中，處理消息動作與處理其他動作一致。2023/2/239《人工智能》FIPA通信動作庫AcceptProposal接受提議Agree同意Cancel取消CallforProposal要求提議Confirm確認Disconfirm確認為否定Failure失敗Inform通知InformIf通知是否InformRef通知有關對象NotUnderstood不理解Propagate傳播Propose提議Proxy代理QueryIf 詢問是否QueryRef詢問有關對象Refuse拒絕（請求）RejectProposal拒絕提議Request請求RequestWhen請求某條件下執行RequestWhenever請求某個條件成立就執行Subscribe預定2023/2/240《人工智能》4

Agent協作與協調

協調(coordination)與協作(cooperation)是多Agent研究的核心問題之一，其目的是，使多Agent的知識、愿望、意圖、規劃、行動協調，以至達到協作是多Agent的主要目標。協調是指一組智能Agent完成一些集體活動時相互作用的性質。協調是對環境的適應。協作是非對抗的Agent之間保持行為協調的一個特例。它通過適當的協調，合作完成共同的目標。2023/2/241《人工智能》

多Agent系統中的協調是指多個Agent為了以一致、和諧的方式工作而進行交互的過程。進行協調是希望避免Agent之間的死鎖或活鎖。死鎖指多個Agent無法進行各自的下一步動作；活鎖指多個Agent不斷工作卻無任何進展。

多Agent之間的協調已有很多方法，大致可歸納為：組織結構化；合同；多Agent規劃；協商。2023/2/242《人工智能》

目前針對Agent協作的研究大體上可分為兩類：將其它領域研究多實體行為的方法和技術用于Agent協作的研究。如對策論和動力學研究。從Agent的目標、意圖、規劃等心智態度出發來研究多Agent間的協作。一般的Agent協作過程如下：產生需求、確定目標協作規劃、求解協作結構尋求協作伙伴選擇協作方案實現目標評估結果2023/2/243《人工智能》

從社會心理學的角度看，多Agent之間的協作情形大致可分為：

·協作型：將自己的利益放在第二位。

·自私型：將協作放在第二位。

·完全自私型：不考慮任何協作。

·完全協作型：不考慮自身利益。

·協作與自私相混合型。協作、協調與協商

在多Agent系統中，協作是系統設計的主要目標。當Agent的意圖不一致而出現目標、資源沖突時，則需要通過協調來解決。而協商是實現協同、協作、協調、沖突消解的關鍵環節。2023/2/244《人工智能》4.1合同網

1980年P.Smith在分布式問題求解中提出了一種合同網協議(ContactNetProtocool)，后來這種協議廣泛應用于多Agent系統的協調中。合同網由一組節點組成，每個節點包括有：通信處理器、合同處理器、任務處理器以及本地數據庫部件。任務處理器合同處理器本地數據庫通信處理器網絡2023/2/245《人工智能》通信處理器負責與其他節點進行通信，每個節點僅僅通過該部件與網絡連接。合同處理器判斷投標所提供的任務，發送應用(application)和完成合同。它分析和解釋到達的消息，并執行節點的協調。任務處理器負責處理和求解合同所賦予的任務。它從合同處理器接受所要求解的任務，利用本地數據庫進行求解，并將結果送到合同處理器。本地數據庫包括與節點有關的知識庫、協作協商的當前狀態和問題求解的信息。2023/2/246《人工智能》合同網工作時，將任務分成一系列子問題。有一個特定的節點稱作管理器，負責對子任務的管理。合同的協商過程如圖。子問題子問題解求解完成合同求解子解子解空①接收投標②應用③合同④確認⑤結果管理器節點2023/2/247《人工智能》①管理器提供投標，即要求解的子問題合同。標書對所有節點都是開放的。它使用合同協議定義的消息結構。

②節點接收到標書后，合同處理器根據Agent的知識和本地數據庫中當前可用資源，決定是否要承接標書中的任務。如果要，則按下列消息結構通知管理器。TO:AllnodesFROM:ManagerTYPE:TaskbidannouncementContactID:xx-yy-zzTaskAbstract:<問題描述>Eligibility:<合同要求的條件列表>Bid:<所要求的應用信息描述>ExpirationTime:<最遲應用時間>TO:ManagerFROM:NodeXTYPE:ApplicationContactID:xx-yy-zzNodeAbstract:<節點能力描述>2023/2/248《人工智能》③

管理器在所有的投標節點中，根據具體的求解知識和方法，選擇最合適的節點，將子問題求解任務交給它。根據合同消息，管理器指派合同如下：④節點接收到合同后，發送確認消息到管理器，以規定的形式確認接受合同。⑤節點進行問題求解。當問題求解完成后，將問題的解傳送給管理器。如果節點認為所接受的任務超出它的能力，它可以進一步劃分子問題，分配給其他節點。這時它用作管理器角色。TO:NodeXFROM:ManagerTYPE:ContactContactID:xx-yy-zzTaskSpecification:<子問題描述>2023/2/249《人工智能》4.2基于生態學的協作

80年代末，在計算機中出現了一個嶄新的學科---計算生態學。計算生態學是研究關于開放系統中決定計算結點的行為與資源使用的交互過程的學科。它摒棄了封閉、靜止地處理問題的傳統算法，將世界看作是開放的、進化的、并發的,通過多種協作處理問題的“生態系統”(ecosystem)加以研究。它的進展與開放信息系統的研究息息相關。計算生態學將計算系統看作是一個生態系統，它引進了許多生物的機制，如變異(mutation)即物種的變化。這些變化導致生命基因的改變，從而形成物種的多樣性，增強了適應環境的能力。這類變異策略成為人工智能系統提高其自身能力的一種方法。2023/2/250《人工智能》

目前，著名的生態系統模型有生物生態模型、物種進化模型、經濟模型、科學團體的社會模型。1、物種進化模型物種進化的“復制者”是基因。從門德爾的植物遺傳研究到現代遺傳學的成果，都說明了在物種進化過程中，基因的組合與變異起著關鍵作用。在一個物種的某一群體中基因的集合稱為基因池。生物組織是基因的載體。如果環境變化，選擇的機制就會改變。這種變化必然引起基因池的變化。特定種群的基因變化稱為基因流。一個物種總是不斷地經歷隔絕、基因流動、變化的循環。開始時，一組地理上隔絕的群體自己孤立地發展，基因在內部快速地流動。隨著開放，通過交流和競爭，優勝劣汰。2023/2/251《人工智能》

2、生物生態模型這是最著名的生態系統，具有典型的進化特征和層次性。這種特性反映在“食物鏈”中。對于復雜的生物生態系統而言，各物種組成了緊密相連的網絡－---食物網。這個系統的主要角色是捕食者與被食者。生命依賴于生命，共同進化，由小的生態環境組成大的生態系統。

3、經濟模型經濟系統在某種意義上類似于生物生態系統。在商品市場和理想市場中，進化決定于經濟實體的決策。選擇機制是市場獎勵機制。進化是快速的，企業與消費者之間、企業之間主要是一種互相依賴的合作關系。決策者為了追求長遠利益，可以采取各種有效的方法，甚至可以暫時做賠本買賣。2023/2/252《人工智能》5

多Agent環境MAGE

多Agent環境MAGE是中科院計算所開發的一種面向Agent的軟件開發和系統集成模式，包括需求分析、系統設計、Agent生成以及系統實現等多個階段。提供了多種軟件重用模式，可以方便地重用不同語言編寫的Agent和非Agent軟件；提供了面向Agent的