बहु-एजेंट प्रणाली

From Vigyanwiki
Revision as of 22:15, 25 July 2023 by alpha>Indicwiki (Created page with "{{Short description|Built of multiple interacting agents}} {{Multi-agent system}} Image:IntelligentAgent-SimpleReflex.png|thumb|right|सरल प्रतिवर्त...")
(diff) ← Older revision | Latest revision (diff) | Newer revision → (diff)
सरल प्रतिवर्त एजेंट
सीखने का एजेंट

एक मल्टी-एजेंट सिस्टम (एमएएस या स्व-संगठित सिस्टम) एक कम्प्यूटरीकृत सिस्टम है जो कई इंटरैक्टिंग बुद्धिमान एजेंटों से बना होता है।[1] मल्टी-एजेंट सिस्टम उन समस्याओं को हल कर सकते हैं जिन्हें हल करना किसी व्यक्तिगत एजेंट या अखंड प्रणाली के लिए मुश्किल या असंभव है।[2] इंटेलिजेंस में वैज्ञानिक पद्धति, फ़ंक्शन (कंप्यूटर विज्ञान), कलन विधि दृष्टिकोण, एल्गोरिदमिक खोज एल्गोरिदम या सुदृढीकरण सीखना शामिल हो सकता है।[3][4]

काफी ओवरलैप के बावजूद, एक मल्टी-एजेंट सिस्टम हमेशा एजेंट-आधारित मॉडल (एबीएम) के समान नहीं होता है। एबीएम का लक्ष्य विशिष्ट व्यावहारिक या इंजीनियरिंग समस्याओं को हल करने के बजाय, आमतौर पर प्राकृतिक प्रणालियों में सरल नियमों का पालन करने वाले एजेंटों (जिन्हें बुद्धिमान होने की आवश्यकता नहीं है) के सामूहिक व्यवहार में व्याख्यात्मक अंतर्दृष्टि की खोज करना है। एबीएम की शब्दावली विज्ञान में और एमएएस की इंजीनियरिंग और प्रौद्योगिकी में अधिक बार उपयोग की जाती है।[5] ऐसे अनुप्रयोग जहां मल्टी-एजेंट सिस्टम अनुसंधान एक उचित दृष्टिकोण प्रदान कर सकता है, उनमें ऑनलाइन ट्रेडिंग शामिल है,[6] आपदा प्रतिक्रिया,[7][8] लक्ष्य निगरानी [9] और सामाजिक संरचना मॉडलिंग।[10]


संकल्पना

मल्टी-एजेंट सिस्टम में एजेंट और उनके बायोफिजिकल वातावरण शामिल होते हैं। आमतौर पर मल्टी-एजेंट सिस्टम अनुसंधान सॉफ्टवेयर एजेंटों को संदर्भित करता है। हालाँकि, मल्टी-एजेंट प्रणाली में एजेंट समान रूप से रोबोट, मानव या मानव टीम भी हो सकते हैं। एक बहु-एजेंट प्रणाली में संयुक्त मानव-एजेंट टीमें शामिल हो सकती हैं।

एजेंटों को सरल से जटिल तक के प्रकारों में विभाजित किया जा सकता है। श्रेणियों में शामिल हैं:

  • निष्क्रिय एजेंट[11] या बिना लक्ष्य वाला एजेंट (जैसे किसी साधारण सिमुलेशन में बाधा, सेब या कुंजी)
  • सक्रिय एजेंट[11]सरल लक्ष्यों के साथ (जैसे झुंड में पक्षी, या लोटका-वोल्टेरा में भेड़िया-भेड़ | शिकार-शिकारी मॉडल)
  • संज्ञानात्मक एजेंट (जटिल गणना)

एजेंट वातावरण को इसमें विभाजित किया जा सकता है:

  • आभासी
  • पृथक
  • निरंतर

एजेंट वातावरण को पहुंच जैसे गुणों के अनुसार भी व्यवस्थित किया जा सकता है (क्या पर्यावरण के बारे में पूरी जानकारी इकट्ठा करना संभव है), नियतिवाद (क्या कोई कार्रवाई एक निश्चित प्रभाव का कारण बनती है), गतिशीलता (कितनी संस्थाएं इस समय पर्यावरण को प्रभावित करती हैं), विसंगति (क्या पर्यावरण में संभावित कार्यों की संख्या सीमित है), प्रासंगिकता (क्या निश्चित समय अवधि में एजेंट की गतिविधियां अन्य अवधियों को प्रभावित करती हैं),[12] और आयामीता (क्या स्थानिक विशेषताएँ पर्यावरण के महत्वपूर्ण कारक हैं और एजेंट अपने निर्णय लेने में स्थान पर विचार करता है)।[13] एजेंट की कार्रवाइयों को आम तौर पर एक उपयुक्त मिडलवेयर के माध्यम से मध्यस्थ किया जाता है। यह मिडलवेयर मल्टी-एजेंट सिस्टम के लिए प्रथम श्रेणी का डिज़ाइन एब्स्ट्रैक्शन प्रदान करता है, जो संसाधन पहुंच और एजेंट समन्वय को नियंत्रित करने के साधन प्रदान करता है।[14]


विशेषताएँ

बहु-एजेंट प्रणाली में एजेंटों की कई महत्वपूर्ण विशेषताएं होती हैं:[15]

  • स्वायत्तता: एजेंट कम से कम आंशिक रूप से स्वतंत्र, आत्म-जागरूक, स्वायत्त एजेंट
  • स्थानीय विचार: किसी भी एजेंट के पास पूर्ण वैश्विक दृष्टिकोण नहीं होता है, या किसी एजेंट के लिए इस तरह के ज्ञान का फायदा उठाने के लिए सिस्टम बहुत जटिल है
  • विकेंद्रीकरण: किसी भी एजेंट को नियंत्रण के रूप में नामित नहीं किया गया है (या सिस्टम को प्रभावी ढंग से एक अखंड प्रणाली में बदल दिया गया है)[16]


स्व-संगठन और स्व-निर्देशन

मल्टी-एजेंट प्रणालियाँ स्व-संगठन के साथ-साथ स्व-दिशा और अन्य नियंत्रण सिद्धांत और संबंधित जटिल व्यवहार प्रकट कर सकती हैं, तब भी जब उनके सभी एजेंटों की व्यक्तिगत रणनीतियाँ सरल हों।[citation needed] जब एजेंट सिस्टम के संचार प्रोटोकॉल की बाधाओं के भीतर किसी भी सहमत भाषा का उपयोग करके ज्ञान साझा कर सकते हैं, तो दृष्टिकोण एक सामान्य सुधार का कारण बन सकता है। उदाहरण भाषाएँ KQML (KQML) या एजेंट संचार भाषा (ACL) हैं।

सिस्टम प्रतिमान

कई एमएएस को कंप्यूटर सिमुलेशन में लागू किया जाता है, जो सिस्टम को अलग-अलग समय चरणों के माध्यम से आगे बढ़ाता है। एमएएस घटक आमतौर पर भारित अनुरोध मैट्रिक्स का उपयोग करके संचार करते हैं, उदाहरण के लिए।

 गति-VERY_IMPORTANT: न्यूनतम=45 मील प्रति घंटा,
 पथ की लंबाई-MEDIUM_IMPORTANCE: अधिकतम=60 अपेक्षितअधिकतम=40,
 अधिकतम-वजन-महत्वहीन
 अनुबंध प्राथमिकता-नियमित

और एक भारित प्रतिक्रिया मैट्रिक्स, उदा.

 गति-न्यूनतम:50 लेकिन केवल अगर मौसम धूपदार हो,
 पथ की लंबाई: धूप के लिए 25 / बरसात के लिए 46
 अनुबंध प्राथमिकता-नियमित
 ध्यान दें - एम्बुलेंस इस प्राथमिकता को खत्म कर देगी और आपको इंतजार करना होगा

चुनौती-प्रतिक्रिया-अनुबंध योजना एमएएस प्रणालियों में आम है, जहां

  • सबसे पहले कौन कर सकता है? प्रश्न वितरित है.
  • केवल संबंधित घटक ही प्रतिक्रिया देते हैं: मैं इस कीमत पर कर सकता हूं।
  • अंत में, एक अनुबंध स्थापित किया जाता है, आमतौर पर पक्षों के बीच कई छोटे संचार चरणों में,

अन्य घटकों, विकसित अनुबंधों और घटक एल्गोरिदम के प्रतिबंध सेटों पर भी विचार करना।

एमएएस के साथ आमतौर पर उपयोग किया जाने वाला एक अन्य प्रतिमान फेरोमोन है, जहां घटक अन्य आस-पास के घटकों के लिए जानकारी छोड़ते हैं। ये फेरोमोन समय के साथ वाष्पित/केंद्रित हो सकते हैं, यानी उनका मान घट (या बढ़) सकता है।

गुण

एमएएस बिना किसी हस्तक्षेप के अपनी समस्याओं का सबसे अच्छा समाधान ढूंढते हैं। यहां भौतिक घटनाओं के साथ उच्च समानता है, जैसे कि ऊर्जा न्यूनीकरण, जहां भौतिक वस्तुएं भौतिक रूप से बाधित दुनिया के भीतर सबसे कम संभव ऊर्जा तक पहुंचने की प्रवृत्ति रखती हैं। उदाहरण के लिए: सुबह किसी महानगर में प्रवेश करने वाली कई कारें शाम को उसी महानगर से निकलने के लिए उपलब्ध होंगी।

सिस्टम मुख्य रूप से घटकों की अतिरेक के कारण दोषों के प्रसार को रोकते हैं, स्वयं ठीक हो जाते हैं और दोष सहिष्णु होते हैं।

अनुसंधान

मल्टी-एजेंट सिस्टम का अध्ययन एकल-एजेंट और मल्टीपल-एजेंट सिस्टम दोनों के लिए परिष्कृत कृत्रिम बुद्धिमत्ता समस्या-समाधान और नियंत्रण आर्किटेक्चर के विकास और विश्लेषण से संबंधित है।[17] शोध विषयों में शामिल हैं:

फ्रेमवर्क

ऐसे ढाँचे उभरे हैं जो सामान्य मानकों को लागू करते हैं (जैसे कि इंटेलिजेंट फिजिकल एजेंटों के लिए फाउंडेशन और लक्ष्य प्रबंधन समूह MASIF)[22] मानक) ये ढाँचे उदा. जावा एजेंट डेवलपमेंट फ्रेमवर्क, समय बचाएं और एमएएस विकास के मानकीकरण में सहायता करें।[23] हालाँकि वर्तमान में, FIPA या OMG की ओर से कोई मानक सक्रिय रूप से बनाए नहीं रखा गया है। औद्योगिक संदर्भ में सॉफ्टवेयर एजेंटों के आगे विकास के प्रयास औद्योगिक एजेंटों पर आईईईई आईईएस तकनीकी समिति में किए जाते हैं।[24]


अनुप्रयोग

एमएएस को न केवल अकादमिक अनुसंधान में, बल्कि उद्योग में भी लागू किया गया है।[25] एमएएस को वास्तविक दुनिया में कंप्यूटर गेम जैसे ग्राफिकल अनुप्रयोगों में लागू किया जाता है। फिल्मों में एजेंट सिस्टम का उपयोग किया गया है।[26] स्वचालित और गतिशील लोड संतुलन, उच्च स्केलेबिलिटी और सेल्फ-हीलिंग नेटवर्क प्राप्त करने के लिए नेटवर्किंग और मोबाइल प्रौद्योगिकियों में इसके उपयोग की व्यापक रूप से वकालत की जाती है। इनका उपयोग समन्वित रक्षा प्रणालियों के लिए किया जा रहा है।

अन्य अनुप्रयोगों[27] परिवहन शामिल है,[28] तर्कशास्र सा,[29] ग्राफिक्स, विनिर्माण, बिजली व्यवस्था,[30] स्मार्ट ग्रिड[31] और भौगोलिक सूचना प्रणाली.

इसके अलावा, वितरित कृत्रिम बुद्धिमत्ता#एजेंट और मल्टी-एजेंट सिस्टम|मल्टी-एजेंट सिस्टम आर्टिफिशियल इंटेलिजेंस (एमएएआई) का उपयोग समाजों को अनुकरण करने के लिए किया जाता है, जिसका उद्देश्य जलवायु, ऊर्जा, महामारी विज्ञान, संघर्ष प्रबंधन, बाल दुर्व्यवहार, .... के क्षेत्रों में सहायक होता है।[32] मल्टी-एजेंट सिस्टम मॉडल का उपयोग करने पर काम करने वाले कुछ संगठनों में सेंटर फॉर मॉडलिंग सोशल सिस्टम्स, सेंटर फॉर रिसर्च इन सोशल सिमुलेशन, सेंटर फॉर पॉलिसी मॉडलिंग, सोसाइटी फॉर मॉडलिंग एंड सिमुलेशन इंटरनेशनल शामिल हैं।[32] नियंत्रित स्वायत्त वाहनों के साथ वाहन यातायात को भीड़ की गतिशीलता को शामिल करते हुए एक बहु-एजेंट प्रणाली के रूप में मॉडलिंग किया जा सकता है।[33] हॉलरबैक एट अल. स्वतंत्र एजेंटों पर आधारित वाहन-अंडर-टेस्ट और सूक्ष्म यातायात सिमुलेशन के डिजिटल ट्विन के माध्यम से स्वचालित ड्राइविंग सिस्टम के विकास और सत्यापन के लिए एजेंट-आधारित दृष्टिकोण के अनुप्रयोग पर चर्चा की गई।[34] वेमो ने स्व-चालित कार ों के लिए एल्गोरिदम का परीक्षण करने के लिए एक मल्टी-एजेंट सिमुलेशन वातावरण कारक्राफ्ट बनाया है।[35][36] यह मानव चालकों, पैदल चलने वालों और स्वचालित वाहनों के बीच यातायात इंटरैक्शन का अनुकरण करता है। वास्तविक मानव व्यवहार के आंकड़ों के आधार पर कृत्रिम एजेंटों द्वारा लोगों के व्यवहार की नकल की जाती है।

यह भी देखें

संदर्भ

  1. Hu, J.; Bhowmick, P.; Jang, I.; Arvin, F.; Lanzon, A., "A Decentralized Cluster Formation Containment Framework for Multirobot Systems" IEEE Transactions on Robotics, 2021.
  2. Hu, J.; Turgut, A.; Lennox, B.; Arvin, F., "Robust Formation Coordination of Robot Swarms with Nonlinear Dynamics and Unknown Disturbances: Design and Experiments" IEEE Transactions on Circuits and Systems II: Express Briefs, 2021.
  3. Hu, J.; Bhowmick, P.; Lanzon, A., "Group Coordinated Control of Networked Mobile Robots with Applications to Object Transportation" IEEE Transactions on Vehicular Technology, 2021.
  4. Wiering, M. A. (2000). "ट्रैफिक लाइट नियंत्रण के लिए मल्टी-एजेंट सुदृढीकरण सीखना". Machine Learning: Proceedings of the Seventeenth International Conference (Icml'2000): 1151–1158. hdl:1874/20827.
  5. Niazi, Muaz; Hussain, Amir (2011). "Agent-based Computing from Multi-agent Systems to Agent-Based Models: A Visual Survey" (PDF). Scientometrics. 89 (2): 479–499. arXiv:1708.05872. doi:10.1007/s11192-011-0468-9. S2CID 17934527.
  6. Rogers, Alex; David, E.; Schiff, J.; Jennings, N.R. (2007). "ईबे नीलामी में प्रॉक्सी बोली और न्यूनतम बोली वृद्धि के प्रभाव". ACM Transactions on the Web. 1 (2): 9–es. CiteSeerX 10.1.1.65.4539. doi:10.1145/1255438.1255441. S2CID 207163424. Archived from the original on 2010-04-02. Retrieved 2008-03-18.
  7. Schurr, Nathan; Marecki, Janusz; Tambe, Milind; Scerri, Paul; Kasinadhuni, Nikhil; Lewis, J.P. (2005). "The Future of Disaster Response: Humans Working with Multiagent Teams using DEFACTO" (PDF). Archived from the original (PDF) on 2013-06-03. Retrieved 2012-04-28. {{cite journal}}: Cite journal requires |journal= (help)
  8. Genc, Zulkuf; et al. (2013). "आपदा प्रबंधन के लिए एजेंट-आधारित सूचना अवसंरचना" (PDF). Intelligent Systems for Crisis Management. Lecture Notes in Geoinformation and Cartography: 349–355. doi:10.1007/978-3-642-33218-0_26. ISBN 978-3-642-33217-3.
  9. Hu, Junyan; Bhowmick, Parijat; Lanzon, Alexander (2020). "निर्देशित ग्राफ़ पर एकाधिक लीडरों के साथ मल्टीएजेंट सिस्टम के लिए वितरित अनुकूली समय-भिन्न समूह गठन ट्रैकिंग". IEEE Transactions on Control of Network Systems. 7: 140–150. doi:10.1109/TCNS.2019.2913619. S2CID 149609966.
  10. Sun, Ron; Naveh, Isaac (30 June 2004). "संज्ञानात्मक रूप से यथार्थवादी एजेंट मॉडल का उपयोग करके संगठनात्मक निर्णय लेने का अनुकरण करना". Journal of Artificial Societies and Social Simulation.
  11. 11.0 11.1 Kubera, Yoann; Mathieu, Philippe; Picault, Sébastien (2010), "Everything can be Agent!" (PDF), Proceedings of the Ninth International Joint Conference on Autonomous Agents and Multi-Agent Systems (AAMAS'2010): 1547–1548
  12. Russell, Stuart J.; Norvig, Peter (2003), Artificial Intelligence: A Modern Approach (2nd ed.), Upper Saddle River, New Jersey: Prentice Hall, ISBN 0-13-790395-2
  13. Salamon, Tomas (2011). एजेंट-आधारित मॉडल का डिज़ाइन. Repin: Bruckner Publishing. p. 22. ISBN 978-80-904661-1-1.
  14. Weyns, Danny; Omicini, Amdrea; Odell, James (2007). "मल्टीएजेंट सिस्टम में प्रथम श्रेणी के अमूर्त के रूप में पर्यावरण". Autonomous Agents and Multi-Agent Systems. 14 (1): 5–30. CiteSeerX 10.1.1.154.4480. doi:10.1007/s10458-006-0012-0. S2CID 13347050.
  15. Wooldridge, Michael (2002). मल्टीएजेंट सिस्टम का परिचय. John Wiley & Sons. p. 366. ISBN 978-0-471-49691-5.
  16. Panait, Liviu; Luke, Sean (2005). "Cooperative Multi-Agent Learning: The State of the Art" (PDF). Autonomous Agents and Multi-Agent Systems. 11 (3): 387–434. CiteSeerX 10.1.1.307.6671. doi:10.1007/s10458-005-2631-2. S2CID 19706.
  17. "मल्टी-एजेंट सिस्टम लैब". University of Massachusetts Amherst. Retrieved Oct 16, 2009.
  18. Albrecht, Stefano; Stone, Peter (2017), "Multiagent Learning: Foundations and Recent Trends. Tutorial", IJCAI-17 conference (PDF)
  19. Cucker, Felipe; Steve Smale (2007). "उद्भव का गणित" (PDF). Japanese Journal of Mathematics. 2: 197–227. doi:10.1007/s11537-007-0647-x. S2CID 2637067. Retrieved 2008-06-09.
  20. Shen, Jackie (Jianhong) (2008). "Cucker–Smale Flocking under Hierarchical Leadership". SIAM J. Appl. Math. 68 (3): 694–719. arXiv:q-bio/0610048. doi:10.1137/060673254. S2CID 14655317. Retrieved 2008-06-09.
  21. Ahmed, S.; Karsiti, M.N. (2007), "A testbed for control schemes using multi agent nonholonomic robots", 2007 IEEE International Conference on Electro/Information Technology, p. 459, doi:10.1109/EIT.2007.4374547, ISBN 978-1-4244-0940-2, S2CID 2734931
  22. "OMG Document – orbos/97-10-05 (Update of Revised MAF Submission)". www.omg.org. Retrieved 2019-02-19.
  23. Ahmed, Salman; Karsiti, Mohd N.; Agustiawan, Herman (2007). "फीडबैक नियंत्रण का उपयोग करके सहयोगी रोबोटों के लिए एक विकास ढांचा". CiteSeerX 10.1.1.98.879. {{cite journal}}: Cite journal requires |journal= (help)
  24. "औद्योगिक एजेंटों पर आईईईई आईईएस तकनीकी समिति (टीसी-आईए)". tcia.ieee-ies.org. Retrieved 2019-02-19.
  25. Leitão, Paulo; Karnouskos, Stamatis (2015-03-26). Industrial agents : emerging applications of software agents in industry. Leitão, Paulo,, Karnouskos, Stamatis. Amsterdam, Netherlands. ISBN 978-0128003411. OCLC 905853947.{{cite book}}: CS1 maint: location missing publisher (link)
  26. "फ़िल्म शोकेस". MASSIVE. Retrieved 28 April 2012.
  27. Leitao, Paulo; Karnouskos, Stamatis; Ribeiro, Luis; Lee, Jay; Strasser, Thomas; Colombo, Armando W. (2016). "Smart Agents in Industrial Cyber–Physical Systems". Proceedings of the IEEE. 104 (5): 1086–1101. doi:10.1109/JPROC.2016.2521931. ISSN 0018-9219. S2CID 579475.
  28. Xiao-Feng Xie, S. Smith, G. Barlow. Schedule-driven coordination for real-time traffic network control. International Conference on Automated Planning and Scheduling (ICAPS), São Paulo, Brazil, 2012: 323–331.
  29. Máhr, T. S.; Srour, J.; De Weerdt, M.; Zuidwijk, R. (2010). "Can agents measure up? A comparative study of an agent-based and on-line optimization approach for a drayage problem with uncertainty". Transportation Research Part C: Emerging Technologies. 18: 99–119. CiteSeerX 10.1.1.153.770. doi:10.1016/j.trc.2009.04.018.
  30. "मल्टी-एजेंट सिस्टम का उपयोग कर बाजार सहभागियों के निवेश की गतिशीलता को ध्यान में रखते हुए जनरेशन विस्तार योजना - आईईईई सम्मेलन प्रकाशन". 2019-12-17. doi:10.1109/SGC.2018.8777904. S2CID 199058301. {{cite journal}}: Cite journal requires |journal= (help)
  31. "स्मार्ट ग्रिड में मल्टी-एरिया पावर सिस्टम के लिए वितरित मल्टी-एजेंट सिस्टम-आधारित लोड फ़्रीक्वेंसी नियंत्रण - आईईईई जर्नल और पत्रिका". 2019-12-17. doi:10.1109/TIE.2017.2668983. S2CID 31816181. {{cite journal}}: Cite journal requires |journal= (help)
  32. 32.0 32.1 "AI शक्तिशाली नए सिमुलेशन के साथ आपके भविष्य के व्यवहार की भविष्यवाणी कर सकता है". New Scientist.
  33. Gong, Xiaoqian; Herty, Michael; Piccoli, Benedetto; Visconti, Giuseppe (3 May 2023). "Crowd Dynamics: Modeling and Control of Multiagent Systems". Annual Review of Control, Robotics, and Autonomous Systems (in English). 6 (1): 261–282. doi:10.1146/annurev-control-060822-123629. ISSN 2573-5144. Retrieved 4 May 2023.
  34. Hallerbach, S.; Xia, Y.; Eberle, U.; Koester, F. (2018). "सहकारी और स्वचालित वाहनों के लिए महत्वपूर्ण परिदृश्यों की सिमुलेशन-आधारित पहचान". SAE International Journal of Connected and Automated Vehicles. SAE International. 1 (2): 93. doi:10.4271/2018-01-1066.
  35. Madrigal, Story by Alexis C. "सेल्फ-ड्राइविंग कारों के प्रशिक्षण के लिए वेमो की गुप्त दुनिया के अंदर". The Atlantic. Retrieved 14 August 2020.
  36. Connors, J.; Graham, S.; Mailloux, L. (2018). "वाहन-से-वाहन अनुप्रयोगों के लिए साइबर सिंथेटिक मॉडलिंग". In International Conference on Cyber Warfare and Security. Academic Conferences International Limited: 594-XI.


अग्रिम पठन