11、多智能体系统仿真引擎深度解析

多智能体系统仿真引擎深度解析

1. 引言

多智能体系统（MAS）往往极为复杂，其属性的形式验证颇具难度。因此，设计与实现主要依赖实验，在可预见的未来，实验方法仍将至关重要。模拟成为严谨研究其属性和分析涌现行为的唯一可行方法。

过去二十年间，众多MAS工具包和测试平台得以开发并应用于不同领域。以往的调查多聚焦于工具包在智能体规范和模型创建过程中的高级支持，而本文着重探讨集成于工具包中的仿真引擎，以推动MAS模型的执行。仿真引擎可视为提供模型受控执行的虚拟机。

2. 多智能体系统架构

构建MAS的工具包通常针对以下三种应用类型：
1. 研究复杂性的MAS ：例如社会模型（如Schelling的隔离模型、Ormerod的低维范式）、人工生命（如Axtell的糖域模型、Reynold的Boids模型）或物流（如交通模拟）。此类模型使用简单智能体，很少进行规划或协调。通过宏观层面的定量（如平均预期寿命、平均排队时间）或定性（如涌现的隔离模式、涌现的群聚）观察来解释模型。
2. 研究分布式智能的MAS ：涵盖规划（如Blocksworld、Tileworld）到更具认知“准确性”的社会模拟，甚至人类认知研究。使用内部复杂、情境化、可通信的智能体，常用于研究特定认知形式主义，如SOAR、ACT - R或BDI。
3. 软件开发的MAS ：支持构建软件智能体，如Wooldridge & Jennings、Franklin & Gaesser描述的，或符合FIPA、KQML标准的智能体。典型应用包括语义网智能体、专家