65、SeSAm：多智能体系统的模拟与应用

SeSAm：多智能体系统的模拟与应用

1 SeSAm的不足与适用范围

1.1 SeSAm的不足

SeSAm存在一些概念缺失的问题。一是缺少局部临时变量，这类变量能通过在活动或用户原语内的计算中形成中间结果，促进行为描述的模块化。在当前版本中，虽有一些复杂的原语组合可绕过这一限制，但只有SeSAm专家能运用。二是建模者可访问的类之间缺乏清晰的继承概念，建模者可能仅生成代理描述类的实例列表，却不明确实例间的关系。目前的特性仅能在一定程度上解决此问题，因其仅集成了变量和用户函数，后续计划通过集成数据类型和部分推理引擎来增强特性，以构建可行的模型构建块概念。

1.2 SeSAm的适用范围

虽然声明式语言具备通用编程语言的能力，但它更适合对特定类型的系统进行建模，对于其他类型的系统建模则较为困难。模拟代理的架构复杂度可分为三个层次：行为生成架构（主要使用基于第一原理的规划）、行为配置架构（如骨架计划的解释和实例化）和行为描述架构（如基于规则的行为描述）。

总体而言，SeSAm特别适用于涉及简单代理的模拟，这些代理处于空间环境中，通过操纵环境进行隐式交互，这种行为可用基于规则的描述轻松表达，其起源于社会昆虫模拟的初始应用。在交通或行人模拟中也有类似特性和成功案例，医院模拟中的协商表明基于消息的交互也能融入此框架，但这会使整体代理模型更复杂。

尝试将代理行为表示为执行和操作存储在代理状态变量中的每日计划，虽能成功重现旅行者的日常活动，但复杂数据结构的表示和操作需谨慎考虑，因为系统在提供计划结构和修改计划的原语方面支持不足。随着SeSAm应用范围的扩大，构建复杂代理行为变得愈发困难，尽管能轻松实现最短路径算法，但集成真正的行为生