[论文解读] Autonomous Agents Coordination: Action Languages meet CLP(FD) and Linda

Agostino Dovier, Andrea Formisano+1 more|arXiv (Cornell University)|Oct 4, 2011

Multi-Agent Systems and Negotiation参考文献 16被引用 3

一句话总结

本文提出了一种新型多智能体动作语言 $ackslash mathcal extigackslash{B}^\mbox extigackslash{\scriptsize AAC}$，该语言将动作语言 $B^{MV}$ 与 CLP(FD) 结合用于分布式规划，并结合 Linda 用于协调。该语言使自主智能体能够推理个体目标，通过共享知识和通信进行协调，并通过基于约束的推理和元组空间协调实现一致的全局执行。

ABSTRACT

The paper presents a knowledge representation formalism, in the form of a high-level Action Description Language for multi-agent systems, where autonomous agents reason and act in a shared environment. Agents are autonomously pursuing individual goals, but are capable of interacting through a shared knowledge repository. In their interactions through shared portions of the world, the agents deal with problems of synchronization and concurrency; the action language allows the description of strategies to ensure a consistent global execution of the agents' autonomously derived plans. A distributed planning problem is formalized by providing the declarative specifications of the portion of the problem pertaining a single agent. Each of these specifications is executable by a stand-alone CLP-based planner. The coordination among agents exploits a Linda infrastructure. The proposal is validated in a prototype implementation developed in SICStus Prolog. To appear in Theory and Practice of Logic Programming (TPLP).

研究动机与目标

• 开发一个可扩展的分布式框架，用于多智能体系统，使智能体在追求私有目标的同时通过共享知识进行协调。
• 将单智能体动作语言扩展为包含适合去中心化规划的通信与协调原语。
• 在分布式环境中集成约束逻辑编程（CLP(FD)）用于本地计划生成，以及 Linda 用于智能体间协调。
• 通过在 SICStus Prolog 中的原型实现验证该方法，展示其可行性与表达能力。
• 为未来扩展奠定基础，包括信任、协商、截止时间以及动态知识更新。

提出的方法

• 动作语言 $\backslash mathcal extigackslash{B}^{\mbox extigackslash{\scriptsize AAC}}$ 在 $B^{MV}$ 的基础上扩展了智能体声明、优先级机制以及用于智能体间交互的通信原语。
• 每个智能体的本地计划通过基于 CLP(FD) 的规划器生成，支持对多值流畅量和偏好进行基于约束的推理。
• 智能体之间的协调通过基于 Linda 的元组空间进行管理，支持异步通信和共享状态访问。
• 系统使用带有优先级的智能体声明来解决因并发动作引发的冲突。
• 原型在 SICStus Prolog 中实现，利用其对 CLP(FD) 和 Linda 风格协调的原生支持。
• 该框架支持目标、动作、流畅量和约束的声明式规范，确保智能体之间共享流畅量的一致建模。

实验结果

研究问题

• RQ1 如何将基于约束的动作语言扩展，以支持具有私有目标和共享协调机制的去中心化、自主智能体？
• RQ2 当智能体独立规划和行动时，需要何种机制来确保一致的全局执行？
• RQ3 如何在分布式多智能体系统中，利用标准协调基础设施有效建模通信与协调？
• RQ4 CLP(FD) 与 Linda 能否有效结合，以支持多智能体系统中可扩展、基于约束的分布式规划？
• RQ5 为支持高级协调特性（如截止时间、信任和动态知识更新）需要哪些扩展？

主要发现

• 所提出的 $\backslash mathcal extigackslash{B}^{\mbox extigackslash{\scriptsize AAC}}$ 语言成功在一个统一框架中集成了动作语言、基于约束的推理以及协调基础设施，适用于多智能体系统。
• 在 SICStus Prolog 中的原型实现表明，使用 CLP(FD) 进行本地规划和使用 Linda 进行智能体间协调在分布式环境中是可行的。
• 通过使用智能体优先级，能够有效解决来自不同智能体的并发动作引发的冲突。
• 该框架支持智能体之间共享流畅量的一致建模，确保分布式执行中的语义一致性。
• 系统通过 Linda 的元组空间实现动态协调，使智能体能够在无紧密耦合的情况下进行通信和同步。
• 该方法为未来扩展提供了基础，包括协商建模、信任评估以及截止时间感知的请求。