Team aus intelligenten Agenten im Aufbau
Sei es in autonomen Fahrzeugen, in Fahrzeug-Ad-Hoc-Netzen oder intelligenten Stromnetzen - intelligente verteilte Systeme finden sich überall. Bei einen isolierten Agenten ist die Planung unter Unsicherheit bereits gründlich untersucht worden. Die zentralisierten Verfahren für einzelne Agenten reichen jedoch eindeutig nicht für großmaßstäbliche Multiagentensystemen aus. Das von der EU finanzierte Projekt "Planning under uncertainty for real-world multi-agent systems" (PURE-MAS) nahm sich des Problems des Multiagenten-Entscheidungsprozesses an. Die Forschung basierte auf eine Vielzahl von Multiagentenmodellen für kooperative Agenten. Dazu gehörten der dezentralisierte, teilweise beobachtbare Markov-Entscheidungsprozess (decentralised partially observable Markov decision process, dec-POMDP) und weitere verwandte Modelle, die im Zusammenhang mit sequenziellen Multiagentenentscheidungen bekannt sind. Die Wissenschaftler verbesserten die Skalierbarkeit sowohl hinsichtlich des Planungshorizonts als auch der Anzahl der Agenten. Mit dem Vorschlag eines der schnellsten optimalen dec-POMDP-Planer konnten die Wissenschaftler bisher unerreichbare Planungshorizonte berechnen. Überdies wurden durch die Ausnutzung von deren Struktur bedeutende Fortschritte zur Hochskalierung der Planung auf bislang noch nie erreichte Teamgrößen erreicht. Neben der Skalierbarkeit erkundete PURE-MAS zwei Typen ereignisbasierter Darstellungen zur Erfassung relevanter Veränderungen in der Umwelt und stellte eine übergeordnete Abstraktion bereit. Damit ebnet man den Weg für Online-Planungsagenten, die durch kontinuierliche Modifizierung von Plänen während der Planausführung an die dynamische Umgebung angepasst werden können. Gleichermaßen wurden mehrere Algorithmen zur Optimierung der Kommunikation zwischen Agenten vorgeschlagen. Durch eine Kombination aus Spieltheorie und Planung erzielte das Projektteam eine koordinierte Planung unter einzelnen Agenten. Insbesondere aus einem dynamischen Mechanismusdesign erstellte Techniken unterstützten die Ausrichtung der Anreize von mehreren Kontraktoren. Auf der Grundlage dieser Verfahrensweisen können menschliche Spieler lernen, dass Kooperation zwischen Wettbewerbern von Vorteil sein kann und können Straßenbehörden bessere Wartungsverträge erarbeiten. Eine weitere Projektleistung war die Vorführung eines kleinen Teams von Robotern, die mit Erfolg ein mobiles Ziel nachverfolgen konnten. PURE-MAS optimierte außerdem das Multiagentensystem, um einem verteilten intelligenten Stromnetz Intelligenz zu verleihen. PURE-MAS trug wesentlich dazu bei, eines der Hauptziele der künstlichen Intelligenz zu ereichen, wobei es darum geht, auf welche Weise viele intelligente Agenten aufzubauen sind, die ihre Umgebung wahrnehmen und geeignete Aktionen durchführen. Sämtliche Projektfortschritte können Anwendung innerhalb von Verkehrssystemen, intelligenten Stromnetzen und Überwachungskameras finden.
Schlüsselbegriffe
intelligente Agenten, Multiagentensysteme, künstliche Intelligenz, Planung unter Unsicherheit, teilweise beobachtbar, intelligent verteilte Systeme, sequenzielle Multiagentenentscheidungen, Planungshorizont, Online-Planung
