Intelligente Agenten

Transkript

1 Intelligente Agenten Seminararbeit von Melanie Kruse Matrikelnummer: Adresse: Seminar Komponentenorientierte Softwareentwicklung und Hypermedia Prof. Dr. Thiesing Fachhochschule Dortmund Fachbereich Informatik SS 2004

2 Inhalt 1 Agentensysteme: Grundlagen, Methoden und Werkzeuge Begriffsdefinitionen Agent Multiagentensystem Umwelt und Plattform Agentensysteme als Weiterentwicklung der Softwaretechnik Agentenarchitekturen BDI PECS Entwicklung von Agentensystemen FIPA-Standards Entwicklungsmethoden und -werkzeuge Multi-Multiagentensystem Zusammenfassung und Ausblick Fallbeispiel: Das BDI-Agentensystem Jadex-Blackjack Überblick Blackjack-Spielregeln Software-Framework JADE JADE-Add-On Jadex Anwendung von Blackjack mit Jadex Anhang Abkürzungsverzeichnis und Glossar Literaturverzeichnis CD-ROM...24 Intelligente Agenten 2 Melanie Kruse

3 1 Agentensysteme: Grundlagen, Methoden und Werkzeuge 1.1 Begriffsdefinitionen Agent Möchte man sich mit dem Einsatz, den Möglichkeiten und den technischen Erfordernissen von Agenten befassen, so scheint es zunächst ratsam, sich darüber klar zu werden, was man unter einem Agenten versteht. Jedoch gestaltet sich bereits die Klärung dieser Frage äußerst schwierig, da die verschiedensten Ausprägungen dieses Begriffes existieren und sich selbst Agentenforscher nicht auf typische Charakteristika eines Agenten einigen können. Zum einen kann man unter Agenten reine Softwareprogramme verstehen, zum anderen aber aber auch Hardwareeinheiten, beispielsweise Roboter. Der Agentenbegriff existiert bereits in der klassischen Künstlichen Intelligenz und bezeichnet dort ein System zur Lösung von Problemen [Duvi02]. Unter dem Agenten-Paradigma wird in dem Aufsatz von Krempels et al. [Krem03] das Versprechen verstanden, komplexe Anwendungsgebiete zu beherrschen, in denen herkömmliche Software-Systeme an ihre Grenzen stoßen. Dadurch erfolgt auch direkt eine Abgrenzung zu gewöhnlicher Software. Diese vage Beschreibung steht in großem Widerspruch zu vielen umgangssprachlichen Verwendungen des Agentenbegriffs. So benennen einzelne Softwarehersteller bereits sehr einfache Anwendungen als Agentensystem, wie z. B. kleine Makros etc. Der Agentenbegriff wird bei Softwarebeschreibungen auch gerne von den Anbietern verwendet, da er den Leser an Künstliche Intelligenz und dadurch an etwas mysteriöses und spannendes denken lässt. Da auf diese Art Neugier und Interesse an dem Produkt erzeugt werden kann, verliert die Besinnung auf die wahren Eigenschaften eines Agenten an Bedeutung [Wagn03]. Konkreter ist dagegen die Agenten-Definition von Schmidt [Mars04], wonach ein Agent folgende Eigenschaften hat: Er kann in einer simulierten Umgebung, einem Modell, agieren. Für diese Aktionen ist er mit bestimmten Eigenschaften und Verhaltensweisen ausgestattet. Intelligente Agenten 3 Melanie Kruse

4 Er besitzt eine innere Repräsentation der Umwelt, welche als Weltbild bezeichnet wird und es ihm ermöglicht, Planungen durchzuführen. Der Agent ist lernfähig. Diese Eigenschaft ist erforderlich, damit der Agent sein Weltbild der tatsächlichen Umgebung anpassen kann. Mobilität dagegen ist nach Schmidt kein zwingendes Erfordernis für einen Agenten. Eine ähnliche Vorstellung vom Agenten haben auch Jennings und Woolridge, jedoch wird bei Ihnen ausdrücklich gefordert, dass der Agent auch proaktiv handeln, also ohne äußeren Anzeiz tätig werden kann [Jen00]: a) An agent is an encapsulated computer system that is b) situated in some environment and that is c) capable of flexible, d) autonomous action in that environment e) in order to meet its design objectives. Diese Definition lässt sich nach [Duvi02] wie folgt genauer erläutern: Zu a): Der Agent ist gekapselt, das bedeutet, er besitzt klare Grenzen und Schnittstellen. Zu b): Er bewegt sich in einer bestimmten Umgebung, die er durch Sensoren wahrnehmen und durch Effektoren verändern kann. Zu c): Er ist befähigt, flexible Aktionen durchzuführen. D. h. er kann sowohl zeitnah auf Ereignisse reagieren, als auch proaktiv handeln, also von selbst tätig werden. Zu d): In seiner Umgebung kann der Agent autonome Aktionen vornehmen. Er kann also seinen Zustand und sein Verhalten selbst bestimmen. Zu e): Der Agent wurde für einen bestimmten Zweck geschaffen und verfolgt entsprechende Ziele Multiagentensystem Ein Multiagentensystem (MAS) ist ein System, welches sich aus mehreren Agenten zusammensetzt [Duvi02]. Die Agenten erfüllen im Zusammenspiel die Aufgaben des Systems, wobei einzelne Agenten auch abweichende Ziele haben können. Basierend auf dem Agentenbegriff der klassischen Künstlichen Intelligenz, der Verteilten Künstlichen Intelligenz (VKI) und den verteilten Systemen ist der Begriff Agentensystem entstanden, der im Zusammenhang von Multiagentensystemen Intelligente Agenten 4 Melanie Kruse

5 verwendet wird. Bei Multiagentensystemen spielen auch noch weitere Disziplinen eine Rolle, wie die Softwaretechnik und die Soziologie. Durch diese Mischung der Disziplinen ist eine Fülle von Definitionen entstanden, welche die unterschiedlichsten Aspekte des Agentseins betonen. Wenn ein Multiagentensystem entwickelt werden soll, wird häufig auf die Idee einer sozialen Gesellschaft zurückgegriffen, in der Agenten bestimmte Rollen annehmen. Mit einer Rolle gehen meistens bestimmte Rechte, Pflichten und Verhaltensmuster einher [Duvi02] Umwelt und Plattform Die Umwelt eines Agenten legt seine Interaktions- und Kommunikationsmöglichkeiten fest. Bei einem Roboter besteht die Umwelt aus einem Raum, der ein Volumen hat. Er kann durch seine Sensoren Reize aus der Umwelt wahrnehmen und mit seinen Aktoren seine Umgebung beeinflussen. Bei reinen Software-Agenten wird die Umwelt als Plattform bezeichnet. Bei diesen Agenten beschränken sich die Interaktions- und Kommunikationsmöglichkeiten auf den Empfang und das Versenden von Nachrichten. 1.2 Agentensysteme als Weiterentwicklung der Softwaretechnik Agentensysteme können auch aus softwaretechnischer Sicht betrachtet werden [Duvi02]. Während früher die monolithische Programmierung vorherrschte, sind momentan modular aufgebaute Systeme gebräuchlich. Zum aktuellen Zeitpunkt werden hauptsächlich objektorientierte und komponentenbasierte Systeme entwickelt, die aus mehreren getrennt definierten Teilen zusammengesetzt sind. Insgesamt handelt es sich jedoch um geschlossene Systeme, die als Ganzes einem Ziel dienen. Odell betrachtet Agenten als Weiterentwicklung des Objekt- oder Komponentenkonzepts [Odel02]. Ein Objekt wie es aus der objektorientierten Programmierung her bekannt ist, wird beim Agenten-Paradigma um die Eigenschaften Autonomie, Aktivität und Verteilung erweitert. Ein Agent kann als aktives Objekt betrachtet werden, da er ohne äußeren Anreiz tätig werden und bei Empfang einer Nachricht eigenständig entscheiden kann, ob und wie er die Nachricht verarbeitet. Ein Zitat von Odell [Odel02] beschreibt diese Eigenschaft von Agenten treffend: Agents can be thought of as objects that can say 'No' as well as 'Go'. Neben dieser Eigenschaft lassen sich Agenten außerdem durch ihre Fähigkeit charakterisieren, an verschiedenen Orten zu arbeiten und den Ort zu wechseln. Intelligente Agenten 5 Melanie Kruse

6 Die bisher bekannten Objekte der objektorientierten Programmierung sind demnach passive Objekte, da sie nicht von sich aus tätig werden können, sondern nur reagieren können und einen Methodenaufruf auf jeden Fall durchführen. Ein solches Objekt könnte umgekehrt auch als Agent angesehen werden, jedoch als autonomer, reaktiver Agent. Allerdings sind sich die Agentenforscher diesbezüglich nicht einig. Diejenigen von ihnen, die wie oben bereits erwähnt Autonomie und Proaktivität als grundlegende Eigenschaften eines Agenten ansehen, werden ein passives Objekt wohl eher nicht als Agenten ansehen. Auch die Spezifikationen für Agentensysteme können als Weiterentwicklung der bisherigen Softwaretechnik betrachtet werden [Duvi02]. Für Agentensysteme wurde eine erweiterte Unified Modeling Language (UML) entwickelt, die sogennante Agent Unified Modeling Language (AUML). Während bei UML der Schwerpunkt auf dem Klassendiagramm liegt, hat sich die Konzentration bei Agentensystemen auf das Interaktionsdiagramm verlagert. Es hat sich also eine Verschiebung vom statischen Teil hin zum dynamischen Teil vollzogen. In diesem Zusammenhang sprechen Krempels et al. auch von agentenbasierter Analyse und Entwurf [Krem03]. Ein weiterer Unterschied zu heutigen Softwaresystemen ist die Offenheit von Agentensystemen. Das bedeutet, dass zur Entwicklungszeit eines Agentensystems noch nicht feststeht, welche Agenten später mit welchen Zielen und Aufgaben in dem System arbeiten werden. 1.3 Agentenarchitekturen Unter der Architektur eines Agenten ist die grundlegende interne Struktur eines Agenten zu verstehen. Sie verkörpert die mentalen Eigenschaften eines Agenten. Dabei wird versucht, einem Agenten menschliche Züge zu verleihen. Von den Agentenforschern sind verschiedene Architekturen entwickelt und diskutiert worden. Zwei von ihnen werden nun vorgestellt BDI In der Agentenforschung ist die BDI-Architektur wohl die bekannteste Architektur. BDI steht für Belief-Desire-Intention. Dieses Modell ist eng an die menschliche Denkweise angelehnt. Die Idee geht davon aus, dass sich der Agent mit Hilfe seines Wissens über die Umwelt (Belief) verschiedene Handlungsmöglichkeiten (Desires) Intelligente Agenten 6 Melanie Kruse

7 ausdenkt. Für einzelne dieser Möglichkeiten entscheidet sich der Agent. In Zukunft verfolgt der Agent diese Handlungsmöglichkeiten, er hat also Absichten (Intentions) [Duvi02] PECS Ein anderes Modell hat Schmidt [Mars04] entwickelt. Er nennt dies die PECS -Architektur. Die Abkürzung steht für Physical Conditions, Emotional State, Cognitive Capabilities und Social Status. Laut Schmidt laufen die meisten Architekturen darauf hinaus, den Menschen als rationalen Entscheider zu sehen. Seiner Ansicht nach sind die Agenten dieser Architekturen zu vernünftig, da sich auch Menschen nicht nur rational verhalten. Daher sollen den Agenten von Schmidt Emotionen, soziale Kompetenz und einfache physische Eigenschaften wie etwa Hunger oder Müdigkeit mitgegeben werden. 1.4 Entwicklung von Agentensystemen FIPA-Standards Die Abkürzung FIPA steht für Foundation for Intelligent Physical Agents. Die FIPA ist eine internationale Organisation, an der Unternehmen und Universitäten beteiligt sind. Ihre Aufgabe ist die Entwicklung von Spezifikationen, welche die Interoperabilität von Agenten und agentenbasierten Anwendungen verschieder Hersteller ermöglichen [FIPA04]. Im Folgenden wird eine Auswahl der Entwicklungen der FIPA erläutert. FIPA2000 ist ein Paket von Spezifikationen der FIPA, die eine Agentenplattform aus der Sicht einer Kommunikationsarchitektur beschreiben. Diejenigen Agenten auf Plattformen, die sich an diese Spezifikationen halten, können miteinander kommunizieren. Die Agent Communication Language (ACL) bezeichnet eine von der FIPA definierte Sprache, welche die Kommunikation zwischen Agenten aus unterschiedlichen Systemen erlaubt, solange sich alle an der Kommunikation beteiligten Agenten dieser Intelligente Agenten 7 Melanie Kruse

8 Sprache bedienen. FIPA-OS bedeutet FIPA Open Source und stellt die erste öffentlich verfügbare, kostenlos nutzbare Implementierung einer Agentenplattform nach FIPA-Standards dar. Die FIPA hat eine Einteilung der Spezifikationen vorgenommen, welche zur themenorientierten Navigation in der FIPA-Spezifikationsdatenbank dient. Abb. 1: Einteilung der FIPA-Spezifikationen nach Themen [FIPA02] Entwicklungsmethoden und -werkzeuge Wie oben bereits erwähnt wurde als Darstellungsformat die Agenten Unified Modeling Language (AUML) entwickelt. Neben diesem wurden eine Reihe von Entwicklungsmethoden veröffentlicht, welche die Entwicklungsphasen bei der Entstehung eines Agentensystems unterstützen sollen (Analyse, Entwurf, Implementierung und Einführung). Ein Entwicklungszyklus für ein Agentensystem ist in Krempels et al. Beschrieben [Krem03]. Danach wird die Entwicklung in vier Ebenen eingeteilt: Domänen-Ebene Ontologie-Ebene Ebene der Problemlösungsmethoden Agentensystem-Ebene Intelligente Agenten 8 Melanie Kruse

9 Abb. 2: Die Entwicklung vom Problem zum Agentensystem (Quelle: [Krem03]) Domänen-Ebene In der Domänen-Ebene werden durch Experteninterviews, Analyse von Prozessabläufen oder statischen Auswertungen Modelle erstellt, die das geplante Agentensystem beschreiben sollen. Zum Entwurf der Analyse- und Entwurfsmodelle können Werkzeuge wie das ARIS-Toolset oder Visio verwendet werden. Das ARIS- Toolset unterstützt unter anderem die Modellierung, Optimierung und Simulation von Prozessen. Schließlich kann mit ARIS ein optimierter Prozess auch in eine fertige Anwendung umgesetzt werden. Das ARIS-Toolset dient komplexeren Szenarien und ermöglicht auch einen Im- und Export nach UML. Als Modellierungssprache wird EPK ( Ereignisgesteuerte Prozessketten ) verwendet. Visio ist dagegen ein reines Modellierungswerkzeug und bietet keine Möglichkeit, die Modelle aufgrund einer Simulation zu analysieren. Die Modellierung wird von einem oder mehreren Domänenexperten vorgenommen. Ontologie-Ebene Auf der Ontologie-Ebene erfolgt die Festlegung der Wissensbasis für das Agentensystem. Dies basiert auf den Prozessmodellen aus der Domänen-Ebene. Eine Ontologie definiert Begriffe, die zur Beschreibung und Repräsentierung eines Wissensgebiets verwendet werden können, sowie die Beziehungen und Eigenschaften der durch dieses Vokabular bezeichneten Objekte. Für die Ontologie- Intelligente Agenten 9 Melanie Kruse

10 Modellierung gibt es verschiedene Werkzeuge, von denen Protégé gut geeignet ist, da es Werkzeuge zur Überführung modellierter Ontologien in (Java basierte) Agentensysteme bietet. Die Modellierung auf der Ontologie-Ebene wird von Ontologie-Designern und Domänen-Experten vorgenommen. Ebene der Problemlösungsmethoden Auf dieser Ebene wird eine Bibliothek mit Problemlösungsmethoden (PSM, problem solving methods) angelegt. Diese Methoden sind unabhängig von der Anwendungsdomäne. Beispiele für PSM, die für die Probleme aus den Bereichen Planung, Scheduling, Design oder Data-Mining eingesetzt werden, sind unter anderem Breiten- und Tiefensuche, Hill-Climing, A*-Algorithmus. Momentan existiert ein Plugin für Protégé, das die Nutzung von Ontologien in der Entwicklung von PSM unterstützt. Die Erstellung von PSM-Bibliotheken erfolgt durch KI-Spezialisten. Agentensystem-Ebene Schließlich folgt die Agentensystem-Ebene. Auf dieser Ebene wird die konkrete Implementierung von Agenten und Agentensystemen von Programmierern vorgenommen. Für diese Ebene gibt es eine Reihe von Werkzeugen, beispielsweise JADE, welches weiter unten im Rahmen des Fallbeispiels näher erläutert wird. Problemstellung Problematisch ist zum gegenwärtigen Zeitpunkt die mangelnde Integration der Werkzeuge in den verschiedenen Ebenen. Dadurch entstehen bei der Entwicklung von Agentensystemen häufig ein wesentlich erhöhter Zeitbedarf, da viele Arbeitsschritte, die in den Ebenen erfolgt sind, in der nächsten Ebene wieder neu umgesetzt werden müssen. Intelligente Agenten 10 Melanie Kruse

11 1.5 Multi-Multiagentensysteme Unter Multi-Multiagentensystemen (MMAS) verstehen Krempels et al. [Krem03] die Verknüpfung von mehreren Multiagentensystemen, so dass die in den Systemen enthaltenen Agenten auch über die Grenzen ihres Multiagentensystems hinweg miteinander kommunizieren können. Dabei können die MAS auf verschiedenen Plattformen basieren, solange sie den FIPA-Standards entsprechen. Krempels et al. beschreiben in [Krem03] eine Systemarchitektur für Multi- Multiagentensysteme, in der jedes Multiagentensystem durch einen ausgezeichneten Agenten, der als Gateway-Agent bezeichnet wird, repräsentiert wird. Dieser Agent bildet ein virtuelles Multiagentensystemen im Multi-Multiagentensystem. Abb. 3: Das Gateway-Agent Concept (Quelle: [Krem03]) 1.6 Zusammenfassung und Ausblick Viele Software-Systeme werden leichtfertig als Agentensystem bezeichnet, jedoch entsprechen die Systeme selten den Anforderungen der Agentforscher an ein Agentensystem. So besitzen viele Agenten nicht die erforderliche Autonomie und Proaktivität. Echte Agentensysteme findet man nach wie vor selten auf dem Markt [Brau03b]. Das liegt u. a. daran, dass das Design und die Implementierung von Agentensystemen Fähigkeiten in vielen verschiedenen Disziplinen erfordert (Künstliche Intelligenz, Kommunikationsstrukturen, Agentenarchitekturen, verteilte Systeme). Ferner besteht immer noch kein genereller Konsens über die Modellierung und Entwicklungsmethoden für Agentensysteme. Es werden viele verschiedene Beschreibungstechniken und -methoden entwickelt, aber keines von ihnen ist bislang wirklich ausgereift [Brau03]. Intelligente Agenten 11 Melanie Kruse

12 Es forschen jedoch eine ganze Reihe von Unternehmen und vor allem Universitäten auf dem Gebiet der intelligenten Agenten. Daher steigt auch die Anzahl der bereits implementierten Agentensysteme, jedoch handelt es sich oft um Beispielsysteme und noch nicht um industriell eingesetzte Systeme. Es ist jedoch zu erwarten, dass sich die Werkzeuge, Spezifikationen, die Agentenarchitekturen und damit auch die Agentensysteme in den nächsten Jahren enorm weiterentwickeln werden und die ersten Systeme bald Marktreife erlangen. Ein Vorreiter dafür könnte das von der Universität Hamburg entwickelte Agentensystem zur Patientensteuerung in Krankenhäusern MedPAge werden [Brau04]. Auch die Softwaretechnik wird durch das Agenten-Paradigma voraussichtlich stark beeinflusst werden. Es ist zu erwarten, dass sich die Anforderungen an die Objekte der momentanen OOP erhöhen werden und ihnen generell mehr Autonomie und Proaktivität von den Objekten gegeben wird. Der Schwerpunkt in der Analyse und im Entwurf von Softwaresystemen wird sich mehr auf die dynamische Seite verlagern. Intelligente Agenten 12 Melanie Kruse

13 2 Fallbeispiel: Das BDI-Agentensystem Jadex-Blackjack 2.1 Überblick Als Fallbeispiel soll das Agentensystem Blackjack dienen, das von A. Pokahr und L. Braubach an der Universität Hamburg entwickelt wurde [Brau03]. In diesem System wird das in Spielkasinos verbreitete Kartenspiel Blackjack simuliert. Dabei werden Spieler und Kartengeber durch Agenten vertreten. Das System basiert auf der Agenten-Plattform Java Agent Development Framework (JADE) sowie der darauf aufsetzenden BDI-Infrastruktur Jadex, die im Folgenden nach einer kurzen Beschreibung der Blackjack-Spielregeln erläutert werden. 2.2 Blackjack-Spielregeln Die folgenden Spielregeln orientieren sich an den Ausführungen von Casinoland [Casi04] und der Dokumentation zu Jadex-Blackjack [Brau03a]. Blackjack ist ein Spiel, für das sechs Kartenspiele à 52 Karten verwendet werden. Neben dem Kartengeber, auch Dealer genannt, können maximal sieben Spieler teilnehmen. Jeder Spieler spielt nur gegen den Dealer. Das Ziel eines Spielers ist es, mit seinen Karten eine Gesamtpunktzahl zu erreichen, die möglichst nahe an 21 ist, jedoch nicht größer als 21. Dasselbe gilt für den Dealer. Wer genau 21 hat oder mit den Punkten näher an der 21 liegt als der andere, hat gewonnen. Ein Spieler hat verloren, wenn er mehr Punkte als 21 oder weniger als der Dealer hat. Haben der Dealer und der Spieler gleich viele Punkte, so endet das Spiel unentschieden. Abb. 4: Kartenwerte im Spiel Blackjack Die Karten haben folgende Punkte: Bube, Dame und König zählen je 10 Punkte. Bei dem Ass kann sich der Spieler zu seinem Vorteil aussuchen, ob es 1 oder 11 Punkte zählen soll. Die Karten von 2 bis 10 haben den aufgedruckten Wert. Der Spiel läuft wie folgt ab: Zu Beginn legt jeder Spieler seinen Spieleinsatz fest. Dann teilt der Dealer an jeden Spieler zwei Karten aus, die offen ausgelegt werden. Intelligente Agenten 13 Melanie Kruse

14 Schließlich zieht der Dealer für sich selbst auch eine Karte und legt sie offen auf den Tisch. Nun addieren alle Spieler ihre eigenen Punkte. Erreicht ein Spieler bereits mit diesem beiden Karten genau 21 Punkte, dann hat er den sog. Blackjack erreicht und gewonnen. Abb. 5: Gesamtpunktzahl 21, der sog. Blackjack Hat ein Spieler keinen Blackjack, so muss er nun entscheiden, ob er noch weitere Karten haben möchte, die ihm der Dealer daraufhin gibt, oder ob ihm die erreichte Punktzahl genügt. Abb. 6: Verschiedene Kartenkombinationen Wenn alle Spieler ihren Wunsch geäußert und weitere Karten erhalten haben, beginnt der Dealer, für sich selbst weitere Karten zu ziehen. Dabei muss er nach der folgenden festen Regel vorgehen: Ist seine Punktzahl kleiner oder gleich 16, muss er eine weitere Karte ziehen. Ist die Punktzahl größer oder gleich 17, darf er keine Karte mehr ziehen. Wenn er das Ziehen beendet hat, teilt er den Spielen seine Gesamtsumme mit. Ist ein Spieler näher an der 21 als der Dealer, dann hat er gewonnen und er seinem Konto wird das 1,5-fache seines Spieleinsatzes gutschrieben. Wenn ein Spieler verloren hat, wird sein Einsatz vom Konto abgezogen. Wenn das Spiel unentschieden endet, wird weder etwas abgezogen noch gutgeschrieben. Intelligente Agenten 14 Melanie Kruse

15 2.3 Software-Framework JADE JADE ist ein Software Framework mit dem es möglich ist, interoperable, d. h. Agentenplattform übergreifende, intelligente Agentensysteme zu entwickeln, die den FIPA-Standards entsprechen [Jade04]. JADE wurde vollständig in Java implementiert und konzentriert sich vor allem auf die Kommunikationsinfrastruktur eines Agentensystems. Die Abkürzung steht für Java Agent DEvelopment Framework. JADE leistet mit seinem Angebot an Tools große Hilfestellungen bei der Entwicklung von Agentensystemen. Es ermöglicht sowohl die Verteilung einer Agentenplattform auf verschiedenen Rechnern als auch das manuelle Verschieben von Agenten von einem Recher auf einen anderen während der Laufzeit des Systems. JADE kann als eine Art Agenten-Middleware betrachtet werden, die eine Agentenplattform implementiert und eine Entwicklungsumgebung bietet. Es betrifft diejenigen Aspekte von Agentensystemen, die außerhalb der internen Struktur der Agenten liegen und ist somit unabhängig von den Anwendungen. Unter diese Bereiche fallen insbesondere die Kommunikation der Agenten untereinander sowie der Agenten-Lebenszyklus. Abb. 7: JADE-GUI RMA zur Kontrolle von (Remote-)Agenten Die von JADE implementierte Agentenplattform bietet u. a. die graphische Benutzeroberfläche RMA, die ein Remote-Management und eine Status-Kontrolle für Agenten enthält. Dadurch können Agenten beispielsweise gestartet und beendet werden. Die Benutzeroberfläche ermöglicht auch das Starten und Beenden von Agenten auf anderen Hosts sowie die Kontrolle anderer entfernter Agentenplattformen, die den FIPA-Anforderungen genügen. Das italienische Unternehmen Telecom Italia Lab (TILAB) der Telecom Italia Group entwickelt und vertreibt JADE als Open Source. Es wird unter den Bedingungen der GNU Lesser General Public License Version 2 (LGPL) veröffentlicht. Im Mai 2003 Intelligente Agenten 15 Melanie Kruse

16 wurde das sog. JADE Governing Board gegründet, welchem momentan die drei Mitglieder TILAB, Motorola und Whitestein Technologies AG angehören. Das Board hat es sich zur Aufgabe gemacht, das JADE-Projekt zu beaufsichtigen. JADE ist weiterhin in der Entwicklung begriffen. Die aktuelle JADE-Version ist JADE 3.1 auf dem Stand vom Zur Verwendung von JADE 3.1 wird ein Java Runtime Environment der Version 1.4 oder höher benötigt. 2.4 JADE-Add-On Jadex Während JADE in erster Linie Möglichkeiten zur Kommunikation der Agenten untereinander bietet, befasst sich Jadex mit den internen Strukturen der Agenten [Poka04]. Jadex orientiert sich am Belief-Desire-Intention-Modell (BDI). Dieses Modell baut Jadex in die JADE-Agenten ein, indem Wissen, Ziele und Pläne eingebracht werden. Diese Eigenschaften können innerhalb des Agenten manipuliert werden. In Jadex wird das Wissen eines Agenten durch Java-Objekte gespeichert, welche in einer Wissensbasis abgelegt werden. Ein Ziel repräsentiert eine konkrete Motivation, beispielsweise das Erreichen eines bestimmten Zustandes. Diese Motivation bestimmt das Verhalten des Agenten. Um Ziele zu erreichen, führt der Agent bestimmte Pläne aus, welche in Jadex prozedurale Abfolgen von Anweisungen in Java sind. Jadex ist ebenso wie JADE in Java implementiert. Da JADE die Basis von Jadex bildet, sollte zur Verwendung von Jadex auf demselben Rechner auch eine JADE- Version installiert sein sowie eine ein Java Development Kit (JDK) der Version 1.4 oder höher. Jadex ist ebenfalls Open Source und unterliegt auch der GNU Lesser General Public License (LGPL). Aktuell ist die Version Anwendung von Blackjack mit Jadex Jadex-Blackjack ist ein Beispiel-Multiagentensysteme von Jadex. Nach der Installation und dem Starten von Jadex erscheint neben dem RMA-Fenster (vgl. Abb. 7) ein Fenster mit Beispielen zu Jadex. Als unterstes Beispiel findet man Blackjack, welches durch einen Klick auf den darunter befindlichen Button gestartet werden kann. Intelligente Agenten 16 Melanie Kruse

17 Abb. 8: Das Fenster Examples von Jadex Daraufhin erscheint das Fenster Blackjack Manager (Abb. 9), in dem sechs verschiedene Spieler-Agenten konfiguriert werden können. Beispielsweise kann für jeden Agenten ein Name und die Risikobereitschaft für das Spiel bestimmt werden. Im Agentensystem Blackjack existieren drei Arten von Agenten: Die Spieleragenten, der Dealeragent und der Manageragent, der durch das Blackjack-Manager-Fenster dargestellt wird. Nach der Konfiguration der Spieleragenten können die Spieleragenten und der Dealeragent einzeln gestartet werden. Dies kann man mit dem Moment am Spieltisch im Kasino vergleichen, in dem die Personen sich an den Tisch setzen und damit ihre Spielbereitschaft signalisieren. An diesem Vergleich wird auch deutlich, warum noch nichts passiert, wenn nur die Spieler, aber nicht der Dealer gestartet wird. Ohne Kartengeber können keine Karten gegeben werden. Wird ein Agent gestartet, so erscheint er im JADE-RMA-Fenster (Abb. 10). Daher ist es erforderlich, den Kartengeber über den Button Start Local Dealer zu starten. Daraufhin erscheint das Fenster des Blackjack Dealers, in dem das eigentliche Spiel abläuft (Abb. 11). Man sieht oben den Dealer und Optionen zum Spiel und darunter sechs Felder für die Spieler. Im Laufe des Spiels erkennt man, dass der Dealer Karten an die teilnehmenden Spieler austeilt und wie viele Karten sich die Spieler abhängig von ihrer zuvor festgelegten Risikobereitschaft noch geben lassen. Jeder Blackjack Agent wird in Jadex in einem Agent-Description-File (ADF) beschrieben. Darin wird die interne Struktur eines BDI-Agenten bestimmt. Jeder Agent hat seine eigene Agent-Description-Datei. In einer solchen Datei werden u. a. die Pläne, das Wissen, die Ziele sowie die Möglichkeiten eines Agenten präzisiert. Intelligente Agenten 17 Melanie Kruse

18 Abb. 9: Das Fenster des Agenten Blackjack Manager Abb. 10: Verwaltung der gestarteten Blackjack-Manager im JADE-RMA-Fenster Intelligente Agenten 18 Melanie Kruse

19 Abb. 11: Das laufende Spiel im Fenster des Dealer-Agenten Bei den Agent-Description-Files handelt es sich um XML-Dateien. Die Agent- Description-Files der Blackjack-Agenten sind im jar-archiv examples.jar (im Jadex- Verzeichnis im Ordner lib ) unter den folgenden Namen enthalten: Spieler-Agent: Dealer-Agent: Blackjack-Manager-Agent: Player.agent.xml Dealer.agent.xml Manager.agent.xml Der folgende Auszug aus der Datei Player.agent.xml zeigt exemplarisch wie die BDI- Komponente Beliefs umgesetzt worden ist. Intelligente Agenten 19 Melanie Kruse

20 [...] <!-- beliefs --> <beliefs> <beliefset name="owncards" class="string" /> <belief name="dealercards" class="string" /> <belief name="dealer" class="aid" /> <belief name="account" class="int"> <fact>$arg0</fact> </belief> <!-- set the color of the lines in the statistic-graph and the class in which the players drawing- and betting-behaviour is implemented. --> <belief name="color" class="string"> <fact>$arg1</fact> </belief> <belief name="strategy" class="strategyinterface"> <fact>$arg2</fact> </belief> [...] Man sieht, dass das Wissen, welches der Spieler-Agent über seine Umgebung hat, die Elemente eigene Karten Karten des Dealers Dealer Konto (für die Spieleinsätze) Farbe Strategie umfasst. Weitere Details sowie Downloadmöglikeiten zu Blackjack und Jadex sind unter [Brau03a] zu finden. Intelligente Agenten 20 Melanie Kruse

21 4 Anhang 4.1 Abkürzungsverzeichnis und Glossar (angelehnt an [Duvi02]) ACL AUML FIPA JADE MAS Agent Communication Language; von der FIPA entwickelte Sprache für die Entwicklung von Agenten Agent UML; Erweiterung der Unified Modeling Language für Agentensysteme mit besonderem Schwerpunkt auf den Interaktionsprotokollen Foundation for Intelligent Physical Agents; internationale Organisation unter der Beteiligung von Hochschulen und Unternehmen, welche die Aufgabe hat, Spezifikationen zu entwickeln, um die Interoperabilität von Agenten verschiedener Hersteller zu ermöglichen Java Agent Development Framework; stellt eine in Java entwickelte Agentenplattform nach FIPA-Standards und Entwicklungswerkzeuge zur Verfügung Multiagentensystem; System mit meistens genau einer Agentenplattform, in dem sich mehrere autonome Agenten bewegen MMAS Multi-Multiagentensystem; System, in dem sich mehrere Multiagentensysteme befinden BDI-Modell Belief-Desire-Intention-Modell Intelligente Agenten 21 Melanie Kruse

22 4.2 Literaturverzeichnis [Brau03] Braubach, Lars; Pokahr, Alexander: Welcome to Blackjack, URL: blackjack.php [Brau03a] Braubach, Lars; Pokahr, Alexander: Dokumentation zu Jadex- Blackjack, URL: projects/jadex/ [Brau04] Braubach, Lars; Pokahr, Alexander; Lamersdorf, Winfried: MedPAge: Rationale Agenten zur Patientensteuerung. In: Künstliche Intelligenz. (2004), Heft 2, S [Casi04] Casinoland: Spielregeln Blackjack. URL: [Duvi02] Duvigneau, Michael: Bereitstellung einer Agentenplattform für petrinetzbasierte Agenten. Diplomarbeit, Universität Hamburg, Fachbereich Informatik. 10. Dezember URL: duvigneau/diplomarbeit.pdf. [FIPA04] Foundation for Intelligent Physical Agents (FIPA). URL: [Jade04] JADE-Homepage. URL: [Jenn00] Jennings, Nicholas R.: On Agent-Based Software Engineering. In:Artificial Intelligence. Band 117 (2000), Heft 2, S [Krem03] Krempels, Karl-Heinz; Nimis, Jens; Braubach, Lars; Pokahr, Alexander; Herrler, Rainer; Scholz, Thorsten: Entwicklung intelligenter Multi- Mutliagentensysteme Werkzeugunterstützung, Lösungen und offene Fragen. In: Dittrich et al. (Hrsg.): Informatik 2003 Innovative Informatikanwendungen Band 1. Bonn: Köllen Druck, [Mars04] Marsiske, Hans-Arthur; Stieler, Wolfgang: Dreißig Jahre nach Welt am Draht. In: c't. magazin für computertechnik. (2004), Heft 2, S Intelligente Agenten 22 Melanie Kruse

23 [Odel02] Odell, James: Objects and Agents Compared. In: Journal of Object Technology. Band 1 (2002), Heft 1, S URL: [Poka04] Pokahr, Alexander; Braubach, Lars: Jadex. User Guide. URL: Intelligente Agenten 23 Melanie Kruse

24 4.3 CD-ROM Die CD-ROM enthält die Seminararbeit als PDF-Dokument, die Präsentation (Power Point) sowie die erforderlichen Dateien, um das BDI-Agentensystem Jadex-Blackjack zu installieren. Intelligente Agenten 24 Melanie Kruse