Einführung in die Multiagentensimulation

Transkript

1 Einführung in die Multiagentensimulation Seminararbeit Seminar Virtuelles Labor Von: Marko Rieche Betreuer: Benjamin Rauch-Gebbensleben

2 Gliederung 1 Abstract 2 2 Einleitung 2 3 Grundlagen der Agententechnologie Agentendefinition Umgebungssystem 4 4 Multiagentensimulation im Einsatz 6 5 Praxisbeispiel: RoboCup 7 6 Zusammenfassung und Ausblick 9 7 Quellen 10 1

3 1 Abstract Die Multiagentensimulation beschäftigt sich mit der Simulation von komplexen, sich selbst organisierenden Systemen. Sie ist ein Teil der Mikrosimulation und unterscheidet sich von anderen Simulationsverfahren durch die Anwendung von Agenten in einem System. Im Gegensatz zur Verwendung von Systemvariablen, wie z.b. der Populationsgröße bei Modellen aus dem Bereich der System Dynamics, werden hier autonome und proaktive Agenten eingesetzt, um ein komplexes Gesamtsystem beherrschbar zu machen. Aufbauend auf den Grundlagen der Agententechnologie wird, am Praxisbeispiel RoboCup, die Verwendung von Agenten verdeutlicht. Zusätzlich wird auf die stetig zunehmende Bedeutung von Multiagentensystemen eingegangen. 2 Einleitung Wenn man versuchen möchte, eine Welt so komplex wie die unsere zu modellieren und zu simulieren, stößt man schnell an die Grenzen einfacher Systeme. Besonders problematisch sind Systeme, in denen versucht wird, simultanes (intelligentes) Agieren verschiedener Einheiten miteinander und untereinander darzustellen. So werden Simulationen der Verhaltensweise von Menschenmengen bei der Städteplanung angewendet oder für eine Berechnung von optimalem Datenverkehr bei der Strukturierung des Internets. Ebenfalls muss man bei einer Analyse der Auslastung von Verkehrsmitteln komplexe und verteilte Systeme beherrschen. Es ist also erforderlich eine Grundstruktur zu entwickeln, welche sich selbstständig organisiert, indem Einheiten miteinander interagieren und so ein dynamisches, sich stetig änderndes Netz erschaffen. Die Vorteile dieser Verfahren sind Möglichkeiten, komplizierte Systeme grob strukturiert zu entwerfen, aber auch schon bestehende Systeme einfacher zu handhaben. Das Ziel dieser Seminararbeit ist es, einen Einblick in die Beschreibung dieser komplexen Systeme zu bieten. Dazu wird anhand der Multiagentensimulation erläutert, wie ein System in kleine Strukturen zerlegt werden kann, um seine Komplexität zu reduzieren. Zusätzlich wird gezeigt, dass die Multiagentensimulation Mittel zur Verteilung von Rollen einzelner Strukturen und Einheiten anbietet. Im Anschluss werde ich eine Abgrenzung zu weiteren Simulationen komplexer Systeme (System Dynamics, etc.) ziehen. Um das zugrunde liegende Prinzip etwas detaillierter zu beschreiben, ist es notwendig, einige Grundlagen und Konzepte der Agententechnologie genauer zu betrachten. 2

4 3 Grundlagen der Agententechnologie Um die in der Einleitung erwähnten Begriffe Einheit und Struktur etwas präziser zu formulieren, werde ich im Folgenden die Bezeichnung Agent und Umgebungssystem einführen. Diese Elemente sind ein wichtiger Bestandteil der Multiagentensimulation und bilden die Basis zum Verständnis der im Weiteren erläuterten Beispiele Agentendefinition Das Forschungsgebiet der Agententechnologie ist ein noch sehr junges Gebiet, dies schlägt sich im Mangel an einheitlichen Definitionen für gemeinsam verwendete Begriffe nieder. Jedoch lässt sich nach dem Sichten verschiedener Quellen feststellen, dass die Agentendefinition von Woolridge in der Simulationsgemeinde die weiteste Verbreitung findet. [2] Der Vorteil seiner Definition ist ihre Kompaktheit und sie enthält alle notwendigen Aspekte zur Beschreibung von Agenten. Woolridge: An agent is a computer system that is situated in some environment, and that is capable of autonomous action in this environment in order to meet its design objectives. [1] Schon hieraus lassen sich wichtige Eigenschaften von Agenten erkennen: Erstens, ein Agent sollte autonom handeln. Das bedeutet er besitzt Ziele die er durch selbstständiges Entscheiden und Ausführen von Aktionen versucht zu erreichen. Das bringt den Vorteil, dass ein Agent nicht permanent gesteuert oder kontrolliert werden muss. Die zweite Eigenschaft beschreibt, dass ein Agent immer in einer Umgebung existiert und mit dieser Umgebung auch interagiert, z.b. mit anderen Agenten oder mit Teilen des Systems selbst. Diese zweite Eigenschaft zeigt allerdings auch auf, dass ein Agent in der Regel speziell für ein System entwickelt wurde. Ein Agent hat also nicht die Möglichkeit, mit jeder Art von System zu interagieren, weil ihm keine universellen Eigenschaften und Aktionen eigen sind. Zusätzlich werden einem Agenten noch weitere Eigenschaften zugeteilt. Diese Eigenschaften treffen gemeinsam Aussage über die Qualität eines Agenten und der Art und Weise, wie er sich in einem System verhält. [2] Reaktiv: Diese Eigenschaft bieten einem Agenten die Möglichkeit auf Änderungen der Umgebung reagieren zu können und seine Ziele und Aktionen entsprechend neu anzupassen. Proaktiv: Ein Agent sollte zielorientiert arbeiten, dass bedeutet er muss in der Lage sein, selbständig zu handeln und Initiative zu ergreifen. Sozial: Bietet dem Agenten die Möglichkeit mit anderen Agenten zu interagieren. 3

5 Je nach verwendeter Quelle werden noch weitere Eigenschaften (Robustheit, Flexibilität) erwähnt, allerdings beschränke ich mich im Rahmen dieser Seminararbeit auf die, für die Einführung in Multiagentensysteme, essentiellen Bestandteile von Agenten. Nachdem ich nun den Begriff des Agenten ausführlich erläutert habe, folgt die Klärung der Struktur bzw. des Systems Umgebungssystem Ein System in dem sich nun diese Agenten befinden wird als Multiagentensystem bezeichnet. Dabei liegt es natürlich nahe, dass in einem System mehrere Agenten zu finden sind, da sonst nicht alle der eingangs erwähnten Eigenschaften zum Tragen kommen würden. Als klare Definition eines Multiagentensystems habe ich mich wieder für Woolridge entschieden, da seine Definition wiederum sehr präzise ist. Woolridge: A multiagentsystem is one that consists of a number of agents, which interact with one another, typically by exchanging messages through some computer network infrastructure. [1] Es wird also ein System beschrieben, in dem mehrere Agenten mit unterschiedlichen Zielen autonom agieren. Die erforderliche Kommunikation wird nach Woolridge über eine Netzwerkinfrastruktur realisiert, die je nach Simulationsaufbau in verschiedener Art & Weise durchgeführt werden kann. Diese Kommunikation ist ein wichtiger Bestandteil der Multiagentensysteme. Sie ist Merkmal der Intelligenz des Menschen und ermöglicht es daher, Simulationsergebnisse zweckmäßig zu abstrahieren. [1] Nun ist, wie bereits erwähnt, nicht jedes System gleich. Auch im Bereich der Multiagentensysteme gibt es verschiedene Arten von Modellen, die sich wie folgt unterscheiden. [2] Zugang: Umgebungen, welche den Agenten einen vollständigen Zugriff auf den aktuellen Zustand einer Umgebung bieten, heißen zugänglich. Deterministisch: Jede Aktion in dieser Umgebung hat einen garantierten Effekt. Statisch/Dynamisch: Eine dynamische Umgebung verändert sich selbstständig. Hingegen kann eine statische Umgebung nur durch eine Aktion von Agenten verändert werden. Diskret: Eine Umgebung heißt diskret, wenn es eine feste und endliche Anzahl von Aktionen und Wahrnehmungen gibt. 4

6 Diese Eigenschaften ermöglichen das Einstufen von Multiagentensystemen und schaffen damit eine geeignete Auswahl von Agenten für ein System. Als letzten Teil der Grundlagen möchte ich noch kurz auf den Begriff der Objekte eingehen. In einem Multiagentensystem befinden sich nicht nur Agenten, sondern auch Objekte. Diese Objekte beinhalten, ähnlich der Objektorientierten Programmierung, Methoden und zusätzlich Zustände. Sie unterscheiden sich aber von Agenten dahingehend, dass sie nicht autonom (re-) agieren können. Auf eine detaillierte Erläuterung von Objekten und der Art & Weise wie Agenten untereinander kommunizieren, möchte ich aufgrund des Umfangs der Seminararbeit verzichten. Dennoch werde ich am Praxisbeispiel im späteren Abschnitt diese Wege der Kommunikation grundlegend beschreiben. Zusammenfassend lässt sich die Beziehung zwischen einem Agenten und seiner Umgebung wie folgt darstellen: Sensor Agent Effektor Umgebung Abbildung 1: Wechselwirkung Agent und Umgebung Ein Agent erfasst mit seinen Sensoren (Beispiele dazu finden sich im Abschnitt 5) Merkmale seiner Umgebung. Nach einer Analyse der zuständigen Systemvariablen, wird ausgehend vom Regelsatz des Agenten eine Aktion gewählt und ausgeführt. Diese Aktion wiederum wirkt sich auf die Umgebung des Agenten aus, dadurch werden Umgebungsvariablen neu gesetzt und der Agent kann sie erneut analysieren. Aufbauend auf den Grundlagen von Multiagentensystemen, möchte ich im nächsten Abschnitt einige Punkte beleuchten, die deutlich machen sollen, welche Gründe es für die Wahl von Agententechnologie gibt. Des Weiteren wird ein allgemeiner Eindruck über die Einsatzgebiete und Einsatzfähigkeiten von Multiagentensystemen verschafft. 5

7 4 Multiagentensimulation im Einsatz Mit Hilfe der Grundlagen habe ich bereits verdeutlicht, dass Multiagentensysteme auf Modellen beruhen, in denen sich Agenten autonom und interagierend verhalten. Gerade diese Verwendung von Agenten unterscheidet die Multiagentensimulation, als eine Form der Mikrosimulation, von Makrosimulationen, wie z.b. System Dynamics. Durch den Einsatz von einzelnen Agenten, im Bereich der Multiagentensysteme, werden globale Zustandsvariablen eines Systems ersetzt. So werden z.b. Populationsgrößen bei der Simulation von Wohnstrukturen (Städte, Dörfer, ) durch eine Anzahl von Agenten ersetzt um einen möglichst realen Simulationsablauf zu erzeugen. Weitere Einsatzgebiete sind das Erstellen von Fluchtplänen in Krankenhäusern oder Einkaufsparks, die Simulation des Straßenverkehrs zur Beurteilung von Unfallschwerpunkten und vieles mehr. Der Vorteil von Agenten bezieht sich genau auf diese Anwendungsgebiete. Aufgrund der Agenteneigenschaften können sich nun Agenten frei im System bewegen und interagieren, ohne dass Übergänge von Zustandsvariablen berechnet (oder vermutet) werden müssen. Sogar in der Filmindustrie und bei Computerspielen lassen sich aktuelle Beispiele der Verwendung von agentenbasierter Simulation finden. Die Generierung von Massenszenen in Filmen (z.b. Der Herr der Ringe ) oder die Simulation von sozialen Gemeinschaften in Computerspielen (z.b. Die Siedler ) werden oft als Paradebeispiel angeführt. [3] So lässt sich sogar das bekannte Spiel Pacman als Multiagentensystem bezeichnen. Abbildung 2: Multiagentensystem Pacman [6] In welchem sich Geister, auf der Jagd nach dem Spieler, als eigenständige Agenten formulieren lassen. Sie reagieren auf ihr Umgebungssystem durch Veränderung der Position des Spielers. Je nach Programmierung lassen sich hier möglichst viele der Eigenschaften von Agenten implementieren. 6

8 Nun möchte ich ein konkretes Beispiel der Multiagentensimulation erläutern, an welchem sich viele, der im Bereich der Grundlagen genannten, Eigenschaften von Agenten deutlich zeigen lassen. Auch möchte ich nun weitere Begriffe erläutern, die dem Verständnis der Multiagentensimulation beitragen sollen. 5 Praxisbeispiel: RoboCup RoboCup bezeichnet das von der Robot World Cup Initiative gestartete internationale Forschungs- und Bildungsprogramm. Dabei vermischen sich Teilgebiete der künstlichen Intelligenz, der Agentensimulation und der Robotik. Es wird versucht mit Hilfe von Robotern ein Fußballspiel zu simulieren. Angefangen von einer kleinen Liga für winzige Roboter, bis hin zur Humanoid Liga für Roboter mit menschlicher Abmessung ist alles vorhanden. Abbildung 3 zeigt einen Querschnitt der Vielzahl von Konstrukten, welche beim RoboCup zum Einsatz kommen: Abbildung 3: Querschnitt der Roboter aus verschiedenen Ligen Seit 1997 wird sogar jährlich eine Weltmeisterschaft ausgetragen. Da bei der Verwendung von Robotern menschliche Akteure fehlen, werden verschiedene Probleme aufgeworfen. So betrifft z.b. das Trainieren von Bewegungsabläufen den Fachbereich der Robotik und die Anpassungsfähigkeit an variable Gegner den Bereich der künstlichen Intelligenz [4]. Ich möchte für den Bereich der Multiagentensimulation das Zusammenspiel von mehreren Robotern (Agenten) näher betrachten. Als Umgebungssystem liegt ein typisches Spielfeld vor, auf dem sich je nach Liga eine variable Anzahl von Agenten befindet. Die Agenten eines Teams nehmen spezielle Rollen ein, auch dies ist ein wichtiger Bestandteil der 7

9 Agentensimulation. Dies umfasst, dass nicht jeder Agent das gleiche Ziel besitzt, aber dennoch alle Agenten gemeinsam auf ein großes Ziel zuarbeiten. So ist also der Agent im Bereich Torhüter nicht zuständig selbst Tore zu erzielen, dennoch stellt er mit der Einhaltung seines Zieles (dass kein Ball sein Tor trifft) ein Teilziel des gesamten Teams dar. Um entsprechend ihren Zielen zu agieren, benötigen die Agenten sowohl Sensoren als auch Effektoren. Sensoren sind Teilbereiche der Agenten, mit denen die Wahrnehmung des Systems durchgeführt wird. So können Kameras und Abtastung von Entfernungen durch Sensortechnik angewandt werden. Nachdem ein Sensor dem Agenten mitgeteilt hat, welchem Zustand sein Umgebungssystem unterliegt, kann er mit Hilfe seiner Effektoren agieren. Das bedeutet, ein Agent hat beim RoboCup z.b. Methoden um sich einem Ball in den Weg zu stellen, oder selbst einen Schuss auf das gegnerische Tor zu wagen. Die Wahl der korrekten Effektoren unterliegt den aktuellen Zielen und gesetzten Aktionsregeln eines Agenten und spielt, gemeinsam mit dem Konzept seiner Autonomie, in den Bereich der künstlichen Intelligenz und der Entscheidungsfindung. Kommunikation kann auf dem Spielfeld auf verschiedene Wege stattfinden, so ist z.b. das Einbinden von Audiosignalen als Nachrichtenübermittlung vorhanden. Probleme im Bereich der Agentensimulation beim RoboCup bilden die beschränkten Sichtweisen der Agenten. Kein Agent hat einen Überblick über den Zustand des Gesamtsystems, dies macht eine effektive Kommunikation zwingend erforderlich. Ein weiteres Problem ist das Fehlen eines Algorithmus, der ein Team von Agenten gemeinsam zum Spielsieg führt. Aufgrund der Vielzahl von Zuständen ist eine optimale Handlungsweise von Agenten nur schwer vorhersagbar. Lösungsmöglichkeiten hierzu werden im Fachbereich der Neuronalen Netze gesucht. [4] Es ist also deutlich zu erkennen, dass die Multiagentensimulation ein wichtiger Bestandteil von Lösungsansätzen für verteilte Problemstellungen ist. Das Ziel der siegreichen (Agenten-) Mannschaft wird stückweise auf einzelne Agenten verteilt, jeder mit einer eigenen Rolle und einem entsprechenden Satz an Verhaltensregeln. Durch autonomes Handeln dieser Agenten wird das komplexe System der interagierenden Mannschaft überschaubar und auch lösbar. Nachdem ich am Beispiel des RoboCup gezeigt habe, wie sich Agenten gezielt einsetzen lassen um komplexe Systeme zu simulieren, möchte ich eine Zusammenfassung der wichtigsten Inhalte liefern. Gleichzeitig biete ich einen Ausblick auf weitere Einsatzgebiete und Bereiche in denen Agenten immer häufiger ihren Einsatz finden. 8

10 6 Zusammenfassung und Ausblick Aufbauend auf den Grundlagen eines Umgebungssystems und den Eigenschaften von Agenten ist es also möglich, komplexe Systeme aus den verschiedensten Gebieten zu Strukturieren und zu Modellieren. Ein Versuch eine Fußballmannschaft dahingehend konsistent zu steuern, dass jeder Akteur seine eigenen Aufgaben realisiert, aber auf die Nebenläufigkeit seiner Mannschaft angewiesen ist, stellt eine große Herausforderung dar. Als Alternative kann die Multiagentensimulation eine fein strukturierte Einheit von Agenten in einem System simulieren um äquivalente Ziele zu erreichen. Im Vergleich zu anderen Formen der Simulation wurde gezeigt, welche Vorteile die agentenbasierte Simulation bringt. Der Einsatz von autonomen Agenten ermöglicht das Vernachlässigen von globalen Zustandsvariablen und bietet zeitgleich Chancen realitätsnaher Simulation. Aufgrund der globalen Vernetzung von Systemen und Ressourcen nimmt die Bedeutung von Multiagentensystemen stetig zu. Schwer lässt sich jedoch eine scharfe Grenze zu Teilgebieten der künstlichen Intelligenz ziehen. Dies lässt vermuten, dass eine gegenseitige Beeinflussung neue Konzepte und Prinzipien von Agentensimulationen verspricht [5]. 9

11 7 Quellen [1] M. J. Wooldridge. An Introduction to MultiAgent Systems. John Wiley & Sons Inc., [2] Hinnerk Gildhoff, Eine Simulationsunterstützung für Agentenplattformen, Diplomarbeit 2007, Universität Hamburg [3] Franziska Klügl, Multiagentensimulation, Zeitschriftenbeitrag Informatik- Spektrum, Dezember 2006 [4] [5] [6] [7] s_l.jpg,