International Journal of Research terbar

(1)

International Journal of Research terbaru dalam Sains dan Teknologi ISSN (Online): 2278-5299 Volume 3, Edisi 2: Halaman No.147-155, Maret-April 2014

http://www.mnkjournals.com/ijlrst.htm

ISSN: 2278-5299 147

KOMUNIKASI, KERJASAMA,

KOORDINASI DAN KEMAMPUAN KOGNITIF OF A MULTI AGEN SYSTEM - A SURVEY PUSTAKA

1

Debasmita Das, 2

Shibakali Gupta,

1

Universitas Institut Teknologi, Ilmu Komputer dan Teknik, Burdwan, India 2

Universitas Institut Teknologi, Ilmu Komputer dan Teknik, Burdwan, India

Abstrak Multi sistem agen telah muncul sebagai sayap penelitian yang paling dominan dalam domain yang luas kecerdasan buatan di

beberapa waktu terakhir. Para peneliti berusaha untuk membuat beberapa arsitektur untuk membangun sistem multi-agen dengan semua properti rasional seperti

(2)

intim dan paling peneliti mencoba untuk mengkonfigurasi komponen-komponen di diusulkan arsitektur sistem multi-agen mereka untuk membuat

lingkungan yang lebih rasional. Dalam makalah ini kami telah mencoba untuk membuat survei literatur lengkap pada dasarnya fokus semua upaya mereka. Kami

niat adalah untuk menyediakan peta jalan bermanfaat untuk para peneliti muda untuk merancang paling maju sistem multi-agen berdasarkan yang terbaik

komunikasi, kerjasama, dan kognisi protokol.

Kata kunci - sistem multi agen; Kecerdasan buatan; Otonomi; Proactiveness; Reaktivitas; Kemampuan sosial; Komunikasi; Kerjasama; Pengartian

I. PENDAHULUAN

Masyarakat ilmu komputer didasarkan pada komunikasi

dikembangkan untuk berinteraksi dalam sistem. Komunikasi adalah dari sinkronisasi beberapa proses. Untuk berkomunikasi,

agen harus mampu memberikan dan menerima pesan dengan

satu sama lain. Mengkoordinasikan, agen harus mengelola antar mereka dependensi. Bernegosiasi, agen harus menangani beberapa sendiri penawaran. Kombinasi komunikasi multi-agen,

kerjasama, dan hasil negosiasi kerjasama.

Survei literatur berikut ini memberikan pandangan singkat Penelitian bekerja komunikasi yang terlibat, koordinasi, kognisi dan kerjasama dari sistem multi-agen.

Kertas survei ini disusun sebagai berikut. Pada bagian II kami telah membahas latar belakang sistem multi agen. Itu Bagian III menjelaskan survei literatur berikut kertas. Bagian IV akhirnya menyimpulkan.

II. LATAR BELAKANG

Setelah penemuan komputer, harapan manusia

(3)

dan kemampuan mesin yang merendahkan kecuali itu

mengatasi [1]. Konsep lain kemudian datang ke dalam gambar untuk

menggunakan kekuatan pemrosesan membesar dan perangkat untuk mempercepatnya. Tapi Peningkatan ini meningkatkan kompleksitas, kecanggihan

kegunaan dan pemeliharaan [2]. Kemudian didistribusikan Pendekatan telah meraih generasi di mana sistem komputer tidak tetap sendirian dan terhubung ke saluran umum [3]. Contoh yang paling jelas adalah internet tanpa yang

kehidupan manusia menjadi rusak. Untuk menghadapi kompleksitas, kecerdasan otak manusia menyesuaikan dengan komputer

[4]. Mereka membutuhkan untuk memberikan kontrol ke mesin sehingga mesin bisa memiliki konsep sendiri [5]. Tapi

ketidakcocokan terjadi antara manusia dan mesin. Mereka

donít tindakan dengan cara yang sama [6]. Upaya developersí, coding pengolahan mengarah ke bidang baru yang disebut sistem multi-agen [7]

[8] [9]. Sistem multi agen adalah kumpulan agen berinteraksi. Berinteraksi berarti mereka akan berkomunikasi, bekerja sama,

mengkoordinasikan dan bernegosiasi dengan lainnya sebagai manusia tidak. Mereka akan dihubungkan oleh hubungan lain [10].

AKU AKU AKU. SASTRA SURVEY

Bagian ini akan memberikan ide-ide yang signifikan mengenai bidang sistem agen multi-dan sifat sebagai berikut:

 Modeling Co-Operative multi Agen Sistem oleh Lijun Shan, Hong Zhu (2004):

(4)

dapat diimplementasikan dalam sistem koperasi di agen skenario. Camle-Kasta-sentris Pemodelan Agen berorientasi Bahasa dan Lingkungan [11] adalah model berbasis agen

bahasa, dirancang dan dianalisis dalam sistem multi-agen. Sebuah

Agen dapat mengambil keputusan yang bagaimana dan dengan siapa ia dapat

berinteraksi dengan. Oleh karena itu harus mempertahankan beberapa protokol yang dapat menyebabkan bermasalah. Daerah ini telah difokuskan dalam hal ini

kertas. Berdasarkan pendekatan ini, komunikasi berbagai agen bahasa atau ACL telah diusulkan yang mencakup

KQML, FIPA, AUML, LEMBARAN [12] dan Camle. Itu

agentsí perilaku kooperatif dapat dinyatakan dalam tiga tingkatan. 1) Tingkat atas: itu adalah model kasta yang didefinisikan

sebagai arsitektur sistem yang membentuk kelas agen.

2) Tingkat menengah: itu adalah model yang bekerja sama dan memiliki digunakan untuk berkomunikasi antara agen.

3) Tingkat yang lebih rendah: mengarahkan perilaku internal agen.

Model konseptual telah disajikan tergantung pada

yang LEMBARAN dan Camle. Prinsip-prinsip yang diikuti dalam model ini adalah:

 Encapsulation  berbagi fitur

International Journal of Research terbaru dalam Sains dan Teknologi. ISSN: 2278-5299 148

 sifat multi-agent

(5)

partisipasi yang kuat dari agen dengan komunikasi mereka untuk kebutuhan global. Model kolaborasi telah

lanjut diklasifikasikan sebagai:  horisontal

 struktur vertikal

Diagram yang disajikan dalam model kolaborasi memberikan hirarki untuk menunjukkan agen pada tingkat tertentu [13].  Sebuah Modeling Koperasi multi Agen Sistem oleh Gregory Gelfond, Richard Watson (2007):

Bahasa aksi dikategorikan dengan ini sebagai deklaratif bahasa untuk menggambarkan efek dari tindakan. Sifat

melalui mana mereka dapat menentukan domain kompleks adalah:  sintaks Mudah

 Semantik

CR-Prolog merupakan perluasan dari logika pemrograman Bahasa yang menyajikan konsistensi berdasarkan memulihkan

aturan. Pengetahuan seorang agen didefinisikan di sini sebagai gabungan dilihat dari diagram transisi lokal dan global. A-agen tunggal

sistem digambarkan oleh agen-lingkaran dengan fitur-fitur tertentu yang sebagai:

 Negara

 Tujuan Sasaran

Para penulis telah disajikan multi-agen koperasi sistem sebagai:

1) kerangka A penalaran dan 2) Dari perspektif sistem

(6)

properti bersama dengan rencana layak oleh beberapa lemmas [14].  Fault Tolerant multi Agen Sistem: Its

Komunikasi dan Kerjasama oleh Arnulfo Alanis Garza, Juan Jose Serrano, Rafael Ors Carot, Jose Mario Garcia Valdez (2007)

Para penulis telah menggambarkan sebuah model baru untuk cerdas agen yang independen menangani kegagalan. Agen

Kategori menyatakan adalah:

1) agen Rasional: Selalu bertindak dengan cara yang benar. 2) agen Mahatahu: Hal ini dapat didefinisikan sebagai aktual hasil dari tindakan yang dilakukan oleh agen.

Tapi kemahatahuan doesnít ada sama sekali.

Sebuah sistem berbasis agen dapat dilaksanakan tanpa

struktur perangkat lunak agen itu. Mereka dapat disebut sebagai entitas perangkat lunak yang dapat bertindak atas nama mereka. Jika

agen bertindak dominan sesuai dengan basis pengetahuan mereka kemudian mereka melampaui properti otonomi. Unsur-unsur

singkat menjelaskan adalah:

 spesifikasi FIPA: ini ditetapkan standar untuk mempromosikan interoperation di antara aksi agen heterogen [15].

 pesan FIPA ACL: Ini terdiri dari satu atau lebih pesan diperlukan untuk khusus komunikasi agen [16].  KQML: Seperti di KQML, isi dilakukan oleh

(7)

beberapa bagian proyek.

Para penulis menyatakan protokol komunikasi berbagai agen dan diagram komunikasi. Salah satu agen bertindak sebagai klien

mengirimkan permintaan ke agen lain bertindak sebagai server membalas dengan mantan. Seluruh pendekatan membantu sistem agen multi-ke

Target dari kesalahan kontrol toleran dan setiap agen harus berjuang terhadap kegagalan [17].

 Efisiensi Komunikasi Multi Agent Sistem oleh Mary Berna-Koes, Illah Nourbakhsh, Katia Sycara (2004):

ACL didekati untuk komunikasi antar agent yang

Sistem robot nyata adalah contoh di mana telemetri, audio, data ditransfer secara real time melalui jaringan nirkabel. Itu

Penulis telah menyatakan:

 Dua pendekatan ban melalui ACL dan komunikasi robot di mana agen berbagi satu saluran komunikasi ke satu bahasa.

 background A digunakan untuk mentransfer pesan tingkat rendah. Isi dikirim disimpan tetap pada ACL. Dua agen

bertukar informasi tingkat rendah. Mereka bergantung pada protokol transport.

 Sebuah flowchart diuraikan untuk menjelaskan komunikasi berurutan.

Mereka menyatakan beberapa faktor yang meningkatkan sistem kinerja. 1) Bandwidth dan 2) latency dua penting

elemen mengenai jaringan komunikasi. Konsep

(8)

penyelamatan robot MAS [19].

 Evolution Of A Protocol Komunikasi Antara A Kelompok Agen Cerdas oleh Sayyed Hossein Khasteh, Saeed Bagheri Shouraki, Ramin Halavati, Elyas Khameneh (2006):

Makalah ini difokuskan dari perspektif evolusi

mendefinisikan komunikasi sebagai pertukaran informasi antara agen. Para agen menggunakan sinyal meliputi:  fitur tertentu keadaan tersebut

 Negara-negara internal.

Algoritma pembuatan protokol hipotesis yang diajukan dalam konteks ini. Algoritma diimplementasikan menggunakan "Zamin" lingkungan simulasi. Zamin Model kehidupan buatan akrab bagi penelitian tentang metode evolusi. Konsep ini ditampilkan dengan menggunakan:

1) Domba 2) Rumput 3) Pohon 4) Water Spring

Protokol hasil ini antara domba untuk mengidentifikasi empat kategori. Hasil yang diperoleh mendorong dari

simulasi berbeda berdasarkan protokol. Manfaat algoritma ini adalah:

 Protokol mudah.

(9)

Penulis telah menyediakan area aplikasi utama dari koperasi sistem agen multi-. Mereka:

 masalah intelektual Penting

 Prinsip-prinsip ditarik untuk merancang  Pekerjaan masa depan.

Sistem multi agen dapat berupa  homogen atau

 heterogen

Para agen ditargetkan tujuan masing-masing

mempertahankan otonomi mereka. Beberapa aplikasi domain contoh berorientasi adalah:

1) Distributed penilaian situasi: Ini menunjukkan konsistensi agen.

2) Distributed penjadwalan dan perencanaan sumber daya: itu menunjukkan koordinasi agen dengan cara yang dijadwalkan.

3) Distributed sistem pakar: itu menjelaskan negosiasi agen.

Perhatian harus bagaimana untuk membawa efektif kerjasama antara agen. Strategi koordinasi bantuan

agen untuk memecahkan masalah secara efisien dan untuk mengambil keputusan apakah untuk melakukan tugas tertentu dan dengan siapa. Itu

prinsip diikuti terkait sebagai:

(10)

 Menangani masyarakat agen.

Bidang multi penelitian agen dikategorikan menjadi: 1) agen Koperasi

2) Cukup tertarik agen

Penulis termasuk implementasi praktis dalam bukunya pekerjaan di masa depan [21].

 Kerjasama multiagen Sistem oleh Claudiu Pozna, Szechenyi Istv · n, Janos Kovacs, Radu-Emil Precup, Peter Foldesi (2011):

Kerjasama sistem multi agen didasarkan pada dua algoritma di atas kertas. Hal ini disampaikan dari Identifikasi probabilistik proses ketika negara adalah diamati.

 Algoritma pertama menjelaskan proses transisi antara negara-negara yang sama.

 Algoritma kedua diidentifikasi sebagai yang paling mungkin proses.

Dua agen bernama Guru dan Apprentice digunakan dalam

konteks. Guru agen telah digunakan untuk menyelesaikan tugas yang diberikan di mana agen Apprentice telah digunakan untuk mengidentifikasi tugas untuk memecahkan.

Keuntungan utama dari konsep ini adalah yaitu telah

dilakukan dengan cara yang sederhana. Sebuah studi kasus yang diberikan di sini untuk mendefinisikan kerjasama untuk membangun arsitektur berturut

batu bata di ruang kerja. Penulis telah menerapkan ketidakjelasan dengan kerjasama.

(11)

agen master memiliki pengetahuan tentang persyaratan.

Oleh karena itu upaya ini adalah untuk bekerja lebih lanjut pada perancangan untuk menerapkan sistem inferensi fuzzy sehingga agen lain bisa

juga memiliki pengetahuan tentang pengambilan keputusan [22].  Menerapkan agen Arsitektur multi untuk

Koperasi Software Engineering oleh Alf Inge Wang (2000):

Koperasi arsitektur multi agent memiliki kemampuan untuk memutuskan:

 Teknik untuk memberikan yang efisien antar-agen komunikasi

 Bahasa berkomunikasi

 Entah mereka stasioner atau mobile  Jenis teknologi

Penulis telah memberikan penjelasan singkat tentang CAGIS multi-agen komponen arsitektur. Arsitektur ini meliputi:

 Agen  Workspace

 tempat pertemuan Agen  Repository

Encode milik manusia dan dengan demikian harus sangat fleksibel. Informasi termasuk kerjasama bisa disimpan di:

1) Repositori 2) Agen

3) tempat pertemuan Agen.

(12)

MAS. Teknologi meliputi:  DIAS Saya

 DIAS II [23].

 Koevolusi Peran Berbasis Kerjasama multiagen Sistem oleh Chern Han Yong dan Risto Miikkulainen (2009):

Koperasi masalah multi-agen berlangsung di mana

beberapa agen bekerja sama untuk mencapai tujuan bersama. Di sini dua hipotesis diuji.

1) Yang pertama adalah co-evolusi pendekatan, di mana jaringan saraf otonom kontrol kooperatif

satu sama lain.

2) Hipotesis kedua menetapkan koordinasi di tim tersebut melalui stigmergy.

Co-evolusi dipertahankan baik dalam satu

populasi atau dalam beberapa populasi, sehingga kebugaran mereka evaluasi dapat diperbaiki. Metode ESP neuro evolusi

adalah cara yang efektif untuk menghasilkan kegotong-royongan. Itu Bagian eksperimental untuk mempelajari kerjasama dan

komunikasi dalam makalah ini adalah tugas mangsa-capture. Its implementasi, ESP dan Multi agen metode ESP adalah

digambarkan sebagai  Pelaksanaan Prey-Capture  Implementasi Neuro evolusi.

(13)

beberapa pendekatan dan membatasi koordinasi stigmergic yang masalah masa depan yang akan dibahas [24].

 Komunikasi, Kerjasama dan Koordinasi dalam Ad-Hoc Lingkungan oleh Diego Casado Mansilla, Andres Navarro Guillen & Juan R. Velasco (2008):

Jaringan nirkabel dikategorikan menjadi dua yang berbeda pendekatan:

 jaringan nirkabel terpusat

 jaringan Desentralisasi bernama Ad-hoc

Berikut masing-masing perangkat berpartisipasi dalam jaringan ini bertindak sebagai simpul otonom dan mampu berkomunikasi langsung dengan

setiap node melalui media nirkabel. Sebuah nirkabel Ad-hoc jaringan adalah node dikumpulkan otonom berkomunikasi

dengan satu sama lain dan membentuk jaringan radio multi-hop. Sebagai node berkomunikasi melalui link nirkabel, mereka harus

bersaing dengan efek komunikasi radio sebagai:  Kebisingan

 Memudar  Interferensi.

JADE digunakan sebagai middleware untuk sistem agen multi-dengan Spesifikasi FIPA. Direktori Fasilitator (DF) dan baru

mendaftar disebut Agen Management System (AMS) digunakan untuk mengontrol setiap agen pada platform. Jadi agen dapat

menjaga komunikasi antara mereka dan menempel mereka layanan [25].

(14)

Perencanaan online  untuk sistem multi-agen dengan komunikasi dibatasi oleh Feng Wu, Shlomo

Zilberstein, Xiaoping Chen (2011):

Sebuah algoritma secara online ditarik yang dapat merencanakan bawah ketidakpastian dalam MAS dikenal sebagai Desember-POMDPS, yaitu desentralisasi parsial diamati proses keputusan Markov.

Hal ini dapat memberikan semua informasi saat ini terdapat. Sebuah solusi diberikan online untuk mencari kebijakan. Ini adalah cara yang luar biasa untuk mengkoordinasikan agen. Agen dapat menghafal sejarah

peristiwa. Hal ini dapat mengatasi dengan saluran komunikasi terbatas. Karena setiap agen memiliki pengetahuan yang terbatas, mereka harus tahu banyak kemungkinan situasi pengetahuan ini. Algoritma ini

memudahkan. Hal ini meningkatkan tractability dan kinerja MAS. Model yang ditampilkan adalah:

 Model resmi  Model Offline  Model secara online

Kerangka kerja ini dapat diimplementasikan dalam beberapa masalah sebagai kotak-sepakbola [26].

 Spesifikasi Operasional dari Komitmen Berbasis Agen Komunikasi Bahasa oleh Nicoletta

Fornara, Marco Colombetti, Politecnico di Milano (2002):

Para penulis menyatakan metode operasional menggambarkan bagaimana Pesan dibagi antara agen di lingkungan terbuka.

(15)

adalah sarana interaktif antara agen buatan. Salah satu Pendekatan ini mentalistik yang menunjukkan agentsí jiwa negara. Kerugiannya dapat dilihat di mana MAS terdiri

oleh agen heterogen kompetitif dengan vendor yang berbeda. Untuk mengatasi hal itu, pendekatan diikuti adalah:

 Komitmen berdasarkan pendekatan  Pendekatan Percakapan.

Aplikasi sosial dinyatakan secara singkat yang didasarkan pada analisis gagasan primitif komitmen. Berbagai aspek

komunikasi yang digunakan di sini. Para agen berinteraksi diri berinteraksi.

 Dalam komunikasi sosial, objek komunikatif

doesnít tergantung pada struktur internal dari agen dan perusahaan Kondisi mental. Dua agen direpresentasikan sebagai

debitur dan kreditur. Komunikasi A mungkin terpenuhi, melanggar atau dibatalkan.

 Dalam komunikasi bersyarat, tindakan didasarkan pada kondisi sebelumnya.

 Dalam pembicara komunikasi pra dan pendengar berkomunikasi.

Proposisi sementara dapat di salah satu dari tiga negara. Mereka adalah:

1) Benar 2) Salah 3) Undefined

(16)

 objek Komunikatif  objek proposisi Temporal  tindakan Komunikasi  Mengatur rutinitas

Kelas komunikasi terdiri dari 1) Bidang

2) Konteks 3) Ketentuan 4) Waktu-out

Ketegasan adalah properti yang memberitahu pendengar tentang pernyataan dari kebenaran. Commissives berkomitmen debitur untuk kreditur untuk melakukan tindakan dalam waktu. Arahan

mengarahkan untuk melakukan tindakan dalam waktu. Konjungsi dari proposal komisif bersyarat langsung dan kondisional memiliki

telah ditarik. Sebuah aplikasi telah ditunjukkan untuk meresmikan itu [27].

 Sebuah sistem agen Koperasi multi Infrastruktur untuk Heterogen Sensor Lingkungan oleh Taishi Ito,

Yasuhiro Kurita, Hideyuki Takahashi, Kazuto Sasai, Gen Kitagata, Tetsuo Kinoshita (2013):

Para penulis telah menerapkan kerangka koperasi berdasarkan MAS cocok untuk sensor heterogen

lingkungan dan peralatan rumah. Mereka telah menghadapi beberapa kesulitan teknis, meskipun mereka berhasil menemukan dua

(17)

Kerangka diusulkan untuk jaringan sensor adalah:  Konteks toolkit [28]

 Kegiatan didorong prosesor [29]

 sistem berbasis agen Ponsel menggunakan middleware [30]  Pengumpulan data [31]

Para agen yang telah digunakan dalam arsitektur ini adalah:  Sensor perangkat agent

 agen dunia nyata  Sensor aplikasi agen  agen Manajer

Proses agentification menyatakan berdasarkan AMUSE [32]. Contoh aplikasi telah diberikan melalui

Proses protokol komunikasi yang terdiri dari empat sensor

perangkat dan satu agen dunia nyata dan agen khusus yang dikenal sebagai manajer agen. Beberapa mekanisme bernama Phidgets [33], e-NODE [34] dll telah digunakan dalam prospek ini. Peringatan gas dan Aplikasi humidifikasi dibuat melalui eksperimen untuk

menjelaskan kerjasama antara agen heterogen [35].  Adaptive Multi agen sistem: Kerjasama Dan Struktur Munculnya oleh Imane Boussebough, Ramdane Maamri, ZaÔdi Sahnoun (2010):

Suatu pendekatan adaptif berdasarkan GA dan evaluasi memiliki telah diusulkan dalam makalah ini di mana agen yang digunakan dalam kerjasama solusi masalah. Satu set agen tugas dan

(18)

adaptif sistem agen multi-[36]. Sebuah deskripsi sistem termasuk agen mediator, agen tugas, dan pandangan singkat Keyakinan koperasi agen tugas yang berbeda telah diberikan. Mekanisme adaptasi di tingkat lokal maupun tingkat global memiliki telah dijelaskan. Tingkat lokal tergantung pada keyakinan kerjasama dan evaluasi interaktif. Tingkat global digunakan ketika

batas yang telah ditetapkan tertentu disilangkan dalam proses. Masing-masing individu dalam evolusi genetik ditransformasikan ke MAS. Setelah

evaluasi, seleksi diterapkan untuk kromosom tertentu

untuk mutasi lebih lanjut. Penulis telah menyatakan algoritma untuk setiap tahap. Sebuah implementasi membentuk agen sniffer di Platform JADE telah terbukti. Mereka telah mewakili mereka eksperimen dalam teknik adaptasi global. Masa depan usulan dari makalah ini meliputi studi metrik

koperasi keyakinan dan interaksi kualitas [37].

 Penelitian pada Novel multi sistem agen Kerjasama Model oleh Pu Wang, Ling Peng (2007):

Makalah ini difokuskan pada koperasi co-evaluasi antara MAS. Algoritma genetika koperasi co-evaluasi (CCGA)

terdiri dari beberapa sub populasi yang menyediakan kemungkinan solusi. Kerjasama terjadi antara sub populasi yang berbeda

(19)

paralelisme dan kerjasama dilaksanakan pada hal-hal yang nyata. Model bernama Model agen lain telah dijelaskan dengan

sifat-sifatnya. Makalah ini berakhir menggambarkan pelaksanaan algoritma CCGA dan memberikan simulasi percobaan tiga agen bergerak delapan objek [38].  multi agen Koordinasi dan Kerjasama melalui Klasik Perencanaan oleh Yannis Dimopoulos, Pavlos Moraitis (2006):

Para penulis telah menggunakan beberapa agen memiliki

kemampuan komplementer yang bekerja sama untuk menghasilkan

berencana untuk memiliki target ini yang tidak akan membuat kesulitan untuk satu sama lain. Proposal ini bekerja dengan perencanaan klasik

algoritma. Kerjasama dan koordinasi masalah

tergantung pada algoritma branch and bound untuk menemukan solusi menggunakan SATPLAN [39]. Teori agen dijelaskan

melalui bahasa strip dan kedua konsep penggunaan proposisi satisfiability perencanaan berbasis. Paralel berdasarkan Graphlan encoding [39] telah digunakan untuk fokus pada ini. Setelah itu penulis menggambarkan pandangan teoritis dan matematis koordinasi agen multi-dan algoritma koordinasi.

Dalam koordinasi, dua agen didefinisikan sebagai bantuan kepada tujuan target dan dijelaskan dalam masalah bantuan. Itu

evaluasi eksperimental dan peningkatan kualitas

algoritma yang diusulkan dalam pekerjaan di masa depan dalam makalah ini [40].  Konsensus dan Kerjasama di Jaringan multi

(20)

memungkinkan kinerja tugas yang efektif oleh mengorganisir diri sistem jaringan oleh Reza Olfati-Saber, J. Alex Fax,

dan Richard M. Murray (2007):

Makalah ini memberikan struktur teoritis yang menganalisis algoritma untuk sistem jaringan agen multi-. Itu

ikhtisar konsep dasar informasi konsensus

konvergensi dan analisis kinerja untuk algoritma adalah digambarkan. Analisis Kerangka dirumuskan pada:  Teori Matrix

 aljabar teori graf dll

Koneksi dibahas antara konsensus

masalah dalam aplikasi, jaringan, proses Markov dan beberapa bidang. Ada koneksi langsung antara spektral dan sifat struktur jaringan yang kompleks. Sebuah singkat pengenalan pada sistem jaringan diberikan dengan nonlokal arus informasi, lebih cepat dari sistem terdistribusi. Itu Hasil simulasi disajikan yang menggambarkan dunia kecil efek pada kecepatan algoritma konsensus dan yang kontrol koperasi. Untuk menganalisis algoritma konsensus sistem agen multi-dengan topologi, kerangka disediakan. Peran kerjasama dalam koordinasi didistribusikan sistem otonom jaringan diklarifikasi dan efek

kurangnya kerjasama yang ditunjukkan oleh contoh. Ini

menunjukkan bahwa laplacians grafik, matriks stokastik nonnegatif, dan konektivitas aljabar dari grafik dan digraf memainkan

peran penting dalam analisis algoritma konsensus. Ini

(21)

adalah algoritma konsensus yang luar biasa dari Olfati-Saber dan Murray. Sejumlah sifat spektral dasar

Perronmatrices terbukti. Hal ini membantu untuk menganalisis algoritma dalam waktu kontinu dan diskrit-waktu. Simulasi Hasil aspek yang berbeda disajikan [41].

 Kerjasama multi sistem agen Menggunakan Belajar Automata oleh M. R. Khojasteh, M. R. Meybodi (2002):

The automata belajar diselidiki sebagai metode

belajar. Mereka dikategorikan ke dua keluarga utama yang milik:

 Tetap

 Struktur Variabel

Jumlah negara dalam domain sepak bola robot simulasi

sangat besar. Dengan demikian, mengingat semua agen tidak mungkin. Di metode generalisasi sederhana keadaan pemain adalah

dipetakan dengan dan tanpa bola ke 4 negara. Pembelajaran automata digunakan untuk mencapai tujuan tim umum. Di sana

mungkin menjadi masalah untuk memetakan beberapa negara yang berbeda untuk tunggal a. Metode pembelajaran dievaluasi dengan simulasi dengan

tim yang baru-baru ini mengambil bagian dalam RoboCup dunia kompetisi. Metode yang diberikan adalah metode umum yang

dapat juga digunakan dalam domain lainnya atau tes-tempat tidur lain dengan beberapa perubahan kecil [42].

 Penguatan Learning di Koperasi MultiñAgent Sistem oleh Hao Ren:

(22)

kooperatif learning agen multi-. Ada banyak jenis

pembelajaran agen multi-. Agen dapat berkomunikasi atau non berkomunikasi. Berikut agen non-berkomunikasi yang

dipertimbangkan. Untuk koperasi pembelajaran multi-agen, ada pembelajaran tim atau belajar bersamaan. Tiga bidang penelitian menunjuk bawah pembelajaran bersamaan. Agen yang

dihargai dalam kelompok berdasarkan tindakan bersama mereka. Penulis memiliki menyatakan konsep penghargaan global. Pembelajaran umum

masalah dapat dimodelkan sebagai proses stokastik. Teman-atau-Foe Qñlearning (FFQ) dinyatakan secara singkat. QUICRñlearning

memberikan reward untuk masing-masing dengan tujuan sistem. Disebabkan oleh yang tidak sama-share tugas kredit, meningkatkan pahala dari

Agen mungkin tidak memberikan hasil yang jelas dalam meningkatkan pahala semua rekan kerja nya. Tugas kredit ini dapat membuat sangat

skenario non-kooperatif. Oleh karena itu, secara umum jumlah game diterapkan pada pembelajaran kooperatif dan bahkan di non

Skenario koperasi [43].

 Belajar untuk bekerja sama dalam sistem multi agen oleh menggabungkan Q-learning dan strategi evolusi oleh Mary McGlohon dan Sandip Sen (2005):

Banyak permainan koordinasi dimodelkan sebagai matriks yang merupakan pilihan yang berbeda dari tindakan untuk pemain. Itu

tindakan sepanjang diagonal dari matriks memiliki hadiah yang lebih tinggi daripada tindakan lainnya. Game koordinasi tunggal-tahap yang

digunakan sebagai model untuk mempelajari koordinasi di MAS. Belajar Penguatan adalah metode umpan balik berdasarkan umum

(23)

tindakan yang menguntungkan tanpa memerlukan pengawas untuk menentukan pilihan tindakan yang terbaik.

 Agen-utilitas berbasis mempelajari fungsi utilitas untuk melakukan tindakan.

 Seorang agen Q-learning belajar fungsi kebijakan dan berlaku fungsi untuk memetakan negara, memaksimalkan

Penghargaan. Watkins dikembangkan Q-pembelajaran yang digunakan dalam penguatan algoritma belajar.

Seorang agen dalam algoritma genetika berisi kode genetik, yang menentukan kinerja agen dalam siklus hidupnya. Itu Parental Advisory Evolusi Strategi (Paes) sistem

disajikan yang merupakan modifikasi dari genetik klasik

algoritma. Paes-Q dikembangkan sebagai pelajar untuk menggabungkan algoritma evolusioner. Sebuah matriks diagonal optimal digunakan untuk pengujian. Strategi evolusi menggunakan seleksi alam dapat diterapkan untuk belajar tindakan yang optimal dalam koordinasi diulang game [44].

 Munculnya dalam sistem kognitif multi agent oleh Andrei Olaru, Adina Magda Florea (2009):

Tempat kertas:

 Penggunaan munculnya beberapa sistem agen reaktif  Perbaikan agen kognitif menghormati untuk reaktif agen

(24)

Di bidang perilaku multi-sistem agen muncul

menganalisis sistem agen reaktif. Dalam agen reaktif sistem organisasi yang muncul adalah sifat fisik. Sebuah agen kognitif jauh lebih dekat dengan definisi ini. Keuntungan yang agen kognitif memiliki lebih reaktif agen adalah:

1) Ini adalah proaktif.

2) Dalam tidak adanya sinyal atau persepsi, kognitif agen dapat melakukan perannya dengan sendirinya.

Sistem agen reaktif menghasilkan hasil yang lebih tinggi. Kognitif agen memiliki tujuan yang pasti. Contoh sederhana bisa Game Hidup Seluler Automaton. Tujuan dari makalah ini adalah untuk menentukan prospek yang berbeda dari munculnya di agen kognitif sistem [45].

 Muncul Properti untuk Distribusi data dalam MAS kognitif oleh Andrei Olaru, Cristian Gratie, dan Adina Magda Florea (2009):

Sebuah sistem agen kognitif yang dapat menyimpan data telah dirancang dan diimplementasikan. Sifat-sifat yang muncul adalah:  distribusi Uniform

 ketersediaan data.

Munculnya membutuhkan dua tingkat: 1) tingkat mikro

2) tingkat Makro

Dalam makalah ini sistem multi agen disajikan bahwa penggunaan agen kognitif untuk memperoleh sifat muncul. Sistem

(25)

meskipun fitur kognitif agen disertakan juga.

Sebuah aplikasi telah dikembangkan dan eksperimen memiliki

telah dilakukan untuk menunjukkan bagaimana muncul mungkin timbul dalam Sistem terbentuk dari agen kognitif. Sistem ini menggunakan

agen kognitif dan pelaksanaannya didasarkan pada Keyakinan-Hasrat-Niat Model (BDI). Banyak percobaan dilakukan. Para penulis telah disajikan kognitif

sistem agen multi-dengan interaksi agen untuk memecahkan masalah [46].

 Munculnya komunikasi dalam sistem multi agen menggunakan pembelajaran penguatan oleh Maciej A. Mazurowski, Jacek M. Zurada (2006):

Munculnya komunikasi dan pendekatan untuk semantik bahasa disajikan dalam kertas di atas. Itu

entitas agen yang berhubungan dengan sinyal bahasa di beberapa diberikan pendekatan. Sinyal komunikasi mengubah

keadaan internal agen lain melalui tindakan mereka.

Penguatan belajar dalam sistem multi agen yang dipilih untuk model munculnya komunikasi mudah

kompatibilitas. Ini adalah trial and error metode untuk memperbaiki diri. Para agen digunakan sebagai pembelajar individu. Mereka membuat pertumbuhan eksponensial di agen. Pengirim mengirimkan sinyal ke penerima mengubah negara dan lawan melakukan nya

tindakan sesuai dengan itu. Sinyal negara doesnít memiliki Properti Markov dan fungsi transisi tidak diketahui dengan agen. Dua kasus dianggap melalui eksperimen:

(26)

2) Ketika itu mungkin.

Aplikasi utama dari pendekatan ini adalah sebuah munculnya komunikasi dalam tugas-berorientasi, multi agen heterogen sistem. Kerangka kerja ini dapat diuji lebih lanjut untuk lebih modul kompleks [47].

 Sinkronisasi Jaringan multi agen Sistem

dengan Sampling Komunikasi oleh Qiang Jia, Ying Liu, dan Wallace Tang (2010):

Sinkronisasi jaringan sistem multi-agen memiliki diteliti dengan komunikasi sampling. Ini

diasumsikan bahwa sistem multi agen jaringan dikomunikasikan dengan cara sampling data dan topologi jaringan yang berbeda pada periode sampling dipelajari untuk menjamin sinkronisasi. Penelitian ini dilakukan sebagai:

 Konversi masalah sinkronisasi bawah

kerangka linear matriks ketidaksetaraan (LMI) teori

 Merumuskan menjadi masalah optimasi diselesaikan dengan pemecah GEVP di MATLAB Kontrol Kuat

toolbox.

Masalah sinkronisasi ulang sebagai LMI dan

masalah optimasi dirumuskan demikian. Beberapa numerik simulasi disajikan untuk menggambarkan pendekatan, dan topologi jaringan pada periode sampling untuk sistem ini menyelidiki [48].

(27)

Konsep komunikasi lokal yang berorientasi multi-agent Sistem telah difokuskan di koran. Aturan aksi

agen didasarkan pada aturan Boid. Mereka sederhana. Sebuah Tugas sekitarnya dianggap sebagai tugas yang kompleks. Tugas terdiri dari dua tugas:

 Sasaran pencarian

 sekitarnya dengan agen lainnya dalam diketahui lingkungan Hidup

Setiap agen menangkap informasi dari lingkungan dengan sensor. Agen ini memiliki tiga sensor yang berbeda-range dan terbatas menjauhkan fasilitas komunikasi lokal. Dalam diusulkan sistem, mekanisme kerjasama berbasis negara diperkenalkan. Model agen diusulkan mempersiapkan lima negara untuk mencapai tugas yang kompleks sebagai berikut:

1) Cari: mencari target. 2) Cari: mendekati target. 3) Tunggu: menunggu target. 4) Sekitarnya: sekitar target.

5) Beacon: penyiaran posisi target untuk lainnya agen.

(28)

dalam dua kasus berikut:

1) Tingkat pencocokan berubah menurut agen Situasi.

2) Tingkat pencocokan ditetapkan oleh nomor acak mulai dari 0 ke 1 [49].

 Manajemen Sumber Daya Kognitif Radio Menggunakan multi sistem agen oleh Jiang Xie, Ivan Howitt, dan Anita

Raja (2007):

Radio kognitif memberikan solusi potensial untuk lebih

pemanfaatan spektrum yang efisien. Sebuah komunikasi yang seimbang Sistem yang dibutuhkan untuk mencapai pemanfaatan spektrum yang efisien. Salah satu aplikasi mungkin WLAN multi-domain

lingkungan Hidup. Arsitektur manajemen sumber daya untuk beberapa WLAN menggunakan sistem multi agen diusulkan. Setiap ponsel Stasiun beroperasi dalam lingkungan yang dinamis di mana RF waktu bervariasi co-channel interferensi sumber terdiri. RF Lingkungan Sensing digunakan untuk memperkirakan sinyal karakteristik dari kedua klaster WLAN serta potensi

sumber gangguan. Optimasi ini mengoptimalkan keseluruhan Kinerja WLAN. Sumber daya berbasis pihak

ketiga-arsitektur manajemen diusulkan untuk memfasilitasi

koperasi manajemen sumber daya multi-domain. Untuk mengatasi masalah alokasi sumber daya yang melibatkan sumber daya WLAN manajemen adalah Moto di sini. Dalam tulisan ini, itu diselidiki yang bagaimana dinamis mengelola sumber daya bersama radio antara beberapa jaringan radio kognitif non-kooperatif

(29)

 Sebuah sistem multi agen Self-didiagnosis Mengingat Dinamis Beban Komunikasi Sharing oleh

Keinosuke Matsumoto, Akifumi Tanimoto, Naoki Mori (2010):

Para penulis telah menggambarkan kebutuhan mendeteksi kesalahan otonom dalam sistem multi-agen di koran. Itu kerusakan di sistem multi agen disebut agen rusak. Penelitian ini berkaitan dengan tiga jenis kegagalan. Saling diagnosis dalam algoritma diri didiagnosis diungkapkan oleh diarahkan grafik. Definisi sistem yang sangat terstruktur dan karakter diberikan bersama. The diri didiagnosis algoritma memiliki dua kelemahan:

 Ketika semakin agen termasuk dalam suatu sistem, maka komunikasi lebih meningkat lalu lintas.

 hasil tes saling yang dihasilkan harus melakukan sinkronisasi melalui semua unit.

Masalah dapat diselesaikan dengan memperkenalkan didistribusikan jenis elemen serta dalam jenis konsentrat elemen.

Sistem dinamis tinggi telah mencakup empat proses: 1) Sistem rekonfigurasi

2) Perhitungan keandalan

3) Pemilihan kelompok yang paling dapat diandalkan 4) Penentuan agen rusak.

Kondisi awal dari sistem lingkaran multi-agent dan Percobaan pada beban komunikasi antara agen disebutkan juga [51].

(30)

Sepenuhnya diamati multiagen Sistem oleh Tummalapalli Sudhamsh Reddy, Gergely Zaruba, Manfred Huber (2012):

Konsep utama di koran difokuskan pada apa yang harus berkomunikasi dalam multi koperasi sebagian diamati sistem agen di mana semua agen berbagi tim umum reward dan agen individu tidak boleh egois. Sebuah

metodologi untuk model komunikasi sebagai permainan adalah disajikan. Ini berbeda dari kebanyakan bekerja pada teori permainan. Teori permainan adalah kerangka matematika untuk mempelajari interaksi antara agen independen dan rasional.

Rasionalitas membuat agen untuk bertindak dalam lingkungan dengan menyeimbangkan biaya seperti untuk memaksimalkan utilitas. Sebuah permainan stochastic adalah kerangka kerja yang luas yang generalizes Markov Keputusan Proses dan permainan diulang. Sebuah generalisasi sum diskon jumlah imbalan masa depan permainan stochastic

didefinisikan sebagai tupel  (S, N, A, P, R, ").

Bentuk yang luas merupakan representasi alternatif dari game memberikan asumsi eksplisit tentang urutan ke agentsí tindakan. Ada dua jenis bentuk permainan yang luas: 1) formulir informasi akurat game

2) bentuk informasi Imperfect game.

(31)

apakah dominasi hasil harus menjadi kriteria pertama yang diterapkan. Argumen ini kemudian diekstrak dan diusulkan untuk mengambil dominasi risiko sebagai kriteria seleksi yang relevan. Itu

Risiko keseimbangan dominan adalah salah satu yang agen dapat bermain dengan keyakinan terpercaya bahwa agen lain juga akan memilih yang sama

kesetimbangan. Asumsi dalam makalah ini adalah bahwa dunia adalah benar-benar diamati. Dalam dunia sepenuhnya diamati semua agen

mengetahui keadaan yang dibutuhkan. Oleh karena itu, para agen tidak perlu untuk mengkomunikasikan informasi apapun. Informasi penting adalah

apa yang akan mereka lakukan selanjutnya [52].  Pendekatan semantik A untuk KQML: tujuan umum Bahasa komunikasi untuk agen perangkat lunak dengan Yannis Labrou, Tim Finin (1994):

KQML diselidiki dan diusulkan sebagai semantik

Bahasa kerangka. Ini adalah protokol cum bahasa untuk mendukung komunikasi antara agen perangkat lunak. Dari tindak tutur

teori, deskripsi semantik diberikan untuk KQML yang menggambarkan negara kognitif agen dengan bahasa ini primitif. KQML dapat diimplementasikan sebagai komunikator bahasa untuk agen perangkat lunak tanpa komitmen. Itu kecerdasan buatan didistribusikan dan koperasi didistribusikan pemecahan masalah dapat terjadi melalui KQML di semua cerdas lingkungan. Programmer terwujud semantik

melalui fungsi pengendali melalui tulisannya. Kerangka ini

(32)

Pendekatan dan menyempurnakan KQML agen [53] berbicara.  KQML sebagai Agen Komunikasi Bahasa oleh

Tim Finin dan Richard Fritzson, Don McKay dan Robin McEntire ():

KQML digambarkan sebagai sebuah protokol yang digunakan untuk pertukaran informasi serta pengetahuan. ARPA adalah pengetahuan

sharing metode yang dikembangkan untuk membangun skala besar sharable basis pengetahuan. KQML sendiri adalah format pesan ke

dukungan run-time berbagi pengetahuan dalam agen. Pidato

Tindakan banyak dipengaruhi oleh KQML. Agen dapat menggunakan substrat di mana model-tingkat yang lebih tinggi dari interaksi antar agen terjadi. International Journal of Research terbaru dalam Sains dan Teknologi. ISSN: 2278-5299 154

Agen dikoordinasikan oleh fasilitator komunikasi. Desain KQML diakses oleh prototipe untuk mendukung