文章目錄

• • • Agent及其理性
    • • 理性的概念
    • PEAS及環境特性
    • Agent的結構
    • Agent程序的部件如何運轉
    • 小結
    • 資源分享

Agent及其理性

Agent：通過傳感器感知所處環境并通過執行器對該環境產生作用的智能體
Agent感知序列：該Agent所接收到的是所有輸入數據的完整歷史
感知信息：智能體的感知輸入
感知序列：感知信息的集合
Agent函數：描述Agent行為，將任意給定感知序列映射為行動
Agent程序：實現Agent函數

The agent function describes what the agent does in all circumstances
The agent program calculates the agent function

理性的概念

理性：Agent的一種屬性，考慮到迄今為止的感知，他們選擇能夠最大化其預期效用的行為。
理性（Rationality）Agent：對于每個可能的感知序列，根據已知的序列提供的證據和智能體內建的先驗知識，理性智能體應該選擇期望能使其性能最大化的行動。
Rationality depends on：

• The performance measure that defines the criterion of success
• The agent’s prior knowledge of the environment
• The actions that the agent can perform
• The agent’s percept sequence to date
  性能度量、先驗知識、可執行行動、感知序列

全知Agent:全知Agent明確知道他的行動產生的實際結果并做出相應的動作，現實中不可能。理性 ≠ 全知
完美Agent：理性Agent使期望性能最大化；完美Agent使實際性能最大化。理性 ≠ 完美

理性Agent還應該是自主的，它應該學習，以彌補不完整的或者不正確的先驗知識。

PEAS及環境特性

任務環境的規范包括：
To design a rational agent we need to specify a task environment

• Performance measure
• Environment
• Actuators
• Sensors

PEAS（性能Performance，環境 Environment， 執行器Actuators， 傳感器Sensors）

例如，在Spam Filtering垃圾郵件過濾中

• Performance measure: spam block
• Environment: email client or server
• Actuators: mark as spam, transfer messages
• Sensors: emails (possibly across users), etc.

任務環境的屬性

• 完全可觀測和部分可觀測
  Agent的Sensors在每個時間點上都能獲取環境的完整狀態。若監測到的信息與行動決策相關，則該任務環境是有效完全可觀察的。
• 單Agent和多Agent
• 確定的和隨機的
• 片段式的和延續式的
  片段：下一個片段不依賴于以前片段采取的行動（如大部分的分類任務）。
  連續：當前決策會影響到所有未來決策。
• 靜態的和動態的
  取決于環境在Agent計算時是否會改變。
• 離散的和連續的
  環境狀態，時間處理方式，Agent感知信息和行動 都有離散和連續之分。

Agent的結構

Agent = 體系結構 + 程序（Agent程序）
體系結構，具有物理傳感器和執行器的計算裝置
智能體程序，每接收到一個新的感知信息，就將其添加到感知序列中，并根據先驗知識的對應表得到一個行動，把傳感器的感知信息映射到行動的Agent函數

All agents have the same skeleton

• Input = current percepts
• Output = action
• Program= manipulates input to produce
  output

Four basic types in order of increasing generality

• Simple reflex agents 簡單反射agent，忽略感知序列，而只針對當前感知選擇行動。
• Model-based reflex agents 基于模型的agent
• Goal-based agents 基于目標的agent
  基于目標的agent會考慮將要采取的行動及行動的后果，即與目標還有多遠
• Utility-based agents 基于效用的agent，最大化期望
• Learning agents 學習agent
  All these can be turned into learning agents

Agent程序的部件如何運轉

各部件的工作

• 原子表示
• 要素化表示（狀態有特征向量）
• 結構化表示（特征向量+其他對象的關系）

小結

要點回顧如卜:
Agent是可以感知環境并在環境中行動的事物。
Agent函數指定Agent響應任何感知序列所采取的行動。

性能度量評價Agent在環境中的行為表現。給定Agent的感知序列,理性Agent行動追求性能度量預期值最大化。

任務環境的規范包括性能度量,外部環境,執行器和傳感器。設計Agent時,第一步總是把任務空間定義得盡可能完全。

任務環境從不同的維度看有很多變化。它們可能是完全或部分可觀察的,單Agent或多Agent的,確定性的或隨機的,片段式的或延續式的,靜態的或動態的,離散的或連續的,已知的和未知的。

Agent程序是Agent函數的實現。 有各種基本的Agent程序的設計,反映出顯式表
現的以及用于決策過程的信息種類。設計可能在效率、壓縮性和靈活性方面有變化。適當的 Agent 程序的設計依賴于環境的本性。

簡單反射Agent直接對感知信息做出反應?；谀Ｐ偷姆瓷銩gent保持內部狀態,其操作直接從當前世界狀態的內部模型派生，并隨時間更新。基于目標的Agent選擇能實現顯示表示的目標的動作,而基于效用的Agent試圖選擇能最大化它期望效用的動作。

所有Agent都可以通過學習來改進它們性能。

資源分享

實驗代碼下載：
https://github.com/yyl424525/AI_Homework
人工智能-一種現代方法中文第三版pdf、課件、作業及解答、課后習題答案、實驗代碼和報告、歷年考博題下載：https://download.csdn.net/download/yyl424525/11310392

總結

以上是生活随笔為你收集整理的人工智能 一种现代方法 第2章 智能Agent的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。