マルチエージェントシステム

マルチエージェントシステム（MASまたは「自己組織化システム」）は、複数の相互作用するインテリジェントエージェントで構成されたコンピュータシステムです。^{[1]マルチエージェントシステムは、個々のエージェントや}モノリシックシステムでは解決が困難または不可能な問題を解決できます。 ^{[2]インテリジェンスには、}方法論的、機能的、手続き型アプローチ、アルゴリズム 検索、強化学習が含まれます。^[3]大規模言語モデル（LLM）の進歩により、LLMベースのマルチエージェントシステムが新しい研究分野として登場し、エージェント間のより洗練された相互作用と調整が可能になりました。^[4]

かなり重複しているにもかかわらず、マルチエージェントシステムはエージェントベースモデル(ABM) と常に同じではありません。ABM の目標は、特定の実際的または工学的問題を解決するのではなく、通常は自然システムにおいて、単純なルールに従うエージェント (必ずしも「インテリジェント」である必要はありません) の集合的行動に対する説明的な洞察を探すことです。ABM という用語は科学でより頻繁に使用され、MAS は工学と技術でより頻繁に使用される傾向があります。^[5]マルチエージェントシステムの研究が適切なアプローチを提供する可能性があるアプリケーションには、オンライン取引、^[6]災害対応、^{[7] [8]}ターゲット監視^[9]および社会構造モデリングが含まれます。^[10]

マルチエージェント システムは、エージェントとその環境で構成されます。通常、マルチエージェント システムの研究では、ソフトウェア エージェントが対象となります。ただし、マルチエージェント システムのエージェントは、ロボット、人間、または人間のチームである可能性もあります。マルチエージェント システムには、人間とエージェントの複合チームが含まれる場合があります。

エージェントは、単純なものから複雑なものまでさまざまなタイプに分類できます。カテゴリには次のものがあります。

• 受動的なエージェント^[11]または「目標を持たないエージェント」（単純なシミュレーションにおける障害物、リンゴ、鍵など）
• 単純な目標を持つ能動的なエージェント^[11]（群れをなす鳥や、獲物捕食者モデルにおけるオオカミと羊など）
• 認知エージェント（複雑な計算）

エージェント環境は次のように分けられます。

• バーチャル
• 離散
• 連続

エージェント環境は、アクセス可能性（環境に関する完全な情報を収集できるかどうか）、決定論（アクションが明確な効果をもたらすかどうか）、ダイナミクス（瞬間的に環境に影響を与えるエンティティの数）、離散性（環境内で実行可能なアクションの数が有限かどうか）、エピソード性（特定の期間のエージェントのアクションが他の期間に影響を与えるかどうか）^[12]、次元性（空間特性が環境の重要な要素であり、エージェントが意思決定で空間を考慮するかどうか）などの特性に従って構成することもできます。^[13]エージェントのアクションは通常、適切なミドルウェアを介して仲介されます。このミドルウェアは、マルチエージェントシステム用のファーストクラスの設計抽象化を提供し、リソースアクセスとエージェントの調整を管理する手段を提供します。^[14]

マルチエージェントシステムのエージェントにはいくつかの重要な特性がある: ^[15]

• 自律性: 少なくとも部分的に独立し、自己認識し、自律的なエージェント
• ローカルビュー: エージェントは完全なグローバルビューを持っていない、またはシステムが複雑すぎてエージェントがそのような知識を活用できない
• 分散化: 制御するエージェントが指定されていない（またはシステムが実質的にモノリシックシステムに縮小されている）^[16]

マルチエージェントシステムは、すべてのエージェントの個々の戦略が単純な場合でも、自己組織化、自己指向、その他の制御パラダイム、および関連する複雑な動作を明示できます。 ^{[引用が必要]}エージェントがシステムの通信プロトコルの制約内で、合意された任意の言語を使用して知識を共有できる場合、このアプローチは共通の改善につながる可能性があります。言語の例には、知識クエリ操作言語(KQML) またはエージェント通信言語(ACL) があります。

多くのMASはコンピュータシミュレーションで実装されており、離散的な「時間ステップ」を通じてシステムをステップ実行します。MASコンポーネントは通常、重み付けされた要求マトリックスを使用して通信します。例：

速度-非常に重要: 最小=45 mph、
 パスの長さ - MEDIUM_IMPORTANCE: 最大=60 予想最大=40、
 最大重量-重要でない
 契約優先-通常

重み付けされた応答行列、例えば

最低速度:50、ただし天気が晴れの場合のみ、
 経路の長さ:晴れの場合は25、雨の場合は46
 契約優先-通常
 注意：救急車はこの優先順位を無視するので、待つ必要があります

チャレンジ・レスポンス・コントラクト方式はMASシステムでは一般的であり、

• まず、「誰ができますか？」という質問が配布されます。
• 関連するコンポーネントのみが「この価格なら可能です」と応答します。
• 最後に、通常は両者間の短いコミュニケーションステップを数回繰り返して契約が締結されます。

他のコンポーネントも考慮し、「契約」とコンポーネント アルゴリズムの制限セットを進化させます。

MAS でよく使用されるもう 1 つのパラダイムは「フェロモン」です。これは、コンポーネントが他の近くのコンポーネントに情報を残すものです。これらのフェロモンは時間の経過とともに蒸発/濃縮される可能性があり、つまり、その値が減少 (または増加) する可能性があります。

MAS は、介入なしに問題に対する最善の解決策を見つける傾向があります。これは、物理的に制約された世界内で物理的物体が可能な限り低いエネルギーに到達する傾向がある、エネルギー最小化などの物理現象と非常によく似ています。たとえば、朝に大都市に入る車の多くは、夕方に同じ大都市を出発するのに利用できます。

また、システムは、主にコンポーネントの冗長性により、障害の伝播を防ぎ、自己回復し、フォールト トレラントになる傾向があります。

マルチエージェントシステムの研究は、「シングルエージェントシステムとマルチエージェントシステムの両方に対する洗練されたAI問題解決および制御アーキテクチャの開発と分析に関係しています。」^[17]研究テーマには以下が含まれます。

• エージェント指向ソフトウェアエンジニアリング
• 信念、願望、意図（BDI）
• 協力と調整
• 分散制約最適化(DCOP)
• 組織
• コミュニケーション
• 交渉
• 分散型問題解決
• マルチエージェント学習^[18]
• エージェントマイニング
• 科学コミュニティ（例：生物学的群れ形成、言語進化、経済学）^{[19] [20]}
• 信頼性と耐障害性
• ロボット工学、^[21]マルチロボットシステム（MRS）、ロボットクラスター
• マルチエージェントシステムはマイクロロボティクスへの応用も可能であり、^[22]エージェント間の物理的な相互作用を利用して受動部品の操作や組み立てなどの複雑なタスクを実行します。
• 言語モデルに基づくマルチエージェントシステム^[4]

共通標準を実装するフレームワークが登場しています（ FIPAやOMG MASIF標準など）。^[23]これらのフレームワーク（例：JADE）は時間を節約し、MAS開発の標準化に役立ちます。^[24]

しかし、現在FIPAやOMGから積極的に維持されている標準はありません。産業分野におけるソフトウェアエージェントのさらなる開発に向けた取り組みは、IEEE IESの産業エージェントに関する技術委員会で行われています。^[25]

ChatGPTなどの大規模言語モデル（LLM）の進歩により、CAMEL ^{[26] [4]}などのLLMベースのマルチエージェントフレームワークが、マルチエージェントアプリケーションを開発するための新しいパラダイムとして登場しました。

MASは学術研究だけでなく産業界でも応用されています。^[27] MASは現実世界ではコンピュータゲームなどのグラフィカルアプリケーションに応用されています。エージェントシステムは映画で使用されています。^[28] MASは、自動的かつ動的な負荷分散、高いスケーラビリティ、自己修復ネットワークを実現するために、ネットワークやモバイル技術での使用が広く推奨されています。協調防衛システムに使用されています。

その他のアプリケーション^{[29]としては、}輸送、^[30]物流、^[31]グラフィックス、製造、電力システム、^[32] スマートグリッド、^[33] GISなどがあります。

また、マルチエージェントシステム人工知能（MAAI）は社会のシミュレーションに使用され、気候、エネルギー、疫学、紛争管理、児童虐待などの分野で役立っています。^[34]マルチエージェントシステムモデルの使用に取り組んでいる組織には、社会システムモデリングセンター、社会シミュレーション研究センター、政策モデリングセンター、国際モデリングおよびシミュレーション協会などがあります。^[34]

制御された自動運転車による車両交通は、群集ダイナミクスを含むマルチエージェントシステムとしてモデル化できます。^[35] Hallerbachらは、テスト対象車両のデジタルツインと独立したエージェントに基づく微視的交通シミュレーションを介して、自動運転システムの開発と検証へのエージェントベースのアプローチの適用について説明しました。^[36] Waymoは、自動運転車のアルゴリズムをテストするためのマルチエージェントシミュレーション環境Carcraftを作成しました。^{[37] [38]}これは、人間の運転手、歩行者、自動運転車の間の交通相互作用をシミュレートします。実際の人間の行動データに基づいて、人工エージェントが人間の行動を模倣します。

• ウールドリッジ、マイケル (2002)。『マルチエージェントシステム入門』、ジョン・ワイリー・アンド・サンズ、p. 366。ISBN 978-0-471-49691-5。
• ショーハム、ヨアブ、レイトンブラウン、ケビン (2008)。マルチエージェントシステム：アルゴリズム、ゲーム理論、論理的基礎。ケンブリッジ大学出版局。p. 496。ISBN 978-0-521-89943-7。
• ママドゥ、タディウ・コネ、島津、明、中島、孝 (2000 年 8 月)。「エージェント通信言語 (ACL) の最新技術」。知識と情報システム。2 ( 2): 1–26。
• Hewitt, Carl; Inman, Jeff (1991 年 11 月- 12 月)。「DAI Betwixt and Between: 「インテリジェントエージェント」からオープンシステムサイエンスへ」(PDF)。IEEE Transactions on Systems, Man, and Cyber​​netics。21 ( 6): 1409–1419。doi : 10.1109 /21.135685。S2CID 39080989。2017年 8 月 31 日の オリジナル(PDF)からアーカイブ。
• 自律エージェントとマルチエージェントシステムジャーナル (JAAMAS)
• ヴァイス、ゲルハルト編 (1999)。『マルチエージェントシステム、分散人工知能への最新アプローチ』MIT 出版。ISBN 978-0-262-23203-6。
• ファーバー、ジャック（1999年）。マルチエージェントシステム：人工知能入門。アディソン・ウェズリー。ISBN 978-0-201-36048-6。
• ウェインズ、ダニー（2010）。マルチエージェントシステムのアーキテクチャベースの設計。シュプリンガー。ISBN 978-3-642-01063-7。
• サン、ロン（2006）。認知とマルチエージェントインタラクション。ケンブリッジ大学出版局。ISBN 978-0-521-83964-8。
• Keil, David; Goldin, Dina (2006). Weyns, Danny; Parunak, Van; Michel, Fabien (編). マルチエージェントシステム環境における間接的相互作用. LNCS 3830. Vol. 3830. Springer . pp. 68–87. doi :10.1007/11678809_5. ISBN 978-3-540-32614-4。 {{cite book}}:|journal=無視されました (ヘルプ)
• Springer Science+Business Media Group 発行のWhitestein シリーズ「ソフトウェア エージェント テクノロジーと自律コンピューティング」
• サラモン、トーマス (2011)。エージェントベースモデルの設計: 社会プロセスの理解を深めるためのコンピュータシミュレーションの開発。ブルックナー出版。ISBN 978-80-904661-1-1。
• ラッセル、スチュアート J. ;ノーヴィグ、ピーター(2003)、人工知能: 現代的アプローチ (第 2 版)、アッパー サドル リバー、ニュージャージー: プレンティス ホール、ISBN 0-13-790395-2
• ファスリ、マリア (2007)。電子商取引のためのエージェント技術。ジョン・ワイリー・アンド・サンズ。p. 480。ISBN 978-0-470-03030-1。
• Cao、Longbing、Gorodetsky、Vladimir、Mitkas、Pericles A. (2009)。エージェント マイニング: エージェントとデータ マイニングの相乗効果、IEEE Intelligent Systems、vol. 24、no. 3、64-72。