マルチエージェントシステム

シンプルな反射剤
学習エージェント

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から構成されるコンピュータシステムです。[ 1 ] [ 2 ]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。 [ 3 ]知能には、方法論的、機能的、手続き型アプローチ、アルゴリズム探索、強化学習などが含まれます。[ 4 ]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を可能にしています。[ 5 ]

マルチエージェントシステムは、多くの点で重複しているものの、必ずしもエージェントベースモデル（ABM）と同じではありません。ABMの目的は、特定の実用的問題や工学的問題を解くことではなく、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「知的」である必要はありません）の集団行動に関する説明的な洞察を探求することです。ABMという用語は科学分野で、MASという用語は工学技術分野でよく使用されます。[ 6 ]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のあるアプリケーションとしては、オンライン取引、[ 7 ]災害対応、[ 8 ] [ 9 ]ターゲット監視[ 10 ]社会構造モデリング[ 11 ]などが挙げられます。

コンセプト

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から構成されます。一般的に、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。しかし、マルチエージェントシステムにおけるエージェントは、ロボット、人間、あるいは人間のチームであっても構いません。マルチエージェントシステムには、人間とエージェントが混在したチームが含まれる場合もあります。

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。カテゴリには以下が含まれます。

  • 受動的なエージェント[ 12 ]または「目標のないエージェント」（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[ 12 ]（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（行動が明確な結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（環境内で可能な行動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行動が他の期間に影響を与えるかどうか）[ 13 ]、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において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。[ 14 ]エージェントの行動は通常、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のための第一級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制御する手段を提供します。[ 15 ]

特徴

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。[ 16 ]

  • 自律性：エージェントは少なくとも部分的に独立し、自己認識し、自律的である
  • 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：制御する主体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なシステムになっている）[ 17 ]

自己組織化と自己指向

マルチエージェントシステムは、たとえすべてのエージェントの個々の戦略が単純であっても、自己組織化、自己指向、その他の制御パラダイム、そして関連する複雑な行動を示すことができます。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用い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。例えば、知識クエリ操作言語（KQML）やエージェント通信言語（ACL）などが挙げられます。

意思決定

マルチエージェントシステムにおける意思決定プロトコルとは、エージェントが集団的な意思決定や合意に至るために従う構造化された規則や手順を指します。このようなプロトコルは、エージェントがどのように情報を共有し、交渉し、対立を解決するかを規定し、協調的な行動と効果的な共同行動を保証します。意思決定プロトコルは、投票メカニズムから合意形成アルゴリズムまで多岐にわたり、マルチエージェント相互作用の効率性と信頼性に大きな影響を与えます。[ 18 ]

システムパラダイム

多くのMASはコンピュータシミュレーションで実装され、離散的な「時間ステップ」を通し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。例えば、 

速度 - 非常に重要: 最低速度=45 mph、 パスの長さ-MEDIUM_IMPORTANCE: 最大=60 期待最大=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 パスの長さ:晴れの場合は25 / 雨の場合は46 契約優先-通常 注：救急車はこの優先順位を無視するため、待機する必要があります

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経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でよく用いられるもう一つのパラダイムは「フェロモン」です。これは、コンポーネントが近くの他のコンポーネントに情報を残すというものです。これらのフェロモンは時間の経過とともに蒸発したり濃縮されたりする可能性があります。つまり、その値は減少（または増加）する可能性があります。

プロパティ

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において、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高い類似性があります。例えば、朝に大都市に入る車の多くは、夕方に同じ大都市から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。

研究

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おける、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。」[ 19 ]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、欲望、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[ 20 ]
  • 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）[ 21 ] [ 22 ]
  • 信頼性と耐障害性
  • ロボット工学、[ 23 ]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、[ 24 ]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[ 5 ]

フレームワーク

共通標準（ FIPAやOMG MASIF標準など）を実装するフレームワークが登場している。 [ 25 ] JADEなどのこれらのフレームワークは時間を節約し、MAS開発の標準化を支援する。[ 26 ]

しかし現在、FIPAやOMGによる積極的な標準規格の策定は行われていません。産業分野におけるソフトウェアエージェントの更なる開発は、IEEE IESの産業エージェント技術委員会で進められています。[ 27 ]

ChatGPTなどの大規模言語モデル（LLM）の進歩に伴い、CAMEL [ 28 ] [ 5 ]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開発のための新しいパラダイムとして登場しました。最近の研究では、このような議論指向システムは、そのオーケストレーション（例えば、議論パラダイム[ 29 ] ）が多様であることが示されています。MALLMフレームワークは、フレームワークの可能な構成を体系的に評価するために使用されます。[ 30 ]

アプリケーション

MASは学術研究だけでなく、産業界にも応用されています。[ 31 ] 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にも使用されています。[ 32 ] MASは、ネットワーク技術やモバイル技術において、自動的かつ動的な負荷分散、高いスケーラビリティ、自己修復機能を備えたネットワークを実現するために広く利用されています。協調防衛システムにも利用されています。

その他の用途としては[ 33 ]運輸、[ 34 ]物流、[ 35 ]グラフィックス、製造、電力システム、[ 36 ]スマートグリッド、[ 37 ] 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ており、その目的は気候、エネルギー、疫学、紛争管理、児童虐待などの分野に役立つことです。 [ 38 ]

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としては、社会システムモデリングセンター[ 39 ] 、社会シミュレーション研究センター[ 40 ]、政策モデリングセンター、国際モデリング・シミュレーション協会[ 38 ]などがあります。

制御された自律走行車による車両交通は、群衆の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することができる。[ 41 ]

Hallerbachらは、試験車両のデジタルツインと独立エージェントに基づくミクロな交通シミュレーションを用いて、自動運転システムの開発と検証にエージェントベースアプローチを適用する方法について議論した。 [ 42 ] Waymoは、自動運転車のアルゴリズムをテストするために、マルチエージェントシミュレーション環境Carcraftを開発した。[ 43 ] [ 44 ]これは、人間の運転手、歩行者、自動運転車間の交通相互作用をシミュレートする。人間の行動は、実際の人間の行動データに基づいて人工エージェントによって模倣される。

参照

参考文献

  1. ^ヨアヴ・ショハム、ケビン・レイトン＝ブラウン著『マルチエージェントシステム：アルゴリズム、ゲーム理論的、論理的基礎』ケンブリッジ大学出版局、2009年。http ://www.masfoundations.org/
  2. ^ H. Pan、M. Zahmatkesh、F. Rekabi-Bana、F. Arvin、J. Hu「 T-STAR：クアドローター無人航空機の時間最適群軌道計画」IEEE Transactions on Intelligent Transportation Systems、2025年。
  3. ^ Hu, J.; Turgut, A.; Lennox, B.; Arvin, F.、「非線形ダイナミクスと未知の外乱を伴うロボット群の堅牢なフォーメーション調整：設計と実験」IEEE Transactions on Circuits and Systems II：Express Briefs、2021年。
  4. ^ステファノ・V・アルブレヒト、フィリッポス・クリスティノス、ルーカス・シェーファー。マルチエージェント強化学習: 基礎と最新のアプローチ。 MIT プレス、2024 年。https ://www.marl-book.com/
  5. ^ a b c Li, Guohao (2023). 「Camel: 大規模言語モデル社会における「心」の探究のためのコミュニケーションエージェント」(PDF) .神経情報処理システムの進歩. 36 : 51991–52008 . arXiv : 2303.17760 . S2CID  257900712 .
  6. ^ Niazi, Muaz; Hussain, Amir (2011). 「エージェントベースコンピューティング：マルチエージェントシステムからエージェントベースモデルへ：ビジュアルサーベイ」（PDF） . Scientometrics . 89 (2): 479– 499. arXiv : 1708.05872 . doi : 10.1007/s11192-011-0468-9 . hdl : 1893/3378 . S2CID 17934527 . 
  7. ^ Rogers, Alex; David, E.; Schiff, J.; Jennings, NR (2007). 「eBayオークションにおける代理入札と最低入札額の増加の影響」 . ACM Transactions on the Web . 1 (2): 9–es. CiteSeerX 10.1.1.65.4539 . doi : 10.1145/1255438.1255441 . S2CID 207163424. 2010年4月2日時点のオリジナルよりアーカイブ。 2008年3月18日閲覧。  
  8. ^シュール、ネイサン;マレッキ、ヤヌシュ。タンベ、ミリンド。セッリ、ポール。カシナドゥニ、ニキル。ルイス、JP (2005)。「災害対応の未来: DEFACTO を使用してマルチエージェント チームと連携する人間」。2013 年 6 月 3 日のオリジナルからアーカイブ(PDF)されました。2024 年1 月 8 日に取得。
  9. ^ Genc, Zulkuf; et al. (2013). 「災害管理のためのエージェントベース情報インフラストラクチャ」(PDF) .危機管理のためのインテリジェントシステム. 地理情報と地図作成に関する講義ノート. pp.  349– 355. doi : 10.1007/978-3-642-33218-0_26 . ISBN 978-3-642-33217-3。
  10. ^ Hu, Junyan; Bhowmick, Parijat; Lanzon, Alexander ( 2020). 「有向グラフ上の複数リーダーを持つマルチエージェントシステムにおける分散適応型時変グループ形成追跡」 IEEE Transactions on Control of Network Systems 7 : 140–150 . doi : 10.1109/TCNS.2019.2913619 . S2CID 149609966 . 
  11. ^サン、ロン、ナヴェ、アイザック（2004年6月30日）。「認知的にリアルなエージェントモデルを用いた組織的意思決定のシミュレーション」『人工社会と社会シミュレーションジャーナル』。
  12. ^ a bクベラ、ヨアン、マシュー、フィリップ、ピコー、セバスチャン (2010)、「すべてがエージェントになる！」(PDF)、自律エージェントおよびマルチエージェントシステムに関する第9回国際合同会議 (AAMAS'2010) の議事録: 1547– 1548
  13. ^ラッセル、スチュアート・J. ;ノーヴィグ、ピーター（2003年）、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
  14. ^サラモン、トーマス (2011). 『エージェントベースモデルの設計』レーピン: ブルックナー出版. p. 22. ISBN 978-80-904661-1-1。
  15. ^ Weyns, Danny; Omicini, Amdrea; Odell, James (2007). 「マルチエージェントシステムにおける第一級抽象概念としての環境」.自律エージェントとマルチエージェントシステム. 14 (1): 5– 30. CiteSeerX 10.1.1.154.4480 . doi : 10.1007/s10458-006-0012-0 . S2CID 13347050 .  
  16. ^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366ページ. ISBN 978-0-471-49691-5。
  17. ^ Panait, Liviu; Luke, Sean (2005). 「協調型マルチエージェント学習：最新技術」（PDF） .自律エージェントとマルチエージェントシステム. 11 (3): 387– 434. CiteSeerX 10.1.1.307.6671 . doi : 10.1007/s10458-005-2631-2 . S2CID 19706 .  
  18. ^ Kaesberg, Lars Benedikt; Becker, Jonas; Wahle, Jan Philip; Ruas, Terry; Gipp, Bela (2025年7月1日). Che, Wanxiang; Nabende, Joyce; Kantova, Ekaterina; Pilehvar, Mohammad Taher (編). 「投票か合意か？マルチエージェント・ディベートにおける意思決定」 .計算言語学協会の調査結果: ACL 2025.ウィーン、オーストリア: 計算言語学協会: 11640– 11671. doi : 10.18653/v1/2025.findings-acl.606 . ISBN 979-8-89176-256-5。{{cite journal}}: CS1 メンテナンス: 年 (リンク)
  19. ^ 「マルチエージェントシステムラボ」マサチューセッツ大学アマースト校。 2009年10月16日閲覧。
  20. ^ Albrecht, Stefano; Stone, Peter (2017)、「マルチエージェント学習：基礎と最近の動向。チュートリアル」、IJCAI-17 カンファレンス(PDF)
  21. ^ Cucker, Felipe; Steve Smale (2007). 「創発の数学」(PDF) . Japanese Journal of Mathematics . 2 : 197– 227. doi : 10.1007/s11537-007-0647-x . S2CID 2637067. 2008年6月9日閲覧。 
  22. ^ Shen, Jackie (Jianhong) (2008). 「階層的リーダーシップ下におけるCucker–Smale Flocking」 . SIAM J. Appl. Math . 68 (3): 694– 719. arXiv : q-bio/0610048 . doi : 10.1137/060673254 . S2CID 14655317. 2008年6月9日閲覧。 
  23. ^ Ahmed, S.; Karsiti, MN (2007)、「マルチエージェント非ホロノミックロボットを用いた制御スキームのテストベッド」、2007 IEEE International Conference on Electro/Information Technology、p. 459、doi : 10.1109/EIT.2007.4374547、ISBN 978-1-4244-0940-2、S2CID  2734931
  24. ^ Yang, Lidong; Li, Zhang (2021). 「磁気マイクロロボティクスにおける動作制御：個別ロボットおよび複数ロボットから群ロボットへ」. Annual Review of Control, Robotics, and Autonomous Systems . 4 : 509– 534. doi : 10.1146/annurev-control-032720-104318 . S2CID 228892228 . 
  25. ^ 「OMG文書 – orbos/97-10-05（改訂版MAF提出文書の更新）」 www.omg.org . 2019年2月19日閲覧。
  26. ^ Ahmed, Salman; Karsiti, Mohd N.; Agustiawan, Herman (2007). 「フィードバック制御を用いた協働ロボットの開発フレームワーク」2024年1月8日閲覧。
  27. ^ 「IEEE IES Technical Committee on Industrial Agents (TC-IA)」 . tcia.ieee-ies.org . 2019年2月19日閲覧。
  28. ^ 「CAMEL: エージェントのスケーリング法則を見つける。最初で最良のマルチエージェントフレームワーク」。GitHub 。
  29. ^ Yin, Zhangyue; Sun, Qiushi; Chang, Cheng; Guo, Qipeng; Dai, Junqi; Huang, Xuanjing; Qiu, Xipeng (2023年12月). 「思考の交換：モデル間通信による大規模言語モデル機能の強化」 . 2023年自然言語処理における経験的手法に関する会議議事録. シンガポール：計算言語学協会. pp.  15135– 15153. doi : 10.18653/v1/2023.emnlp-main.936 .
  30. ^ Becker, Jonas; Kaesberg, Lars Benedikt; Bauer, Niklas; Wahle, Jan Philip; Ruas, Terry; Gipp, Bela (2025年11月). 「MALLM: マルチエージェント大規模言語モデルフレームワーク」 . 2025年自然言語処理における経験的手法に関する会議：システムデモンストレーションの議事録. 中国蘇州：計算言語学協会. pp.  418– 439. doi : 10.18653/v1/2025.emnlp-demos.29 .
  31. ^レイタン、パウロ;スタマティス、カルヌスコス（2015 年 3 月 26 日）。産業用エージェント: 産業におけるソフトウェア エージェントの新しいアプリケーション。レイタン、パウロ、カルヌスコス、スタマティス。オランダ、アムステルダム。ISBN 978-0128003411. OCLC  905853947 .{{cite book}}: CS1 メンテナンス: 場所の発行元が見つかりません (リンク)
  32. ^ 「Film showcase」 . MASSIVE . 2012年4月28日閲覧。
  33. ^ Leitao, Paulo; Karnouskos, Stamatis; Ribeiro, Luis; Lee, Jay; Strasser, Thomas; Colombo, Armando W. (2016). 「産業用サイバーフィジカルシステムにおけるスマートエージェント」 IEEE紀要104 ( 5): 1086– 1101. doi : 10.1109/JPROC.2016.2521931 . hdl : 10198/15438 . ISSN 0018-9219 . S2CID 579475 .  
  34. ^ Xiao-Feng Xie, S. Smith, G. Barlow.リアルタイム交通網制御のためのスケジュール駆動型コーディネーション. 国際自動計画・スケジューリング会議 (ICAPS), サンパウロ, ブラジル, 2012: 323–331.
  35. ^ Máhr, TS; Srour, J.; De Weerdt, M.; Zuidwijk, R. (2010). 「エージェントは期待に応えられるか？ 不確実性を伴う貨物輸送問題に対するエージェントベースおよびオンライン最適化アプローチの比較研究」. Transportation Research Part C: Emerging Technologies . 18 (1): 99– 119. Bibcode : 2010TRPC...18...99M . CiteSeerX 10.1.1.153.770 . doi : 10.1016/j.trc.2009.04.018 . 
  36. ^カゼミ, ハミドレザ; リアシ, サハンド; シェイク・エル・エスラミ, モハマドカゼム (2018年11月). 「マルチエージェントシステムを用いた市場参加者の投資動向を考慮した発電拡張計画」 . 2018 スマートグリッドカンファレンス (SGC) . pp.  1– 6. doi : 10.1109/SGC.2018.8777904 . ISBN 978-1-7281-1138-4. 2024年1月8日閲覧。
  37. ^ Singh, Vijay; Samuel, Paulson (2017年6月6日). 「スマートグリッドにおける複数エリア電力システムのための分散型マルチエージェントシステムベースの負荷周波数制御」 . IEEE Transactions on Industrial Electronics . 64 (6): 5151– 5160. doi : 10.1109/TIE.2017.2668983 . 2024年1月8日閲覧。
  38. ^ a b「AIは強力な新しいシミュレーションであなたの将来の行動を予測できる」。ニューサイエンティスト。
  39. ^ "社会システム モデリング センター - ノルチェ" . NORCE ノルウェー研究センター。2025 年4 月 13 日に取得。
  40. ^ 「社会シミュレーション研究センター – 社会科学とエージェントベースモデリングを融合し、人文科学研究における社会シミュレーションの活用を促進・支援する学際的センター」 。 2025年4月13日閲覧。
  41. ^ Gong, Xiaoqian; Herty, Michael; Piccoli, Benedetto; Visconti, Giuseppe (2023年5月3日). 「群集ダイナミクス：マルチエージェントシステムのモデリングと制御」 . Annual Review of Control, Robotics, and Autonomous Systems . 6 (1): 261– 282. doi : 10.1146/annurev-control-060822-123629 . ISSN 2573-5144 . 
  42. ^ Hallerbach, S.; Xia, Y.; Eberle, U.; Koester, F. (2018). 「協調型自動運転車両におけるクリティカルシナリオのシミュレーションベース識別」 SAE International Journal of Connected and Automated Vehicles . 1 (2). SAE International: 93. doi : 10.4271/2018-01-1066 .
  43. ^マドリガル、アレクシス・C.による記事「ウェイモの自動運転車トレーニングのための秘密の世界」アトランティック誌。 2020年8月14日閲覧。
  44. ^ Connors, J.; Graham, S.; Mailloux, L. (2018). 「車両対車両アプリケーションのためのサイバー合成モデリング」.国際サイバー戦争とセキュリティ会議. Academic Conferences International Limited: 594-XI.

さらに読む

「 https://en.wikipedia.org/w/index.php?title=マルチエージェントシステム&oldid =1335115730」より取得