Multiagentensysteme: Modelle, Programmierung, Plattformen

Anwendungsbeispiele, Plattformen, Toolkits

Entwicklungswerkzeuge

• Domainen: ABC, ABM (Planung und Koordination)
• Weit verbreitete Programmiersprache: JAVA

Entwicklungswerkzeuge für MAS [Leitao, IAEASAI, Kap. 1, 2015]

Programmiersprachen

Agentenorientierte Programmiersprachen (AOP)

• Unterteilung in zwei wesentliche Klassen:
  • Inherentes Agentenmodell (I) und Kommunikation
  • Als Erweiterung (E) zu bestehenden Programmiersprachen
• Weiterhin kann eine AOP mit einer Architektur verknüpft sein (A)

Agentenorientierte PL [Leitao, IAEASAI, Kap. 1, 2015]

Simulationswerkzeuge

Agentenbasierte Simulationswerkzeuge [Leitao, IAEASAI, Kap. 1, 2015]

Modellierung

• Agentenbasiertes Modellieren wird vielfältig eingesetzt (eine Auswahl):

[Macal, WSC, 2009]

Modellierung

Topologien

• Die agentenbasierte Modellierung befasst sich ebenso mit der Modellierung von Agentenbeziehungen und Agenteninteraktionen wie mit der Modellierung von Agenten und dem Verhalten von Agenten.

• Die Hauptprobleme bei der Modellierung von Agenteninteraktionen sind die Angabe, wer mit wem verbunden ist oder sein könnte, und die Dynamik, die die Mechanismen der Interaktionen steuert.

• Beispiel: Ein agentenbasiertes Modell des Internetwachstums würde beispielsweise Mechanismen enthalten, die angeben, wer mit wem, warum und wann eine Verbindung herstellt.

Modellierung

Modellierung

• Die Mikromodellierung mit Agenten umfasst besonders deren Interaktion untereinander und mit der Weltumgebung (MAschinen, Menschen, usw.)

Modellierung

Agentenmodell

• Zutaten: Perzeption, Kommunikation, Wissen (Beliefs), Regeln (Plan, Goals), Ausführen (Intentions) → BDI Architektur!

[Uhrmacher ed., MASSA, 2009]

Produktion und Logistik

• In der Produktion und Logistik werden ABM/ABC/ABS für die Planung, Entscheidungsfindung, und Steuerung von Produktionsanlagen und logistischen Systemen eingesetzt

• Dabei können Agenten verschiedene Entitäten in Produktion und Logistik repräsentieren:

  • Materialien und Waren
  • Transportträger (Fahrzeuge usw.)
  • Warenlager
  • Menschen
  • Maschinen (Produktion/Herstellung)
  • Konsumenten
  • Lieferanten usw.

Produktion und Logistik

• Man unterscheidet folgende Bereiche in denen Agenten eingesetzt werden können:

  • Planung
  • Terminierung und Ablaufsteuerung (Scheduling)
  • Monitoring (Überwachung und Analyse)
  • Vorhersage (von Einflussgrößen wie Bedarf) → Agentenbasiertes Lernen

• Die Ebenen der Entscheidungsfindung in Prozessen wie Produktion und Logistik sind miteinander in einem Kreislauf verbunden und basieren auf:

  • Regelsätzen (Rules)
  • Zu erfüllenden Randbedingungen (Constraints)

• D.h. Agenten sind Theoremprüfer und Logiklöser

Produktion und Logistik

[Leitao, IAEASAI, Kap. 2, 2015]

• Dabei finden Aktionen teilweise in Echtzeit (online) und teilweise versetzt/offline statt

Produktion und Logistik

• Agenten können entkoppelt von physikalischen Plattformen (ABM/ABS) oder gekoppelt an physische Plattformen eingesetzt werden (ABC/Cyber Physical Systems CPS)

• Dabei kommunizieren die Plattformen (Maschinen, Fahrzeuge) und die Agenten miteinander:

[Leitao, IAEASAI, Kap. 2, 2015]

Produktion und Logistik

Agentenbasiert Entwurf

• Die Kopplung von Agentenmodellen mit dem Entwurfsprozess (z.B. einer Produktionsanlage) ist der Einstiegspunkt für agentenbezogene Prinzipien und Technologien in aktuellen Automatisierungsszenarien:

[Leitao, IAEASAI, Kap. 3, 2015]

Produktion und Logistik

Eingebettete Agententechnologien in der Automatisierung

• Der nächste Schritt ist die Einbettung von Agententechnologien in die Systeme (z.B. Maschinen):

[Leitao, IAEASAI, Kap. 3, 2015]

Plattformen

Agentenplattformen

• Domainen: ABC, ABM (Planung und Koordination)
• Weit verbreitete Programmiersprache: JAVA

Simulationswerkzeuge

• Domainen: ABC, ABM, ABMS
• Entweder eigenständig oder als Erweiterung zu bestehenden Plattformen (Beispiel: SEJAM als Visualisierungs- und Steuerungsebene für JAM)

CAPNET

CAPNET: Component Agent Platform based on .NET^ABC

HERA

Hera: Healthcare and Homecare Services System^ABC

MAGENTA

MAGENTA: Multi-Agenten Systeme für Logistik^ABC

Mobile Cloud

• Traditionelles verteiltes Rechnen verwendet lokalisierte Prozesse und mobile Daten (Nachrichtenübertragung)
• Notwendiger Paradigmenwechsel: Von mobilen Daten zu mobilem Code (Prozesse)
• Konzept: Agent als Mobiler Code in stark heterogenen Netzwerken^ABC

Crowd Sensing

Crowd Sensing

• Crowd Sensing mit der JavaScript Agent Machine (JAM) und mobilen Agenten [2]
• JAM kann auf mobilen Geräten und stationären Stationen (Beacons) ausgeführt werden
• Agenten können nahtlos zwischen Plattformen in einem Netzwerk migrieren (“wandern”)
• Mobile Agenten werden zur Sensorfusion und Sensorverteilung genutzt

Crowd Sensing

• Simulation eines komplexen und verteilten Crowd Sensing Szenario mit SEJAM (Simulation Environment for JAM)
• Reales Ereignis: Nutzerdaten vom Chaos Communication Congress (2014) in Hamburg

iSENSNET

iSENSNET: Intelligent Sensor Processing in Sensor Networks

Erdbebenüberwachung und Ereignisklassifizierung

• Verteiltes seismisches Netzwerk-CI (South California), das auf einem 2D Mesh-Netzwerk abgebildet ist (JAM Agentenplattform)
• Mobile Agenten werden zum verteilten und inkrementellen Lernen eingesetzt [1]

iSENSNET

• Erweiterung des seismischen Netzwerkes mit mobile Geräten wie Smartphones
• Smartphones können bei Erdbeben zusätzliche Informationen liefern

• Mobile Agenten können zwischen seismischen und mobilen Netzen/Geräten migrierien

  

iSENSNET

Sensorisches Material

• Materialien mit integrierten Sensornetzwerken (Sensor + Informations-Kommunikations Technologien)
• Einsatz von mobilen Agenten für die Sensorverarbeitung, Sensorverteilung, und verteiltes agentenbasiertes Lernen
• Verwendung einer low-resource Agentenplattform AFVM

iSENSNET

• Einbindung sensorischer Materialien in das Internet, das Internet der Dinge (IoT), und Cloud Umgebungen
• Anwendung:
  • Überwachung von sicherheitskritischen Strukturen, z.B. Bauwerken, in Flugzeugen, Windrädern
  • Überwachung von technischen Geräten und Produkten mit Sammlung von Ensembledaten zur “fliessenden” Verbesserung von Produkteigenschaften (Cloud-based Design & Manufacturing)

NetLogo

• Reines ABM/ABS Werkzeug

• Programmiert in JAVA

• Simulation + Analyse

• Klasse: Agenten-basiertes Räumliches Modellieren und Simulieren (ABSS)

• Einsatzgebiete:

  • Verkehrssimulation
  • Biologie (Tierverhalten, Schwärme, Vermehrung, Ausbreitung, ..)
  • Soziologie (Migration, Netzwerkbildung, Segregation, …)
  • Logistik (Warentransport und Transportströme)
  • Medizin (Genetik, Populationsentwicklung, Epidemiologie, usw.)
  • Psychologie (Spieltheorie, Interaktion)
  • Allg. Netzwerke (Internet)
  • Umwelt (Ausbreitung von Schadstoffen usw.(
  • Chemie (Entstehung von Molekülen, Gasen, usw.)

NetLogo

NetLogo

• Die grafische Oberfläche (GUI) besteht aus der eigentlichen Simulationsschntittstelle (Simulationswelt, Steuerung, Analyse), Informationen, und einem Modelleditor:

JavaScript Agent Machine (JAM)

• Wird in diesem Kurs für ABC eingesetzt!

• Programmiersprache: JavaScript

• Modell: Aktivitätsübergangsgraphen (ATG), reaktiv

JavaScript Agent Machine (JAM)

SEJAM

• Visualiserungserweiterung von JAM (ABC/ABS/ABM)

• Fügt eine Visualisierung einer virtuellen zweidimensionalen Welt hinzu die aus einer Menge von verbundenen virtuellen JAM Knoten besteht

• Neben der Programmierung der Agenten (wie in JAM) gibt es zusätzlich ein Simulationsmodell (Beschreibung und Aufbau der Simulationswelt)

• Es werden zwei verschiedene Agentenklassen unterschieden (wenn auch programatisch identisch):

  • Berechnungsagenten (ABC)
  • Physische Agenten (ABM)

SEJAM

Berechnungsagenten

• Mobiler Code, nicht an eine JAM Plattform gebunden

• Ausführbar in der Simulation und der “realen” Welt (Z.B. auf einem Smartphone)

Physische Agenten

• Nur in der Simulation: Agent und (virtuelle) Plattform bilden unzertrennliche Einheit → ähnlich den NetLogo Agenten

• Mobil durch die räumliche Verschiebung der virtuellen Plattform (der “Körper”)

SEJAM

JAM/SEJAM: Beispiele

[j19.1] S. Bosse, D. Lehmhus, Material-integrated cluster computing in self-adaptive robotic materials using mobile multi-agent systems, Cluster Computing, doi 10.1007/s10586-018-02894-x, Volume 22, Number 3, pp. 1017-1037, 2019 ISSN 1386-7857

[j19.3] S. Bosse, U. Engel, Real-time Human-in-the-loop Simulation with Mobile Agents, Chat Bots, and Crowd Sensing for Smart Cities, Sensors (MDPI), 2019, doi: 10.3390/s19204356

[c19.2] S. Bosse, D. Lehmhus, Robust detection of hidden material damages using low-cost external sensors and Machine Learning, 6th International Electronic Conference on Sensors and Applications (ECSA), 15-30 Nov. 2019, MDPI

[c18.3] S. Bosse, M. Koerdt, A. v. Hehl, Robust and Adaptive Non Destructive Testing of Hybrids with Guided Waves and Learning Agents, 3. Internationale Konferenz Hybrid Materials and Structures 2018, 18-19.4.2018, Bremen, Germany

[c18.5] S. Bosse, Smart Micro-scale Energy Management and Energy Distribution in Decentralized Self-Powered Networks Using Multi-Agent Systems, FedCSIS Conference, 6th International Workshop on Smart Energy Networks & Multi-Agent Systems, 9-12.9.2018, Posznan, Poland, 2018

[c18.7] S. Bosse, U. Engel, Augmented Virtual Reality: Combining Crowd Sensing and Social Data Mining with Large-Scale Simulation Using Mobile Agents for Future Smart Cities. Proceedings, Volume 4, ECSA-5 5th International Electronic Conference on Sensors and Applications 15–30 November, 2018 DOI 10.3390/ecsa-5-05762

[j17.1] S. Bosse, Incremental Distributed Learning with JavaScript Agents for Earthquake and Disaster Monitoring, International Journal of Distributed Systems and Technologies (IJDST), (2017), IGI-Global, Vol. 8, Issue 4, DOI: 10.4018/IJDST.2017100103

[c17.2] S. Bosse, E. Pournaras, An Ubiquitous Multi-Agent Mobile Platform for Distributed Crowd Sensing and Social Mining, FiCloud 2017: The 5th International Conference on Future Internet of Things and Cloud, Aug 21, 2017 - Aug 23, 2017, Prague, Czech Republic

SEJAM2