北大公开课-人工智能基础 10 智能体之智能主体的类别

五种最基础的智能体类型，包括了几乎所有智能体的类型

简单反射智能体的结构

简单反射agent的算法

定义三个量

状态：对于当前感知的状态输入，将感知对应为状态

规则：对于状态所匹配的规则

行为：基于规则返回的对应行为

首先，定义行为action为空，然后根据上述感知->状态->规则->行动

返回对应于当前感知的行为

举例，一个简单反射agent的例子

胸透系统，

一个基于模型的反射agent

还可以处理部分可观测环境

增加了状态的存储，

增加了环境变化的信息

增加了行动的对应

基于模型的简单反射agent算法

增加部分： 增加了第四个变量 model

stage，表示了对于当前外部状态的理解

model，是关于下一个状态，如何依赖于当前状态和动作的描述

rule，一套条件-动作的对应规则

action，当前动作，初始定义为空

在主要算法中，增加了update-state 函数，用于基于当前的状态、动作、感知、模型，来决定当前的状态，并更新到状态中。

根据状态-动作的规则表匹配，得到相应于当前状态的动作，

并将该动作返回

基于目标的agent

增加了 ，如果动作A，则结果如何

增加了目标信息

通过效用utility函数，得到一个特殊的状态，用于表示某个状态是否有效（对于目标而言）的度量函数

更通用的性能度量的agent

理性agent的效用要求

学习agent，

优越性在于，可以在一个未知的环境中运行，增加了机器学习功能。

和初始的aget结构相似。

增了一个评论者，对于学习的元素，性能的元素，对于性能进行改进，生成问题，得到经验，

学习agent的要素

学习要素、性能要素、问题发生器

对于atari游戏（视频游戏机）的深度学习，强化学习模型

和普通agent的区别，增加了红线部分，增加了外部环境的回报值，并根据外部环境的回报值，决定下一步的行为。

其他agent

是否具有学习功能，

自主性如何

单一或多个agnet

三者的交集——智能agent。。也即是说智能agent的要求就是可学习的，有自主性的，群体智能的。

智能体的几个特化例子，用UML符号表示

生物智能体，机器人智能体，计算智能体

多个智能体是单个智能体的聚合，

单个智能体包括，

简单反射agent，基于模型的agent，基于目标的agent，基于效用的agent，学习型agent，其他agent。