1.3 Agent的体系架构
除了1.2节所给出的Agent概念之外，还需要强调一种不同的观点。这种观点把Agent看做是软件系统的建模抽象，面向Agent的软件工程就是基于这种观点。在这里，Agent通常用于模拟现实中的实体，软件系统被看做是为了实现预期功能而相互作用的一系列Agent。Agent凭借自主性、预动性和/或反应性等一系列特征，为应用程序开发人员描绘了一种很有前景的方法。更一般的，这意味着复杂应用程序可以在动态环境中运行。
基于这种观点，可以把Agent体系架构看做是软件模块的详尽集合，用带箭头的方框来表示数据和模块之间的数据流控制。Agent体系架构可以分为慎思型、反应型和混合型。慎思型体系架构是最先出现的，其标志就是采用明确表示的世界符号模型，基于模式匹配的决策进程和符号操作技术。因此，体系架构需要解决的问题就是：如何把真实世界转换为符号，以及如何有效准确地描述决策进程。一般来说，解决这些问题需要大量的计算，这使得慎思型体系架构不适合解决许多实际问题。这里不会详尽地阐述这个问题，因为它们与传统人工智能有着更多的联系，而与Agent方法联系较少，有兴趣的读者可以参阅（Ghallab等，2004）。这些困难导致了新的（和特定Agent）架构相继出现，如反应型和混合型体系架构。
反应型体系架构涵盖了范围广泛的方法，一般可以避免任何以符号为核心的世界模型或复杂的符号推理。由于这一点，这种类型的Agent对于环境变化可能会反应更迅速。由于它们简单，或许正因如此，反应型体系架构不可能用于开发那些“行为强依赖于执行历史”或“具有复杂推理”的Agent。
混合型体系架构努力整合慎思型和反应型体系架构中好的一面，主要是通过包含两个（或者更多）独立的构件：一个是协商型，另一个是反应型。慎思型构件负责规划和推理行为，反应型构件处理需要快速响应的重要事件。不过，构件间的准确关系和它们之间的控制取决于各自的具体架构。
信念—期望—意图（Belief-Desire-Intension，BDI）体系架构（Haddadi等，1996；Wooldridge，1999b）是混合型体系架构的一个重要类型。BDI体系架构是Agent的表示形式，Agent的行为可以被描述成好像拥有信念、期望和意图等思维状态。信念表示Agent拥有的知识，期望描述Agent追求的目标，意图说明Agent选择计划以实现哪些目标。
BDI体系架构形成了一个共享BDI观点的体系架构族，但是信念、期望和意图在系统功能中被分配的角色，以及表示和控制它们的形式，各不相同。虽然信念已经被充分理解，但是期望和意图所扮演的角色却受到了争议。当期望和意图同时指Agent想要达到的一个事物状态时，就意图而言，必须有一定的承诺去实现它们。因此，虽然Agent会有一些期望，但是它可能永远不会去开始完成这些任务；而意图却会引起Agent的一个行动。有几种理论试图通过描述信念、期望和意图之间的关系，来描述、分析和确定一个Agent的行为。这种理论背后的动机是多元化的，有一些理论旨在从观察者的角度（Ferguson，1995）来解释和预测Agent的行为，有一些则是用于设计Agent的体系架构（d'Inverno等，2004），还有的是用于支持从事集体活动的Agent进行推理（Jennings，1993）。
自从BDI体系架构出现以来，它们在Agent社区之中很流行，这主要是出于三个关键的理由：第一，基于意图概念对系统进行建模，对我们人类来说更加自然。第二，大部分BDI体系架构有一个基础良好的哲学和理论背景。第三，这些体系架构比纯粹的慎思型或反应型体系架构更灵活。作为混合型，BDI体系架构介于纯粹反应型和纯粹慎思型之间。因此，在高度变化的环境中运行时，它们不可能表现出和纯粹反应式系统一样的性能，但是可以根据特定的应用需求，通过调整推理和慎思策略来提升性能。
BDI体系架构不仅用于研究，还成功应用于商业领域和工业领域。例如，空中交通管理系统OASIS（Rao和Georgeff，1995），它的发展是基于一种BDI体系架构DMARS（d'Inverno等，2004），已经在悉尼机场测试成功。OASIS中的Agent分为两种类型：aircraft Agent和global Agent。每个aircraft Agent都同一架飞机相关联，并且控制该飞机的飞行。相比之下，global Agent负责aircraft Agent的先后顺序和协调工作。在运行期间，高达80个Agent并发运行，给控制器发出实时控制指令。
BDI体系架构的成功取决于以下方面：
● 应用程序编制是基于计划构建，方便于模块化和递增式的开发。
● 由系统来管理反应行为和面向目标行为之间的平衡，终端用户不需要参与复杂的低级语言编程，这改进了可靠性。
● 终端用户采用人类的思维状态来对知识进行编码，而不是低级语言。
迄今为止，已经提出了很多不同的体系架构，我们不可能在有限的篇幅里给出一个详尽彻底的回顾。因此，我们把回顾限定在一些具有代表性的体系架构上。在这个回顾中，我们不再讨论慎思型体系架构，因为它本质上和传统人工智能中的规划很相似，不是基于Agent计算的，回顾这种体系架构并不会增加本书的内容。
1.包容性体系架构
包容性体系架构（Brooks，1986）是Brooks对反应型体系架构的改进，其功能是基于行为存在和它们的抑制关系。每个行为都计划完成一个明确的任务，并且将感知到的输入和行为联系在一起。例如，交通控制应用程序有这样一个行为“如果发现前方有一个障碍，就改变方向”；把感知输入“前方有障碍”和任务“改变方向”联系在了一起。为了追求其目标，每个行为不断地检测环境状态，直到环境状态与感知输入相匹配，然后执行这种情况下的相关行为。在这个例子中，不断地检测环境，直到发现交通工具前的障碍，然后执行改变行为的指令。然而一个环境状态可能会匹配多个行为，因此采用抑制关系来指明优先权。根据这一抑制关系，行为被分为不同的层次，低层行为可以抑制高层行为，层次越高行为就越抽象（如图1.1所示，说明了感知输入、行为和动作之间的关系，虚线表示抑制关系）。
图1.1 包容性体系结构
例如，在交通工具的控制中，“避免碰撞”比“到达目的地”所处的空间层次更低，因为“避免障碍”的优先级高于“到达目的地”的优先级。
2.PRS
PRS（Procedural Reasoning System）（Georgeff等，1987）最初作为NASA工程的一部分被开发，具有良好的理论背景。在PRS中，信念、期望和意图被明确地描述，并且一起决定系统的行为。它们还会随着推理机制动态改变。如图1.2所示，PRS由解释程序和几个模块构成，模块包括数据库、目标栈、知识区域库和意图结构。数据库包含关于当前世界的事实，知识区域库所包含的知识区域（Knowledge Area，KA）分别是“如何完成任务的知识”和“如何在特定环境下做出反应的知识”。
KA由一个主体和调用条件组成。主体包含程序步骤，调用条件表明在什么情况下KA是可用的。KA库中的某些KA是针对特定应用的，而另一些则定位于PRS本身的通用管理，例如针对相关KA进行选择的策略。
与其他BDI体系架构相比较，在PRS中，目标代表了系统所期望的行为，而不是所要达到的静止状态。它们不仅在目标栈中被表示，还作为KA的一部分。意图是系统选择立即执行或将来执行的任务，由一个初始KA和完成任务过程中所调用的其他一些子任务构成。这样的意图被插入到意图结构中，意图结构实质上就是一个带优先权的列表。
图1.2 PRS架构的主要组件
为了简要起见，这里不再详细阐述PRS的操作细节。简言之，系统运行中的解释程序控制过程如下：在一个给定的时间，系统具有某些目标且持有某些信念，根据这些，某些KA变得可用，其中一个KA被选择执行且被置于意图结构中。当执行这个KA时，会产生一些目标且置于目标栈中。如果请求新的信念，就会应用一致性检查过程。新的信念和新的目标也可以激活某些新的KA，在这种情况下，解释程序可以决定去执行其他某些目标。这使得Agent更少地忠于意图，更多地去感知环境。事实上，PRS中的KA可以实现对环境变化的快速响应，这就形成了混合型体系架构中的反应组件，虽然并不是作为一个单独的体系架构组件。