International Journal of Research terbar

International Journal of Research terbaru dalam Sains dan Teknologi ISSN (Online): 2278-5299
Volume 3, Edisi 2: Halaman No.147-155, Maret-April 2014
http://www.mnkjournals.com/ijlrst.htm

ISSN: 2278-5299 147

KOMUNIKASI, KERJASAMA,
KOORDINASI DAN KEMAMPUAN KOGNITIF OF A MULTI
AGEN SYSTEM - A SURVEY PUSTAKA

1
Debasmita Das,
2
Shibakali Gupta,

1
Universitas Institut Teknologi, Ilmu Komputer dan Teknik, Burdwan, India
2
Universitas Institut Teknologi, Ilmu Komputer dan Teknik, Burdwan, India

Abstrak Multi sistem agen telah muncul sebagai sayap penelitian yang paling dominan dalam domain

yang luas kecerdasan buatan di
beberapa waktu terakhir. Para peneliti berusaha untuk membuat beberapa arsitektur untuk
membangun sistem multi-agen dengan semua properti rasional seperti
otonomi, proactiveness, reaktivitas dan kemampuan sosial. Komunikasi, kerjasama dan kognisi
adalah bidang yang berkaitan sistem multi-agen

intim dan paling peneliti mencoba untuk mengkonfigurasi komponen-komponen di diusulkan
arsitektur sistem multi-agen mereka untuk membuat
lingkungan yang lebih rasional. Dalam makalah ini kami telah mencoba untuk membuat survei
literatur lengkap pada dasarnya fokus semua upaya mereka. Kami
niat adalah untuk menyediakan peta jalan bermanfaat untuk para peneliti muda untuk merancang
paling maju sistem multi-agen berdasarkan yang terbaik
komunikasi, kerjasama, dan kognisi protokol.

Kata kunci - sistem multi agen; Kecerdasan buatan; Otonomi; Proactiveness; Reaktivitas; Kemampuan
sosial; Komunikasi; Kerjasama; Pengartian
I. PENDAHULUAN
Masyarakat ilmu komputer didasarkan pada komunikasi
dikembangkan untuk berinteraksi dalam sistem. Komunikasi adalah dari
sinkronisasi beberapa proses. Untuk berkomunikasi,

agen harus mampu memberikan dan menerima pesan dengan
satu sama lain. Mengkoordinasikan, agen harus mengelola antar mereka
dependensi. Bernegosiasi, agen harus menangani beberapa sendiri
penawaran. Kombinasi komunikasi multi-agen,
kerjasama, dan hasil negosiasi kerjasama.
Survei literatur berikut ini memberikan pandangan singkat
Penelitian bekerja komunikasi yang terlibat, koordinasi,
kognisi dan kerjasama dari sistem multi-agen.
Kertas survei ini disusun sebagai berikut. Pada bagian II kami
telah membahas latar belakang sistem multi agen. Itu
Bagian III menjelaskan survei literatur berikut kertas.
Bagian IV akhirnya menyimpulkan.
II. LATAR BELAKANG
Setelah penemuan komputer, harapan manusia
secara bertahap menyentuh puncak. Pada sebaliknya, efisiensi

dan kemampuan mesin yang merendahkan kecuali itu
mengatasi [1]. Konsep lain kemudian datang ke dalam gambar untuk
menggunakan kekuatan pemrosesan membesar dan perangkat untuk mempercepatnya. Tapi
Peningkatan ini meningkatkan kompleksitas, kecanggihan

kegunaan dan pemeliharaan [2]. Kemudian didistribusikan
Pendekatan telah meraih generasi di mana sistem komputer
tidak tetap sendirian dan terhubung ke saluran umum
[3]. Contoh yang paling jelas adalah internet tanpa yang
kehidupan manusia menjadi rusak. Untuk menghadapi kompleksitas,
kecerdasan otak manusia menyesuaikan dengan komputer
[4]. Mereka membutuhkan untuk memberikan kontrol ke mesin sehingga
mesin bisa memiliki konsep sendiri [5]. Tapi
ketidakcocokan terjadi antara manusia dan mesin. Mereka
donít tindakan dengan cara yang sama [6]. Upaya developersí, coding
pengolahan mengarah ke bidang baru yang disebut sistem multi-agen [7]

[8] [9]. Sistem multi agen adalah kumpulan agen berinteraksi.
Berinteraksi berarti mereka akan berkomunikasi, bekerja sama,
mengkoordinasikan dan bernegosiasi dengan lainnya sebagai manusia tidak.
Mereka akan dihubungkan oleh hubungan lain [10].
AKU AKU AKU. SASTRA SURVEY
Bagian ini akan memberikan ide-ide yang signifikan mengenai
bidang sistem agen multi-dan sifat sebagai berikut:

 Modeling Co-Operative multi Agen Sistem oleh
Lijun Shan, Hong Zhu (2004):
Agen memakan fitur otonom dan kolaboratif

dapat diimplementasikan dalam sistem koperasi di agen
skenario. Camle-Kasta-sentris Pemodelan Agen berorientasi
Bahasa dan Lingkungan [11] adalah model berbasis agen
bahasa, dirancang dan dianalisis dalam sistem multi-agen. Sebuah
Agen dapat mengambil keputusan yang bagaimana dan dengan siapa ia dapat
berinteraksi dengan. Oleh karena itu harus mempertahankan beberapa protokol yang
dapat menyebabkan bermasalah. Daerah ini telah difokuskan dalam hal ini
kertas. Berdasarkan pendekatan ini, komunikasi berbagai agen
bahasa atau ACL telah diusulkan yang mencakup
KQML, FIPA, AUML, LEMBARAN [12] dan Camle. Itu
agentsí perilaku kooperatif dapat dinyatakan dalam tiga tingkatan.
1) Tingkat atas: itu adalah model kasta yang didefinisikan
sebagai arsitektur sistem yang membentuk kelas agen.
2) Tingkat menengah: itu adalah model yang bekerja sama dan memiliki
digunakan untuk berkomunikasi antara agen.
3) Tingkat yang lebih rendah: mengarahkan perilaku internal

agen.
Model konseptual telah disajikan tergantung pada
yang LEMBARAN dan Camle. Prinsip-prinsip yang diikuti dalam
model ini adalah:
 Encapsulation
 berbagi fitur
International Journal of Research terbaru dalam Sains dan Teknologi.
ISSN: 2278-5299 148

 sifat multi-agent
Model Model kolaborasi lain bernama dibentuk oleh

partisipasi yang kuat dari agen dengan komunikasi mereka
untuk kebutuhan global. Model kolaborasi telah
lanjut diklasifikasikan sebagai:
 horisontal
 struktur vertikal
Diagram yang disajikan dalam model kolaborasi memberikan
hirarki untuk menunjukkan agen pada tingkat tertentu [13].
 Sebuah Modeling Koperasi multi Agen Sistem oleh

Gregory Gelfond, Richard Watson (2007):
Bahasa aksi dikategorikan dengan ini sebagai deklaratif
bahasa untuk menggambarkan efek dari tindakan. Sifat
melalui mana mereka dapat menentukan domain kompleks adalah:
 sintaks Mudah
 Semantik
CR-Prolog merupakan perluasan dari logika pemrograman
Bahasa yang menyajikan konsistensi berdasarkan memulihkan
aturan. Pengetahuan seorang agen didefinisikan di sini sebagai gabungan
dilihat dari diagram transisi lokal dan global. A-agen tunggal
sistem digambarkan oleh agen-lingkaran dengan fitur-fitur tertentu yang
sebagai:
 Negara
 Tujuan Sasaran
Para penulis telah disajikan multi-agen koperasi
sistem sebagai:
1) kerangka A penalaran dan
2) Dari perspektif sistem
Mereka telah dijelaskan seluruh kerangka agen multi, yang

properti bersama dengan rencana layak oleh beberapa lemmas [14].
 Fault Tolerant multi Agen Sistem: Its
Komunikasi dan Kerjasama oleh Arnulfo Alanis
Garza, Juan Jose Serrano, Rafael Ors Carot, Jose
Mario Garcia Valdez (2007)
Para penulis telah menggambarkan sebuah model baru untuk cerdas
agen yang independen menangani kegagalan. Agen
Kategori menyatakan adalah:
1) agen Rasional: Selalu bertindak dengan cara yang benar.
2) agen Mahatahu: Hal ini dapat didefinisikan sebagai aktual
hasil dari tindakan yang dilakukan oleh agen.
Tapi kemahatahuan doesnít ada sama sekali.
Sebuah sistem berbasis agen dapat dilaksanakan tanpa
struktur perangkat lunak agen itu. Mereka dapat disebut sebagai
entitas perangkat lunak yang dapat bertindak atas nama mereka. Jika
agen bertindak dominan sesuai dengan basis pengetahuan mereka kemudian
mereka melampaui properti otonomi. Unsur-unsur
singkat menjelaskan adalah:
 spesifikasi FIPA: ini ditetapkan standar untuk
mempromosikan interoperation di antara aksi

agen heterogen [15].
 pesan FIPA ACL: Ini terdiri dari satu atau lebih pesan
diperlukan untuk khusus komunikasi agen [16].
 KQML: Seperti di KQML, isi dilakukan oleh
agen perangkat lunak dengan bahasa mereka sendiri. Isi ini
dapat direpresentasikan dalam bahasa apapun serta dalam ASCII
string / notasi biner. KQML adalah ciptaan bersama untuk

beberapa bagian proyek.
Para penulis menyatakan protokol komunikasi berbagai agen
dan diagram komunikasi. Salah satu agen bertindak sebagai klien
mengirimkan permintaan ke agen lain bertindak sebagai server membalas dengan
mantan. Seluruh pendekatan membantu sistem agen multi-ke
Target dari kesalahan kontrol toleran dan setiap agen harus berjuang
terhadap kegagalan [17].
 Efisiensi Komunikasi Multi Agent Sistem oleh
Mary Berna-Koes, Illah Nourbakhsh, Katia Sycara
(2004):
ACL didekati untuk komunikasi antar agent yang
Sistem robot nyata adalah contoh di mana telemetri, audio, data

ditransfer secara real time melalui jaringan nirkabel. Itu
Penulis telah menyatakan:
 Dua pendekatan ban melalui ACL dan komunikasi robot
di mana agen berbagi satu saluran komunikasi ke satu
bahasa.
 background A digunakan untuk mentransfer pesan tingkat rendah.
Isi dikirim disimpan tetap pada ACL. Dua agen
bertukar informasi tingkat rendah. Mereka bergantung pada
protokol transport.
 Sebuah flowchart diuraikan untuk menjelaskan komunikasi
berurutan.
Mereka menyatakan beberapa faktor yang meningkatkan sistem
kinerja. 1) Bandwidth dan 2) latency dua penting
elemen mengenai jaringan komunikasi. Konsep
Retsina digunakan untuk mendukung saluran kembali [18] dan

penyelamatan robot MAS [19].
 Evolution Of A Protocol Komunikasi Antara A
Kelompok Agen Cerdas oleh Sayyed Hossein
Khasteh, Saeed Bagheri Shouraki, Ramin Halavati,

Elyas Khameneh (2006):
Makalah ini difokuskan dari perspektif evolusi
mendefinisikan komunikasi sebagai pertukaran informasi
antara agen. Para agen menggunakan sinyal meliputi:
 fitur tertentu keadaan tersebut
 Negara-negara internal.
Algoritma pembuatan protokol hipotesis yang diajukan dalam
konteks ini. Algoritma diimplementasikan menggunakan
"Zamin" lingkungan simulasi. Zamin Model kehidupan buatan
akrab bagi penelitian tentang metode evolusi. Konsep ini
ditampilkan dengan menggunakan:
1) Domba
2) Rumput
3) Pohon
4) Water Spring
Protokol hasil ini antara domba untuk mengidentifikasi empat
kategori. Hasil yang diperoleh mendorong dari
simulasi berbeda berdasarkan protokol. Manfaat
algoritma ini adalah:
 Protokol mudah.

 Tidak ada perhitungan yang rumit [20].
 Koperasi multiagen Sistem: A Personal View of
Negara Art oleh Victor R. Lesser (1999):

Penulis telah menyediakan area aplikasi utama dari
koperasi sistem agen multi-. Mereka:
 masalah intelektual Penting
 Prinsip-prinsip ditarik untuk merancang
 Pekerjaan masa depan.
Sistem multi agen dapat berupa
 homogen atau
 heterogen
Para agen ditargetkan tujuan masing-masing
mempertahankan otonomi mereka. Beberapa aplikasi domain
contoh berorientasi adalah:
International Journal of Research terbaru dalam Sains dan Teknologi.
ISSN: 2278-5299 149

1) Distributed penilaian situasi: Ini menunjukkan
konsistensi agen.
2) Distributed penjadwalan dan perencanaan sumber daya: itu menunjukkan
koordinasi agen dengan cara yang dijadwalkan.
3) Distributed sistem pakar: itu menjelaskan negosiasi
agen.
Perhatian harus bagaimana untuk membawa efektif
kerjasama antara agen. Strategi koordinasi bantuan
agen untuk memecahkan masalah secara efisien dan untuk mengambil keputusan
apakah untuk melakukan tugas tertentu dan dengan siapa. Itu
prinsip diikuti terkait sebagai:
 Melakukan sistem multi agen dengan cara yang kompleks.
 Agen harus fleksibel.

 Menangani masyarakat agen.
Bidang multi penelitian agen dikategorikan menjadi:
1) agen Koperasi
2) Cukup tertarik agen
Penulis termasuk implementasi praktis dalam bukunya
pekerjaan di masa depan [21].
 Kerjasama multiagen Sistem oleh Claudiu
Pozna, Szechenyi Istv · n, Janos Kovacs, Radu-Emil
Precup, Peter Foldesi (2011):
Kerjasama sistem multi agen didasarkan pada dua
algoritma di atas kertas. Hal ini disampaikan dari
Identifikasi probabilistik proses ketika negara adalah
diamati.
 Algoritma pertama menjelaskan proses transisi
antara negara-negara yang sama.
 Algoritma kedua diidentifikasi sebagai yang paling mungkin
proses.
Dua agen bernama Guru dan Apprentice digunakan dalam
konteks. Guru agen telah digunakan untuk menyelesaikan tugas yang diberikan
di mana agen Apprentice telah digunakan untuk mengidentifikasi tugas untuk
memecahkan.
Keuntungan utama dari konsep ini adalah yaitu telah
dilakukan dengan cara yang sederhana. Sebuah studi kasus yang diberikan di sini untuk
mendefinisikan kerjasama untuk membangun arsitektur berturut
batu bata di ruang kerja. Penulis telah menerapkan
ketidakjelasan dengan kerjasama.
Kelemahannya adalah bahwa antara dua agen, hanya

agen master memiliki pengetahuan tentang persyaratan.
Oleh karena itu upaya ini adalah untuk bekerja lebih lanjut pada perancangan untuk
menerapkan sistem inferensi fuzzy sehingga agen lain bisa
juga memiliki pengetahuan tentang pengambilan keputusan [22].
 Menerapkan agen Arsitektur multi untuk
Koperasi Software Engineering oleh Alf Inge Wang
(2000):
Koperasi arsitektur multi agent memiliki kemampuan
untuk memutuskan:
 Teknik untuk memberikan yang efisien antar-agen
komunikasi
 Bahasa berkomunikasi
 Entah mereka stasioner atau mobile
 Jenis teknologi
Penulis telah memberikan penjelasan singkat tentang CAGIS multiagen komponen arsitektur. Arsitektur ini meliputi:
 Agen
 Workspace
 tempat pertemuan Agen
 Repository
Encode milik manusia dan dengan demikian harus
sangat fleksibel. Informasi termasuk kerjasama bisa
disimpan di:
1) Repositori
2) Agen
3) tempat pertemuan Agen.
Dia telah memberikan pedoman pada prototipe diimplementasikan pada

MAS. Teknologi meliputi:
 DIAS Saya
 DIAS II [23].
 Koevolusi Peran Berbasis Kerjasama multiagen
Sistem oleh Chern Han Yong dan Risto Miikkulainen
(2009):
Koperasi masalah multi-agen berlangsung di mana
beberapa agen bekerja sama untuk mencapai tujuan bersama. Di sini
dua hipotesis diuji.
1) Yang pertama adalah co-evolusi pendekatan, di mana
jaringan saraf otonom kontrol kooperatif
satu sama lain.
2) Hipotesis kedua menetapkan koordinasi di
tim tersebut melalui stigmergy.
Co-evolusi dipertahankan baik dalam satu
populasi atau dalam beberapa populasi, sehingga kebugaran mereka
evaluasi dapat diperbaiki. Metode ESP neuro evolusi
adalah cara yang efektif untuk menghasilkan kegotong-royongan. Itu
Bagian eksperimental untuk mempelajari kerjasama dan
komunikasi dalam makalah ini adalah tugas mangsa-capture. Its
implementasi, ESP dan Multi agen metode ESP adalah
digambarkan sebagai
 Pelaksanaan Prey-Capture
 Implementasi Neuro evolusi.
Dalam setiap percobaan, pendekatan yang berbeda diuji
sepuluh kali memiliki populasi awal random yang berbeda. Itu
hipotesis dianalisis lebih lanjut dalam dua cara. Menerapkan

beberapa pendekatan dan membatasi koordinasi stigmergic
yang masalah masa depan yang akan dibahas [24].
 Komunikasi, Kerjasama dan Koordinasi dalam
Ad-Hoc Lingkungan oleh Diego Casado Mansilla,
Andres Navarro Guillen & Juan R. Velasco (2008):
Jaringan nirkabel dikategorikan menjadi dua yang berbeda
pendekatan:
 jaringan nirkabel terpusat
 jaringan Desentralisasi bernama Ad-hoc
Berikut masing-masing perangkat berpartisipasi dalam jaringan ini bertindak sebagai
simpul otonom dan mampu berkomunikasi langsung dengan
setiap node melalui media nirkabel. Sebuah nirkabel Ad-hoc
jaringan adalah node dikumpulkan otonom berkomunikasi
dengan satu sama lain dan membentuk jaringan radio multi-hop. Sebagai
node berkomunikasi melalui link nirkabel, mereka harus
bersaing dengan efek komunikasi radio sebagai:
 Kebisingan
 Memudar
 Interferensi.
JADE digunakan sebagai middleware untuk sistem agen multi-dengan
Spesifikasi FIPA. Direktori Fasilitator (DF) dan baru
mendaftar disebut Agen Management System (AMS) digunakan untuk
mengontrol setiap agen pada platform. Jadi agen dapat
menjaga komunikasi antara mereka dan menempel mereka
layanan [25].
International Journal of Research terbaru dalam Sains dan Teknologi.
ISSN: 2278-5299 150

Perencanaan online  untuk sistem multi-agen dengan
komunikasi dibatasi oleh Feng Wu, Shlomo
Zilberstein, Xiaoping Chen (2011):
Sebuah algoritma secara online ditarik yang dapat merencanakan bawah
ketidakpastian dalam MAS dikenal sebagai Desember-POMDPS, yaitu
desentralisasi parsial diamati proses keputusan Markov.
Hal ini dapat memberikan semua informasi saat ini terdapat. Sebuah solusi
diberikan online untuk mencari kebijakan. Ini adalah cara yang luar biasa untuk
mengkoordinasikan agen. Agen dapat menghafal sejarah
peristiwa. Hal ini dapat mengatasi dengan saluran komunikasi terbatas.
Karena setiap agen memiliki pengetahuan yang terbatas, mereka harus tahu
banyak kemungkinan situasi pengetahuan ini. Algoritma ini
memudahkan. Hal ini meningkatkan tractability dan kinerja
MAS. Model yang ditampilkan adalah:
 Model resmi
 Model Offline
 Model secara online
Kerangka kerja ini dapat diimplementasikan dalam beberapa masalah
sebagai kotak-sepakbola [26].
 Spesifikasi Operasional dari Komitmen Berbasis
Agen Komunikasi Bahasa oleh Nicoletta
Fornara, Marco Colombetti, Politecnico di Milano
(2002):
Para penulis menyatakan metode operasional menggambarkan bagaimana
Pesan dibagi antara agen di lingkungan terbuka.
Hal ini didasarkan pada ACL. ACL tergantung pada pidato teori tindakan yang

adalah sarana interaktif antara agen buatan. Salah satu
Pendekatan ini mentalistik yang menunjukkan agentsí jiwa
negara. Kerugiannya dapat dilihat di mana MAS terdiri
oleh agen heterogen kompetitif dengan vendor yang berbeda.
Untuk mengatasi hal itu, pendekatan diikuti adalah:
 Komitmen berdasarkan pendekatan
 Pendekatan Percakapan.
Aplikasi sosial dinyatakan secara singkat yang didasarkan pada
analisis gagasan primitif komitmen. Berbagai aspek
komunikasi yang digunakan di sini. Para agen berinteraksi
diri berinteraksi.
 Dalam komunikasi sosial, objek komunikatif
doesnít tergantung pada struktur internal dari agen dan perusahaan
Kondisi mental. Dua agen direpresentasikan sebagai
debitur dan kreditur. Komunikasi A mungkin
terpenuhi, melanggar atau dibatalkan.
 Dalam komunikasi bersyarat, tindakan didasarkan pada
kondisi sebelumnya.
 Dalam pembicara komunikasi pra dan pendengar
berkomunikasi.
Proposisi sementara dapat di salah satu dari tiga negara. Mereka
adalah:
1) Benar
2) Salah
3) Undefined
Sistem antarmuka terbuka terdiri dari:
 agen Segmented

 objek Komunikatif
 objek proposisi Temporal
 tindakan Komunikasi
 Mengatur rutinitas
Kelas komunikasi terdiri dari
1) Bidang
2) Konteks
3) Ketentuan
4) Waktu-out
Ketegasan adalah properti yang memberitahu pendengar tentang
pernyataan dari kebenaran. Commissives berkomitmen debitur untuk
kreditur untuk melakukan tindakan dalam waktu. Arahan
mengarahkan untuk melakukan tindakan dalam waktu. Konjungsi dari
proposal komisif bersyarat langsung dan kondisional memiliki
telah ditarik. Sebuah aplikasi telah ditunjukkan untuk meresmikan itu
[27].
 Sebuah sistem agen Koperasi multi Infrastruktur untuk
Heterogen Sensor Lingkungan oleh Taishi Ito,
Yasuhiro Kurita, Hideyuki Takahashi, Kazuto Sasai,
Gen Kitagata, Tetsuo Kinoshita (2013):
Para penulis telah menerapkan kerangka koperasi
berdasarkan MAS cocok untuk sensor heterogen
lingkungan dan peralatan rumah. Mereka telah menghadapi beberapa
kesulitan teknis, meskipun mereka berhasil menemukan dua
metode:
 Agentification
 Protokol

Kerangka diusulkan untuk jaringan sensor adalah:
 Konteks toolkit [28]
 Kegiatan didorong prosesor [29]
 sistem berbasis agen Ponsel menggunakan middleware [30]
 Pengumpulan data [31]
Para agen yang telah digunakan dalam arsitektur ini adalah:
 Sensor perangkat agent
 agen dunia nyata
 Sensor aplikasi agen
 agen Manajer
Proses agentification menyatakan berdasarkan AMUSE
[32]. Contoh aplikasi telah diberikan melalui
Proses protokol komunikasi yang terdiri dari empat sensor
perangkat dan satu agen dunia nyata dan agen khusus yang dikenal
sebagai manajer agen. Beberapa mekanisme bernama Phidgets [33], eNODE [34] dll telah digunakan dalam prospek ini. Peringatan gas dan
Aplikasi humidifikasi dibuat melalui eksperimen untuk
menjelaskan kerjasama antara agen heterogen [35].
 Adaptive Multi agen sistem: Kerjasama Dan
Struktur Munculnya oleh Imane Boussebough,
Ramdane Maamri, ZaÔdi Sahnoun (2010):
Suatu pendekatan adaptif berdasarkan GA dan evaluasi memiliki
telah diusulkan dalam makalah ini di mana agen yang digunakan dalam
kerjasama solusi masalah. Satu set agen tugas dan
agen mediator adalah dua komponen utama. GA digunakan oleh
agen mediator dalam peningkatan kerjasama. Para penulis
telah menarik arsitektur yang didasarkan pada GAMUS- genetik

adaptif sistem agen multi-[36]. Sebuah deskripsi sistem
termasuk agen mediator, agen tugas, dan pandangan singkat
Keyakinan koperasi agen tugas yang berbeda telah diberikan.
Mekanisme adaptasi di tingkat lokal maupun tingkat global memiliki
telah dijelaskan. Tingkat lokal tergantung pada keyakinan kerjasama
dan evaluasi interaktif. Tingkat global digunakan ketika
batas yang telah ditetapkan tertentu disilangkan dalam proses. Masing-masing
individu dalam evolusi genetik ditransformasikan ke MAS. Setelah
evaluasi, seleksi diterapkan untuk kromosom tertentu
untuk mutasi lebih lanjut. Penulis telah menyatakan algoritma untuk
setiap tahap. Sebuah implementasi membentuk agen sniffer di
Platform JADE telah terbukti. Mereka telah mewakili mereka
eksperimen dalam teknik adaptasi global. Masa depan
usulan dari makalah ini meliputi studi metrik
koperasi keyakinan dan interaksi kualitas [37].
International Journal of Research terbaru dalam Sains dan Teknologi.
ISSN: 2278-5299 151

 Penelitian pada Novel multi sistem agen Kerjasama
Model oleh Pu Wang, Ling Peng (2007):
Makalah ini difokuskan pada koperasi co-evaluasi antara
MAS. Algoritma genetika koperasi co-evaluasi (CCGA)
terdiri dari beberapa sub populasi yang menyediakan kemungkinan
solusi. Kerjasama terjadi antara sub populasi yang berbeda
dimana persaingan terjadi pada sub populasi yang sama. Itu
solusi adalah baik optimal lokal atau optimal global. Pertambangan
Metode ini didasarkan pada CCGA termasuk fitur

paralelisme dan kerjasama dilaksanakan pada hal-hal yang nyata.
Model bernama Model agen lain telah dijelaskan dengan
sifat-sifatnya. Makalah ini berakhir menggambarkan
pelaksanaan algoritma CCGA dan memberikan simulasi
percobaan tiga agen bergerak delapan objek [38].
 multi agen Koordinasi dan Kerjasama melalui
Klasik Perencanaan oleh Yannis Dimopoulos, Pavlos
Moraitis (2006):
Para penulis telah menggunakan beberapa agen memiliki
kemampuan komplementer yang bekerja sama untuk menghasilkan
berencana untuk memiliki target ini yang tidak akan membuat kesulitan untuk
satu sama lain. Proposal ini bekerja dengan perencanaan klasik
algoritma. Kerjasama dan koordinasi masalah
tergantung pada algoritma branch and bound untuk menemukan solusi
menggunakan SATPLAN [39]. Teori agen dijelaskan
melalui bahasa strip dan kedua konsep penggunaan proposisi
satisfiability perencanaan berbasis. Paralel berdasarkan Graphlan
encoding [39] telah digunakan untuk fokus pada ini. Setelah itu
penulis menggambarkan pandangan teoritis dan matematis
koordinasi agen multi-dan algoritma koordinasi.
Dalam koordinasi, dua agen didefinisikan sebagai bantuan kepada
tujuan target dan dijelaskan dalam masalah bantuan. Itu
evaluasi eksperimental dan peningkatan kualitas
algoritma yang diusulkan dalam pekerjaan di masa depan dalam makalah ini [40].
 Konsensus dan Kerjasama di Jaringan multi
sistem agen: Algoritma yang menyediakan cepat
kesepakatan dan kerja sama antara semua peserta

memungkinkan kinerja tugas yang efektif oleh mengorganisir diri
sistem jaringan oleh Reza Olfati-Saber, J. Alex Fax,
dan Richard M. Murray (2007):
Makalah ini memberikan struktur teoritis yang menganalisis
algoritma untuk sistem jaringan agen multi-. Itu
ikhtisar konsep dasar informasi konsensus
konvergensi dan analisis kinerja untuk algoritma adalah
digambarkan. Analisis Kerangka dirumuskan pada:
 Teori Matrix
 aljabar teori graf dll
Koneksi dibahas antara konsensus
masalah dalam aplikasi, jaringan, proses Markov dan
beberapa bidang. Ada koneksi langsung antara spektral
dan sifat struktur jaringan yang kompleks. Sebuah singkat
pengenalan pada sistem jaringan diberikan dengan nonlokal
arus informasi, lebih cepat dari sistem terdistribusi. Itu
Hasil simulasi disajikan yang menggambarkan dunia kecil
efek pada kecepatan algoritma konsensus dan yang
kontrol koperasi. Untuk menganalisis algoritma konsensus
sistem agen multi-dengan topologi, kerangka disediakan.
Peran kerjasama dalam koordinasi didistribusikan
sistem otonom jaringan diklarifikasi dan efek
kurangnya kerjasama yang ditunjukkan oleh contoh. Ini
menunjukkan bahwa laplacians grafik, matriks stokastik nonnegatif,
dan konektivitas aljabar dari grafik dan digraf memainkan
peran penting dalam analisis algoritma konsensus. Ini
membuktikan bahwa algoritma dari grafik yang identik dengan diri-loop dan

adalah algoritma konsensus yang luar biasa dari Olfati-Saber dan
Murray. Sejumlah sifat spektral dasar
Perronmatrices terbukti. Hal ini membantu untuk menganalisis
algoritma dalam waktu kontinu dan diskrit-waktu. Simulasi
Hasil aspek yang berbeda disajikan [41].
 Kerjasama multi sistem agen Menggunakan Belajar
Automata oleh M. R. Khojasteh, M. R. Meybodi
(2002):
The automata belajar diselidiki sebagai metode
belajar. Mereka dikategorikan ke dua keluarga utama yang
milik:
 Tetap
 Struktur Variabel
Jumlah negara dalam domain sepak bola robot simulasi
sangat besar. Dengan demikian, mengingat semua agen tidak mungkin. Di
metode generalisasi sederhana keadaan pemain adalah
dipetakan dengan dan tanpa bola ke 4 negara. Pembelajaran
automata digunakan untuk mencapai tujuan tim umum. Di sana
mungkin menjadi masalah untuk memetakan beberapa negara yang berbeda untuk tunggal a.
Metode pembelajaran dievaluasi dengan simulasi dengan
tim yang baru-baru ini mengambil bagian dalam RoboCup dunia
kompetisi. Metode yang diberikan adalah metode umum yang
dapat juga digunakan dalam domain lainnya atau tes-tempat tidur lain dengan
beberapa perubahan kecil [42].
 Penguatan Learning di Koperasi MultiñAgent
Sistem oleh Hao Ren:
Tujuan utama dari makalah ini adalah untuk memberikan tinjauan tentang

kooperatif learning agen multi-. Ada banyak jenis
pembelajaran agen multi-. Agen dapat berkomunikasi atau non
berkomunikasi. Berikut agen non-berkomunikasi yang
dipertimbangkan. Untuk koperasi pembelajaran multi-agen, ada
pembelajaran tim atau belajar bersamaan. Tiga bidang penelitian
menunjuk bawah pembelajaran bersamaan. Agen yang
dihargai dalam kelompok berdasarkan tindakan bersama mereka. Penulis memiliki
menyatakan konsep penghargaan global. Pembelajaran umum
masalah dapat dimodelkan sebagai proses stokastik. Teman-atauFoe Qñlearning (FFQ) dinyatakan secara singkat. QUICRñlearning
memberikan reward untuk masing-masing dengan tujuan sistem. Disebabkan oleh
yang tidak sama-share tugas kredit, meningkatkan pahala dari
Agen mungkin tidak memberikan hasil yang jelas dalam meningkatkan pahala
semua rekan kerja nya. Tugas kredit ini dapat membuat sangat
skenario non-kooperatif. Oleh karena itu, secara umum jumlah game
diterapkan pada pembelajaran kooperatif dan bahkan di non
Skenario koperasi [43].
 Belajar untuk bekerja sama dalam sistem multi agen oleh
menggabungkan Q-learning dan strategi evolusi oleh
Mary McGlohon dan Sandip Sen (2005):
Banyak permainan koordinasi dimodelkan sebagai matriks yang
merupakan pilihan yang berbeda dari tindakan untuk pemain. Itu
tindakan sepanjang diagonal dari matriks memiliki hadiah yang lebih tinggi
daripada tindakan lainnya. Game koordinasi tunggal-tahap yang
digunakan sebagai model untuk mempelajari koordinasi di MAS.
Belajar Penguatan adalah metode umpan balik berdasarkan umum
untuk mesin belajar. Hal ini memungkinkan agen untuk membuat keputusan untuk

tindakan yang menguntungkan tanpa memerlukan pengawas untuk
menentukan pilihan tindakan yang terbaik.
 Agen-utilitas berbasis mempelajari fungsi utilitas untuk
melakukan tindakan.
International Journal of Research terbaru dalam Sains dan Teknologi.
ISSN: 2278-5299 152

 Seorang agen Q-learning belajar fungsi kebijakan dan
berlaku fungsi untuk memetakan negara, memaksimalkan
Penghargaan. Watkins dikembangkan Q-pembelajaran yang digunakan dalam
penguatan algoritma belajar.
Seorang agen dalam algoritma genetika berisi kode genetik,
yang menentukan kinerja agen dalam siklus hidupnya. Itu
Parental Advisory Evolusi Strategi (Paes) sistem
disajikan yang merupakan modifikasi dari genetik klasik
algoritma. Paes-Q dikembangkan sebagai pelajar untuk menggabungkan
algoritma evolusioner. Sebuah matriks diagonal optimal digunakan
untuk pengujian. Strategi evolusi menggunakan seleksi alam dapat
diterapkan untuk belajar tindakan yang optimal dalam koordinasi diulang
game [44].
 Munculnya dalam sistem kognitif multi agent oleh
Andrei Olaru, Adina Magda Florea (2009):
Tempat kertas:
 Penggunaan munculnya beberapa sistem agen reaktif
 Perbaikan agen kognitif menghormati untuk reaktif
agen
 Munculnya dalam sistem agen kognitif.

Di bidang perilaku multi-sistem agen muncul
menganalisis sistem agen reaktif. Dalam agen reaktif
sistem organisasi yang muncul adalah sifat fisik. Sebuah
agen kognitif jauh lebih dekat dengan definisi ini.
Keuntungan yang agen kognitif memiliki lebih reaktif
agen adalah:
1) Ini adalah proaktif.
2) Dalam tidak adanya sinyal atau persepsi, kognitif
agen dapat melakukan perannya dengan sendirinya.
Sistem agen reaktif menghasilkan hasil yang lebih tinggi. Kognitif
agen memiliki tujuan yang pasti. Contoh sederhana bisa Game
Hidup Seluler Automaton. Tujuan dari makalah ini adalah untuk
menentukan prospek yang berbeda dari munculnya di agen kognitif
sistem [45].
 Muncul Properti untuk Distribusi data dalam
MAS kognitif oleh Andrei Olaru, Cristian Gratie,
dan Adina Magda Florea (2009):
Sebuah sistem agen kognitif yang dapat menyimpan data telah
dirancang dan diimplementasikan. Sifat-sifat yang muncul adalah:
 distribusi Uniform
 ketersediaan data.
Munculnya membutuhkan dua tingkat:
1) tingkat mikro
2) tingkat Makro
Dalam makalah ini sistem multi agen disajikan bahwa penggunaan
agen kognitif untuk memperoleh sifat muncul. Sistem
teknik yang digunakan dari agen reaktif mengorganisir diri,

meskipun fitur kognitif agen disertakan juga.
Sebuah aplikasi telah dikembangkan dan eksperimen memiliki
telah dilakukan untuk menunjukkan bagaimana muncul mungkin timbul dalam
Sistem terbentuk dari agen kognitif. Sistem ini menggunakan
agen kognitif dan pelaksanaannya didasarkan pada
Keyakinan-Hasrat-Niat Model (BDI). Banyak percobaan
dilakukan. Para penulis telah disajikan kognitif
sistem agen multi-dengan interaksi agen untuk memecahkan
masalah [46].
 Munculnya komunikasi dalam sistem multi agen
menggunakan pembelajaran penguatan oleh Maciej A.
Mazurowski, Jacek M. Zurada (2006):
Munculnya komunikasi dan pendekatan untuk
semantik bahasa disajikan dalam kertas di atas. Itu
entitas agen yang berhubungan dengan sinyal bahasa di beberapa
diberikan pendekatan. Sinyal komunikasi mengubah
keadaan internal agen lain melalui tindakan mereka.
Penguatan belajar dalam sistem multi agen yang dipilih untuk
model munculnya komunikasi mudah
kompatibilitas. Ini adalah trial and error metode untuk memperbaiki diri.
Para agen digunakan sebagai pembelajar individu. Mereka membuat
pertumbuhan eksponensial di agen. Pengirim mengirimkan sinyal ke
penerima mengubah negara dan lawan melakukan nya
tindakan sesuai dengan itu. Sinyal negara doesnít memiliki
Properti Markov dan fungsi transisi tidak diketahui dengan
agen. Dua kasus dianggap melalui eksperimen:
1) Ketika komunikasi antara agen tidak mungkin

2) Ketika itu mungkin.
Aplikasi utama dari pendekatan ini adalah sebuah munculnya
komunikasi dalam tugas-berorientasi, multi agen heterogen
sistem. Kerangka kerja ini dapat diuji lebih lanjut untuk lebih
modul kompleks [47].
 Sinkronisasi Jaringan multi agen Sistem
dengan Sampling Komunikasi oleh Qiang Jia, Ying
Liu, dan Wallace Tang (2010):
Sinkronisasi jaringan sistem multi-agen memiliki
diteliti dengan komunikasi sampling. Ini
diasumsikan bahwa sistem multi agen jaringan dikomunikasikan
dengan cara sampling data dan topologi jaringan yang berbeda
pada periode sampling dipelajari untuk menjamin sinkronisasi.
Penelitian ini dilakukan sebagai:
 Konversi masalah sinkronisasi bawah
kerangka linear matriks ketidaksetaraan (LMI) teori
 Merumuskan menjadi masalah optimasi diselesaikan dengan
pemecah GEVP di MATLAB Kontrol Kuat
toolbox.
Masalah sinkronisasi ulang sebagai LMI dan
masalah optimasi dirumuskan demikian. Beberapa numerik
simulasi disajikan untuk menggambarkan pendekatan, dan
topologi jaringan pada periode sampling untuk sistem ini
menyelidiki [48].
 metode generasi perilaku Koperasi menggunakan lokal
komunikasi untuk didistribusikan sistem multi agen
oleh asayoshi Nagao, Tsutomu Miki (2010):

Konsep komunikasi lokal yang berorientasi multi-agent
Sistem telah difokuskan di koran. Aturan aksi
agen didasarkan pada aturan Boid. Mereka sederhana. Sebuah
Tugas sekitarnya dianggap sebagai tugas yang kompleks. Tugas
terdiri dari dua tugas:
 Sasaran pencarian
 sekitarnya dengan agen lainnya dalam diketahui
lingkungan Hidup
Setiap agen menangkap informasi dari lingkungan dengan sensor.
Agen ini memiliki tiga sensor yang berbeda-range dan terbatas
menjauhkan fasilitas komunikasi lokal. Dalam diusulkan
sistem, mekanisme kerjasama berbasis negara diperkenalkan.
Model agen diusulkan mempersiapkan lima negara untuk mencapai
tugas yang kompleks sebagai berikut:
1) Cari: mencari target.
2) Cari: mendekati target.
3) Tunggu: menunggu target.
4) Sekitarnya: sekitar target.
5) Beacon: penyiaran posisi target untuk lainnya
agen.
International Journal of Research terbaru dalam Sains dan Teknologi.
ISSN: 2278-5299 153

Kinerja model yang diusulkan diselidiki oleh
simulasi komputer. Efek dari komunikasi lokal
antara agen untuk kolaborasi diselidiki. Penggunaan
tingkat pencocokan diselidiki oleh simulasi komputer

dalam dua kasus berikut:
1) Tingkat pencocokan berubah menurut agen
Situasi.
2) Tingkat pencocokan ditetapkan oleh nomor acak
mulai dari 0 ke 1 [49].
 Manajemen Sumber Daya Kognitif Radio Menggunakan multi
sistem agen oleh Jiang Xie, Ivan Howitt, dan Anita
Raja (2007):
Radio kognitif memberikan solusi potensial untuk lebih
pemanfaatan spektrum yang efisien. Sebuah komunikasi yang seimbang
Sistem yang dibutuhkan untuk mencapai pemanfaatan spektrum yang efisien.
Salah satu aplikasi mungkin WLAN multi-domain
lingkungan Hidup. Arsitektur manajemen sumber daya untuk beberapa
WLAN menggunakan sistem multi agen diusulkan. Setiap ponsel
Stasiun beroperasi dalam lingkungan yang dinamis di mana RF
waktu bervariasi co-channel interferensi sumber terdiri. RF
Lingkungan Sensing digunakan untuk memperkirakan sinyal
karakteristik dari kedua klaster WLAN serta potensi
sumber gangguan. Optimasi ini mengoptimalkan keseluruhan
Kinerja WLAN. Sumber daya berbasis pihak ketigaarsitektur manajemen diusulkan untuk memfasilitasi
koperasi manajemen sumber daya multi-domain. Untuk mengatasi
masalah alokasi sumber daya yang melibatkan sumber daya WLAN
manajemen adalah Moto di sini. Dalam tulisan ini, itu diselidiki
yang bagaimana dinamis mengelola sumber daya bersama radio
antara beberapa jaringan radio kognitif non-kooperatif
menggunakan sistem multi agen [50].

 Sebuah sistem multi agen Self-didiagnosis Mengingat
Dinamis Beban Komunikasi Sharing oleh
Keinosuke Matsumoto, Akifumi Tanimoto, Naoki
Mori (2010):
Para penulis telah menggambarkan kebutuhan mendeteksi
kesalahan otonom dalam sistem multi-agen di koran. Itu
kerusakan di sistem multi agen disebut agen rusak.
Penelitian ini berkaitan dengan tiga jenis kegagalan. Saling
diagnosis dalam algoritma diri didiagnosis diungkapkan oleh
diarahkan grafik. Definisi sistem yang sangat terstruktur
dan karakter diberikan bersama. The diri didiagnosis
algoritma memiliki dua kelemahan:
 Ketika semakin agen termasuk dalam suatu sistem, maka
komunikasi lebih meningkat lalu lintas.
 hasil tes saling yang dihasilkan harus melakukan sinkronisasi
melalui semua unit.
Masalah dapat diselesaikan dengan memperkenalkan didistribusikan
jenis elemen serta dalam jenis konsentrat elemen.
Sistem dinamis tinggi telah mencakup empat proses:
1) Sistem rekonfigurasi
2) Perhitungan keandalan
3) Pemilihan kelompok yang paling dapat diandalkan
4) Penentuan agen rusak.
Kondisi awal dari sistem lingkaran multi-agent dan
Percobaan pada beban komunikasi antara agen
disebutkan juga [51].
 Sebuah teoritik Kerangka permainan untuk Komunikasi di

Sepenuhnya diamati multiagen Sistem oleh
Tummalapalli Sudhamsh Reddy, Gergely Zaruba,
Manfred Huber (2012):
Konsep utama di koran difokuskan pada apa yang harus
berkomunikasi dalam multi koperasi sebagian diamati
sistem agen di mana semua agen berbagi tim umum
reward dan agen individu tidak boleh egois. Sebuah
metodologi untuk model komunikasi sebagai permainan adalah
disajikan. Ini berbeda dari kebanyakan bekerja pada teori permainan.
Teori permainan adalah kerangka matematika untuk mempelajari
interaksi antara agen independen dan rasional.
Rasionalitas membuat agen untuk bertindak dalam lingkungan dengan
menyeimbangkan biaya seperti untuk memaksimalkan utilitas. Sebuah
permainan stochastic adalah kerangka kerja yang luas yang generalizes
Markov Keputusan Proses dan permainan diulang. Sebuah generalisasi
sum diskon jumlah imbalan masa depan permainan stochastic
didefinisikan sebagai tupel
 (S, N, A, P, R, ").
Bentuk yang luas merupakan representasi alternatif dari game
memberikan asumsi eksplisit tentang urutan ke agentsí
tindakan. Ada dua jenis bentuk permainan yang luas:
1) formulir informasi akurat game
2) bentuk informasi Imperfect game.
Dalam seleksi keseimbangan, konsep yang berasal dari
dominasi hasil dan dominasi risiko sebagai dua yang berbeda
kriteria seleksi untuk memilih Nash equilibrium ketika
beberapa Nash kesetimbangan hadir. Argumen itu di

apakah dominasi hasil harus menjadi kriteria pertama yang
diterapkan. Argumen ini kemudian diekstrak dan diusulkan untuk
mengambil dominasi risiko sebagai kriteria seleksi yang relevan. Itu
Risiko keseimbangan dominan adalah salah satu yang agen dapat bermain dengan
keyakinan terpercaya bahwa agen lain juga akan memilih yang sama
kesetimbangan. Asumsi dalam makalah ini adalah bahwa dunia adalah
benar-benar diamati. Dalam dunia sepenuhnya diamati semua agen
mengetahui keadaan yang dibutuhkan. Oleh karena itu, para agen tidak perlu untuk
mengkomunikasikan informasi apapun. Informasi penting adalah
apa yang akan mereka lakukan selanjutnya [52].
 Pendekatan semantik A untuk KQML: tujuan umum
Bahasa komunikasi untuk agen perangkat lunak dengan
Yannis Labrou, Tim Finin (1994):
KQML diselidiki dan diusulkan sebagai semantik
Bahasa kerangka. Ini adalah protokol cum bahasa untuk mendukung
komunikasi antara agen perangkat lunak. Dari tindak tutur
teori, deskripsi semantik diberikan untuk KQML yang
menggambarkan negara kognitif agen dengan bahasa ini
primitif. KQML dapat diimplementasikan sebagai komunikator
bahasa untuk agen perangkat lunak tanpa komitmen. Itu
kecerdasan buatan didistribusikan dan koperasi didistribusikan
pemecahan masalah dapat terjadi melalui KQML di semua cerdas
lingkungan. Programmer terwujud semantik
melalui fungsi pengendali melalui tulisannya. Kerangka ini
didukung oleh modul software yang akan memandu dan membatasi
kemungkinan penggunaan primitif bahasa berdasarkan tindak tutur
teori. Di masa depan, diusulkan untuk menerapkan semantik

Pendekatan dan menyempurnakan KQML agen [53] berbicara.
 KQML sebagai Agen Komunikasi Bahasa oleh
Tim Finin dan Richard Fritzson, Don McKay dan
Robin McEntire ():
KQML digambarkan sebagai sebuah protokol yang digunakan untuk pertukaran
informasi serta pengetahuan. ARPA adalah pengetahuan
sharing metode yang dikembangkan untuk membangun skala besar sharable
basis pengetahuan. KQML sendiri adalah format pesan ke
dukungan run-time berbagi pengetahuan dalam agen. Pidato
Tindakan banyak dipengaruhi oleh KQML. Agen dapat menggunakan substrat
di mana model-tingkat yang lebih tinggi dari interaksi antar agen terjadi.
International Journal of Research terbaru dalam Sains dan Teknologi.
ISSN: 2278-5299 154

Agen dikoordinasikan oleh fasilitator komunikasi.
Desain KQML diakses oleh prototipe untuk mendukung
tempat tidur uji di beberapa daerah yang cerdas. Hal ini dapat digunakan di masa depan
sebagai didistribusikan builder informasi agen.