周 正

（北京師范大學哲學學院，北京 100875）

國外關(guān)于理性Agent的信念-愿望-意圖（Belief-Desire-Intention，簡稱BDI）模型及其哲學解釋的文獻豐碩[1]。例如，丹尼特（Dennett）探討了理性Agent意圖的哲學基礎(chǔ)[2]；布拉特曼（Bratman）研究了其實踐推理[3]；拉奧（Rao）和喬治夫（Georgeff）給出了其簡潔而抽象的邏輯語義[4]；喬治夫（Georgeff）和蘭斯基（Lansky）給出的過程推理系統(tǒng)PRS[5]，是對理性Agent的BDI模型的實現(xiàn)。

雖然理性Agent的BDI模型在多個領(lǐng)域都有著諸多成功的應用實例，如：航天飛機的診斷、工廠的過程控制、商業(yè)過程管理，仿人機器人，等等[6]。但是BDI模型卻有兩個弱點：一是缺少學習能力；二是缺少顯著的多Agent功能[7]。本文將在埃爾南德斯（Hernández）等工作的基礎(chǔ)上[8]，探討多BDI-Agent系統(tǒng)中的學習機制。

本文在艾維諾（Inverno）等分布式多Agent推理系統(tǒng)dMARS說明的基礎(chǔ)上[9]，從多Agent 系統(tǒng)學習的視角，揭示了如何把一個BDI 結(jié)構(gòu)擴展成帶有學習機制的BDI 結(jié)構(gòu)。為此，需要運用歸納邏輯編程方法[10]和邏輯決策樹歸納[11]，讓Agent 學習規(guī)劃何時可以執(zhí)行，因為Agent 的學習行為可以由規(guī)劃背景來表示，即由實踐推理選擇的BDI模型的組成部分來表示。

一、BDI-Agent的體系結(jié)構(gòu)

Agent 的BDI 模型可以通過意圖系統(tǒng)和實踐推理理論這兩個與意圖性有關(guān)的理論，實現(xiàn)自主行為。丹尼特把意圖系統(tǒng)定義成具有愿望和其他命題態(tài)度的實體[2]。布拉特曼的實踐推理理論認為[3]：Agent可以理解自己和他人，該理解的基礎(chǔ)是信念、愿望和意圖，而且意圖被看作是規(guī)劃的一部分。利用這些與意圖相關(guān)的概念，可以對Agent行為進行形式化的描述，即根據(jù)信念、愿望和意圖（BDI），得到Agent 的意圖，并用這種意圖描述，以一種相容的方式設計Agent，這種Agent 就是一個實踐推理系統(tǒng)。BDI邏輯可以對意圖和實踐推理的不同方面進行形式化的研究[4]。

本文將利用如下圖1中的場景，描繪帶有學習能力的多BDI-Agent結(jié)構(gòu)。在此場景中，有一個雙手機器人（即agent r1）、一個木板（board）、一個打磨機（sander）、一個繪畫噴漆器（paint sprayer）和一個鉗子（vise）。給機器人設定不同的目標，如打磨木板或給自己畫像。這兩個目標是不相容的，因為當機器人成為被繪畫的對象時，它就有一段時間不能操作了（它的狀態(tài)從ok 變成painted）。機器人有不同選擇（即規(guī)劃）去達成目標。有可能在環(huán)境中引入其他機器人（例如agent r2）進行社會交互實驗，如共享目標、資源競爭等[8]220。

圖1 簡單的實例場景及其簡化的BDI規(guī)劃

（一）BDI模型

一般來說，一個BDI-Agent模型的體系結(jié)構(gòu)，可以根據(jù)信念、愿望、事件隊列、規(guī)劃和意圖這五個方面的數(shù)據(jù)結(jié)構(gòu)加以說明[8]220-223。

信念：信念表示有關(guān)世界的信息。每個信念都表示成一階邏輯的基本表達式。非基本表達式用來定義規(guī)劃。通過環(huán)境感知和執(zhí)行意圖可以更新信念。例如，圖1 展現(xiàn)的場景可以表示成如下信念：(p-state r1 ok)、(p-at sander free)、(p-at board free)、(p-handfree r1 left)、(p-handfree r1 right)、(p-at sprayer free)，其中free是一個常元，表示物體沒有被鉗住或被Agent占用，其他基本表達式就是字面意思。

愿望：愿望有時被稱為目標，與分配給Agent的任務對應。通常認為各種愿望之間在邏輯上是一致的。愿望包括信念達成和情境測試，情境測試用情境公式來表示，一個情境公式就是一個信念公式或信念公式的合取或析取，例如(test(and(p-state r1 ok)(p-freehand r1?x)))。所有以“?”開頭的字符串都是變元，而所有以“p-”開頭的字符串都是謂詞符號。

事件隊列：Agent 的感知被映射到儲存在隊列中的事件。事件包含獲取或刪除信念（如(add-bel(p-sand board))）、接收信息（如(told r2(achieve(p-sand board)))）和獲取新目標。這些實例都得到了簡化，而且事件得以實現(xiàn)時的結(jié)構(gòu)保存了歷史信息蹤跡；顯示的內(nèi)容對應于觸發(fā)器，該觸發(fā)器是事件的組成部分，可以用來識別這些結(jié)構(gòu)。信息的接收和發(fā)出可以實現(xiàn)多BDI-Agent系統(tǒng)的能力。

規(guī)劃：BDI-Agent 通常有一個預定義的規(guī)劃庫。每個規(guī)劃都包含幾個部分，如圖1 的簡化規(guī)劃就是如此。在圖1 中plan-id 用來識別規(guī)劃庫中的規(guī)劃。圖1 場景中的規(guī)劃就是p007。觸發(fā)器相當于規(guī)劃的調(diào)用條件，說明規(guī)劃需要處理的事件。規(guī)劃p007 由形式為(achieve(p-sanded?obj))的事件觸發(fā)。在該實例中允許使用變元。如果Agent 在事件隊列中登記一個形式為(achieve(p-sand board))的事件，那么該Agent 會認為p007 是處理此事件的相關(guān)規(guī)劃。被表示成一個情境公式的背景可以詳細說明執(zhí)行規(guī)劃的環(huán)境。

如果Agent 有一只手是自由的，且待打磨的物體也是自由的，那么規(guī)劃p007就是可執(zhí)行的。規(guī)劃體表示行動的可能方案。規(guī)劃體是樹形結(jié)構(gòu)，其節(jié)點相當于狀態(tài)，其弧線相當于Agent的行動或目標。p007的規(guī)劃體從一個外部行動開始，由“*”開頭的符號(*pickup?x)進行標識。外部行動類似于Agent能直接執(zhí)行的過程。之后規(guī)劃體還有兩個目標。當規(guī)劃執(zhí)行時，給事件隊列通告目標，然后考慮其他能執(zhí)行該事件的規(guī)劃，等等。另外，規(guī)劃有一些維持條件，用于描述繼續(xù)執(zhí)行該規(guī)劃必須保留的環(huán)境，規(guī)劃的成功和失敗由一個內(nèi)在行動集加以說明。一些BDI結(jié)構(gòu)還包含該規(guī)劃效用的一些標準。

意圖：意圖是Agent 承諾執(zhí)行的行動方案。每個意圖作為一個規(guī)劃實例棧加以實現(xiàn)。在圖1的場景中，規(guī)劃p007與響應事件(achieve(p-sanded board))相關(guān)。如果一個規(guī)劃背景是Agent信念的結(jié)果，那么該規(guī)劃就是可執(zhí)行的。一個規(guī)劃實例由一個在規(guī)劃庫中定義的規(guī)劃以及與該規(guī)劃相關(guān)的適當替換組成，如（board/?obj,left/?hand,r1/?ag）。如果觸發(fā)規(guī)劃的事件是外部事件，即沒有規(guī)劃促使該事件發(fā)生，那么就創(chuàng)建一個空棧，并把該規(guī)劃壓入到此空棧中。如果該事件是內(nèi)部事件，即該事件是由一個規(guī)劃促成的，那么該規(guī)劃實例就壓入到一個已存在的棧中，而且該棧包含促成該事件的規(guī)劃。例如，在圖1 的場景中，設想在執(zhí)行p007 時，產(chǎn)生了一個處理事件(achieve(p-at(board,vise))的規(guī)劃實例p005，那么該規(guī)劃實例就會壓入到包含p007的棧中，得到結(jié)果(p005 p007)。

這些結(jié)構(gòu)與一個解釋器相互作用（如圖2所示），而且該解釋器可能有不同的算法，最簡單的算法包括如下5個步驟[8]222：

圖2 受“dMARS說明”啟發(fā)的BDI結(jié)構(gòu)

（1）通過感知和內(nèi)部行動來更新事件隊列，反映已觀察到的事件；

（2）選擇一個事件，通常是隊列里面的第一個事件，通過找出“規(guī)劃庫中與所選事件相關(guān)的”規(guī)劃集來得到新的可能愿望，即得到“觸發(fā)條件與所選事件匹配的”那些規(guī)劃；

（3）從相關(guān)規(guī)劃集中選擇一個可執(zhí)行的規(guī)劃，即“其背景是Agent信念的邏輯后承的”規(guī)劃，并為該規(guī)劃創(chuàng)建一個規(guī)劃實例；

（4）如前文解釋的那樣，將該規(guī)劃實例壓入到一個已存在或新的意圖棧中；

（5）若事件隊列為空，則選擇一個意圖棧，提取最上面的規(guī)劃，執(zhí)行該規(guī)劃的當前步驟。如果這一當前步驟是行動，那么就執(zhí)行該行動；如果這一當前步驟是一個子目標，將這一當前步驟加入事件隊列。

（二）關(guān)于BDI結(jié)構(gòu)的實現(xiàn)問題

BDI結(jié)構(gòu)可以使用符號編程語言加以實現(xiàn)，即通過使用表處理語言Lisp加以實現(xiàn)，而且在對其解釋器進行實現(xiàn)時，可以借鑒類似過程推理系統(tǒng)PRS的Jam！[8]223。因為分布式多Agent推理系統(tǒng)dMARS中使用的結(jié)構(gòu)和步驟，非常適合表處理語言Lisp的“數(shù)據(jù)表示的統(tǒng)一性特征”，即把步驟表示成列表，數(shù)據(jù)表示成步驟抽象，等等。

圖2給出的Agent體系結(jié)構(gòu)具有如下標準的BDI特征：可以為系統(tǒng)中的Agent定義“可用的初始行動功能”，而且可以定義使用這些初始行動的規(guī)劃；根據(jù)規(guī)劃庫，為Agent定義和指派不同的能力；根據(jù)初始事件為每個Agent設定目標；在不同承諾策略下對Agent行為進行處理。如果BDI公式是信念集的邏輯后承，那么定義Agent的BDI語言是句法驗證工具，而且內(nèi)置測試函數(shù)也具有標準的BDI特征。圖2給出的體系結(jié)構(gòu)與OS的接口可以由表處理語言Lisp提供。

圖2 給出的Agent 體系結(jié)構(gòu)具有如下非標準BDI 特征：包含模擬多Agent 系統(tǒng)中的Agent 函數(shù)集，將其視為在同一個表處理語言Lisp 圖像中運行的并行程序；一個使用DTP 定理證明器（杰迪斯[11]）的接口。當Agent需要處理“內(nèi)置邏輯能力無法處理的”更為復雜的認知推理時，就需要這種接口。DTP定理證明器使用模型消除算法和論域獨立推理，在一階謂詞演算中，就可以處理來自數(shù)據(jù)庫的查詢證明，從而進行駁斥或證偽。使用帶有模型消除化歸的子目標推理，就可以使得DTP 推理具有可靠性和完全性[8]223。

二、BDI學習Agent

拉維爾（Russell）和諾維格（Norvig）把泛型學習Agent結(jié)構(gòu)分為以下四個部分[12]：（1）學習部分，通過執(zhí)行學習算法負責自我改進；（2）執(zhí)行部分，負責采取行動；（3）評判部分，負責提供反饋；（4）問題生成部分，負責建議“能提供信息的”行動。本文適合dMARS說明的BDI結(jié)構(gòu)[7]，對應于BDI學習Agent結(jié)構(gòu)的執(zhí)行部分。

（一）影響學習方法選擇及其設計的因素

BDI-Agent學習部分的設計，以及具體學習方法的選擇，通常受到如下五個主要問題的影響[8]224-225。

1.執(zhí)行部分的哪些子部分可以通過學習加以改進

BDI-Agent是直接面向行動的推理，而無Agent的人工智能系統(tǒng)，是直接面向信念的認知推理。從實踐推理理論中的信念作用看，即使信念能夠解釋Agent行為的合法性，這些信念也僅僅是背景框架的一部分，這些信念和先驗意圖都會限制新意圖的采納。因此，可以把規(guī)劃背景視為以某種方式對實踐推理行動的編碼。對BDI體系結(jié)構(gòu)進行擴展，即，在使Agent能夠了解他們的規(guī)劃的背景，即規(guī)劃何時是可執(zhí)行的。準確地說，本文的BDI-Agent不學習規(guī)劃，而是學習何時使用規(guī)劃。

2.如何表示“通過學習可以改進的”性能子部分

BDI 體系結(jié)構(gòu)由信念公式和情境公式這兩類一階公式來表示，這類似于Prolog 事實的表示方法。信念公式用來定義規(guī)劃，每個信念公式也是一個情境公式，但是情境公式還包括信念公式的合取或析取。規(guī)劃背景表示成情境公式。當考慮候選的學習方法時，這些表示方式存在如下兩個問題：第一，給定信念公式和情境公式的表示方式，就需要拋棄命題學習方法；第二，把規(guī)劃背景表示成情境公式，就要求學習方法的目標表示必須使得析取假設可用，如要求判定樹可用。

3.哪些反饋可以用于學習

BDI體系結(jié)構(gòu)幾乎都可以直接得到反饋，因為該結(jié)構(gòu)能夠“對規(guī)劃實例成功或失敗執(zhí)行”進行檢測和處理。這可以通過執(zhí)行一組內(nèi)在行動來做到這一點，迄今為止的這些內(nèi)在行動是指添加或刪除信念。對于規(guī)劃庫中的每個規(guī)劃，這些內(nèi)在行動是預定義的。使用具體的內(nèi)在行動就可以對這種BDI體系結(jié)構(gòu)進行擴展，從而生成學習任務訓練實例的日志文件；建立這些實例的條目包括：表征規(guī)劃選擇時的信念、執(zhí)行該規(guī)劃和plan-id后的成功或失敗標簽。

4.哪些先驗信息可以用于學習

先驗信息有如下兩種來源：第一，可以把Agent的規(guī)劃庫視為一種先驗信息；從Agent角度看，在該環(huán)境中必須出現(xiàn)所期望的規(guī)劃狀態(tài)，即：如果執(zhí)行了規(guī)劃p，事件e就會得到滿足；并且如果p的背景就是Agent信念的邏輯后承，情況也是如此。第二，本文的BDI體系結(jié)構(gòu)可以追溯謂詞、函數(shù)及其簽名的蹤跡，用于定義每個Agent規(guī)劃庫中的規(guī)劃，而且這些元素能夠描述“學習過程中目標概念”語言。

5.是集中式學習還是分布式學習

意識似乎能夠表示“復雜性遞增的學習多Agent系統(tǒng)的”層級，這種學習環(huán)境層級以某種方式對應于丹尼特[2]的意圖性等級。本文將探討其中第一層級和第二層級的學習。第零層級的學習是指其環(huán)境中只有一個Agent，是真正的孤立學習狀況，可以視為第一層級的特例。

第一層級的學習：此層級中，Agent通過與環(huán)境的直接交互來行動和學習，在多Agent系統(tǒng)中，沒有明確意識到其他Agent。但是，學習Agent能感知到其他Agent對環(huán)境的改變?，F(xiàn)在再次考慮有兩個機器人的場景：一個專心繪畫，另一個打磨物體?？梢詾槔L畫機器人編制程序，而不用意識到環(huán)境中的其他Agent，繪畫機器人只需要知道的是，一旦物體打磨好后，就可以在該物體上面繪畫。

第二層級的學習：此層級中，Agent的行動和學習與其他Agent，可以通過信息交換直接進行交互。在圖1的場景實例中，打磨機器人可以通知繪畫機器人“一個物體已經(jīng)打磨好了”；而且繪畫機器人可以向打磨機器人詢問此信息。在該層級中，可以考慮學習過程中訓練實例的交換。

第三層級的學習：此層級中，Agent的學習來自對系統(tǒng)中其他Agent行動的觀察。這會涉及不同于第二層級的意識種類。學習Agent不僅能夠意識到其他Agent的存在，還能夠意識到它們的能力，因此繪畫機器人能感知到打磨機器人即將打磨的木板。

（二）邏輯決策樹自頂向下的歸納

如前文所述，從規(guī)劃背景的表示方式角度來看，可以使用判定樹表示目標。判定樹自頂向下的歸納（TDIDT）是一個應用廣泛且有效的機器學習技術(shù)。把學習函數(shù)表示成樹，這些函數(shù)對應于本文實例屬性值上約束合取的析取。從判定樹根節(jié)點到葉節(jié)點的每條路徑，對應于一個屬性測試的合取，而樹本身就是這些合取的析取，即所需要的規(guī)劃背景的表示方式。使用從解釋中學習的ILP范式[13]，邏輯決策樹就可以把屬性-值表示升級成一階表示。這時，每個訓練實例e由“編碼了e的所有性質(zhì)的”一組事實來表示，而背景知識以Prolog程序B的形式給出。表示實例e的解釋是一個“由e∧B蘊涵的所有基本事實構(gòu)成的”集合，即，它的最小Herbrand模型。

現(xiàn)在給出“從解釋中學習”的定義。如果給定：（1）一個目標變元Y；（2）一個加標實例集E；在論域Y中，每個實例由值y加標的明確子句集e組成；（3）一個語言L；（4）一個背景理論B；加標的實例，就存在一個假設H∈L使得：H∧e∧B?label(y)且?y′≠y:H∧e∧B?/label(y′)。

從解釋中學習利用了局部假定，即，所有與單個實例相關(guān)的信息，可以以兩種方式進行局部化，而實例中包含的信息與背景知識中的信息是分離的，一個實例中的信息與其他實例中的信息也是分離的。從解釋中學習的場景介于“屬性-值”與“從蘊涵中學習”的場景之間[10]。把屬性-值表示“朝著歸納邏輯編程ILP方向擴展”，不會降低學習效率[8]226。

布洛克爾（Blockeel）等[14]提出ACE系統(tǒng)就是一個從解釋中學習的系統(tǒng)，該系統(tǒng)構(gòu)建了邏輯決策樹，即，“其每個內(nèi)部節(jié)點都是表達式的一階合取”的決策樹。下文將說明：在本文BDI 擴展體系結(jié)構(gòu)中，Agent 在自主性和意圖性驅(qū)動下，如何判斷Agent 在什么時候應該學習、何時配置學習集、何時執(zhí)行ACE。

三、第一層級的學習——集中化學習

假定圖1 中的agent r1 已經(jīng)選擇規(guī)劃p007 處理事件(achieve(p-sanded board))。在解釋器的執(zhí)行階段，這個規(guī)劃要么成功要么失敗。如果規(guī)劃失敗，我們期望Agent 嘗試學習為什么規(guī)劃會失敗，假定Agent已經(jīng)進行了實踐推理以適應其意圖，該推理表征在規(guī)劃背景中，那么有了經(jīng)驗之后，Agent應該對“表示規(guī)劃背景的”情境公式進行再思考。為了執(zhí)行學習過程，Agent 需要生成如下三個文件：訓練實例、背景理論和ACE參數(shù)，這些參數(shù)包含目標語言L的說明、期望的格式輸出等等。plan-id用來識別這些文件，這些文件包括：（1）“由擴展名.kb標記的”知識庫，包括知識所屬類別標簽的實例；（2）“由擴展名.bg標記的”背景理論；（3）“由擴展名.s標記的”語言偏倚。

這些文件由Agent自動生成，其生成過程如下[8]227-229：

當偵測到意圖成功或失敗時，agent r1在標記了p007.kb的日志文件中追蹤執(zhí)行過程，向ACE標示它包含與此規(guī)劃相關(guān)的實例。每個模型從一個標示了規(guī)劃success或failure執(zhí)行的標簽開始；然后添加一個謂詞plan構(gòu)建一個模型，該模型就是一個具體Agent執(zhí)行一個具體規(guī)劃的實例。當被選規(guī)劃創(chuàng)建規(guī)劃實例時，模型就包含了Agent 信念。當被選規(guī)劃是相關(guān)且可用的規(guī)劃時，Agent 會記住部分模型。在執(zhí)行階段，會加入標簽。該實例的知識庫儲存在文件p007.kb中。

背景理論包含被學習規(guī)劃的信息，變元和常元符號來自規(guī)劃定義。在圖1的BDI-Agent系統(tǒng)中，一個函數(shù)會把規(guī)劃p007的初始定義翻譯成如下這種格式，該格式對p007的規(guī)劃背景進行編碼：plan_context(Ag,p007):-p_handfree(Ag,Hand),p_at(Obj,free)。

然后生成配置文件。在圖1的實例中，配置信息儲存在文件p007.s中。該文件的第一部分與所有配置文件相同，用于說明在學習時：ACE打印的信息、學習案例的最低數(shù)目、輸出的格式（要么是一個邏輯決策樹，要么是一個邏輯程序）、目標概念所使用的類（即要么成功要么失?。?。

在為樹節(jié)點生成測試時，配置文件的第二部分將說明需要考慮的謂詞。Agent生成配置文件的方式依賴Agent 定義。在對規(guī)劃定義的每個時刻，解釋器都會追蹤定義該規(guī)劃的謂詞及其簽名。在圖1的實例中，定義Agent可以使用三個謂詞：(p_state/2,p_freehand/2,p_at/2)。所以，Agent要求學習算法把帶有變元的這些謂詞作為論元：

rmode(p_state(Ag,State))；

rmode(p_freehand(Ag,Hand))；

rmode(p_at(Obj,Place))。

在該實例后，Agent要求學習算法對這些帶有論元的謂詞進行實例化。

rmode(p_state(+Ag,#))；

rmode(p_freehand(+Ag,#))；

rmode(p_at(+Obj,#))。

在背景理論中，也需要考慮使用的謂詞。所有配置都至少有如下兩種形式：

rmode(plan_context(Ag,Plan))；

rmode(plan_context(+Ag,#))。

ACE使用rmode命令對語言偏倚L加以限定?？梢园逊枴?”看成是變元占位符，從知識庫的實例中可以得到其常值。前綴“+”表示在實例之后，知識庫中必須進行實例化的變元。

一旦實例數(shù)量大于某個閾值（如閾值是5時），Agent執(zhí)行一個修改過且非交互版本的ACE，并且建議用戶查看p007.out文件，該文件包含學習過程的結(jié)果，并相應修改規(guī)劃的定義。Agent也有可能自己修改規(guī)劃的定義。為了整合學習結(jié)果而采取的策略取決于應用領(lǐng)域，即，有時最好由用戶加以監(jiān)督。

四、第二層級的學習——多Agent系統(tǒng)中的BDI學習Agent

前面的實例對應學習多Agent系統(tǒng)層級中的第一層級。在第二層級中，假設Agent學習時能夠意識到其他Agent。通信對于多Agent系統(tǒng)中的學習非常重要。一個BDI-Agent在學習時，應該考慮通信的情境有如下兩種：第一，Agent不能開始學習過程的執(zhí)行，即，它沒有足夠的實例以運行ACE。這種情況下Agent可以向多Agent系統(tǒng)中的其他Agent索取訓練實例。第二，Agent無法為相關(guān)規(guī)劃的失敗找到假設來解釋，即，執(zhí)行學習過程后，ACE生成的樹結(jié)構(gòu)只有[failure]節(jié)點，或者找到的假設是正在學習的初始規(guī)劃背景。這意味著BDI-Agent用來學習的實例，不足以找出規(guī)劃失敗的原因。這種情況下，在再次執(zhí)行ACE之前，Agent可以向多Agent系統(tǒng)中其他Agent索取更多證據(jù)[8]229-230。

多Agent系統(tǒng)中的Agent可以共享學習過程的結(jié)果，這受益于BDI體系結(jié)構(gòu)定義學習過程的方式。如果Agent能夠找到導致規(guī)劃失敗的假設，它會把結(jié)果通知給用戶，請求根據(jù)找到的決策樹對規(guī)劃定義進行修改。如果用戶修改規(guī)劃定義，這種修改會自動影響知識庫中擁有該規(guī)劃的所有Agent。但這并不意味著這些Agent 會共享所有規(guī)劃，因此在本文的體系結(jié)構(gòu)中，允許多Agent 系統(tǒng)是異構(gòu)的，即：多Agent系統(tǒng)的Agent的種類可以不同。

用來處理通信的是“權(quán)限”概念，這里的“權(quán)限”被定義為：Agent能夠處理的所有觸發(fā)事件的集合，即Agent規(guī)劃庫中所有觸發(fā)器構(gòu)成的集合。發(fā)送消息的方式有兩種：（1）Agent廣播消息，包括觸發(fā)器和被學習規(guī)劃的plan-id 方面的消息，如果觸發(fā)事件在其他Agent 權(quán)限范圍內(nèi)，它們就接受并處理消息；（2）用“權(quán)限”為每個Agent建立一個目錄，其中一個Agent權(quán)限范圍內(nèi)的每個觸發(fā)事件，與系統(tǒng)中“處理相同觸發(fā)事件的”其他Agent的id有關(guān)[8]230。

權(quán)限與規(guī)劃決定通信內(nèi)容。如果兩個Agent對同一事件有相同規(guī)劃，那么它們就能夠參與分布式數(shù)據(jù)的收集過程，即，它們能共享雙方收集的訓練實例。這種情況下，Agent就會參與數(shù)據(jù)收集，但是每個Agent都在本地學習。

五、結(jié)論與未來的工作

在埃爾南德斯等工作的基礎(chǔ)上，本文展示了如何用歸納邏輯編程方法（尤其是邏輯決策樹的歸納），把BDI體系結(jié)構(gòu)擴展成“Agent擁有學習技能的結(jié)構(gòu)”。這些技能的設計與BDI-Agent行為背后的實踐理性是相容的。研究表明：（1）BDI學習Agent 結(jié)構(gòu)可以用表處理語言Lisp加以實現(xiàn)；該結(jié)構(gòu)還包括兩個非標準的BDI 特征、幾個多Agent 系統(tǒng)模擬選項、一個DTP 定理證明器接口；（2）如果多Agent系統(tǒng)中的BDI-Agent 能夠共享訓練實例，那么就可以增加它們的學習機會；（3）從多Agent 系統(tǒng)學習視角看，對理性Agent-BDI 模型進行了擴展，并克服了“這些Agent 沒有學習能力和多Agent 系統(tǒng)功能的”缺點。

未來的研究可以考慮：如何理解基于案例的推理和實踐推理理論之間的關(guān)系？如何實現(xiàn)多BDI-Agent系統(tǒng)結(jié)構(gòu)中更多的多Agent系統(tǒng)特征？是否有可能為更復雜情境中的學習集設計出信息共享協(xié)議？例如，有相同權(quán)限但具有不同規(guī)劃的Agent。如果把ACE修改成“以遞增方式學習它接收的每個實例”，共享協(xié)議就顯得尤為重要。學習與意圖Agent的多模態(tài)邏輯理論之間的關(guān)系如何？