基于多Agent系统的油库消防模拟训练系统的研究

基于多Agent系统的油库消防模拟训练系统的研究

基于多Agent系统的油库消防模拟训练系统的

研究

姓名 学号

（单位， 河北廊坊， 065000）

【摘要】传统的油库消防训练成本高、耗用时间多、存在着较高危险性，在计算机虚拟现实技术的基础上，采用多Agent系统理论构造了油库消防模拟训练系统。在基本Agent定义基础上，针对系统要求构造了用于构造相对静态场景的的反应型Agent、用于运动实体的认知型Agent以及用户Agent。定义了这三种Agent的四类交互关系，并在此基础上选择三维图形仿真平台。 【关键词】消防；多Agent系统；油库；模拟训练

1引言

对于一个大型、复杂的消防训练系统来说，如采用传统的培训方式，不仅花费巨大、消耗时间多，有时还具有很大的危险性，同时还受到装备和人员的限制，并且很难同时满足以上的要求。

计算机技术的发展，尤其是多媒体技术的快速发展，为油库消防训练系统带来革命性的创新，使得基于计算机虚拟现实技术的训练系统成为可能[1]。由于消防员的训练中，真实的灾难环境的难以实现，因此以虚拟现实技术作为训练手段不失为一种解决办法。

了出路。其最大特点是具有一定的智能及良好的灵活性和坚定性，特别适合对复杂、协同和难以预测的问题进行处理。所谓基于Agent的智能训练系统(intelligent tutoring systems ITSs)是指在原有的系统中加入智能Agent模块，使整个系统具有智能性、协同性和自主性。其基本思想是“使软件实体能够模拟人类的社会行为和社会观，即人类社会的组织形式、协作关系、进化机制以及认知、思维和解决问题方式”。

3多智能训练虚拟环境中Agent的定

义及构成

3.1 Agent的定义及结构表示

Agent是分布式人工智能(DAI)科学领域内一个常用的概念。近年来，对Agent及多Agent技术的研究应用成为一个热点。它为分布式交互仿真系统的开发提供一个崭新的途径，在仿真领域得到了广泛的应用。

英国的Agent理论专家Wool-dridge和Jennings对Agent作出了权威性的定义

[2]

2 多Agent系统应用于油库模拟训练系统的原理

从理论上讲，这种模拟训练系统可以达到在任意复杂的环境下，取得廉价的、近乎实物训练效果。其原理是通过让训练者沉浸在虚拟的三维场景中，与虚拟环境通过交互获得所需的知识。

正如现实中复杂的系统一样，一个训练系统的虚拟环境通常要考虑两方面的问题:一是复杂模型的表达，通常这样的系统中包含复杂的、较大规模的场景数据以及为数众多的实体，需要对这些实体加以组织，并使它们之间互相协作，共同完成一个目标。另一个问题是参与者行为的控制。参与者大致分为两种:一是观察者，即只需要系统提供参与者所观察的场景的视觉输出;另一种是真正的参与者，要求系统表现其在虚拟环境中的姿态，并可以对系统中的实体施加影响。

Agent技术的出现为这类问题的解决找到

:Agent是一个基于软件或硬件的计算机系

统。他们认为，Agent是一个自主的程序，它能基于对环境的理解，有能力控制自己的决策行为，以追求达到一个或多个目标。

Agent由目标、感知器、通信机制、效应器和信息处理器等几部分组成，有时会有些增删。其结构是一个六元组<Agent>∷=<AID><目标><感知器><通信机制><效应器><信息处理器>。

Agent的开发工作是设计Agent程序:一个可以实现由知觉序列到行为的函数模块。此

基于多Agent系统的油库消防模拟训练系统的研究

外，该程序将运行在一套计算设备上，因此Agent由计算平台以及在其上运行的程序组成。Agent的基本结构如图1所示，它由感知器、处理器、执行器、处理策略库以及通信模块组成。感知器和执行器负责与环境(或人)交互，处理器运用策略库中的方法对感知和收到的信息进行处理，与其他Agent的交互则由通信模块实现。

图1 Agent基本组成

3.2 多Agent系统（MAS）的定义及特

点

多主体系统(MAS，Multi-Agent system)是由多个Agent主体组成的系统，用来刻画、抽象具有可变性、交互性、智能性特征的复杂系统，是分布式人工智能的一个主要的分支。它研究的是一组自治智能体之间智能行为的协调，即怎样协调它们的知识、目标、技巧和规则，以联合起来采取行动或求解问题。一个多智能体系统由一组在系统结构中分别担任不同角色的智能体组成，这些不同功能和结构的智能体利用全局信息、相互间的通信，以及自身的信息、规则进行协作和决策。基于多智能体的建模仿真技术是利用多智能体系统中各种智能体的属性和行为，模拟组成系统的个体以及个体之间的相互作用关系，通过个体的属性和行为与整体属性和行为之间进行反馈和校正，来研究系统的动力学特征。MAS系统具有以下特点[3]：

(1) 环境感知(Environment awareness)。Agent处于特定的环境之中，它通过感知器来观测环境，通过效应器来作用于环境。

(2) 自治性(Autonomy)。Agent的行为应该是主动的、自发的;Agent应该有它自己的目标或意图，应该对自己的短期行为做出计划。

(3) Agent之间丰富的组织关系。由于Agent可以用来代替某个组织或个体，因此多Agent系统通常反映了这种组织环境，Agent

之间的关系可以是来自于组织中的各种关系。在组织关系中，单个Agent行为必须遵循和符合Agent社会的社会规则，并通过Agent的交互语言与其它Agent进行灵活多样的交互和合作。

(4) 反映性(Reactivity)。Agent能够感知其所处环境，并能随环境的变化而迅速地作出反应。

3.3 油库消防模拟训练系统环境中三种

Agent的结构类型及功能分析

在本文里，我们定义了三种类型的Agent:反应型Agent、认知型Agent、控制(被训练者即用户)Agent。这三种Agent的不同之处在于它们对环境的察觉和反应以及它们最后所作

的决定。本模型将认知型Agent和反应型Agent两者相结合，充分发挥了两者的优点，使得基于该模型的系统既具有较强的灵活性和快速响应性，又具有较高的智能。[4]

反应型Agent属于图形建模类的Agent，它们对应火灾物理和化学的反应和现象以及基本的油库建筑、地形、油罐等相对静止的物体。它们的行为针对用户的需要，产生对应的场景(地形、油库等)，有些场景还需要专家定义(火灾、爆炸模型等)。这些都可以由反应型Agent来处理，当然这就需要我们来定义反应型Agent的处理算法。反应型Agent的另外一种功能是根据场景的发展，和其它Agent进行消息通讯，发送有关的结果。

认知型Agent属于高级智能反应型Agent。因为同样它们要对场景发展作出反应。这种特性可以从反应型Agent中继承过来。但它们还具有认知的能力(反省、推理等)。这类Agent主要用于根据环境的变化动态地完成一些任务和计划，并且和其它成员进行及时的交流。为了使虚拟环境更接近于真实性，还可以根据需要，使这些Agent产生一些“感情”(害怕、疲劳等)，并影响其行为。典型的认识型Agent主要有消防战士、消防车等可以移动的物体，这些Agent和用户共同合作完成一次消防的计划。

用户自身也可以作为一个Agent，也可以在虚拟环境中表达自己的行为情感等。这种Agent(avatar)也是从反应型Agent继承过来的，也属于一种认知型Agent，它也具有理解、决策的行动和能力，只是这个决定权在用户那

基于多Agent系统的油库消防模拟训练系统的研究

里。它的第一个主要功能是通讯，另外一个功能是和其它认知型Agent协作。这样用户就可以作为一个Agent与其它的Agent一起协同工作。

4 Agent在油库消防虚拟现实中的实现

4.1 三种Agent在虚拟环境中的交互作用关系

由于这三种Agent之间的交互作用，使得整个场景成为一个动态发展的过程。我们定义Agent之间的交互主要是Agent与环境(一组反应型Agent)之间的相互感知和作用，作用还包括Agent间互相通信(广播或点对点)。一次交互作用将会改变环境的属性。

由于定义了三种Agent，如图2所示，将会有六种类型的交互作用。但由于其它Agent都是从反应型Agent继承下来的，即它们对反应型Agent的作用是一样的。又考虑到用户型Agent也可属于一类高级的认知型Agent，故最后可将这些关系简化成四种。即反应型Agent和认知型Agent之间关系(关系1)，认知型Agent之间的关系(关系2)，用户Agent和反应型Agent之间的关系(关系3)，用户Agent和认知型Agent之间的关系(关系4)。

图2 反应类型

4.2 四种类型的关系

(1) 物理交互

这种类型的交互只限于反应层次(关系1)。Agent本身对三维图形场景并没有视觉理解的能力，因此研究一个反应型Agent怎样作用于其它Agent以及Agent怎样感知这些作用是十分重要的。我们假设反应型Agent能够感知其行动场内的其它Agent，并采用一种能量传递的方式来进行相互作用。例如，我们在模

拟消防水灭油罐火灾时，可以让消防水Agent在降低油罐Agent温度时，进行这两个实体间的能量交换。实体在进行能量交换前必须感知到其它实体的存在。

首先，感知的过程是:(1)确定其它Agent的类型;(2)确定它们的属性;(3)定位它们的空间位置。前两种过程的进行是基于虚拟环境提供的反省机制。第三个过程由三维图形场感知来进行的。

其次是Agent的行为产生的作用，一次行动将改变环境，也就是改变一个或多个Agent的属性。认知型Agent能够通过观察反应型Agent的状态或通过感知对环境行动后的结果来感知的行动。相反，反应型Agent不能够感觉到认知型Agent的内部状态，它只能通过环境的改变来感觉认知型Agent的作用。对一个Agent(反应型或认知型)来说，都能通过观察环境的改变来感知行动作用后其它Agent(反应型)的属性改变。

(2) 协作(关系2)

对于认知型Agent，它们通过一些高级的交互和良好的团队组织共同达到一致的目标，这些Agent有相同的目标:即共同达到一个特殊的目的(例如选好灭火的位置并对火源进行扑救)。为达到这个目标，它们必须按照计划执行一些事先定义好的行动。这种情况下，所有的队员共享并掌握计划所要求的知识，它们对计划的实现有一个直接的理解并只会按对本身的限制和规定来执行。图3用UML模型表示了这种合作的形式。对于消防队员和消防车实体来说:合作表示一次由队员实体共同完成的灭火任务。

图3 合作模型

首先，合作定义一组任务，任务是一组由Agent完成的行动。行动则是一些基本的专业动作，比如使用消防设施，走到合适的灭火地

基于多Agent系统的油库消防模拟训练系统的研究

点。一个Agent的任务也许是预先定好的，也可以是动态的，或者是Agent之间通过协商后的结果。因此Agent必须接受一个形成组织化的机制，具有组织能力，这样它们才能触发行动来管理与其它Agent达成的承诺并与其它Agent进行合作。

其次，合作定义了一个共享的计划，计划通过对任务的行动的约束来定义(具有时间性)。Agent根据计划完成一定的任务以决定行动的开始和结束，并且要知道其它合作的Agent将会进行什么行动并据此进行推理。这些认知型Agent之间的交互 (关系2)根据以下两种方式产生:一是直接感知行动的开始和约束;二是进行信息交换(点对点或进行广播)，信息可以是以KQML(Knowledge Query and Manipulation Language)方式的ACL (Agent Communication Language)进行的。将KQML用于Agent之间的交互是非常有效的，首先它可以作为知识的表示语言，用来表达不同领域的知识内容，并且使得知识的获取适合应用分布化的要求。

(3) 用户融合

用户融合里包括关系3和关系4。用户Agent沉浸于虚拟环境中，并且可以以avatar方式在其中表达出来。用户Agent有两种类型:教师和学生。教师可以创建不可预料的事故(火灾或爆炸)并评估学员的反应。教师可以使用预先定义好的场景，但如果学员没有按照规程来进行操作，教师仍有可能实时地改变模拟过程(增加、减少或修改实体)，教师在三维场景中有高的控制权利。第二类用户是学员。他们必须不断地和反应型Agent或认知型Agent进行交互。这就要求他们必须自己来感知反应型Agent和它们的行为。每个反应型Agent在场景中有自己的几何三维表达及行为(燃烧、爆炸、喷消防水或报警等)。这些行为的几何表达是进行实时物理模型计算的结果。用户也可以通过虚拟外围设备作用于反应型Agent。用户也必须感知Agent的行为(移动、取物体等)，这些行为不必要求和实际中的一模一样。重点是用户能控制这些认知型Agent，用户必须和这些Agent协作以作用于环境并得到信息。因此用户必须通过一些界面和这些认知型Agent进行交流。

有时，用户也可以以avatar的方式按照前面提到的协作模型，来完成一定的任务并和其

它认知型Agent一起合作。但是由于认知型Agent主要是通过直接感知其它Agent的行为的开始和结束来进行协作的。如果avatar操作不当，将会导致一些问题。因此用户Agent的主要行为是起到一个通讯作用。这样，通过不同Agent之间的通讯，可以解决很多问题，因为通讯是Agent最直接的交互行为。当然如果赋与认知型Agent更高级的推理能力，允许其不仅能理解用户行为，而且能感受其结果，这个问题也可以解决。

5仿真平台的选择及结论

5.1 仿真平台的选择

通过分析比较，本文选择了与硬件无关的具有可移植性和广泛的实用性的OpenGL图形建模库，以VC++6.0为编程语言，以地面罐消防为例，在主流的Windows系统中实现基于多Agent的智能油库消防虚拟现实系统

[5]

。使得该系统可以模拟地面罐的火灾，智能

扑救等过程由于采用了面向Agent编程方法，在此基础上可方便地增加其它消防功能。

5.2 结 论

可视化消防模拟训练系统能够提供给消防员相对危险和昂贵的训练环境和场景，训练人员进入系统即可以模拟实战状态，并沉浸其中，减少了不必要的时间和财力消耗。并且虚拟现实系统数据库可随时进行设定和修改，同时场景的选择又可以随机设置，使训练人员在事先不知现场情况的前提下进入系统，充分调动其掌握的知识、技能，在有限的时间内合理进行力量部署，调整器材装置。全面提高消防人员火灾事故反应能力及处置技术水平。

参考文献

[1] 汪成为等,灵境(虚拟现实)技术的理论[M]实现及应用,清华大学出版社(北京),1997.

[2] Wooldridge M J, Jennings N R. Intelligent Agent: Theory and Practice[J]. Knowledge Engineering Review,1995,10(2):115~152.

[3] 李宏亮,基于Agent的复杂系统分布仿真[D].国防科技大学博士学位论文, 2001.

[4] 赵龙文,Agent的概念模型及其应用技术[J],《计算

基于多Agent系统的油库消防模拟训练系统的研究

机工程与科学》,2000,22(6):75~79·

[5] 樊爱华等,虚拟现实的建模技术[J],《计算机仿真》,1997,14(4): 64~66·

本文来源：https://www.bwwdw.com/article/2ylm.html