Agenten - Methoden Wissensbasierter Systeme - page 395

Beispiel 12.11 (McClean 7) Die in Beispiel 12.9 verwendete Aufgabenbeschrei-
bung fur den Agenten McClean erlaubte eine rein reaktive Modellierung. Wir er-
weitern diese Aufgabenbeschreibung nun um die folgende, zusatzliche Anforderung:
Nachdem McClean in ein Buro hineingegangen ist, soll er die Tatigkeiten Mull-
eimer leeren, Fenster putzen und Fußboden reinigen weiterhin in genau dieser Rei-
henfolge ausfuhren, aber maximal jeweils nur einmal, bevor er in das nachste Buro
geht. Wenn McClean z.B. die Fenster geputzt hat (nachdem er zuvor entweder den
Mulleimer geleert hat oder der Mulleimer leer war) und danach feststellt, dass der
Mulleimer (evtl. wieder) voll ist, soll er den Mulleimer nicht (evtl. noch einmal)
leeren, bevor er nicht in den anderen Buros war.
Die Funktion action MC : I MC → Ac MC ist auf der Menge I MC die folgenden

neun internen Zustande des Agenten definiert:

s mull “als nachstes muss der Mulleimer geleert werden”

s fenster “als nachstes mussen die Fenster geputzt werden”

s boden “als nachstes muss der Fußboden gereinigt werden”

s verlass (B i ) “als nachstes verlasse das Buro B i ”(fur i ∈{ 1,...,6 } )

⎧
⎨

a mull falls s = s mull

a fenster falls s = s fenster

action MC (s)=

a boden falls s = s boden

⎩

falls s = s verlass (B k ) und k = k +1mod6

a geh (B k ,B k )

Fur die Wahrnehmungen unseres Agenten verwenden wir die Menge Per MC wie
in Beispiel 12.9, so dass wir fur die Zustandsanderungsfunktion die Funktionalitat
next MC :

I MC × Per MC →I MC erhalten.

Selbsttestaufgabe 12.12 (McClean 8) Geben Sie eine Definition fur die Funk-
tion next MC aus Beispiel 12.11 an.

Die explizite Reprasentation eines inneren Zustands bringt nicht nur eine kom-
plexere Modellierung der Entscheidungsfindung des Agenten mit sich, sondern auch
eine Unterscheidung zwischen dem tatsachlichen Umgebungszustand und dem sub-
jektiven Wissen des Agenten uber diesen Umgebungszustand. Insbesondere ist es
moglich, dass beides nicht ubereinstimmt. So kann es passieren, dass das Wissen des
Agenten uber die Umgebung nicht mehr aktuell und daher eventuell falsch ist. Ein
weiterer Grund fur die Diskrepanz zwischen subjektivem Wissen und dem tatsachli-
chen Umgebungszustand konnte in fehlerhaften Sensorinformationen liegen.
Bevor wir das Agentenmodell aus Abbildung 12.3 noch weiter verfeinern und
konkretisieren, wollen wir uns im nachsten Abschnitt damit beschaftigen, wie man
die Aufgaben eines Agenten beschreiben und seinen Erfolg bei der Bewaltigung
dieser Aufgaben messen kann.

12.2.4 Aufgabe und Erfolg eines Agenten

Agenten werden in der Regel geschaffen, um gewisse Aufgaben zu erfullen; diese
Aufgaben mussen spezifiziert werden. Dabei ist die Grundidee, dem Agenten zu
sagen, was er tun soll, ohne genau festzulegen, wie er die Aufgabe erfullen soll.