五種最基礎(chǔ)的智能體類型，包括了幾乎所有智能體的類型

簡(jiǎn)單反射智能體的結(jié)構(gòu)

簡(jiǎn)單反射agent的算法

定義三個(gè)量

狀態(tài)：對(duì)于當(dāng)前感知的狀態(tài)輸入，將感知對(duì)應(yīng)為狀態(tài)

規(guī)則：對(duì)于狀態(tài)所匹配的規(guī)則

行為：基于規(guī)則返回的對(duì)應(yīng)行為

首先，定義行為action為空，然后根據(jù)上述感知->狀態(tài)->規(guī)則->行動(dòng)

返回對(duì)應(yīng)于當(dāng)前感知的行為

舉例，一個(gè)簡(jiǎn)單反射agent的例子

胸透系統(tǒng)，

一個(gè)基于模型的反射agent

還可以處理部分可觀測(cè)環(huán)境

增加了狀態(tài)的存儲(chǔ)，

增加了環(huán)境變化的信息

增加了行動(dòng)的對(duì)應(yīng)

基于模型的簡(jiǎn)單反射agent算法

增加部分： 增加了第四個(gè)變量 model

stage，表示了對(duì)于當(dāng)前外部狀態(tài)的理解

model，是關(guān)于下一個(gè)狀態(tài)，如何依賴于當(dāng)前狀態(tài)和動(dòng)作的描述

rule，一套條件-動(dòng)作的對(duì)應(yīng)規(guī)則

action，當(dāng)前動(dòng)作，初始定義為空

在主要算法中，增加了update-state 函數(shù)，用于基于當(dāng)前的狀態(tài)、動(dòng)作、感知、模型，來(lái)決定當(dāng)前的狀態(tài)，并更新到狀態(tài)中。

根據(jù)狀態(tài)-動(dòng)作的規(guī)則表匹配，得到相應(yīng)于當(dāng)前狀態(tài)的動(dòng)作，

并將該動(dòng)作返回

基于目標(biāo)的agent

增加了 ，如果動(dòng)作A，則結(jié)果如何

增加了目標(biāo)信息

通過(guò)效用utility函數(shù)，得到一個(gè)特殊的狀態(tài)，用于表示某個(gè)狀態(tài)是否有效（對(duì)于目標(biāo)而言）的度量函數(shù)

更通用的性能度量的agent

理性agent的效用要求

學(xué)習(xí)agent，

優(yōu)越性在于，可以在一個(gè)未知的環(huán)境中運(yùn)行，增加了機(jī)器學(xué)習(xí)功能。

和初始的aget結(jié)構(gòu)相似。

增了一個(gè)評(píng)論者，對(duì)于學(xué)習(xí)的元素，性能的元素，對(duì)于性能進(jìn)行改進(jìn)，生成問(wèn)題，得到經(jīng)驗(yàn)，

學(xué)習(xí)agent的要素

學(xué)習(xí)要素、性能要素、問(wèn)題發(fā)生器

對(duì)于atari游戲（視頻游戲機(jī)）的深度學(xué)習(xí)，強(qiáng)化學(xué)習(xí)模型

和普通agent的區(qū)別，增加了紅線部分，增加了外部環(huán)境的回報(bào)值，并根據(jù)外部環(huán)境的回報(bào)值，決定下一步的行為。

其他agent

是否具有學(xué)習(xí)功能，

自主性如何

單一或多個(gè)agnet

三者的交集——智能agent。。也即是說(shuō)智能agent的要求就是可學(xué)習(xí)的，有自主性的，群體智能的。

智能體的幾個(gè)特化例子，用UML符號(hào)表示

生物智能體，機(jī)器人智能體，計(jì)算智能體

多個(gè)智能體是單個(gè)智能體的聚合，

單個(gè)智能體包括，

簡(jiǎn)單反射agent，基于模型的agent，基于目標(biāo)的agent，基于效用的agent，學(xué)習(xí)型agent，其他agent。