ㅁ 자율 시스템

ㅇ 정의:
여러 개의 독립적인 지능형 에이전트가 상호작용하며 공동의 목표를 달성하거나 개별 목표를 추구하는 시스템.

ㅇ 특징:
– 각 에이전트는 자율적으로 의사결정을 수행함.
– 에이전트 간 협력, 경쟁, 협상 등의 상호작용이 가능함.
– 분산 환경에서 동작하며 중앙집중식 제어가 필요 없음.
– 환경 변화에 적응 가능.

ㅇ 적합한 경우:
– 복잡하고 동적인 환경에서 문제 해결이 필요한 경우.
– 로봇 군집 제어, 분산 센서 네트워크, 스마트 그리드 등.
– 단일 에이전트로 해결하기 어려운 대규모 문제.

ㅇ 시험 함정:
– 단일 에이전트 시스템과 혼동.
– 중앙집중식 제어가 있는 경우는 Multi-Agent Systems가 아님.
– 모든 에이전트가 동일한 목표를 가진다고 단정하는 오류.

ㅇ 시험 대비 “패턴 보기” 예시:
O: 여러 자율 에이전트가 협력 또는 경쟁하여 문제를 해결하는 분산형 시스템.
X: 중앙 서버가 모든 에이전트를 제어하는 구조를 가진 시스템.

================================

1. Multi-Agent Systems

ㅇ 정의:
다수의 자율적인 지능형 에이전트가 동일한 환경 내에서 상호작용하며 개별 또는 공동의 목표를 달성하는 시스템.

ㅇ 특징:
– 에이전트 간 메시지 기반 통신 가능.
– 동적 환경에서의 실시간 의사결정.
– 협력(Cooperative) 또는 경쟁(Competitive) 시나리오 모두 가능.
– 분산형 문제 해결 구조.

ㅇ 적합한 경우:
– 자율 주행 차량의 군집 주행.
– 온라인 게임의 NPC 상호작용.
– 분산 자원 관리.

ㅇ 시험 함정:
– 단일 에이전트의 고급 기능과 혼동.
– 모든 에이전트가 동일한 정보를 공유한다고 오해.
– 중앙집중식 제어 포함 시 오답.

ㅇ 시험 대비 “패턴 보기” 예시:
O: 개별적으로 의사결정하는 다수의 에이전트가 협력 또는 경쟁하며 목표를 달성.
X: 하나의 중앙 제어기가 모든 에이전트의 행동을 직접 지시.

ㅁ 추가 학습 내용

Multi-Agent Systems의 주요 추가 개념은 다음과 같다.
에이전트 간의 통신 프로토콜로는 FIPA-ACL 등이 있으며, 협상 메커니즘과 분산 계획(distributed planning), 신뢰 모델, 자율성 수준, 환경 모델링(완전 관측 가능 환경과 부분 관측 가능 환경), MAS에서의 학습(예: Multi-Agent Reinforcement Learning)이 중요하다.
시험에서는 협력적 MAS와 경쟁적 MAS의 차이, 동기식 통신과 비동기식 통신 방식의 구분, 에이전트의 이기적 행동이 전체 성능에 미치는 영향에 대한 게임 이론적 분석이 자주 출제될 수 있다.
실제 응용 사례로는 로봇 군집, 스마트 그리드, 분산 제조 시스템 등이 있으며, 이러한 응용 분야와 개념을 연결해 기억하는 것이 효과적이다.