Pozdní vazba proměnných v interpretech jazyka AgentSpeak(L)

Abstract

Model Belief-Desire-Intention (BDI) je široce používaným paradigmatem pro tvorbu inteligentních agentů založených na interních reprezentacích přesvědčení, tužeb a záměrů. V praxi agentně orientované jazyky založené na BDI, jako je AgentSpeak(L), nedefinují konkrétní výběrové funkce pro události, plány ani záměry a ponechávají tyto volby na implementaci interpretu nebo samotném vývojáři. Výzkum v~oblasti BDI systémů se dosud převážně zaměřoval na výběr záměrů s cílem předejít konfliktům při jejich souběžném vykonávání, zatímco proces výběru substitucí proměnných zůstává relativně neprozkoumaný. Ve standardních BDI systémech, zejména v široce používaných platformách založených na AgentSpeak(L), je substituce proměnných zpravidla určena v okamžiku, kdy je plán vybrán k~vykonání, což může vést k selhání provádění v dynamických prostředích. Tato práce navrhuje a formálně specifikuje strategii pozdní vazby proměnných (late variable binding strategy), která odkládá výběr substituce až do okamžiku, kdy je skutečně nezbytný. Tím se zvyšuje schopnost agentů reagovat na změny v prostředí. Experimentální výsledky ukazují, že strategie pozdní vazby zvyšuje adaptabilitu agentů v dynamických prostředích a~vede k vyšší úspěšnosti při vykonávání plánů. Navržený přístup zachovává kompatibilitu se stávajícími jazyky založenými na AgentSpeak(L), aniž by vyžadoval jakékoli změny jejich syntaxe.

The Belief-Desire-Intention (BDI) model is a widely adopted paradigm for developing intelligent agents based on internal representations of beliefs, desires, and intentions. In practice, BDI-based languages, such as AgentSpeak(L), do not define concrete selection functions for events, plans, or intentions, leaving these decisions to the interpreter or the developer. Research in BDI systems has predominantly focused on intention selection to prevent conflicts during concurrent execution, whereas the process of selecting variable substitutions has remained relatively underexplored. In standard BDI systems, particularly in widely used AgentSpeak(L)-based frameworks, substitutions are generally determined at the time a plan is selected for execution, which can lead to execution failures in dynamic environments. This thesis proposes and formally specifies a late variable binding strategy that defers substitution selection until it becomes necessary. This increases the agent's ability to respond to changes in the environment. Experimental results demonstrate that the late binding strategy improves agent adaptability in dynamic environments and leads to higher success rates in plan execution. The proposed approach remains fully compatible with existing AgentSpeak(L)-based languages without requiring any changes to their syntax.