مهندسی نرم افزار مبتنی بر عامل

صفحه 1:
مهندسی نرم افزار مبتنی بر عامل هوش مصنوعی توزیع شده » نیمسال دوم ۸۵-۸۴ ارائه دهنده : پوپا جافریان استاد درس : د کتر عبداله زاده 1 هوش مصنوعی توزیع شده 

صفحه 2:
فهرست مطللب ‎Oo‏ مهندسی نرم‌افزار مبتنی بر عامل ‎۸۵05 ‏مدل‌های فرایند‎ Oo ‏لا روش‌های ]۸05 ‎Hf‏ روش‌های مهندسی نیازها & روش‌های تحلیل و طراحی 1# روش‌های پیاده سازی روش‌های تست ‏لا ابزارهای ]۸۵05 ‏لا نتیجه گیری ‏2 هوش مصنوعی توزيع ده ‎ 

صفحه 3:
مهندسی نرم افزار مبتنی بر عامل (مقدمه) O M. R. Ayatollahzadeh Shirazi and Abdollahzadeh Barfouroush A., "Agent-based Software Engineering as a Layered Technology", in Proc. First Eurasian Conference on Advances in Information and Communication Technology,Agents in Information Management (AIM) Workshop, Shiraz, Iran, October 2002. O R. Pressman R., Software Engineering, A Practitioner's Approach, McGraw-Hill, Sixth Edition, 2006. هوش مصنوعی توزيع ده 

صفحه 4:
مهندسی نرم‌افزار مبتنی بر عامل 5 نرمافزارهای مبتتی بر عامل دارای ویژگی‌های مشترکی نظیر يجيد كى باز بودن و توزيع حادم و کترل هستن. نرمافزارهاى مبتنى بر عامل معمولاً در دسته نرم‌افزارهای -631 ©1111 و حساس قرار مى كيرند. لا از عامل‌ها تشکیل شده بنابراین مهمترین ‎Abstraction‏ » اینگونه سیستم‌ها مفهومی به نام عامل است. Oo لا بنابراين اين سيستمها نيازمند روش‌های مهندسی نرم‌افزاری بوده که به طور خاص برای اینگونه سيستمها طراحی شده باشد. هوش مصنوعی توزيع ده 

صفحه 5:
مهندسی نرم‌افزار مبتنی بر عامل ‎a‏ مهندسی نرم‌افزار مبتنی بر عامل روشی برای مهندسی و ساخت سیستم‌های مبتنی بر عامل می‌باشد. ‎a‏ مهندسی نرم‌افزار مبتنی بر عامل» بر پایه مفاهیم مهندسی نرم‌افزار بنا گردیده است. ‏لا یک تکنولوژی لایه‌ای محسوب می‌شود. ‏هوش مصنوعی توزيع ده ‎ 

صفحه 6:
Umbrella Activities in Agent-based Software Engineering Agent Development Tools Agent-based system architecture Agent-based Methods Requirements Analysis Design Engineering Testing Implementation Agent-based Software Development Process 

صفحه 7:
بر عامل مدل‌های فرابندهای توسعه Jj. Lind , “The MASSIVE Development Method for Multi-agent Systems", German Research Center for Al (DFKI), 2000. P. Bresciani, A. Perini, P. Giorgini, F. Giunchiglia, and John Mylopoulos, “A Knowledge Level Software Engineering Petodelogy for Agent Oriented Programming”, in Proc. of the Fifth International Conference of Autonomous Agents (Agents 2001), 2001. H. Nwana, D.Ndumu, L.L and J.Collis, “ZEUS: A Toolkit for Building Distributed Multi-Agent Systems”, ‏مت‎ 7651 Intelligence journal, Vol.13 ti. 129-186, 1999. H. Knublauch, Extreme Programming of Multi-Agent Systems, In Proceedings of AAMAS'02, July 15-19, Bologna, italy, 2002. oO Qo 

صفحه 8:
مدل‌های فرایندهای توسعه مبتنی بر عامل لأ اين مدل‌های فرایندها مشخص کننده مراحل لازم برای ساخت به موقع و با کیفیت یکک سیستم مبتنى بر عامل مى باشند. نمونه‌ها : 8 ۱۷۱۸55۱۷۲ که ی کمدلف رلیند تکراری و اشد) 8 ۲۳0005( که کدف رلیند خطلسگ ‎Mf‏ فرایندهای همراه با چارچوب‌های تولید عامل (مانند فرایند ارائه شده همراه جارجوب 6105 2) ‎XP for AO Systems) o> ‏ال كسترش مدلهاى فرايند‎ ‎Oo ‏8 هوش مصنوعی توزيع ده ‎ 

صفحه 9:
‎ee‏ ككل ‏لا در کنار مدل‌های فرایند. رو شهايى براى به كا ركيرى در مدل‌فرایند نیز ضروری می‌باشد. ‏لا روش‌هایی که تشکیل دهنده مدل‌های فرایند هستند عبار تند از : قل روش‌های مهندسی نیازها 1# روش‌های تحلیل و طراحی ‎Mf‏ روش‌های پیاده سازی 0 ‏روشهاى تست ‏فوش مصلوعى توزيع ده ‎ 

صفحه 10:
روش های مهندسی نیازها Ol E.S.K. Yu, “Towards modelling and reasoning support for early-phase requirements engineering”, In Proc. of 3rd IEEE International Symposium on Requirements Engineering (RE'97), pages 226-235, 1997. ۲۲ E.S.K. Yu, “Agent orientation as a modelling paradigm”, Wirtschaftsinformatik, 43(2):123-132, 2001. OL. Chung, B.A. Nixon, E. Yu, and J. Mylopoulos, Non- functional requirements in software engineering, Kluwer Academic Press, Boston et al., 2000. 10 هوش مصنوعی توزيع ده 

صفحه 11:
روش‌های مهندسی نیازها لا این روش‌هاء برای به دست آوردن و آنالیز نیازهای مشتری به کار می‌روند. لا نمونههايى از اين روشها: 1# جارجوب أ« 1# جارجوب ۳۳لا لآ زبان مدلسازى : GRL (Goal Oriented Requirement Language) ®@ 11 فوش مصلوعى توزيع ده 

صفحه 12:
چارچوب * برای مهندسی نیازها لا جار جوبى براى مهندسى نيازها بر اساس روش‌های مبتنی بر عامل ا اين جارجوب براى مدلسازى نيازها در يكك سيستم كه داراى جندين عامل شركت كننده (نرمافزارى يا غير نرمافزارى) با خواست‌های متفاوت باشند. قابل استفاده است. در یافتن اهداف سیستم, اولویت بازیگران سیستم و ارتباط آنها با يكديكن نحوه و امکان سنجی دستیابی به اهداف سیستم سودمند است. Oo 12 هوش مصنوعی توزيع ده 

صفحه 13:
چارچوب ا* برای مهندسی نیازها 5 مرحله نیازهای اولیه سیستم #ظ در این مرحله؛ از أ# برای مدل سازی قصدهای بازیگران سیستم و نحوه ارتباط آنها با یکدیگر استفاده می‌شود. لا مرحله تحلیل ‎a‏ در اين مرحله از أ برای مدل سازی عامل‌های نرمفزاری سیستم و نحوه وابستگی و ارتباط آنها با یکدیگر استفاده می‌شود. 13 هوش مصنوعی توزيع ده 

صفحه 14:
‎Strategic Dependency Ju.‏ * چرا لازم است جلسات به موقع برنامه ریزی شوند؟ ‎toon ney‏ ان اه أنه إن سات ار ترق كنندكان زمانهاى مورد علاقه و زمانهايى را كه | نمى توائند شركت كنتد درياقت كند؟ !| میت شركت کند دریافت ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎Meeting ‎Initiator ‎ ‎ ‎ ‎ ‎ ‎Agreen ‎(mp) ‎‘Attends > ‎soured ١ (Attends Meeting(ipm)) ‎ ‎ ‎ISA ‎TEGEND ‎Depender_Dependee ‏هام ام‎ Dependency ‎۳ ‎ ‎ ‎ ‎Goal Dependency‏ قله ‎Softec Dependene‏ موه ‏نا مهوت و ‎ ‎ ‎ ‎ ‎ 

صفحه 15:
‘Attends Meeting(p.m) ‘MeetingBe Scheduled(m) Meeting Initiator Meeting Scheduler, Meeting Participant Resource Dependency Task Dependency Goal Dependency Sofigoal Dependency ‏ع همم و‎ امن هوش مصنوعی توزيع شده 25 

صفحه 16:
al Ge »» Strategic Rationale Ja. ‘Anends >, Meeting (snange Meeting, \ | رت ام لته و ۱ ۶ لت ممم ‎OY o‏ دیول ‎9 ‎fp Vee ‏سس 2 لگ تتسد نع ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ 

صفحه 17:
= © 5 ‘Arends sole ‏امصلوعى‎ ‎zi ‎2 

صفحه 18:
۰ ویژگی‌های دیکر ا: لأ امكان ارزيابى هريكك از عملیات و اهداف معرفی شده از چهاردید گاه ۰۷۷۵۲۲۵۵۱۱۱/۰۷۱۵۵111۳۷ ۵011107 و ‎believability‏ لا تاكيد بر مديريت نيازها در مراحل اولیه توسعه (/83۳19 ‎(Phase Requirement Engineering‏ لا امکان به کارگیری در مدیریت نیازهای سیستم‌های گوناگون مخصوصاً سیستم‌های توزیع شده» سیستم‌های امن و ... 18 هوش مصلوعى توزی شدو 

صفحه 19:
روش‌های تحلیل و طراحی سبستم‌های مبتنى بر عامل لا در اين متدولوزى ها سعى شده كه ويزكى هاى مربوط به عامل ها و روش های مرتبط با آن در متدولوژی های موجود اضافه گردد. به دو دسته تقسیم میشوند : متدولوژی هایی که توسعه روش های شیء گرا هستند Oo متدولوژی هایی که توسعه روش های مهندسی دانش هستند. 19 هوش مصنوعی توزيع ده 

صفحه 20:
راه‌حل‌های مبتنی بر روشهای مهندسی دانش لا مزايا 1 توانايى مدل سازى وضعيت ذهنى عاملها از طريق مدل سازى دانش 6 امکان استفاده مجدد از ابزارها و کتاب‌خانه‌های مربوط به 0۴1۵160 ‎O‏ مواردى كه بايد مد نظر قرار كيرد : : ۰ روش‌ها برای سیستم مبتنی بر دانش مر کزی هستند. در این روش‌ها به ویژگی‌های خودمختاری و پاسخ گویی به تغیبرات محیط توجهی نشده است. ‎oO‏ : ‏نمونه‌ها‎ ‎CommonKADS.MASCommonKADS.CoMoMAS ® 20 هوش مصنوعی توزيع ده 

صفحه 21:
راه‌حل‌های مبتنی بر روشهای مهندسی دانش O C.A. Iglesias, M. Garijo, J. C. Gonzalez, and J. R. Velasco, “Analysis and design of multi- agent systems using MAS-CommonKADS’, Intelligent Agent IV: Agent Theories, Architectures, and Languages, Springer Verlag, 1998. ON. Glaser , Contribution to Knowledge Modeling in a Multi-Agent Framework (the Co-MoMAS Approach), PhD thesis, L'Universtit” e Henri Poincar’ e, Nancy |, France, November 1996. 21 هوش مصنوعی توزيع ده 

صفحه 22:
راه‌حل‌های مبتنی بر روشهای شیء گرا لا مزایا: 1 شباهت ميان شی و عامل وجود دارد. 8 روش های شی گرا بسیار متداول است: یادگیری و هزینه کمتری نسبت به سایر روش ها دارد. لا مواردی که باید مد نظر قرار گیرد : ‎٠1‏ تجرد بالاتر عامل نسبت به شیء عدم توانایی روش های شیء گرا در مدل سازی ویژگی های خاص عامل _تفاوت در نوع ارتباط پین اشیاء و عامل ها لأ ‎Gaia. MaSE. MESSAGE. ROADMap.: us,‏ ‎Ex-MaSE‏ 22 هوش مصنوعی توزيع ده 

صفحه 23:
راه‌حل‌های مبتتی بر روشهای شیء گرا OS. A.DeLoach, “Analysis and Design using MaSE and agentTool’, ‏وا‎ Proc of the 12th Midwest Artificial Intelligence and Cognitive Science Conference (MAICS 2001), Miami University, Oxford, Ohio, 2001. OM, Wooldridge, N. R. Jennings, D. Kinny, The Gaia Methodology for Agent- oriented Analysis and Design, Autonomous Agents and Multi-Agent Systems, OG. Caire, F. Leal, P. Chainho, R. Evans, F. Garijo, J. Gomez, J. Pavon, P. Kearney, J.Stark, P. Massonet :Agent Oriented Analysis using MESSAGE/UML, In: Proc, of the Agent-oriented Software Engineering (AOSE) 2001, Agents 2001, 101-108, 2001. OT. Juan, Pearce A., Sterling L., “ROADMAP: Extending the Gaia Methodology for Complex Oper’ Systems’, Proc, of the Autonomous Agents and Mult Agent Systems (AAMAS‘02), july 2002 DS. Vafadar, A. Abdollahzadeh Barfouroush, M. R. Ayatollahzadeh Shirazi, wiowards a more Expressive and Refinable Multiagent Software Engineering Methodology", P. Giorgini, B. Henderson-Sellers, and M. Winikoff (Eds.) Agent-Oriented information Systems, Lecture Notes in Artificial Intelligence, Vol. 3030, Springer Verlag, 2004. 23 هوش مصنوعی توزيع ده 

صفحه 24:
متدولوژی ۷۵56 ‎Oo‏ متدولوژی تحلیل و طراحی سیستم‌های مبتنی بر عامل ‏لا توسط ابزار 30610170601 پشتیبانی می‌شود. ‏لا ویژگی‌های ‎fle‏ نظیر "خود مختاری" "خلاقیت" "پیش فعال بودن" در آن مورد توجه نمی‌باشد. ‎O‏ عامل ها به صورت موجودیت‌های نرم‌افزاری فرض می‌شوند که برای رسیدن به یک هدف خاص با هم همکاری می کنند. ‏24 فوش مصلوعى توزيع ده ‎ 

صفحه 25:
25 

صفحه 26:
مرحله تحلیل در ‎MaSE‏ لا مرحله تعین اهداف اعمال موارد کاربرد لآ بازیینی نقش‌ها نقش‌های موجود در سیستم 26 = هوش مصنوعی توزيع ده | نیازها 

صفحه 27:
تعیین اهداف لا تشخيص اهداف تشخیص اهداف کلی سیستم با توجه به نیازمندی‌های مشتری لا طبقه بندى اهداف 27 اهداف کلی به اهداف کوچک تر شکسته می‌شود. ساختار سلسله مراتبی اهداف» به کمک نمودار درختی نمایش داده ‎=e‏ اهداف پاید به اندازه‌ای جزئی شوند که امکان انجام آنها توسط عامل‌هایی که در مرحله طراحی مشخص می‌شود. و جود داشته باشد. 

صفحه 28:
SSE ‏بوي‎ ---------3- 727 ۲ administrator of login violations 12 Detect and nolify administrator of lagin violations, T21 Detemine f invali user tries to login + Taal 12a Ensure the admin receives notification T Datoct and natiy ‘administrator of hast violations, 113 7 0۹۹۲ violations, 77 & notify ‘admin of system fle Violations, 112 Detect user attempts to modify 185 7 files have been doletod or moditiog 

صفحه 29:
Zz ‏به کار گیری موارد کاربرد‎ لآ ایجاد موارد کاربرد ان توجه به نيازمندىها و اهداف سیستم؛ مدل مورد كاربرد سيستم مشخص مى كردد. لأ توليد نمودار ترتيب (0130183171] ع6(اعنا560) برای هریک از موارد کاربرد نقش‌های لازم و همچنین ارتباط بین نقش‌ها برای انجام مورد کاربرد مربوطه. مشخص می‌شود. 29 هوش مصلوعى توزی شدو 

صفحه 30:
30 ‎[User‏ همم | ‎(Fitenotier‏ سس ‎Notify ‎Acknowledge ‎ ‎ ‎RequestNotification ‎NotificationComplete ‎by ‎ ‏هوش مصنوعی توزيع شده ‎FileViolation ‎Reported ‎ ‎ ‎ 

صفحه 31:
بهبود تفش ها لا هدف این مرحله تکمیل نقش‌های سیستم و مشخص‌نمودن وظایف هر نقش‌می‌باشد. لا در این مرحله باید اطمینان حاصل نمود که به هر 2031) یک نقش اختصاص داده شده است. لس می‌توان با ت کیب نقش‌هاء وظیفه انجام جندين |6031 را به يكك نقش اختصاص داد. 31 هوش مصلوعى توزی شدو 

صفحه 32:
۱ FieDeletionDetector | 14.4 FileNotifier 1.1 FileModifiedDetector ‏تا‎ ‎112 LoginNetifier’ 12 ‘AdminNotifier 1-32 1228 LoginDetector 1.2.1 ‎User 32‏ هوش مصلوعى توزی شدو ‎ 

صفحه 33:
مشخص کردن وظایف لا براى تبديل نقشها به كلا سهاى عامل در مرحله طراحى؛ بايد وظايف هر نقش مشخص كردد. براى اين منظور مى توان از نمودار نقشهاى سيستم را با جزئيات كامل استفاده نمود. لا 33 هوش مصلوعى توزی شدو 

صفحه 34:
ماه هار۳ ۳ 1123 1 11 ۳۳ 0 ey Beienmine Detect Fis ‏مس‎ Naldty ‏عام سر‎ Invalid File Validity Deletions, Deletion Mositicaion oainDetector ‏نهد ها‎ 3 121 12 113.1138 User 1221.22 ‏ل سم‎ Detect Loans 9 ‏ات رز‎ Notily User Loin ‏موم‎ ‘Beternine ‏ها‎ invalid Login 

صفحه 35:
مرحله طراحی لآ در اين مرحله می خواهیم مدلی تولید کنیم که در مراحل بعدی قابل پیاده سازی باشد. لا طراحی در 85 شامل مراحل زير است : 1# ايجاد كلاس هاى عامل 8 ساخت كفتكوها 1# تركيب كلاس هاى عامل = طراحى سيستم 35 هوش مصنوعی توزيع ده 

صفحه 36:
ایجاد کلاسهای عامل 0 در این مرحله براى هريكك از نقش هاى موجود در سيستم يكك كلاس عامل اختصاص داده مى شود. لا مى توان بين نقش ها و كلاس هاى عامل» نكاشت بك به يكك ایجاد نمود با مجموعه ای از نقش ها را داخل یک کلاس عامل قرار داد. ا در نمودار کلاس عامل كلاس ها ( به صورت مربع ) و ارتباط بين کلاس ها با خطوط مشخص می شود. 36 هوش مصنوعی توزيع ده 

صفحه 37:
DetectNotify FileNotifior LoginNotifer RequestNotification ¥ Notifier Noti AdminNotifier 4 RequestNotification LoginMonitor LoginDetector Violation FileMonitor FileDelotionDotector FileModifiedDetector 

صفحه 38:
ساخت گفتگوها لاد اين مرحله» هدف مدل سازی وضعیت داخلی یک عامل در هنكام دريافت يكك ييام است. لا براى اين منظور از تمودارهاى حالت ]1لا استفاده شذه و موارد زير بايد مدل شود : ال "پیامی " که با دریافت آن گذر از یک حالت به حالت دیگر صورت عى كيرد ‎Ml‏ "فعالیتی " که در صورت دریافت پیام فعال می‌شود. شرایطی که برای گذر از یک حالت به حالت دیگر باید برقرار باشد. كذ بيامى كه در حين گذر از یک حالت به حالت دیگر ارسال می گردد. ‎ ‏38 هوش مصنوعی توزيع ده ‎ 

صفحه 39:
پیام ارسالی( پارامترها ) * اعمال / [شرایط ] پیام دریافت شده( پارامترها) formUser, violationType, file) XN — ۲ ۲ ‏داتسار‎ ۱ ‏از ی کی‎ ) 8 failure(informUser, reason) _ failure(informUser, reason) informinotificationComplete) oe failure falled(file, violdatonType, reason) 39 فوش مصلوعى توزيع ده 

صفحه 40:
تر کیب کلاس‌های عامل لا ‎Oo‏ در این مرحله معماری داخلی عامل مشخص می شود. برای این منظور می توان از زبان های توصیف معماری استفاده نمود. 40 هوش مصنوعی توزيع ده 

صفحه 41:
استقرار سیستم ‎Oo‏ ‎Oo‏ در این مرحله ساختار کلی عامل ها در سیستم مشخص می شود. برای نمایش نحوه استقرار عامل ها از نمودارهای استقرار (0(1301310ا أداع مالا وامع0ا) در | الاالا استفاده می‌شود. 41 فوش مصتوعى توزيع ده 

صفحه 42:
روش‌های پیاده سازی لا در این بخش زبان‌هایی برای توسعه عامل‌ها اراله شده است. ‎Oo‏ زبان‌های عاملء زبان‌هایی هستند که در توسعه سیستم امکان استفاده از مفا هیم اصلی موجود در عامل‌ها (نظیر باورها؛ اهداف» و ديكر ويزكىهاى ذهني ) رابه طور مستقيم فراهم مي كند. ‏لآ نمونههايى از اين زبان‌ها عبارتند از : ‎Agent 0 1# PLACA " 3APL @ ‎ ‏42 هوش مصنوعی توزيع ده ‎ 

صفحه 43:
روش‌های پیاده سازی OY. Shoham, “Agent-oriented ۳ Artificial Intelligence , 60(1) 51-92, 1993. S. R. Thomas, Y. Shoham, A. Schwartz, and S. Kraus, “Preliminary thoughts on an agent description language”, /nternational Journal of Intelligent Systems, 6 497-508, 1991. K. V. Hindriks, F.S. de Boer, W. van der Hoek and J.-J.Ch. Meyer, “Agent programming in 3APL”, Autonomous Agents and Multi-Agent Systems, 2(4): 357-401, 1999. 43 هوش مصنوعی توزيع ده Oo 

صفحه 44:
روش‌های تست لا تست ویژگی‌های عامل لا تست ‎Unit‏ ‏در سیستم‌های مبتنی بر عامل» کوچکترین واحد قابل تست عامل است. ذا در این روش عامل از لحاظ وییگی‌هایی که باید از دید دیگر عامل‌ها برآورده سازد تست می‌شود. ‎M‏ محیط‌هایی برای تست خود کار عامل‌ها ( با زبان 13۷/3) ارائه شده است. در اين محیطها امکان ایجاد 256 ۲65۴ هایی مشتق, شده از لاو تست خود کار عامل بر اساس 0856 ]65] وجود دارد. 44 هوش مصنوعی توزيع ده 

صفحه 45:
روش‌های تست 0 در این روش کل سیستم چند عامله تست می گردد. #ظ تست يروتكل هاى ارتباطى 1# تست كاركرد عاملها در هنكام دريافت پیغام از دیگر عامل‌ها ‎O‏ تست ‎Validation‏ = در این روش برآورده شدن نیازهای مورد انتظار کاربر توسط سیستم چند عامله تست می گردد. 45 هوش مصنوعی توح شد 

صفحه 46:
روش‌های تست H. Knublauch, Extreme Programming of Multi-Agent Systems, In Proceedings of AAMAS’02, July 15-19, Bologna, Italy, 2002. DeLoach S. A., “Analysis and Design using MaSE and agentTool’”, In Proc. of the 12th Midwest Artificial Intelligence and Cognitive Science Conference (MAICS 2001), Miami University, Oxford, Ohio, 2001. 46 هوش مصنوعی توزيع ده لا Oo 

صفحه 47:
معماری سیستم : ‏در معماری سیستم دو مورد باید مشخص گردد‎ a 1# معمارى عامل معمارى سيستم جند عامله ‎O‏ در اين زمينه در منابع مختلفء الكوهاى معمارى كوناكون (نظير ۷ .81310310 ... ) معرفى شده است. ‏زبان هاى توصيف معمارى مخصوص عامل ها ‏روش هاى ارزيابى معمارى مبتنى بر عامل ‎QO ‎Oo ‎4 ‏فوش مصلوعى توزيع ده ‎ 

صفحه 48:
Nii, H Penny, The Blackboard Model of Problem Solving and the Evolution of Blackboard Architectures, Al Magazine, 7(2), 38-53, 1986. F. Amigoni, Somalvico, M., And Zanisi, D., A theoretical framework for the conception of euene . International Journal of Intelligent Systems, 14(5): 449-474, 1999. S. Wood S. and Barbacci, M. R.: Architectural Evaluation of Collaborative Agent-based systems: Software Engineering Institute, Technical Report, CMU/SEI-99-TR-025, 1999. H. Yim, K. Cho, K. Jongwoo and S. Park, “Architecture- Centric Object-Oriented Design Method for Multi-Agent Systems”, In Proc. of the Fourth International Conference on Multi-agent Systems (ICMAS-2000), 2000. 48 

صفحه 49:
ابزارهای توسعه عامل‌ها لا داراى مزايابى از قبيل : افزايش سرعت توسعهء ‎Gob chap ae GAS‏ توسعه دهند گان در مدیریت پروژه‌های پیچیده مبتنی بر عامل و ... می‌باشندد. ‎O‏ انواع ابزارهای توسعه عامل‌ها : 49 ابزارهاى تحليل و طراحى چارچوب‌های توسعه عامل‌ها ابزارهای تست و رفع خطا محیط های برنامه سازی ابزارهای نمونه‌سازی 

صفحه 50:
ابزارهای تحلیل و طراحی لا ابزارهايى برای تولید مدل‌های لازم در حين فرایند تحلیل و طراحی لا نمونه : ابزار 8۵56 ۸960۲۲۵0۱5۵1۲06۱ 50 هوش مصنوعی توزيع ده 

صفحه 51:
چارچوب‌های ساخت عامل Oo ۳ 0 51 چارچوب توسعه عامل مجموعه اى از محيط اجرايى: كلاسها و بسته هاى لازم براى توليد كد عامل و نرمافزارهاى مبتنى بر عامل مى باشد. دارای ویزگی‌های زیر است: آرائه مجموعه‌ای از کلاس‌ها برای پیاده سازی ارتباطات؛ همکاری‌ها و ‎Reasoning‏ آرائه محیط مدل سازی بصری برای تولید مدل‌های تحلیل و طراحی ابا 5 بز ارهایی برای تولید خود کار کد از مدل‌های بصری ایجاد شده تعدادی عامل از پیش تعریف شده برای تسهیل عملیات ساخت. عامل ارانهابزارهایی برای تست و رفع خطا ارائه تسهیلاتی برای ارتباط با دیگر سیستم‌های مبتتی بر عامل از طریق زبان‌هایی نظیر )و استانداردهایی نظیر ۴۱۳۸ AgentBuilder, Bond, Decaf, dMars, JiVE, KAos : us, JAF , ZEUS هوش مصنوعی توزيع ده 

صفحه 52:
ابزارهای تست و خطایابی لآ برای تست و خطایابی: ابزارهایی در چارچوب‌های معرفی شده وجود دارد. Sal hie aoe ... ‏تست ساختار سازمانی عامل‌هاه نبود منابع» زمان بندی‌های نادرست و‎ a ‏تست و خطایابی مدل‌های ایجاد شده در ارتباط بین عامل‌ها‎ ‏تست‌های 111لا براى تست عوامل به تنهایی‎ Mf 52 هوش مصلوعى توزی شدو 

صفحه 53:
نتیجه گیری لا سیستم‌های مبتنی بر عامل» نظیر هر سیستم نرم‌افزاری نیاز به روش های مهندسی نرم‌افزار دارند. برای مهندسی نرم‌افزار سیستم‌های مبتنی بر عامل» مدل‌های فرایند. روش‌ها و ابزارهای گوناگونی ارائه شده است. روش‌های زیادی در زمینه فعالیت‌های چتری و معماری نرم‌افزار عامل‌ها ارائه نشده است. Oo Oo 53 هوش مصلوعى توزی شدو