多智能Agent系统

多智能Agent系统（精选10篇）

多智能Agent系统 第1篇

电网是关系到国民经济命脉的基础产业和公用事业。现代电网的发展已经迎来机遇与挑战并存的关键期。一方面,电网需要应对日益严峻的资源和环境压力,实现大范围的资源优化配置,提高全天候运行能力,满足能源结构调整的需要,适应电力体制改革;另一方面,输配电、发电、信息化、数字化等技术的进步也为解决这一系列问题提供了坚实的技术支持。因此,智能电网成为现代电力工业发展的必由之路。目前,多个国家和地区针对智能电网启动了一系列研究。智能电网具有提高能源效率、减少对环境的影响、提高供电的安全性和可靠性、减少输电网的电能损耗等多个优点,主要体现在:可观测、量测;可对观测状态进行控制;嵌入式自主的处理技术;实时分析;自适应;自愈等[1,2,3,4,5,6,7,8,9,10]。

随着人工智能技术的发展,利用知识处理方法和知识库系统形成智能决策支持系统已成为决策支持系统发展的新动向。具有自治性、主动性、学习性、反应性和社会性的Agent技术提供了一个有效的方法。多Agent智能决策支持系统以数据仓库为核心,集成联机分析和数据挖掘的功能,利用Agent技术在满足系统的开放性的同时也降低了系统的复杂性,可适应智能电网的自适应监控电网状态、辨识反应能力、资源的优化配置及与用户的友好智能互动的要求[11,12]。

1 智能Agent的特征

Agent是一种具有知识、目标和能力,并能单独或在人的少许指导下进行推理决策的能动实体,是一种处于一定环境下包装的计算机系统,为了实现设计目的,它能在这种环境下灵活、自主地活动。随着Internet/Intranet的进一步发展和信息量的不断扩大,人们需要具有智能的Agent帮助和协同完成跨地区、跨时区、大规模的分布式问题求解。智能Agent具有以下特性。

(1)自治性。Agent能自行控制其状态和行为,能在没有人或其他程序介入时操作和运行。

(2)反应能力。Agent能够感知环境发生的变化,并对环境的变化作出反应,还可以能动地根据自己的目标采取相应的行动。

(3)通信能力。Agent能用通信语言与其他实体交换信息和相互作用。

(4)推理和规划能力。基于知识系统和外界环境的情况,能进行推理和规划,解决自身或传递的自身领域内的各类问题。

(5)协作及协调能力。表现为协同完成任务,协调和合作解决复杂问题,协商执行行动等。基于这类行动,Agent具有分布、自治和快速处理复杂问题的能力。

(6)社会能力。Agent能够通过某种通信语言和其他Agent或人进行交互。多Agent系统是在多个Agent的环境下,Agent与Agent之间如何协调不同的目标、规划、知识和动作等,以确保各个Agent自主运行而不影响整个系统的工作。

2 基于多Agent的智能电网系统调度

基于多Agent的智能电网系统调度由系统资源层、通信层和功能层3个主体层构成。整个系统是一个分层分布式结构,其总体结构如图1所示。

(1)系统资源层为系统中每个Agent提供相应的各种数据信息和调度方法,由数据库、知识库和策略库构成最底层的基本资源,并通过各自的管理Agent进行操作使用和管理工作。数据管理Agent负责数据的查询、录入、修改等操作,同时管理用于优化算法计算的调度数据。知识库包括与优化调度有关的常识性知识和经验性知识,其管理Agent负责知识库的管理维护工作以及基于知识的推理运行。策略库由调度模型和优化算法构成,策略管理Agent根据不同的优化目标和实时的调度计划不断地更新和完善策略库。在调度系统中不同Agent之间共享信息和知识是很重要的。

(2)通信层负责系统资源的分配工作以及各个Agent之间的通信活动,通过通信服务器Agent实现系统资源层和功能层2个主体层之间实时、快速的信息交互和共享活动。

(3)功能层由6个不同类型的Agent组成,也是调度系统的核心部分。主要负责调度任务的创建、运行和实现,对实时事件做出及时响应和处理,完成整个调度系统的优化工作。各个Agent功能说明如下:

1)预调度Agent:根据下达的调度计划,对当前现有的调度能力和系统状态进行分析和评估,从数据库中提取相关的调度数据用于预调度计算,得到初步的调度计划,产生最初的调度任务,使得预定目标达到最优。

2)资源管理Agent:负责采集、保存、更新和查询所有的调度资源信息及信息的管理维护工作,为平衡调度、实现资源重组提供依据。系统资源主要包括设备运行状态、信息和数据等。一方面,资源管理Agent通过通信将相关信息传递到其他Agent,并调用相应的方法从系统资源层中获取所需要的数据资源,为下层调度提供数据依据。另一方面,当任一资源状态发生变化时,资源管理Agent可以调用相应方法更新或删除系统资源层中的基本资源。

3)在线监控Agent:主要负责各个Agent之间的协调交互,跟踪系统数据并把数据反馈给资源管理Agent,实时更新资源信息。系统内出现异常现象,此时在线监控Agent可以向重调度Agent发出请求,要求重新分配资源,进行新的调度优化,同时帮助调度人员及时处理突发事件。

4)重调度Agent:在系统运行过程中,由于突发事件的发生使得预调度不能满足按期完成调度任务的要求,这时在接受在线监控Agent的异常警报后,根据当时的调度任务与资源状况对调度进行重新排序和资源重组。它需要与资源管理Agent协调,定期进行交互以获得资源状态的实时信息。在预调度的基础上,一方面调用模型修改调度问题,重新封装调度算法,另一方面接收监控反馈,执行任务的再调度。它随着突发事件的产生而生成,随着任务的完成而注销。

5)模型选择Agent:从策略库中调用基本模型和算法,将逻辑上相关的模型组合成为具有特定描述能力的某一模型。该组合方式呈动态性,即各个模型在物理上独立存在,可以根据实际问题的需要加以组合。然后根据优化目标,选择相关约束条件,并进行参数设定,系统通过选择不同的算法求解调度方案,将结果传送给调度交互Agent。

6)调度交互Agent:以人机交互的方式允许调度人员凭借自身的经验对调度结果进行人工干预,同时提供调度结果的查询,以图形或报表形式显示,以便获得更为合理的调度方案。

3 结语

从电力信息化建设的长远发展来看,要形成相互一致的业务基础信息系统和有效运行的信息层次化体系,使得各个业务系统间能够顺畅地传递信息,形成一个有机整体,在整个系统范围内实现信息的高度共享。智能电网运用先进的网络分析技术及新的智能化技术手段,将电力企业的各种设备、控制系统、生产任务及工作人员有机地联系在一起,自动收集和存储数据,对供电系统的运行及电力企业的经营管理进行全面、深入的分析,客观正确地优化其资产管理和供电服务。基于多Agent的智能电网系统调度能够进行集成联机分析和数据挖掘,可满足系统的开放性并降低系统的复杂性,适应智能电网的自适应监控电网状态、辨识反应能力、资源的优化配置和与用户的友好智能互动的特点,为智能电网环境下系统调度实现“多目标”、“可控制”、“自适应”、“自决策”、“快速性”提供了技术支持。

摘要：多Agent技术可用于开放和复杂的系统。基于多Agent技术对智能电网系统调度模型进行研究，设计了满足智能电网调度需求的各种Agent，分别承担智能电网的自适应监控功能、辨识反应功能、资源的优化配置功能以及与用户的友好智能互动功能。以期为智能电网系统调度研究提供技术支撑。

关键词：智能电网,多Agent,调度

参考文献

[1]陈树勇，宋书芳，李兰欣，等．智能电网技术综述[J]．电网技术，2009，33(8)：1-7．

[2]郝悍勇．IBM眼中的智能电网[J]．电力信息化，2006，4(7)：24-26．

[3]石丽，终贺，李洪凯，等．供电预测数据仓库的建设[J]．电力系统自动化，2003，27(13)：75-77．

[4]谢开，刘永奇，朱治中，等．面向未来的智能电网[J]．中国电力，2008，41(6)：19-22．

[5]余贻鑫，栾文鹏．智能电网[J]．电网与清洁能源，2009，25(1)：7-11．

[6]余贻鑫．面向21世纪的智能配电网[J]．南方电网技术研究，2006，2(6)：14-16．

[7]王明俊．突出自愈功能的智能电网[J]．动力与电气工程师，2007，(2)：12-16．

[8]帅军庆．创新发展建设智能电网：华东高级调度中心项目群建设的实践[J]．中国电力企业管理，2009，(4)：19-21．

[9]李亚楼，周孝信，林集明，等．2008年IEEE PES学术会议新能源发电部分综述[J]．电网技术，2008，32(20)：1-7．

[10]田廓建设坚强智能电网的技术经济关键问题框架研究[J]．陕西电力，2010，38(1)：37-40．

[11]孙辰军，张江维，赵雪琴．基于Multi-agent电网调度智能系统模型的研究[J]．华东电力，2005，33(8)：38-40．

多智能Agent系统 第2篇

基于多Agent空中交通流量管理系统的体系结构

分析总结了中国目前流量管理组织形式的现状,结合具体的实际情况,指出了层级式结构的不足,同时根据多Agent系统的`特点和组织结构,提出了基于多Agent的中国空中交通流量管理系统的组织形式,即中央交通流量管理中心Agent、区域流量管理中心Agent和三级流量管理Agent.详细描述了各个Agent的功能以及之间的工作A-式和合作机制,为中国流量管理系统的建立提供了理论依据.

作 者：赵嶷飞 张亮 王红勇  作者单位：中国民航大学,空中交通管理学院,天津,300300 刊 名：中国民航大学学报  ISTIC英文刊名：JOURNAL OF CIVIL AVIATION UNIVERSITY OF CHINA 年，卷(期)： 25(z1) 分类号：V355.1 关键词：智能交通系统   空中交通流量管理   多 Agent   体系结构   组织形式  

多智能Agent系统 第3篇

关键词 虚拟咨询组织 多Agent系统 协商 分布式控制

中图分类号：TP311 文献标识码：A

0引言

随着信息技术的快速进步以及信息高速公路的飞速发展，人类面临着二十一世纪信息革命和全球化市场竞争的严峻挑战，企业只有改变自工业革命以来形成的大批量制造模式才能建立适应新环境的经营管理模式。虚拟咨询组织代表当今企业间更加灵活的“竞争-合作”关系，通过协同合作谋求一个“多赢家”局面。虚擬咨询具有动态性、开放性、分布式网络结构、扁平化、系统性、单元化、可重构、规模可调等特性，它是一种柔性的可重组的新型咨询企业组织形式。其分布式的特点决定了它与传统咨询企业的信息系统有所不同。

1基于多Agent系统的咨询组织结构

为了保证组织中成员自治性的同时能够像一个组织一样进行工作，组成虚拟咨询组织的各个成员企业必须能够互操作并实时交换信息。但是各自治成员企业间具有异构性，使各个成员企业不能直接进行交互。为了解决由于系统的异构性而造成的成员企业不能交互的问题，一种比较好的方式是使成员企业的内部功能与虚拟咨询组织有关的功能分离，并产生对原有系统的必要映射。基于这种情况成员Agent一般采用四原则形式：Agent核心层，Agent任务层，接口，Agent通讯层。

Agent核心层代表各个成员企业的自治部分，即成员企业的内部管理信息系统和Web信息发布系统。Agent任务层包括支持成员企业之间交互的所有功能，它起的是协商与协调的作用，在虚拟咨询组织中作为各成员企业的代言人。它主要包括信息池，协调模块，协商模块和执行模块。接口为Agent任务层与Agent通讯层之间的内部通讯协议，实现了Agent任务层与通讯层之间的信息交换。Agent通讯层由EDI模块和外部通讯模块组成，主要完成各个Agent之间的信息交换。

用上述的Agent通用结构建立的虚拟咨询组织中，任务层通过通讯层发生交互，Agent核心层只与自己的任务层发生联系，这样既保证了各成员企业之间能够互操作和实时交换信息，又保持了各个成员企业的自治性。另外，该框架的使用也实现了虚拟咨询组织的可重用、可重组和可扩充的特性，成员企业可以根据需要动态的加入或退出虚拟咨询组织。

2项目分解中的Agent合作机制

通常的咨询任务无法由一个企业成员独立完成，需要多个成员之间相互协作实现。因此，需要对咨询任务进行合理的分解与分配。进行项目分解时要遵循独立性，层次性，组合性和均匀性等原则。对于项目分解和分配这里使用了项目参考库和投标机制，同时设计分解Agent、管理Agent、投标Agent、招标Agent用于项目的投标机制的运行。

分解Agent根据承担的项目，在参考库中寻找相同或者相似分解方案，如果项目参考库中存在相同或者相似的项目分解方案，则分解Agent根据此方案对所承担的项目进行分解。否则分解Agent要对咨询项目建立新的分解方案，并将该分解方案加入参考库中，作为以后进行项目分解的参考方案。

管理Agent是对子项目进行招标的管理者。一方面，它接收从分解Agent发送来的子项目，并负责生成完成子项目招标的招标Agent。另一方面，管理Agent负责接收投标Agent送来的投标进展信息，将不能完成投标的子项目上报给分解Agents重新进行分解。

招标Agent是动态存在的。它一方面负责将子项目信息通知部分或者全部投标Agent向它们进行招标，并收集来自投标Agent的投标信息，选出最优投标Agent并其发送中标通知。另一方面负责接收投标Agent监督到的项目执行状态，如果出现意外情况，招标Agent与部分或所有投标Agent重新进行招标确认。

投标Agent是虚拟咨询组织内各个伙伴成员的代理。一方面，投标Agent与招标Agent进行投招标后获得子项目，并监督伙伴成员对子项目的执行情况。另一方面，投标Agent还可以将伙伴成员的状态信息提供给招标Agent或者管理Agent。

通过上述项目分解机制可以实现对项目分解和执行过程的实时监控与管理，因此可以很好的提高项目的执行效率，最大化组织成员的利益。

3总结

基于多Agent系统的咨询组织，因其良好的对企业独立性及系统合作性的保障，正作为一种全新的企业经营模式受到越来越多的关注。本文研究的虚拟咨询组织中，每一个成员企业为独立的Agent。这种设计方法极大地保障了个成员企业的独立性以及灵活性，它们可以根据自身的需求参加或退出某个虚拟组织，以获得更高的企业效率。

参考文献

[1] 李玉光. 基于Agent的虚拟咨询组织信息系统研究[D]. 河北工业大学，2004.

[2] 樊晓聪，徐殿梁，侯建明等. 面向Agent软件工程. Agent计算、编程风格与语言设计[J]. 计算机科学，1998，Vol，25.

多智能Agent系统 第4篇

在当今社会中, 绝大多数工作都是在特定的群体环境中由组成群体的各主体分工协作、共同完成的。大多数工作的完成同时伴随着决策过程的发生, 决策过程的优劣很大程度上影响工作任务的顺利完成。多Agent技术为建立智能决策支持系统提供了新的途径。Agent作为人工智能的一部分, 是人工智能和对象实体相结合的产物[1]。它是能够独立、自动代替用户执行某一特定任务的程序, Agent所具有的自治、协作、学习、归纳、推理等特性能够支持各阶段的决策制定和问题求解[2,3], 增强传统决策支持系统的功能。多Agent系统是一种松散耦合的Agent网络, 具有很好的灵巧性和精干性, Agent之间通过相互调度、相互合作协同完成大规模的复杂问题求解。

本文提出了一种多Agent智能决策支持系统。在该系统中, 每个Agent可以利用黑板控制Agent充分交换信息、数据和知识, 在任意时候访问黑板, 查询发布的内容, 然后各自提取所需要的工作信息, 以便完成各自担当的任务, 并且通过黑板Agent进行Agent之间地协调, 使多个Agent共同协作来求解给定的问题。

1 基于多Agent的智能决策支持系统体系结构

在多Agent智能决策支持系统中, 每种决策任务或功能可由一个独立的Agent来完成, 各种Agent通过一个相应的标准从各自角度出发来分析问题, 每个Agent能力、意志和信念的不同, 使它们具有问题求解领域的知识以及问题求解的技能的不同。不同Agent从自身角度审视决策问题, 独立完成一定子任务, 然后通过黑板Agent协同合作来达到一个共同的目标。由于Agent的自治性和实体化, 可以随时加入或离开一个问题求解系统, 使得决策者可以方便地参与到决策过程中, 从而保证系统地灵活性。文中所构建的系统结构为交互层→智能决策层→资源层的三层体系结构如图1所示。其中以智能界面Agent和决策用户组成的交互层;以黑板控制Agent、功能Agent和决策Agent组成的智能决策层;以模型库及模型库管理系统、知识库及知识库管理系统、方法库及方法库管理系统及数据仓库和多库协同器组成的资源层。

2 系统的交互层

智能界面Agent是系统体系结构中与决策者联系的部件, 能够独立地持续运行。系统可以通过它和决策者通信, 通过学习用户的目标、爱好、习惯、经验、行为等, 辅助用户更高效地完成任务。它代替传统的人机交互界面, 强调Agent的自主性和学习性, 可以主动的探测环境变化, 在和用户交互共同作用的决策过程中, 能够通过不断地学习, 获得用户地某些特征知识, 从而可以在决策的过程中根据感知到的用户行为方式提供合适的用户界面, 自主地做出与用户意志相符合的策略。在智能界面Agent的全局知识中主要包括:问题领域知识、用户模型或用户知识、自身知识、其他Agent能力的知识。它可以采用通过发现和模拟用户学习知识, 通过获得用户的正向和反向反馈学习知识, 通过用户的指导获得知识, 通过与其他Agent的通讯来获取知识等, 可以用三元组描述:IA= (A, Ks, Bout) , 其中A是智能界面Agent标识的集合;Ks是智能界面Agent的数据库和推理机制, 包含了有关决策领域和决策者的知识, 可以用来推测决策者的决策模式;Bout是Agent的行为, 可以对其他Agent施加影响。

3 系统的智能决策层

功能Agent对黑板数据平面的变化进行监督, 对各决策Agent的激活条件和黑板各平面信息进行匹配, 将黑板上的信息发给相应的决策Agent。功能Agent利用系统的消息、队列机制发送黑板上的信息, 并且负责报告系统的运行情况, 对任务的完成情况向用户报告、提供解释、提供查询。它内部有一个各决策Agent读黑板的激活条件表, 当黑板各层信息变化时, 则对与该层信息变化有关的激活条件表进行检查, 如果匹配, 则进行进一步分析, 决定是直接激活相应的决策Agent读取黑板信息完成相应的任务或者是做其它操作例如提供报告、解释等。同时还随时提供系统执行情况的查询。

决策Agent在某个特定领域有解决问题的知识和技能。把每一种决策方法设计为一个决策Agent, 多个决策Agent在功能Agent的控制和监督下, 通过相互间的协调和合作, 能够解决复杂决策问题。这类Agent是可扩展的, 随着决策理论的发展和智能化决策方法的进步, 可以开发越来越多的决策Agent。决策Agent可以描述为一个6元组:DA= (A, St, Ta, Mt, Ks, Bout) , 其中A是Agent的标识的集合;St是Agent的内部状态;Ta是任务标识的集合, 表示Agent的计划;Mt是Agent的消息传递机制;Ks是决策Agent的知识系统, 包含了知识库以及推理机;Bout是决策Agent的行为, 可以对其他Agent施加的影响。决策Agent没有关于外部环境的模型, 没有关于其他Agent的知识, 但仍然有与其他Agent交互的能力。

黑板控制Agent是整个系统的大脑, 它直接控制着黑板并且间接地控制着系统中的其他Agent, 它根据自身知识库和协作的原则把待处理问题分解成相应的子问题, 并分配到黑板中相应的数据平面, 对各数据平面进行统一管理, 并且消除不同决策Agent间的冲突。黑板控制Agent应该设计成主动Agent, 能够根据用户需求, 确定问题类型, 利用知识库和模型库将问题分解, 发送数据和控制信息, 将子问题分配给合适的决策Agent, 等着决策Agent发来的数据和结果写入黑板时, 即对黑板上的各数据平面的内容进行改变时, 消除不同决策Agent之间的冲突, 协调各决策Agent, 并将合成结果反馈给用户。

4 系统的资源层

资源层中有四个库, 即模型库、知识库、数据仓库和方法库, 它们通过模型库管理系统、知识库管理系统、方法库管理系统和数据挖掘来管理, 并通过多库协同器对各库进行总体控制, 多库协同器[4]具有总控调度、协同规划、通信联络等作用, 能够实现对各库的使用和管理及多库的资源共享和协同运行。

4.1 模型库及模型库管理系统

模型库是决策支持系统中的核心部分, 用来存储模型的代码, 是各种模型的集合, 其中的模型是对现实世界的事物、现象、过程或系统的抽象描述。模型类型的多样性是组合复杂模型解决复杂问题所需要的, 也扩充了辅助决策的能力。模型库中的模型可以重复使用, 避免了冗余。模型库由模型字典库和模型文件库构成。模型字典用来存放有关模型的描述信息 (如限制、约束、参数模型等) 和模型的数据抽象, 即模型关于数据存取的说明。模型字典中还可以存放主要用来辅助用户学习使用模型的信息, 如模型结构、模型性能、模型应用的场合、模型求解技术、模型输入输出的含义以及模型的可靠性等。为了对模型库进行集中控制和管理, 模型库管理系统统一管理所有的模型, 实现模型的共享和组合生成新的模型。其主要功能有构模管理、模型的存取管理和模型的运行管理。

4.2 知识库及知识库管理系统

知识库是系统智能的来源, 主要用来存放规则。把知识按某种原则进行分类, 然后分块分层组织存放。每一块和每一层还可以再分块分层。这种层次结构可方便知识的调度和搜索, 加快推理速度。知识的表示使用产生式规则, 产生式规则具有很强的结构性。对于规则:

IF antecedent THEN action CF

上式中, antecedent为此规则的前提, action为此规则在其前提成立的条件下的结论, CF可信度因子, 当为确定推理时, CF=l。

知识库的建立、删除、重组及维护和知识的录入、查询、更新、优化等, 以及知识的完整性、一致性、冗余性检查和安全保护等方面的工作都是对知识的管理, 是提高整个系统性能和效率的保证, 对知识的这些管理是由知识库管理系统来完成的。

4.3 方法库及方法库管理系统

方法库是方法的汇集, 存放各种模型使用的方法, 为模型求解提供算法基础和方法支持, 在该智能决策系统中, 方法库用于存储决策中一些标准函数、过程、及决策中常用的分析方法和算法等, 方法库按照一定的原则将方法有机地汇集起来, 由方法库管理系统进行集中控制和管理, 对各种方法进行查询、检索、增加、删除等, 还可以按不同决策者的需求选取合适的方法。

4.4 数据仓库

数据仓库是数据存储的一种组织形式[5], 它从最初的数据源获得原始数据, 按照决策的要求重新组织, 形成具有不同粒度的综合数据层, 同时, 数据仓库还对其中存储的数据进行操纵、管理等, 以支持决策。

要实现数据仓库的功能, 数据仓库的总体层次结构应该由数据仓库基本功能层、数据仓库管理层和数据仓库环境支持层组成。数据仓库的基本功能层应该包含从数据源抽取数据, 对所抽取的数据进行筛选、清理, 将清理后的数据加载到数据仓库中, 根据用户的需求设立数据集市, 完成数据仓库的复杂查询、决策分析和知识的挖掘等功能。数据仓库的管理层包含数据管理与元数据管理, 主要负责对数据仓库中的数据抽取、清理、加载、更新与刷新等操作进行管理。只有使这些操作正常完成, 才能源源不断地为数据仓库提供新的数据源, 才能正确利用数据仓库进行决策分析和知识挖掘。数据仓库环境支持层主要有数据传输和数据仓库基础两大部分。数据仓库结构图如图2所示。通过独立开发的数据集市逐渐构建数据仓库。数据集市是具有特定应用的数据仓库, 针对特定的需求支持用户利用已有的数据进行管理决策。它们都被设计成主数据仓库的组件, 以保证数据的组织、格式和结构在整个数据仓库内保持一致。避免数据集市内的重构现象。当使用数据仓库时, 可以通过OLAP联机分析处理技术对数据集市或数据仓库进行各种决策查询分析。通过数据挖掘对数据仓库中的数据进行模式抽取和知识发现, 为数据仓库提供了更好的决策支持。基于数据仓库的数据挖掘能更好地满足高层战略决策地要求。其数据挖掘的基本过程如图3所示。

5 结论

本文基于多Agent技术, 在传统的智能决策支持系统的基础上提出了基于多Agent的智能决策支持系统模型。其Agent结构提供了柔性, 可变性、鲁棒性, 适用于解决一些动态的, 不确定的和分布式的问题, 顺应了分布式及智能化的发展。

参考文献

[1]杨斯博, 李敏强.一个基于自组织多Agent系统的智能控制与决策模型[J].天津大学学报, 2012, 45 (10) :903-911.

[2]马骏, 陶先平, 朱怀宏, 吕建.多Agent系统的上下文感知增强[J].软件学报, 2012, 23 (11) :2905-2922.

[3]曹凤雪, 黄成.一种多agent系统的组织适应模型研究[J].微电子学与计算机, 2012, 29 (9) :55-58.

[4]王梅蓉, 曾广平, 涂序彦.多库协同中的AI-Agents研究[J].计算机应用, 2004, 24 (6) :78-79.

多智能Agent系统 第5篇

[关键词] 多Agent系统物流管理信息系统模型体系结构

一、引言

物流管理信息系统是从提高事务的处理效率、作业效率等物流活动的实际需要出发，进而支持整个物流活动，最终把生产和销售结合在一起而贯穿生产和经营全过程的信息系统。

分布式体系结构具有敏捷、灵活、实时的优点，它主要采用多Agent系统(MAS)的形式。由于MAS中每个智能体皆有一定的独立功能，而且智能体之间的结构关系是可动态调整的，因此由不同功能的Agent组成紧耦合的物流信息管理体系结构具有自适应、自组织和良好的协调性能，可以通过协调方式完成繁杂的整体运作，为传统上难以有效管理的复杂物流业务过程提供了一种新的解决办法。

二、Agent技术及其与企业信息系统的相适应性

Agent是一个具有目标、行为和领域知识的实体，能作用于自身和环境，并对环境作出反应。由消息处理模块、通讯模块、信息协调模块、决策模块以及数据库和任务表组成。消息处理模块和通讯模块负责与系统环境和其他Agent进行交互，任务表为Agent所要完成的功能和任务。信息协调模块负责对感知和接收到的信息进行初步加工、处理和存储，决策模块是赋予Agent智能的关键部件，它运用数据库的知识对信息协调处理所得到的外部环境信息和其他Agent的通讯信息进行进一步分析、推理，为进一步通讯或从任务表中选择适当的任务供执行模块执行作出合理的决策。

自治性Agent能够在没有人或其他外界因素的直接干预下运行，对自身的行为和内部状态有一定的控制权；反应性Agent可以感知环境并及时作出反应；社会性对于某些任务需要多个Agent的协调合作才能完成。Agent可以与其他Agent或人进行信息交换；能动性Agent能够能动地采取有目的的行为而不仅仅是简单地响应环境，可以作出基于目标的行为。

Agent的特性：适合于成员自然分布、主体自治、地理位置分散，成员间有灵活性交互需求，处于变化着的系统。显然物流管理信息系统属于此类系统，适合使用Agent模型描述。Agent的主动性、反应性使企业物流系统易于对环境变化作出及时响应，实现与企业变革的同步调整，提高企业经营管理的水平。

三、物流管理信息系统模型分析

物流信息由与企业生产经营相关的物流系统内部信息和外部信息组成。

内部信息是伴随物流活动而发生的信息，包括物料流转信息、物流作业信息、物流控制信息和物流管理信息。

外部信息是在物流活动以外发生，但提供给物流活动使用的信息。

基于多Agent技术的物流管理信息系统具有如下特点：

1．支持面向群体的多种工作模式

要求物流信息系统中的成员协同完成共同的任务。物流信息系统各个子系统的工作分散性和阶段性，决定在一般情况下采用灵活、高效、适应性强的异时(异步)工作模式，而对于紧急协调需要采用实时(同步)工作模式。

2.支持协同应用的多样性

为了便于各物流子系统之间进行必要的信息交流，物流管理信息系统提供多种数据的交换。

3．支持协作角色和冲突解决

物流信息系统在工作过程中，各个子系统之间的任务和权利不同，运作过程中难免出现矛盾和冲突。

4．支持不同权限的信息的共享

物流信息系统要解决的一个关键问题是有一定安全性的信息共享，实现各子系统之间不同层次数据、资源共享。

5．支持智能的协作时间和任务安排

物流管理信息系统的主要优势在于系统的灵活性和合理有效的调度。物流信息系统各个子系统都有自己的计划和任务描述来供系统和其他子系统感知。

四、基于多Agent的物流管理信息系统模型体系结构

在基于多Agent技术的物流管理信息系统中，Agent的体系结构主要包括资源管理模块、信息管理模块、通信管理模块、决策支持模块和推理模块，如下图所示。

资源管理模块用于对各种资源信息的管理，涉及企业生产需求和物流中心供应的各种资料，包括车辆、仓库、生产设备等的使用信息，如对新增加资源的注册，报废资源的注销，资源的使用登录、分配和管理等。接受来自Agent资源申请要求，对所有请求进行分解并重新组合，合理分配和使用资源，最后由资源管理Agent返回资源分配信息。本模块从企业全局进行考虑，对请求进行分解和再组合，确保资源请求的合理和资源支持的有效性。

物流MIS多Agent体系结构图

信息管理模块环境信息获取、处理及对信息进行分类、管理和控制，以及对相关Agent之间信息的交互和任务的协调管理。通信管理模块对信息采集、处理、存储和流通作出要求，并构筑由信息设备、通信网络、数据库、系统软件和支持性软件等组成的管理环境。该模块是Agent与其他Agent之间消息传递接口。

决策支持模块该模块将根据信息Agent传来的信息和任务源进行判断通过推理模块得出推理结果，并转变成Agent能够理解的语言格式。推理模块是Agent的核心，包括任务表、任务表管理、知识库、规则库及规则管理系统，为信息处理模块以及决策和智能模块提供信息和依据。

物流管理信息Agent组采用集中式Agent组织结构，系统通过多个Agent组相互协作，相互作用，完成某些Agent组提出的任务或目标。其中某个Agent要求任务的公布可以采用网上广播的方式进行。

五、结论

使用多智能Agent系统分析物流管理信息系统的体系结构，使物流管理信息系统具有模块化、分布性、重用性、实时性和可扩充性的特点。

多智能Agent系统 第6篇

近几年, 尽管有关设备智能故障诊断的研究很多, 也取得了一定的成果, 但是目前大多数的研究只是针对某一台或某一种特定设备的故障诊断, 没有把诊断对象、诊断过程作为一个有机的整体来对待, 对于通用设备的故障诊断研究甚少。此外, 智能化是故障诊断的新动向、新阶段, 网络的智能化研究已经成为热点, Agent技术为智能故障诊断系统的设计和实现提供了一条极具潜力的途径。本文通过对现有智能故障诊断系统研究, 结合Agent的基本结构和特性, 设计了一个基于多Agent的设备智能故障诊断系统, 实现了对不同设备的通用性。

1 相关技术

1.1 Agent的定义及其结构

Agent可以翻译成智能主体、协调者、代理, 它可以看作是在某一环境中持续发挥作用、有生命周期的计算实体。它能够通过感应器感知周围环境, 并能够通过效应器作用于周围环境。Agent是在特性、功能、行为等方面对人的模拟、延伸和扩展。Agent的基本结构如图1所示。

Agent一般包括以下基本特性:

自主性。Agent作为一个独立自主的计算实体, 在没有人或其他Agent干预下能自行工作, 并能主动控制其自身行为和内部状态。

反应性。Agent能感知所处的环境, 并能对其变化及时做出反应。

适应性。Agent具有学习能力, 并根据环境条件的变化, 采取相应动作修改自己的目标、计划、策略以适应环境。

交互性。Agent与环境之间能进行交互, 并能通过自身行为改变环境。

合作性。Agent可以与其他Agent分工合作, 相互协商、配合解决单个Agent无法完成的任务。

智能性。Agent具有一定的智能性, 包括从预定义规则到自学习人工智能推理机等一系列的能力。例如, 理解用户用自然语言表达的对信息资源和计算机资源的需求;捕捉、推测用户的意图并代理用户完成任务等。

通信能力。Agent之间可以互相通信, 以获得自己所需的信息和解决自己局部不能解决的问题。

但在实际的系统中, Agent并不能保证具有以上的全部属性。

1.2 故障诊断相关概念

故障 (Fault) 通常指设备在规定条件下不能完成其规定功能的一种状态。故障诊断FD (Fault Diagnosis) 就是对设备运行状态和异常情况做出判断。在设备没有发生故障之前, 对设备的运行状态进行预测和预报;在设备发生故障后, 对故障的原因、类型、部位等做出判断, 并进行维修决策。故障诊断的对象虽然千差万别, 但从故障诊断技术角度来看, 都是利用各种传感器搜集被诊断对象的各种信号, 经处理和分析后, 对其运行状态是否正常进行判断, 确定其故障部位与严重程度, 并对其能否继续运行进行决策。

2 基于多Agent的智能故障诊断系统

2.1 基本原理

Agent技术可以通过对问题域的描述、分解和分配, 构成分散的面向特定问题、相对简单的子系统, 并协调各子系统并行地、相互协作地进行问题求解, Agent技术为智能故障诊断系统的设计和实现提供了一条极具潜力的途径。

2.2 系统模型

本文设计的基于多Agent的智能故障诊断系统, 首先在域内进行故障诊断, 如果无法确定其故障部位或故障原因, 则向远程故障诊断中心求助, 通过远程故障诊断中心进行故障诊断。设计的系统模型如图2所示。

各Agent的功能描述如下:

数据采集处理Agent:利用传感器和A/D数据采集卡, 获取诊断对象的状态数据, 并将其存储在数据库中, 供故障诊断Agent调用。

域故障诊断Agent:首先在域内进行故障诊断, 如无法确定其故障部位或故障原因, 则向远程故障诊断中心求助, 通过远程故障诊断中心进行故障诊断。

诊断任务分解Agent:将诊断对象的全局诊断任务按其结构和故障类型分解为苦干个局部诊断子任务, 形成诊断任务集。

诊断任务控制Agent:负责各个诊断任务的分配、调度、控制以及处理各个诊断子Agent发生的冲突, 监视任务的执行, 并将处理后的结果返回到客户端。

诊断Agent集:实现各种具体的分析和故障诊断算法。它是整个诊断系统的核心, 接受诊断任务控制Agent的诊断请求, 并从数据库读取相应诊断对象的状态数据, 从知识库中提取合适的知识, 采用合适的诊断方法完成相应的诊断子任务, 再将诊断结果交给诊断任务控制Agent。

知识管理Agent:负责知识库的维护和管理, 为故障诊断Agent集提供诊断知识。

采用多Agent系统具有以下优点:

(1) MAS具有良好的协同性。Agent可以与其他Agent协同解决单个Agent无法完成的任务。

(2) MAS具有通用性。MAS可将一个复杂任务分为若干个子任务, 这些子任务又分别由不同的Agent完成。由于每个Agent都有各自的诊断算法, 并且由诊断任务控制Agent对各Agent诊断的结论进行综合决策, 实现了对不同设备的通用性。

(3) MAS具有可扩充性。由于各Agent之间在功能上相互独立, 彼此之间通过通信取得联系, 因此增加或删除某一Agent对系统的影响不大。

(4) MAS模块化程度高, 便于程序设计和开发。

2.3 故障诊断Agent模型

本文以Agent的基本结构作为框架, 结合故障诊断的特点, 设计了故障诊断Agent的结构模型。设计思想是:根据Agent模型对故障诊断系统进行Agent化, 使它具备Agent的特性。由于传统故障诊断系统不具备自主性、反应性、预动性、交互性以及任务优化性的功能, 而这些特性又正是Agent所必备的特性, 所以需要为传统故障诊断Agent增加相应的部件, 以实现相应的功能。本文设计的故障诊断Agent的结构模型如图3所示。

故障诊断Agent主要由故障诊断机、知识学习机和诊断知识库3部分组成。

故障诊断机。故障诊断机体现了故障诊断Agent与诊断环境的交互。诊断感知机接收被诊断对象的故障状态信息, 并将相关参数传送给故障诊断引擎;故障诊断引擎根据诊断知识库中的诊断知识, 进行诊断与决策;然后将诊断结果通过结果输出机返回到诊断对象, 并通过黑板将诊断结果传送到诊断学习机。

知识学习机。知识学习机体现了故障诊断Agent与学习环境的交互。学习过程包括前期学习和后期学习。前期学习指诊断知识库初步建立阶段的学习, 后期学习指故障诊断机无法诊断或诊断结果与实际相差较大时的学习。进行后期学习时, 知识感知机从学习环境中感知新的信息, 例如可以向专家学习, 并将得到的新知识加入诊断知识库, 这样便可不断扩充故障Agent诊断的诊断知识和提高故障诊断Agent的诊断能力。

诊断知识库。诊断知识库是故障诊断Agent的知识存储中心, 诊断知识的丰富程度代表了故障诊断Agent诊断智能化的程度。诊断知识库由诊断库、检测库、容错库3个子库组成。检测库用来获取故障信息, 并对其进行比较、分类和处理, 其中包括检测参数特性的描述, 信号处理方法的选择, 检测结果的排序、分析、比较等;诊断库用于故障识别, 主要包括诊断算法的选择, 诊断推理过程, 诊断结果的解释等;;容错库用于对故障进行控制和处理, 其中包括故障消除的方法等。

诊断知识的获取与表示。知识获取过程就是诊断知识从知识源到知识库的转移过程。知识获取可以采用外部获取和内部获取两种方式。对于外部知识, 可通过向专家提问来接受专家知识, 然后把它转换成编码形式存入知识库;内部知识获取指系统在运行过程中, 从错误和失败中进行归纳、总结, 根据实际情况对知识库不断进行修改和扩充。

为了便于知识的存储、检索、扩充和修改, 本文拟采用产生式规则表示形式, 例如:

Rule中的第1项为故障代号;第2项为故障类型, 如“T”表示温度类型故障;第3项表示具体故障, 如F1表示主板温度偏高, 第4项表示故障原因表, 其中每一个数码与Con中的第1项相匹配。

Con中第1项为故障原因序号;第2项为故障部位;第3项为故障原因。

3 结束语

Agent技术为解决设备的故障诊断提供了一种新的技术途径, 各个Agent分工明确, 能够较好的协作完成故障诊断任务。基于多Agent的智能故障诊断系统能够保证设备安全、高效、可靠的运行, 使各种不同类型设备的持续工作能力达到较高水平, 提高了工作效率, 降低了维护费用, 是设备故障诊断智能化的发展方向。

摘要：本文对多Agent技术在故障诊断领域的应用作了研究, 在传统智能故障诊断系统的基础上, 结合Agent的基本结构和特性, 提出了基于多Agent的智能故障诊断系统模型。该系统中的各个单独的Agent都具有自己的判断方法、知识处理及同其他Agent的协作能力, 为实际应用系统的开发提供了理论指导。

关键词：多Agent系统 (MAS) ,智能故障诊断,协作

参考文献

[1]王汝传, 徐小龙, 黄海平.智能Agent及其在信息网络中的应用[M].北京:人民邮电大学出版社.2006.2.

[2]王仲生.智能故障诊断与容错控制[M].西安:西北工业大学出版社.2005.

[3]黄文虎.设备故障诊断原理、技术及应用[M].北京:科学出版社.

[4]Daniel D C.Collaborating software blackboard and multi-Agent systems & the future.New York: Pro-ceedings of the inter-nationall ispc onference.2003.

多智能Agent系统 第7篇

目前, 随着信息技术的不断发展, Internet技术的日渐成熟, 公众上网人数成倍增加, 上网意识逐渐加强。在这些因素的影响下, 政府为了能更好地为社会提供服务, 在进行事务处理时, 需要采用最新的信息技术手段。电子政务在这种环境下产生。行政审批是政府非常重要的业务之一。传统的行政审批系统已经不适应社会的需求, 因而功能完善、便捷的智能化行政审批成为最有效的解决方案。

Agent技术是从分布式人工智能领域中兴起的一个概念, 如今它已成为一个研究热点, 其应用领域也从人工智能扩展到了机器人、人工生命、数据挖掘、决策支持等很多领域。

为了解决传统的行政审批系统中智能性不足的问题, 本文提出了基于多Agent技术的行政审批系统模型, 并通过相应技术实现了该系统。

2. Agent技术与行政审批

2.1 Agent和多Agent技术

Agent是在复杂动态环境中, 能够自治地通过感应器感知环境中的信息, 自主采取相应行动, 并通过效应器影响和作用所处环境而实现预定目标或任务的计算实体。具有智能性、自主性、自治性、社会性和学习性, 适合于完成知识搜索、知识管理等任务。Agent技术赋予了软件实体 (或软硬件实体) 以信念 (Belief) 、愿望 (Decision) 、意向 (Intention) 、能力 (Capacity) 等特点, 大大推动了人工智能技术在理论和实践方面的发展。

多Agent系统 (Multi-Agent System, MAS) :由多个相互操作、相互作用的Agent构成的系统。MAS是一个松散耦合的Agent网络, 这些Agent在物理上或逻辑上是分散的, 其行为是自治的, 它们为了共同完成某项任务或达到某些目的, 遵守某种协议而连接起来, 通过交互与合作解决超出单个Agent能力或知识的问题。通过多Agent的协调和通信可以在分布式环境中集成和布署多样的Agent系统。

2.2 智能行政审批系统

行政审批, 是指行政审批机关根据自然人、法人或者其他组织依法提出的申请, 经依法审查, 准予其从事特定活动、认可其资格资质、确认特定民事关系或者特定民事权利能力和行为能力的行为。行政审批作为政府审批性的管理行为, 通常归纳为四大类:审批、核准、审核、备案。

事实上, 行政审批就是审批文件从起草到归档, 并在各部门之间逐级审批的流转过程, 所以, 行政审批过程也可以被看成一系列针对文件中数据、信息进行有序操作的集合, 某一时刻审批对象中的数据信息反映了那一时刻对象所处的状态。

行政审批的业务通常指一组对于物理的或者抽象的应用状态的操作组成的集合。因此可以把整个行政审批工作看成业务对象的集合, 一类行政审批工作看成集合中的一个元素, 相当于一个业务对象.而针对某类流转工作的所有操作活动联合在一起形成了该业务对象的基本功能。

3. 基于多Agent的行政审批系统设计与功能

3.1 基于多Agent的行政审批系统设计

在实际应用中, 构建一个灵活、可靠、高效、高适应性的多Agent系统, 不仅需要自治、协作的Agent和可靠、高效的通信技术保证, 还需要该Agent系统具有优良的组织结构和灵活的协作机制。在行政审批系统中, 需要多个Agent的协作才能完成统任务。

我们结合行政审批的业务特点, 利用AGNET的如下特性, 构建了基于多AGENT的行政审批系统模型。

(1) 利用Agent的主动性和反应性, 实现预设条件, 标准化审批。

(2) 利用Agent的自治性和智能性, 实现信息共享, 并联审批。

(3) 用Agent的社会性, 实现事项审批状态查询和结构反馈

3.2 系统组成和Agent的功能

我们先将行政审批系统按照业务流程从AGENT角度将其进行了任务分解, 分解为各个子系统 (如图1所示, 其包括申报服务模块, 统一受理模块, 内部审批模块, 数据资源模块, 系统管理模块) 。各个子系统又包括有多个相互协作和通信的Agent, 这些Agent按照MAS的分层设计、逐步逼近的方式实现行政审批系统的多Agent模型。

其中, 申报服务模块Agent子系统包括办事指南Agent和事项跟踪Agent, 表格下载Agent等, 他们用于为民众办理行政审批申报提供基本信息和相应资料。

统一受理模块Agent子系统包括登记Agent、录入受理Agent、补齐补正Agent、不予受理Agent。系统按照接件、受理程序进行预处理。

内部审批模块Agent子系统包括初审Agent、承办Agent、审核Agent、审定Agent、办结Agent。此模块是审批的核心流程, 通过初审、承办、审核、审定环节可以实现一个审批件的内部智能流转。

数据资源管理Agent子系统包括数据共享Agent和数据管理Agent, 数据存储的知识库和数据库。他们为整个系统提供决策所需的知识和数据, 并对知识库和数据库进行学习更新。

系统管理模块主要包括流程管理Agent和表单管理Agent。

4. 行政审批系统工作过程

在公众进行行政服务项目申报时, 首先由申报服务模块提供相应的表格, 公众根据办事指南Agent的指引, 确定申请流程。统一受理模块中公众网上提交的申请由接件Agent进行登记并初审所需资料的齐备性, 如果材料齐备则录入受理Agent进行受理, 否则, 退回补正。补齐后进入内部审批模块, 在此模块中, 初审Agent进行第一道审批程序, 初审Agent将审查结果反馈给审核Agent, 由审核Agent进行复审, 审核通过则进入审定Agent, 审定Agent给出审批结果。

如果用户通过信息门户提交了事务请求, 则按照上述流程进行运转。在运行过程中, Agent不断积累信息, 数据共享Agent对信息数据进行分析和处理, 从中发现新的知识, 并传送给数据管理Agent, 由其对知识进行管理和使用。

基于多Agent的智能行政审批系统中, 审批工作过程如图2所示。

5. 结束语

智能化审批, 是指适应加快信息网络化发展和深化行政审批制度改革的要求, 运用计算机智能技术, 对项目的申请、审核、决定、监管等审批过程实施智能化, 以提高办事效率, 增加行政管理的科学性。智能化行政审批系统是一项复杂的计算机软件系统。

AGENT技术是分布式人工智能技术的进一步发展。由其组建的MULTI-Agent系统是将一个复杂的大系统分解成具有部分求解能力的各个Agent, 通过他们之间的协作、通信解决单个Agent难以解决的问题, 使得系统成为一个性能优越的整体。多Agent灵活的协作模式和高度的主动性和较强的适应性使得它应用于电子政府中的行政审批系统具有很大的优越性和可行性。

本文对agent技术及行政审批的关键技术进行了详细研究, 为了解决目前行政审批系统运行效率低, 智能化不足的缺点, 搭建了基于多Agent技术的智能化行政审批系统模型, 并对其功能模块与行政审批系统业务进行了分析。

参考文献

[1]Chunyi Shi, Wei Zhang, The Introduction of Multi-Agent system[M], Publishing House of Electronics Industry, Beijing, 2003.

[2]Hongchun Shu, Lan Tang, Jun Dong, , A Survey on Application of Multi-agent System in Power System, Power System Technology, Vol.29, No.6, pp.27-31.

[3]李海刚, 吴启迪, 多Agent系统研究综述[J], 同济大学学报, 2003, 31 (6) :728-731

[4]蒋录全, 吴瑞明, 王涴尘, 电子政务中的网上行政审批[J], 情报杂志, 2004 (6) :69-71

[5]李怀明, 高国伟, 王延章, 等.基于公众服务的网上行政审批系统模型研究[J].公共管理学报, 2004, (4) :53-59.

多智能Agent系统 第8篇

关键词：企业销售模型,多Agent,智能化

销售是企业获取利益的重要环节, 它具有不断演变进化的特征。在销售过程中需要根据环境的变化, 如客户的需求、市场的需求等外在因素对销售策略进行实时调整。在生产流通中, 销售观念是否超前, 销售工作是否到位, 销售管理是否完善, 销售预测是否准确, 直接关系着企业能否发展与进步。不同的企业在经营活动、运作方式等方面可能存在差异, 但在销售过程中的组织结构、部门职能和发展规律等方面必然存在一定程度的类同或相似。因此, 建立一个可以在不同企业环境下可重用的智能化企业销售模型是有必要的。本文针对企业的销售环节进行研究, 提出基于Multi-Agent技术的智能化企业销售模型。

1. 现有企业销售模型存在的问题

1.1 企业与客户的交互性差。

现有的企业销售模型中只有一般的交易平台, 缺乏企业与客户独立的交互模块, 使得企业与客户各自为政, 企业不能及时全面了解、整合客户需求, 客户不能及时全面了解企业产品信息, 进而难以实现企业销售策略的及时动态调整, 最终造成客户流失, 以及企业产品因堆积而变相抬高成本等一系列问题。

1.2 个性化消费不突出。

注重客户消费个性化, 根据客户需求和市场需求制定销售策略是企业销售发展的必然趋势。而现行的企业销售系统虽然提供大量的产品信息, 但客户和企业之间仍是一种被动消费, 缺乏协商机制, 很难充分满足客户的个性消费需求。

1.3 智能性明显不足。

现有的企业销售模型大多以人工操作为主, 不能根据产品特点及市场需求自主地制定、实施销售策略, 不能自主挖掘潜在商机, 拓展客户群。人的主观选择难免出现偏颇, 进而可能导致企业销售环节的失误。

2. 基于多Agent的智能化企业销售模型的设计

建立基于多Agent的智能化企业销售模型如图1所示。模型主要包含3个部分: (1) 销售主体:指具有主动行为的成员, 如销售管理机构、销售人员等; (2) 环境主体:指与企业销售对象或影响企业销售的外部环境; (3) 主体关系:指Agent与Agen间的相互作用。

2.1 协商管理Agent。

作为企业销售模型的一个重要组成部分, 在实际工作中它负责与其他Agent进行协商, 按照预先设定的协商模型和管理协议进行。该Agent的主要功能是在具体协商过程中与智能控制Agent进行交互, 并与通信模块建立连接。

2.2 资源管理Agent。

销售环节是一个具有较高复杂性的动态交流过程, 客户与相关的企业服务人员之间存在大量的信息交互, 资源的矛盾与冲突时有发生。资源管理Agent负责对企业销售过程中所需要的产品、客户等信息进行管理, 进而有效提高系统资源利用率, 避免资源矛盾冲突的发生, 同时为智能控制Agent服务, 协助其制定正确的销售决策。

2.3 客户管理Agent。

对客户信息进行统一管理以减少重复的交互行为, 提高工作效率和资源利用率。销售过程需要每个子Agent对客户的基本信息、需求与信誉度等资料都有所了解, 客户管理Agent负责对这些信息进行管理, 支持智能控制Agent制定相应决策。

2.4 智能控制Agent。

智能控制Agent的相当于人脑, 它是智能处理的核心模块, 是整个系统的指挥中心, 直接或间接指挥其他Agent协调活动。根据接收的外界环境信息和各个子Agent当前的工作状态, 指挥相应子Agent做出适应性反应, 智能控制Agent可以依据子Agent的工作经验, 更新所掌握的知识, 提高系统子Agent的适应能力。

2.5 销售管理Agent。

销售管理Agent用于对各个子Agent的行为进行统一管理, 并建立相应的行为集合。在子Agent行为被调用之前, 销售管理Agent预先定义一个管理序列, 再根据这个序列, 从销售管理Agent中已有的行为集合中调用相关操作进行业务处理。在处理过程中销售管理A-gent将与资源管理Agent保持实时交互, 实现对现有资源的充分利用。

3. 结语

本文通过合理分析企业的特性和销售规律, 建立了符合企业自身销售需要, 对环境变化具有适应能力的智能化企业销售模型。考虑到企业主观能动选择行为对销售的决策性影响, 系统模型注重提高销售环节自主解决问题的有效性, 推动企业销售管理智能化, 进而增强企业产品销售在市场竞争中的生命力及运作发展的动力。

参考文献

[1]李清, 陈禹六.企业与信息系统建模分析[M].北京:高等教育出版社, 2007:24-39.

[2]甘明鑫.企业信息系统的同构体系结构[D].北京理工大学, 2010.

多智能Agent系统 第9篇

在目前对分布式系统的研究中,多Agent系统是一种引起高度关注的应用模式。随着计算机系统越来越复杂,将Agent有效地集成起来成为一项具有挑战性的任务。而Agent间的协作是保证系统有效工作的关键,是与分布式计算、面向对象的系统、专家系统等区别开来的关键性概念之一[1]。由于应用领域、问题求解方法、技术实现途径等方面的多样性、差异性和复杂性,Agent间的协作方式也是多种多样的。

为了解决多Agent系统中协作的问题,研究人员提出了大量协作模型。例如,Stanford大学的Smith提出了合同网模型[2],通过任务招标、投标和订立合同进行协作。它的优点是系统构造简单,可扩充性好;缺点是效率不高,通信量大,支持的协作形式单一。JAVASPACES是Sun公司提出的一种利用类似于Linda语言的协作模型,支持分布计算技术。关系网模型[3]是根据一个熟人关系模型,通过各个熟人之间相互举荐,在多Agent系统中寻求合作的Agent。该模型实现了协作过程的分布化,但是在寻求协作过程中具有盲目性。此外,还有ACTORSPACE模型、OVERHEARING模型、选择协作模型等等。

通过对典型模型组织结构优缺点的分析,本文提出一个三级多Agent系统协作组织模型,较好地兼顾了系统对通信开销、效率、可靠性等方面的要求。

1 模型的协作组织结构

在多Agent问题求解中,Agent之间以一定的组织形式进行联合行动所表现的组织形态就是组织结构。多Agent系统是松耦合的网络问题求解器,网络中每个Agent是一个独立的问题求解器。现实中,系统接受的很多任务往往超出单个Agent拥有的资源和能力范围。一般来说,没有一个Agent具有问题求解所需的足够专长、资源和信息,并且不同的Agent通常具有求解问题不同部分的专长。所以,Agent之间的协作是必不可少的。

在大规模分布式多Agent系统中,Agent可能分布在多个设备上,不同设备上的Agent通过网络连接进行相互通信。我们以图1中由5个设备(分别标记为A、B、C、D、E)组成的系统为例,9个Agent个体(A1～A9)如图1所示分布运行在不同的设备上,设备之间相互连接组成一个网络。链路上的数值(w1～w5)代表设备之间的通信代价。运行在同一设备的Agent可以相互访问,设备上的某个或某几个Agent可以访问与该设备相连的其他设备上的Agent。

1.1 Agent组的构成

我们根据Agent之间的地理位置和通信代价关系,由Agent个体、Agent组、Agent域三级组织结构形成一个Agent图,并借鉴计算机网络的分布式自适应路由选择策略进行Agent的协作组织。

组成Agent图的Agent个体、Agent组和Agent域统称为模型的协作主体,它是在规定的时间内,利用有限资源完成分配的任务,并力求使自己收益极大化的实体。我们可以将多Agent协作理解为:

多Agent协作=结构+任务+策略。

定义1 Agent组 它是多Agent系统的基本组成单位,是由多个相对简单的Agent个体组成的、关系较为密切的一种多Agent结构类型。这里我们将同一设备上运行的Agent称为一个组,组内的协作称为内层协作。这些Agent个体通常联合起来,相互服务、相互协调、共同完成较为复杂的任务。一般而言,一个Agent组至少拥有一个Agent个体。

Agent组可以形式化描述为六元组:

Team=<T_ID,T_Addr,T_Num,T_Capability,T_Resource,T_Contact>

其中:T_IDAgent组的标识符,用来标识一个Agent组编号;T_Addr表示为一个Agent组的联系地址;T_NumAgent组中的Agent个体数目;T_CapabilityAgent组的工作能力;T_ResourceAgent组所拥有的资源;T_ContactAgent组的通信表。

通常有集中式和分布式两种Agent组结构,本文模型采用前者,如图2所示。从思维状态的角度分析,组是Agent对合作求解任务的长期承诺。管理服务机构以一定方式对组内的Agent个体的行为、任务分配以及共享资源等提供统一的协调和管理服务。

该结构具有以下特点[4]:首先,Agent组中的个体都是独立自治的,其完成任务的形式具有一定的灵活性和适应性;其次,管理服务机构对各Agent个体的管理通常采用一种较为宽松的方式,而不是简单的命令方式。Agent个体在一定程度上可以依据自身能力和环境状况选择接受或拒绝管理服务机构委托的任务。管理服务机构下达的任务既可以是明确的指示,也可以是任务的轮廓或意图。

此外,管理服务机构还负责实施Agent组的部分或全部的安全机制,包括认证、授权、加密、注册等。

1.2 Agent域和Agent图的概念

随着通信技术和互联网技术的发展,各种通过网络方式连接的组织、实体大量出现。各个设备以及运行在设备上的Agent在地理位置上存在距离远近不同的差异,相应的通信代价也有所不同。

定义2 Agent域 一般的,将地理上紧密相邻的一个或多个Agent组划分为一个集团,称为一个域。Agent域用来描述地理位置和通信代价的差别,不同域之间紧密程度不同的协作称为外层协作。在本模型中,一个Agent组对应一台设备,而一个Agent域则是多台设备的集合。

一个Agent域可由以下四元组形式化描述:

Field=<F_Name,F_Addr,F_Member,F_Contact>

其中:F_Name表示域的名字;F_Addr表示域的地址;F_MemberAgent域的成员数目;F_ContactAgent域的联系表。

同样,我们在域中也采用集中式的管理。如图3所示,将组A、组B、组C划分为一个域F1,组D划分为域F2,组E划分为域F3。设立一个专门的Agent来对本域中的Agent组进行协调和管理。对外,该Agent负责对其他域中的Agent组进行协作和通信。

定义3 Agent图 我们借用图论中的“图”的概念来表示Agent组成的网络结构,用结点表示网络上的设备,用结点之间的具有权重的边表示网络的链路,得到一个以Agent组为结点的图,称之为Agent图,如图4所示。

以G_Id表示图的标识符;G_Node 表示结点集;G_Edge表示图的边集,G_W表示通信代价,则Agent图可以描述为:

Graph=<G_Id,G_Node,G_Edge,G_W>

2 模型的协作机制

在Agent图中,系统的资源信息可以在图中各个结点之间传递。我们借鉴计算机网络的分布式自适应路由选择策略进行Agent的协作组织[5]。这种路由选择策略是每个结点周期性地从相邻的结点获得系统的状态信息,同时也将本结点作出的决定周期性地通知周围的各结点,以使它们不断更新路由选择决定。

在分布式路由选择策略中,最基本的有距离向量法和链路状态法。理想的路由算法应该计算简单、能适应通信量和拓扑结构的变化、具有较好的稳定性,由此,我们在模型中选用链路状态法。

Agent之间的协作关系的动态演化是对环境和求解问题的适应方式。根据对求解环境的适应性,系统的组织结构有两种情况,一种是根据问题求解的要求和各种约束条件预先设计好的静态结构。其Agent之间的交互、任务分配以及负载平衡等问题相对简单,缺点是在开放环境下,当求解过程中目标发生变化时适应能力差,求解能力因环境条件变化而下降。另一种是当组织结构形成以后可以根据环境和求解问题的要求进行自身结构的调整,这就是协作关系的动态演化。由于Agent协作系统本身是一个开放系统,使得具有动态演化能力的协作关系有更好的环境适应性、更高的求解效率和较低的计算复杂性。

当系统接受一项任务后,如果其中某个Agent需要寻求协作的Agent,采用如下算法:

(1) 通过查找自己的Agent图信息,寻找符合问题求解条件且通信代价最小的Agent,如果找不到则发送失败信息。

(2) 向选中的Agent通过Agent域、Agent组结构,按照访问路径逐层地发出协作请求信息。

(3) 如果得到同意信息则表示寻求协作Agent成功,否则转回到步骤(1)。

(4) 得到能完成指定任务的全部协作Agent,则寻求协作过程结束,否则转到步骤(1)继续。

3 模型的性能分析

根据本模型的结构可知,在Agent个体之上有“组”和“域”两级管理协作机构,可以有效减少系统的内部冲突,协调问题求解,具有更强的问题求解能力,并能降低通信复杂性,提高系统通信效率。

“组”和“域”是开放、动态的概念,其中的成员数目是动态变化的,成员可以动态地加入或退出。这个动态演化的过程可视为Agent随环境及目标需求的不断变化,连续进行协作关系的适应性调整过程。在该动态组织结构中,Agent之间的通信代价不发生改变,系统的代价开销主要花费在系统新的“组”和“域”的形成上。

例如,机器人世界杯足球锦标赛(简称RoboCup)是研究动态不可预测环境中的多Agent系统的典型平台,不仅要求机器人具有个体智能,还要求他们反映群体智能。要使多机器人系统能有效地运行,就必须对其加以描述并有适当的运行协调机制。

我们将其分为前场、中场和后场三个域,其中每个域又细分为组,每个组负责不同的任务,而组中每个队员又对应负责自己的一块区域。当球队发动进攻的时候,球停留在前场,如果单靠前锋不能完成进攻任务,这时候后卫可以有一个脱离后场,并由其他后卫队员负责替自己防守,这个过程可看作是组的分离。接着这个队员可以助攻到前场,加入到前锋队伍中,前锋队员的进攻任务可以重新分工以利于进攻,这个过程可看作是组的合并。

在寻求合作Agent时,由于对其他Agent的资源状况和通信代价有较好的掌握,所以,搜索过程是“启发式”的过程,避免了搜索盲目性。本模型和关系网模型相比,由于降低了搜索的盲目性,效率有了较大提高;和传统集中式协作相比,通过三级结构不仅实现了协作的分布化,而且增强了系统的健壮性。

由于系统资源信息的更新比较频繁,如果采用传统的组织方式会增大系统在通信方面的开销。本模型所采用的基于Agent图的三级组织结构,既满足了系统正常的通信需求,又有效地减少了协作过程中过多的信息传输开销,使协作成功的几率大大增加,系统的效率得到较大的提高。

4 结束语

在多Agent系统中,通信开销和资源消耗是影响协作效率的两大因素。本模型由Agent个体、Agent组、Agent域三级组成,并借鉴计算机网络的自适应路由选择方法进行Agent系统的协作组织,具有良好的运行效果。

多Agent系统研究的重点应该是如何改进和提高“组”和“域”之间的有效协作方式。本文模型采用单一的集中式管理方式,为了组织更强大、高效的多Agent系统。混合式及其他可能的管理方式是以后工作中值得研究的内容。

摘要：多Agent系统的组织结构是Agent个体之间交互的框架。对分布式多Agent系统的组织方式、协作机制进行了简要讨论,提出了Agent域及Agent图的概念。根据不同Agent之间的地理位置和通信代价,由Agent个体、Agent组及Agent域三级组织结构形成一个Agent图,并借鉴计算机网络的分布式自适应路由选择策略进行多Agent系统的协作组织。分析表明,该模型具有高效、健壮、通信开销较小等优点。

关键词：多Agent系统,Agent组织,Agent域,Agent图

参考文献

[1]程显毅.Agent计算[M].哈尔滨:黑龙江科学技术出版社,2003.

[2]Smith KG.The contract net protocol:High-level communication and control in a distributed problem solver[J].IEEE Trans on Computer,1980,C-29(12):1104-1113.

[3]陈刚,陆汝.关系网模型——基于社会合作机制的多Agent协作组织方法[J].计算机研究与发展,2003,40(1):76-81.

[4]赵文龙,侯义斌.多Agent系统及其组织结构[J].计算机应用研究,2004,17(4):12-14.

基于多Agent系统的材料采购 第10篇

材料采购的关键在于企业对信息及时充分的掌握, 并作出实时的响应, 按照一定的优化策略, 在正确的评估方法保证下快速有效的组织材料采购。

目前尽管在材料采购上有了电子商务, 可以基于Internet进行信息发布和网上订购、电子支付及电子管理等, 实现了采购交易活动的自动化或半自动化, 在某种程度上缩短交易时间, 降低交易成本, 但是, 在这种电子商务的交易过程中还存在着缺陷, 因此A g e n t技术作为一种新兴的解决方法被尝试着引入到了材料采购中。

由于Agent能够进行自组织、自维护, 拥有自主性、自学习能力以及人工智能的软件实体, Agent间可以跨越不同的计算平台进行相互通信。这些特点使得A g e n t技术可以满足采购中供需企业地理上分布、信息动态变化、企业间可扩展、可重构的需求, 因而基于A g e n t的材料采购与管理系统的研究将有重要意义。

二、多Agent系统

多Agent系统是一个开放的、动态的、分布的系统。每一个Agent不仅可以预置参数, 还可以在运行过程中根据具体的环境变化, 通过人机界面手动地修改参数设置;同时, Agent具有自学习功能, 能够在积累了一定的学习经验后挖掘出预测性的知识, 及时动态地调整变量配置, 在评价系统的保障下实现系统最优与企业个体最优的协调统一。

材料采购的终极目标是提高产品质量、降低产品成本、增加客户的满意度, 实现协作多方的利润最大化。但在协作多方中, 每个实体都是具有自主性或半自主性的个体, 他们考虑的重点不是协作的多方, 往往是个体利润最大化。在这个目标下, 协作多方的信息流会因为企业个体的影响发生滞留和阻塞, 直接导致多方合作得不到优化保证。A g e n t善于处理信息不对称状态下的事务, 具有自学习的功能, 可以根据知识库中的储备, 分析现有状态信息, 推导出隐含状态信息, 并将这些结论信息发送至相关的Agent进行协商讨论。参与协商的Agent会遵照各自的规则约束计算并评价目前方案的可行性以及是否满足个体利益和整体利益协调的要求。

三、基于多Agent系统的材料采购设计

1. 多Agent体系结构

实际应用于企业的Agent体系结构如图1所示, 主要包括:资源管理模块、信息管理模块、通信管理模块、决策和智能控制模块、推理模块。其中各个模块的功能和特点如下图1所示。

资源管理模块:用于对各种资源信息的管理, 涉及企业生产需求和物流供应链的各种资料, 包括车辆、仓库、生产设备等的使用信息。该模块负责新增加资源的注册, 报废资源的注销, 资源的使用登录, 分配和管理等。其他Agent只是发出资源申请, 由资源管理Agent返回资源分配信息。

信息管理模块:该模块提供了对Agent环境信息和自身的信息进行管理, 以及对相关Agent之间信息的交互和任务的协调管理。

通信管理模块:该模块是Agent与其他Agent之间的消息传递的接口。每个Agent组中Agent在通信中的消息在此处打包封装, 或将接受到的消息解包或解释, 以及将消息发送到合适的Agent。当有多个消息同时到达时, I/O建立消息队列等待处理。

决策和智能控制模块:该模块将接受到的信息通过推理模块得出推理结果, 并转变成A g e n t能够理解的语言格式, 然后在Internet/Intranet网上进行检索, 并同时通过企业Intranet与其他Agent进行信息交互。

推理模块:该模块是A g e n t的核心, 包括任务表、任务表管理、知识库、规则库及规则管理系统。推理模块为信息处理模块以及决策和智能模块提供信息和依据。

2. 基于多Agent技术的材料采购体系结构

在此系统模型的设计中主要有两大主体:材料需求方和供应商。材料需求方站点是由多个独立的采购Agent和管理Agents组成, 他们组成了集中式的多Agent体系结构。需方站点的多个Agent是分布的, 每个Agent代表了来自生产、销售的采购和管理人员, 他们组成了一个完全图的拓扑结构, 目的是可以进行点到点的直接通信;在供应商站点设有智能Agent, 代替供应商完成商务销售活动。为此, 多个分散的供应商Agent与需方集中式的多个Agent构成了混合式多Agent体系结构。

材料需求方站点的多个采购Agent和管理Agent是系统的核心, 完成大部分主要的采购与管理任务, 如谈判、协商和合作等。然而, 系统不仅包含采购A g e n t与管理A g e n t, 还包含其他类型的Agent, 如人机界面Agent、交易Agent、协商Agent等, 将各种Agent综合在一起可以更好的实现自动交易与企业信息共享, 实现实时沟通。而多个Agent的交互过程主要包括三个方面:人与Agent之间的交互, 各类Agent之间的交互, Agent与外界环境的交互。这三类交互在完成采购交易与管理活动的不同阶段起到不同的作用。

整个材料采购体系结构如图2所示:

四、案例应用基于多Agent技术材料采购的实现

企业整个采购与管理活动流程可分为四个阶段:信息收集整理阶段、协商谈判阶段、成交阶段和与企业内部其他部门沟通合作阶段。每个阶段都由不同的Agent来完成相应的工作。

1. 准备阶段

企业用户通过R F I D技术和W S N技术实现了对库存货物盘点, 整理出最新货物清单, 并实时地将相关信息传输至材料A g e n t系统。需方接口Agent负责激活用户界面Agent, 从那里获得用户想要了解的材料信息, 包括材料名称、数量和可接受的价格范围, 并将这些信息整理后发给需方Agent。需方Agent再根据收到的材料信息, 对已有业务往来的及潜在的提供相关材料供方的信息进行评估和筛选, 将需求信息发给众多供方Agent。企业用户在发布自己的相关信息时要具有一定的格式, 便于检索和浏览。

人机界面A g e n t通过企业浏览器获取用户需求, 了解用户偏好, 并对用户需求进行详细描述, 将描述的需求信息告知搜索Agent。

搜索A g e n t搜索能满足需求的潜在供应商, 对供应商进行筛选, 找出可匹配的供应商。把结果告诉管理员材料Agent。

2. 谈判阶段

材料A g e n t接收到用户需求信息和可匹配的潜在供应商信息后, 根据供应商的数量, 从中查找各采购Agent的能力状态信息, 并派遣有能力的采购Agent分别与供应商Agent进行谈判。参与谈判的采购Agent各自保留自己的谈判结果。

谈判结束后, 各采购Agent依据协商模型规定的约束条件就商品多属性的权重进行两两协商, 将协商结果写到黑板的共享知识区。各采购A g e n t根据最终确定的权重来计算自己谈判结果的效用值, 并把其写入黑板的知识共享区。管理监控A g e n t选出效用值最大的为最终可选的供应商。

3. 成交阶段

管理监控Agent派遣采购Agent与最终选中的供应商签订合同, 该合同应该包括商品的数量、质量、价格、交付时间、支付方式、运输服务等相关选项。

人机界面Agent从黑板上读取谈判协商后的最终结果, 把其提交给企业用户的同时, 还提交给交易Agent。

交易Agent通过认证中心、电子银行等第三方机构进行安全交易, 保留在交易过程中获取的信息知识。

整个采购流程结束。

4. 企业内部其他部门沟通合作阶段

企业内部不同系统间多个Agents谈判, 就是为了共同利益相互合作与协商, 使得采购与管理环节最优化。它们共同组成了集中式的多Agent体系结构。每个Agent代表了来自生产、销售等部门的不同采购、管理人员, 他们组成了一个完全图的拓扑结构, 目的是可以进行点到点的直接通信。

摘要：由于Agent系统能够进行自组织、自维护, 拥有自主性、自学习能力以及人工智能的软件实体, 可以跨越不同的计算平台进行相互通信等特点, Agent技术作为一种新兴的解决方法被尝试着引入到了材料采购中。本文就此进行了分析及论述。

关键词：Agent,材料采购,谈判协商

参考文献

[1]周茗等:Agent技术在敏时供应链中的应用[J].计算机应用研究.2004第2期, 171～173

[2]石纯一张伟徐晋晖:多Agent系统引论[M].北京:科学出版社, 2003

[3]董彦龙:我国仓储物流现状及其优化[J].商业时代·学术评论.2006, 16:15～16