基于規范的Agent混合結構模型研究

楊海瀧　趙　軍

1(寧夏大學數學計算機學院　寧夏 銀川 750021)2(寧夏大學經濟管理學院　寧夏 銀川 750021)

?

基于規范的Agent混合結構模型研究

楊海瀧1趙軍2

1(寧夏大學數學計算機學院寧夏 銀川 750021)2(寧夏大學經濟管理學院寧夏 銀川 750021)

隨著管理問題復雜性不斷提高，計算實驗方法應運而生。Agent作為計算實驗方法中的主體，其模型構建的合理與否直接影響到仿真系統的實現與運行。通過研究Agent概念、特點以及已有Agent模型，結合管理科學、規范和計算實驗相關理論，提出一種基于規范的Agent混合結構模型，并給出Agent的基類設計。最后，運用Swarm平臺對一個實際案例進行仿真。仿真結果證明，該Agent模型具有可行性，適合于管理科學領域計算實驗方法中的多Agent建模。

計算實驗Agent規范混合結構模型Agent建模

0　引　言

管理問題復雜性不斷提高，管理科學研究方法論體系也在不斷拓展，在不同學科交叉和融合的推動下，管理科學研究領域內的計算實驗方法應運而生。它提供了研究管理系統自組織、動態演化及宏觀與微觀層次之間相互作用的新工具和手段。計算實驗是一種融合計算技術、復雜系統理論和演化理論等，通過計算機再現管理活動，并在此基礎上分析揭示管理復雜性與演化規律的一種研究方法[1]。計算實驗方法采用自下而上的研究思路，綜合集成多種研究方法和工具，通過對系統中的主體建模并觀察其決策與交互機制來研究系統整體特性的涌現。因此基于多主體(Agent)的建模仿真技術自然成為計算實驗方法的主要研究手段。而Agent作為仿真系統中的主體，其模型構建得合理與否直接影響到仿真系統的實現與運行。

本文在分析總結Agent基本理論與前人研究工作基礎上，結合計算實驗方法相關理論，提出一種適合管理科學領域計算實驗方法中多Agent建模的，具有一定可重用性的，基于規范的Agent混合結構模型，并介紹該模型的一個仿真實例。

1　Agent理論

1.1Agent內涵及特點

Agent作為一個粗粒度的、自治的、靈活的實體抽象，Agent的建模工作一直是人們研究的熱點問題。然而，一方面由于面向Agent方法的研究起步不久，在軟件系統實現階段對面向Agent的開發環境尚不完善。另一方面由于Agent區別于對象具備智能性、自主性、反應性、社會性等特性，導致個體Agent結構的復雜度以及多個Agent交互和協作時的復雜度提高。以上原因共同導致Agent模型在軟件實現時有一定的難度。

目前學術界對于Agent尚無統一的定義，Minsky在《Society of Mind》一書中認為，Agent應具有社會交互性和智能性。英國的Agent理論專家Wooldridge和Jennings認為，Agent應具有自主性、社會交互性、反應能力和預動能力，應具有通信能力和協商能力[2]。綜合一些文獻所提出的Agent的特點，本文認為計算實驗研究中的Agent應具有以下特點：

1) 自治性：Agent能自行控制其狀態和行為，能在沒有人或其他程序介入時操作和運行[3]。

2) 推理能力：Agent能夠根據當前具有的知識經驗進行推理。

3) 交互性：Agent可以通過特定的通信語言與其他Agent進行交互。

4) 反應性：Agent能夠及時感知環境的變化，并對環境的變化做出相應的反應。

5) 社會性：Agent之間能夠相互協作，共同完成目標。

6) 適應性：Agent能夠根據環境變化做出相應的適應性調整。

1.2Agent結構模型

從Agent模型角度看，Agent的結構通常分為：慎思型Agent、反應型Agent和混合型Agent三種類型。

(1) 慎思型Agent

顧名思義，此類Agent具有人類的思維，如信念、愿望和意圖等，其內部通過一定形式的符號推理并加以修正來實現對外部環境的表示。慎思型Agent結構如圖1所示。

圖1　慎思型Agent基本結構

(2) 反應型Agent

Rodney Brakes認為智能是無需表示和邏輯推理的，也不需要知識，對人類智能進行符號層次的抽象建模過于復雜，應該立足現場而致力于智能的最初實現。反應型Agent就是基于上述思想設計，其內部不依賴任何符號表示，直接根據外部環境的輸入產生相應的輸出，反應型Agent的結構如圖2所示。

圖2　反應型Agent基本結構

(3) 混合型Agent

圖3　混合型Agent基本結構

無論是慎思型Agent還是反應型Agent，優點和缺陷都過分明顯，都難以用于解決實際問題。所以只有通過結合二者的優點，形成優勢互補，構成混合型Agent結構，才能彌補純粹的慎思型Agent或是反應型Agent的缺陷，發揮出二者各自的最大優勢[4]?；旌闲虯gent結構如圖3所示。

關于Agent的結構模型，研究者們根據各自研究背景和研究領域提出了不同的觀點和看法。

(1) 在企業管理領域中

針對電子貿易市場的Agent仿真，Bunn等給出一種自治的Agent結構[5]，這些主體只能感知環境信息，在交互中互相學習，并能夠調整自身狀態，適應市場環境。針對供應鏈仿真，Fu[6]等人提出了一個由過程驅動的通用Agent模型，模型中包括信息輸入輸出模塊、事件處理模塊、執行模塊及知識庫、策略、狀態等。在企業建模仿真中，吳菊華等人提出了一種基于Agent的企業模型[7]，在該企業模型中，Agent內部考慮了社會因素，使用規范約束Agent個體行為。

(2) 在其他領域中

霍蘭提出一種基于遺傳算法的Agent反應模型[8]來描述個體的基本行為。遲妍等給出了一種Agent結構的6元組描述，即Agent=<標識、類型、知識庫、規則庫、屬性、參數>[9]。針對生物系統仿真，Alfonseca等人建立了一種覓食Agent模型[10]，該Agent模型具有生物特性，如生命周期、移動能力、交流能力等，而這些能力是通過設置相應的基因來體現的。針對足球機器人仿真，熊永華[11]等人給出了一種兼具反應式結構與慎思式結構的Agent模型，既能夠快速響應緊迫事件，又具有一定的慎思性。

以上Agent模型各具特點，但這些Agent模型有的層次不夠鮮明，具有較強的領域針對性，無法將其生搬硬套地移植到企業管理領域中來；有的模型過于簡單，缺乏必要的模塊，不適合企業管理領域仿真；有的則過分注重Agent智能性的理論分析，難于在軟件系統中實現。

2　基于規范的Agent混合結構模型

2.1規范

規范的概念，來自于社會心理學，具有豐富的語義內涵，其在牛津百科全書中的解釋為：“規范，也叫社會規范。是一個社會群體諸成員共有的行為規則和標準。規范可以內化，加入個人的意識?！盨tamper定義了規范的表達方式如下所示[12]：

Whenever<條件集>If<狀態集>ThenIs<義務邏輯操作符>To<行動集>

其中，<條件集>指明了某個Agent執行某種行為的條件；進一步說明可以通過If <狀態集>，表明在什么狀態下發生；指的是責任Agent，有權力或是有代表權做出決策的人或者軟件；<義務邏輯操作符>包括允許、必須、禁止等；<行動集>規定了在條件滿足的情況下接下來會采取的行為集合[13]。

規范指導Agent的活動，包括行使權力和履行義務，是Agent之間建立信任關系的根本?；谝幏对O計Agent結構模型，一方面體現了Agent的社會性，通過約束Agent的行為來縮小Agent搜索空間，提高Agent運行效率；另一方面也體現了Agent的智能性，使Agent按照規范執行，而降低了與環境的耦合度，使Agent更易于被復用。

2.2基于規范的Agent模型結構

在上述文獻基礎上，結合Agent建模理論以及規范的相關理論，提出一種具有一定通用性的，基于規范的Agent混合結構模型。其結構如圖4所示。

圖4　基于規范的Agent混合結構模型

控制器負責協調整個Agent的運行；反應器用來對緊急情況做出迅速反應；Norm模塊主要維持一個可定制的規范庫，是規則庫中規則的來源之一，約束信息處理器的信息處理方式，指導計劃器做出計劃；感應器和效應器則是Agent與世界進行交互的接口。下面詳細討論各模塊的結構與運作原理。

(1) 控制器

控制器負責協調整個Agent的運行，當感應器感知到外界環境的變化或者接收到其他Agent的任務請求時，控制器的信息處理器會對信息進行解析和分類。如果感知到的事件是緊急的或者簡單的，則將信息轉發至反應器；如果感知到的事件時間比較充?；蛘呤且粋€復雜事件，則將信息交由計劃器進行推理。圖5給出了控制器的內部結構圖。

圖5　控制器內部結構

(2) 計劃器

圖6　計劃器內部結構

由于Agent工作在復雜環境中，而復雜環境的復雜多變性要求我們做出的計劃是局部的中短期的計劃。局部性是指每個Agent根據自身狀態、自身對世界模型的認知程度以及其持有的經驗做出計劃，而不是由某一規劃Agent對每一Agent做出全局計劃。計劃的短期性則是因為世界是運動的，Agent狀態在實時變化，長期的計劃可能會因為瞬息萬變的情況而失去時效。計劃器的結構如圖6所示。

(3) 決策器

根據Agent計劃器中各庫反應的狀態，從中選擇Agent能達到的目標，將其按照特定優先級加入目標議程表。隨后，選擇預定義的可達到目標的計劃，并使之成為活動計劃。之后活動計劃被加入可執行動作序列，交由相應模塊執行。預定義計劃來源于知識庫中的預定義計劃庫。決策器還負責消解計劃間的沖突，修改過時的、錯誤的、不可用的計劃，并決定在必要時進行重新計劃。

(4) 反應器

反應器使Agent能處理一些緊急的事件，它運用規則庫中的條件規則，將來源于控制器中的反應型信息直接映射為動作。反應器生成的動作和目標以最高優先級加入執行器單元，而將從決策器模塊送來的動作中斷。如果發生中斷，決策模塊將決定是重新進行計劃還是繼續原來計劃好的動作序列。鑒于反應器用來處理緊急事件，所以反應器基本上不做推理。反應器采用的規則格式如下：

RULE:IF 規則條件 THEN 動作

(5) 學習器

學習器是Agent具有智能性的基礎。當控制器檢測到的信息是新的信息或環境反饋信息，則交由信息處理器，進行信息解釋、加工和分析，形成知識加入知識庫，或者更新規則庫。使用學習知識和規則庫中的啟發性知識，對可執行動作隊列中的活動計劃、活動計劃對Agent目標的改變和計劃的結果等進行分析。根據分析結果，產生新計劃和新目標。

(6) Norm模塊

Norm模塊一方面約束Agent各個模塊的動作行為，另一方面為Agent系統使用者提供一個規范定制接口，多Agent系統應用在不同的學科領域其規范是截然不同的。設計規范庫模塊原因有三。① 雖然Agent本身具有學習能力，某些規則可以通過學習機制習得，但Agent學習能力是有限的，隨著問題規模增大、復雜程度加劇，單靠學習是不夠的。② 某些領域規范已然成熟，此類規范可以直接投入系統使用，且不適合進行修改，例如企業內部運作規范。③ 隨著環境的變化，總有一些規范不再適用，而這些規范是不允許Agent通過學習機制習得的，例如：政策政令、法律規定等。

Norm模塊主要通過約束信息處理器與計劃器，規范整個Agent的運行。Norm模塊通過綜合當前Agent類型、Agent狀態、事件類型、事件前提條件等信息，約束相關部件的行為。當義務邏輯操作符為允許時，我們用某一概率控制其運行與否。

使用分層分類的思想設計Norm庫[7]，分別為社會層、組織層和操作層，將規范從三個層面進行組織，方便規范的使用和更新。

(7) 感應器和效應器

感應器和效應器是Agent與外界交互的接口，具有一定的信息處理和通信能力，Agent通過感應器感知外界信息并抽象出世界模型，隨后將抽象的信息送到控制器。效應器則根據傳入的命令做出相應的動作，對外界產生影響。

2.3Agent基類設計

該模型提供了一種通用的Agent內部結構設計，在代碼設計時，通用的部分被設計在一個基類中，可以被不同管理領域繼承使用。具體應用時只需在此基礎上進行相應修改和擴展即可?；惖暮唵未a設計如下：

public class basic_Agent{

……

//相關參數與變量定義

public void com_Interface();

//通信接口

public void action_Block(){

//反應模塊

void sensor();

//感知器

if(反應條件)

……

//相關反應動作

void effector();

//效應器

}

public void intel_Block(){

//慎思模塊

void controller(

//控制器

……

//規劃

……

//決策

void logManager();

//日志管理器

}

public void study_Block(){

void infProcessing()//信息處理

void study()//學習

void dataManager();//數據管理器

}

限于篇幅，本文只對規范庫模塊的設計進行介紹。規范庫以一個單獨的模塊呈現，各種約束Agent行為的規范以結構化方式被設計并分層分類存儲在規范庫中，可供Agent調用。在新的應用中亦可實現代碼級、方法級與模塊級重用，開發者只需關心規范庫內容更新即可。規范庫基類設計如下：

public class normLib{

String normId;

List aList,bList…;

//鏈表

……

//不同類型的Norm

……

//匹配函數

void getNormId();

//獲取規范的編號

void addNormIdToList();

//添加編號至鏈表

}

3　仿真實例

3.1仿真背景及模型設計

某公司是一家制造業企業，企業生產規模不大，整個企業的生產可根據市場需求量靈活調整。隨著市場競爭的日益加劇以及企業外部環境的不斷變化，按原有的服務和銷售方式難以適應這種變化。為了提高企業的生產效益和聲譽度，保持市場競爭力，如何改進服務和銷售策略等問題成為了制約企業生存和發展的重要因素。

針對以上問題，以上文提出的Agent模型為基礎，建立該情境下的多Agent仿真框架如圖7所示，并利用Swarm仿真工具進行仿真實驗。本文主要針對該公司的服務和銷售策略以及在客戶心中的聲譽形象部分進行建模與仿真。

圖7　多Agent仿真框架

客戶Agent的作用是產生市場需求量，同時對企業的聲譽形象進行評分；統計Agent負責管理客戶信息、財務結算和維持新的銷售策略及改進方法等，它通過繼承Agent模型基類中的方法并加以擴展生成；銷售Agent負責執行相關銷售策略及服務改進方法等，在本文的設計中它的結構只是一個簡單的反應式Agent，只需繼承基類中的反應模塊即可生成；生產Agent只負責產品的生產，它的設計結構類似客戶Agent；通信Agent與規范庫的設計依照上文給出的思路經擴展而來。各Agent的交互是在本文設計的規范約束下進行的，所有的交互信息都以消息的形式傳遞。表1列舉了本文所設計的部分Norm的詳細描述。

表1　Norm的詳細表述

3.2評價指標

利潤是企業追求的目標，利潤越高說明該企業效益越好。除利潤外，良好的聲譽是企業成功的重要表現，為企業的發展提供了有力保證。因此，本文確定利潤與聲譽度為仿真指標。該企業的聲譽評價標準是由客戶從服務質量、產品質量和受益程度(客戶從企業得到的好處和享受到的各種優惠)三個評論指標(每個指標給予相應權重)給企業打分，打分標準和權重由企業給出。根據這些標準和權重計算出最終聲譽得分值。以上兩個仿真指標計算公式如下：

1) 日均利潤T見下式：

(1)

其中n代表天數，Ni與Oi分別代表第i天新顧客與老顧客的需求量，P是商品的單價，M代表每件商品的成本價，S表示折扣，E表示每天的其它費用(包括電費、維護費用等)，m代表新顧客能享受折扣優惠時的最低需求量，也就是說當新顧客的需求量等于或超出這個量時才能享受相應的折扣優惠。

2) 聲譽度分值R如下式：

(2)

其中Si、Qi與Ui分別代表第i個顧客從服務、產品質量和受益程度三方面給企業的打分值，WS、WQ與WU分別表示服務、產品質量和受益程度三個評價指標的權重值。

3.3仿真結果與分析

對該企業在服務與銷售策略改進前后分別進行仿真。仿真結果如圖8至圖11所示。

圖8　原銷售策略下的日均利潤值　圖9　現銷售策略下的日均利潤值

圖10　原服務與銷售策略下的聲譽值　圖11　現服務與銷售策略下的聲譽值

對于以上實驗結果，分析如下：

改變銷售策略，即通過達到一定購買量就能享受相應折扣優惠的促銷方式，刺激了消費，吸引了更多新客戶。如圖8和圖9所示，改變策略后日利潤有明顯提高，可以推斷該企業銷售能力明顯增強。

通過引入規范，約束企業各部門間的溝通與合作，提高產品質量和服務質量，使企業在日均獲利明顯提高的同時，企業形象也得到相應改善，如圖10和圖11所示。這不但有助于企業品牌的推廣，而且有助于擴大企業生產規模和追求利潤更大化。

通過以上實驗，表明本文提出的Agent模型是可行的，通過修改仿真參數可以得到相應預期結果，能夠滿足管理科學領域對Agent模型的基本要求。

4　結　語

本文分析總結了Agent基本理論與現有Agent模型，結合計算實驗方法相關理論，提出一種適合管理科學領域多Agent建模的，基于規范的Agent混合結構模型。通過仿真驗證，該模型容易實現且具有可行性與一定重用性。同時，Swarm提供的開源源代碼及其標準接口，使模型具有良好的可擴展性。但是，在Agent模型智能性與交互性體現上，需要進一步研究和完善。

[1] 盛昭瀚,張維.管理科學研究中的計算實驗方法[J].管理科學學報,2011,14(5):1-10.

[2] Wooldrigde M,Jennings N R.Intelligent agents Theory and practice[J].The Knowledge Engineering Review,1995,10(2):115-152.

[3] 李群,趙彥博,黃建新,等.基于ABMS的CEC體系效能仿真分析[J].系統仿真學報,2013,25(7):1429-1434.

[4] 蔣偉進,鐘珞,張蓮梅,等.基于時序活動邏輯的復雜系統多Agent動態協作模型[J].計算機學報,2013,36(5):1115-1124.

[5] Derek W Bunn,Fernando S Oliveira.Agent-based Simulation-An Application to the New Electricity Trading Arrangements of England and Wales[J].IEEE Transactions on Evolutionary Computation,2001,5(5):493-503.

[6] Yanghui Fu,R de Souza,Jingru Wu.Multi-agent enabled modeling and simulation towards collaborative inventory management in supply chains[C]//Proceeding of the 2000 winter simulation conference,2000(2):1763-1771.

[7] 吳菊華,吳麗花,甘仞初.基于規范的多agent協同機制研究[J].計算機應用研究,2009,26(5):1778-1781.

[8] Holland J H.隱秩序:適應性造就復雜性[M].周曉牧,韓暉,譯.上海:上?？萍冀逃霭嫔?2000.

[9] 遲妍,鄧宏鐘.作戰智能體的機動行為模型研究[J].計算機仿真,2009,26(5):96-99.

[10] Manuel Alfonseca,Juan de Lara.Two-level evolution of foraging agent communities[J].BioSystems,2002,66(1-2):21-30.

[11] 熊永華,許虎,賴旭芝,等.一種燒結生產過程控制云制造仿真實驗平臺[J].計算機集成制造系統,2012,18(7):1627-1636.

[12] Stamper R.Organizational Semiotics:Informatics without the Computer Studies in organizational semiotics[M].Boston,MA:Kluwer Academic Publisher,2001.

[13] 焦蕾.Agent結構的形式化描述分析及研究[J].電子設計工程,2012,20(16):21-24.

ON AGENT HYBRID ARCHITECTURE MODEL BASED ON NORM

Yang Hailong1Zhao Jun2

1(SchoolofMathematicsandComputer,NingxiaUniversity,Yinchuan750021,Ningxia,China)2(SchoolofManagementandEconomics,NingxiaUniversity,Yinchuan750021,Ningxia,China)

Along with the continuous increase of the complexity of problems in management practices, computational experiments emerges as the times requiring. The rationality of Agent model construction, which is the subject in computational experiment method, has direct influence on the implementation and operation of the simulation system. Based on analysing the Agent concept, characteristics and existing Agent models, and combining with the theories related to management science, norm and computational experiments, this paper puts forward a norm-based Agent hybrid architecture model, and presents a base class design of Agent. At last the simulation is made on a practical example based on Swarm platform. Simulation results show that the Agent model has the feasibility, and is suitable for multi-Agent modelling in computational experiment method of management science field.

Computational experimentAgentNormHybrid architecture modelAgent-based modelling

2014-09-13。

國家自然科學基金項目(71461025)。

楊海瀧，碩士，主研領域：信息系統工程。趙軍，教授。

TP391.9

A

10.3969/j.issn.1000-386x.2016.03.002