（计算机应用技术专业论文）基于agent的个性化出版物信息服务系统设计.pdf

摘要 摘要 随着互联网技术的迅速发展，各计算机终端都可以轻易拥有海量的信息资 源，人们获取信息的渠道增多了，但同时也让很多用户觉得力不从心，当用户 在网络上搜索信息时，往往就会因为信息量过大且无目的性发生“迷航”、“认 知过载”等现象。另外，随着信息资源的积累，庞大的数据仍由单一的服务器 存储，这对搜索及管理也带来了诸多不便。 因此，本文首先研究了传统内容过滤和协同过滤推荐技术，对传统协同过 滤技术改进，构建分类评估矩阵，并给出一种新的协同过滤推荐公式；结合内 容过滤推荐技术，提出分布式综合推荐模型，该模型融合了内容过滤和协同过 滤的优点，并通过实验证明了此推荐模型的有效性和科学性。其次，提出一个 基于a g e m 的w e b 挖掘模型，采用分布式的架构，详细设计各a g e n t 的功能； 通过学习a g e n t 模块，不断更新知识库；把分布式综合推荐模型作为信息选择 a g e n t 的核心算法，从而为用户推荐最感兴趣的项目；提出基于x m l 的k q m l 解决办法来配合多个代理间信息的交互，实现多a g e n t 之间的协同工作。再次， 将分布式综合推荐模型和基于a g e n t 技术的w e b 挖掘模型应用于出版物服务系 统，设计了两级数据库，分别用于支撑内容挖掘模块和协同过滤模块；充分利 用分布式架构与a g e n t 技术的优势，实现跨站点的分布式智能搜索和个性化推 荐，对于相同的关键字查询，不同用户将会搜索出不同的结果，以最大程度满 足不同类型用户的需求，并给出了系统实现界面图。 论文最后部分对所做的工作进行了总结，并提出了有待改进的地方，同时 展望了a g e n t 技术在个性化推荐和分布式智能搜索领域的进一步研究方向。 关键字：分布式架构；a g e n t 技术；个性化推荐；智能搜索；出版物信息系统 a b s t r a c t a b s t r a c t w i t ht h er a p i dd e v e l o p m e n to fi n t e r n e tt e c h n o l o g y ，t h ec o m p u t e rt e r m i n a lc a l l e a s i l yh a v eaf l o o do fi n f o r m a t i o nr e s o u r c e s t h ep a t h s t h a tp e o p l ea c c e s st o i n f o r m a t i o nh a si n c r e a s e d ，b u ta l s oa l l o wt h em a j o r i t yo fu s e r sf e e lp o w e r l e s s w h e n u s e r ss e a r c hf o ri n f o r m a t i o no nt h en e t w o r k ，t h e yo f t e nw i l lb e ”t r e k ，”c o g n i t i v e o v e r l o a d a n ds oo n b e c a u s eo fo v e r l o a dp u r p o s e l e s si n f o r m a t i o n i na d d i t i o n ，w i t h t h ea c c u m u l a t i o no fi n f o r m a t i o nr e s o u r c e s ，h u ，g ed a t af r o mas i n g l es e r v e ro rs t o r a g e h a sa l s ob r o u g h tal o to fi n c o n v e n i e n c ef o rs e a r c ha n dm a n a g e m e n t t ot h i se n d ，t h i sp a p e rf i r s ts t u d i e dt h et r a d i t i o n a lc o n t e n t - b a s e df i l t e r i n ga n d c o l l a b o r a t i v ef i l t e r i n gt e c h n o l o g y ，i m p r o v i n gt h et r a d i t i o n a lc o l l a b o r a t i v ef i l t e r i n g t e c h n i q u e sb yc o n s t r u c t i n gc l a s s i f i c a t i o ne v a l u a t i o nm a t r i xa n dg i v i n gf ln e w f o r m u l a f o rc o l l a b o r a t i v e f i l t e r i n gr e c o m m e n d a t i o n c o m b i n i n g c o n t e n t - b a s e df i l t e r i n g r e c o m m e n d a t i o nt e c h n i q u e s ，i tp r o p o s e dad i s t r i b u t e dm i x e dr e c o m m e n d a t i o nm o d e l t h a ti n v o l v e dt h ea d v a n t a g e so fc o n t e n t - b a s e df i l t e r i n ga n dc o l l a b o r a t i v ef i l t e r i n g ， a n d r e c o m m e n d a t i o nb yt h i sm o d e lh a sb e e np r o v e de f f e c t i v ea n ds c i e n t i f i c s e c o n d l y , i tp r o p o s e daw e bm i n i n gm o d e lb a s e do na g e n tw h i c hi su s i n gad i s t r i b u t e d a r c h i t e c t u r ea n dd e s i g n e dt h ef e a t u r e so ft h ee n t i r ea g e n ti nd e t a i l t h r o u g ht h e s t u d y i n ga g e n tm o d u l e ，i tc a nc o n t i n u o u s l yu p d a t ek n o w l e d g eb a s e i tt o o kt h e d i s t r i b u t i n gm i x e dr e c o m m e n d a t i o nm o d e l a st h ec o r ea l g o r i t h mo fi n f o r m a t i o n f i l t e r i n g ，s oa st or e c o m m e n dt h em o s ti n t e r e s t i n gp r o j e c t sf o ru s e r s x m l - b a s e d s o l u t i o ni sp r o p o s e dt om e e tt h ei n f o r m a t i o ni n t e r a c ta n di n t e r o p e r a b i l i t yb e t w e e n m u l t i - a g e n t s o n c em o r e ，t h ed i s t r i b u t e dm i x e dr e c o m m e n d a t i o n m o d e la n dt h ew e b m i n i n gm o d e lb a s e do na g e n ta r ea p p l i e dt op u b l i c a t i o n ss e r v i c es y s t e m d e s i g n i n g t h et w ol e v e l so fd a t a b a s ew a su s e dt o s u p p o r t c o n t e n t b a s e d f i l t e r i n g a n d c o l l a b o r a t i v ef i l t e r i n gm o d u l er e s p e c t i v e l y t a k i n gf u l la d v a n t a g eo ft h ed i s t r i b u t e d a r c h i t e c t u r ea n da g e n tt e c h n o l o g y ，i tc a na c c o m p l i s hd i s t r i b u t e di n t e l l i g e n ts e a r c h a n dp e r s o n a l i z e dr e c o m m e n d a t i o n sa c r o s st h es i t e ，i ti st os a y , f o rt h es a m ek e y w o r d q u e r y , d i f f e r e n tk i n d so fu s e r sw i l ls e a r c hf o rad i f f e r e n tr e s u l t si no r d e rt om e e t t h e n e e d so fd i f f e r e n tt y p e so fu s e r s f i n a l l y , t h es y s t e mi n t e r f a c em a pi m p l e m e n t a t i o n i l w a sa l s ot ob es h o w e di nt h e p a p e r a tl a s tp a r to ft h ep a p e r , a l lo fr e s e a r c h e sa n dw o r ki nt h ep a p e r a r es u m m a r i z e d , a n dm a n ya s p e c t so fi m p r o v e m e n t sa r e p r o p o s e d i nt h es a m et i m e ，t h ef u r t h e r r e s e a r c hd i r e c t i o n so ft h ef i e l do f a g e n tt e c h n o l o g yi np e r s o n a l i z e dr e c o m m e n d a t i o n s a n dd i s t r i b u t e di n t e l l i g e n ts e a r c ha r e a sa r e p r o s p e c t e d k e y w o r d s ：d i s t r i b u t e da r c h i t e c t u r e ；a g e n tt e c h n o l o g y ；p e r s o n a l i z e dr e c o m m e n d a t i o n s ； i n t e l l i g e n ts e a r c h ；p u b l i c a t i o n si n f o r m a t i o ns y s t e m i i i 目录 目录 第1 章绪论1 1 1 论文研究背景与意义1 1 2 网上信息挖掘的研究现状2 1 2 1w e b 挖掘研究现状2 1 2 2 智能a g e n t 的研究现状3 1 3 本文研究内容4 第2 章多a g e n t 技术及平台介绍6 2 1 问题概述6 2 2a g e n t 基本定义6 2 3a g e n t 技术综述8 2 4 多a g e n t 技术主要内容1 0 2 5j a d e 平台1 1 2 5 1j a d e 平台综述1 1 2 5 2j a d e 的特点1 2 2 5 3j a d e 平台的使用1 3 2 6 相关协议16 2 7 本章小结1 7 第3 章个性化推荐技术研究与改进1 8 3 1 基于内容过滤的推荐技术1 8 3 1 1 用户兴趣模型的建立1 8 3 1 2 文本特征选取1 9 3 1 3 建立内容推荐向量19 3 1 4 用户兴趣和内容推荐向量的相似度计算2 0 3 1 5 设置初始阈值。2 1 3 1 6 面临的挑战2 1 3 2 基于用户的协同过滤推荐技术2 2 i v 目录 3 2 1 构建评估矩阵2 3 3 2 2 查询最近邻集。2 6 3 2 3 产生推荐一2 7 3 2 4 面临的挑战2 9 3 3 分布式综合推荐模型3 0 3 - 3 1 项目推荐策略3 0 3 3 2 阈值调整3 1 3 4 实验分析3 2 3 4 1 实验数据集3 2 3 4 2 主要评价指标一3 2 3 4 3 实验结果与分析一3 3 3 5 本章小结3 7 第4 章基于a g e n t 的w e b 挖掘模型3 8 4 1 体系结构3 8 4 2a g e n t 协作工作流程4 0 4 3 知识层4 1 4 3 1 出版物知识库4 1 4 3 2 用户知识库4 3 4 4 用户界面层：4 3 4 5 业务处理层j 4 4 4 5 1 学习a g e n t 4 4 4 5 2 分析a g e n t 4 6 4 5 3 信息选择a g e n t 4 7 4 5 4 收集a g e n t 4 9 4 5 5 推送a g e n t 4 9 4 6 本章小结5 2 第5 章 出版物信息服务系统设计与实现一5 3 5 1 系统实现的目的5 3 5 2 系统软硬件配置5 3 v 目录 5 3 系统体系结构5 4 5 4 两级数据库设计5 5 5 4 1 交换库设计5 5 5 4 2 本地库设计5 7 5 5 主要模块设计与实现5 8 5 5 1 用户管理模块5 8 5 5 - 2 商品管理模块5 9 5 5 3 信息浏览模块6 0 5 5 4 购物模块6 l 5 5 5 个性化推荐6 2 5 5 6 综合查询6 4 5 5 7 自主学习6 5 5 6 本章小结6 5 第6 章总结与展望6 6 6 1 主要工作总结6 6 6 2 展望6 7 致谢6 8 参考文献6 9 攻读学位期间的研究成果7 2 第1 章绪论 第1 章绪论 1 1 论文研究背景与意义 随着互联网的迅猛发展，无论是在它的规模、流量还是它的复杂度方面， 都日益成为一个巨大而又开放的分布式信息空间。从互联网上，人们可以获取 各类所需要的信息资源。互联网的开放性，一方面使得人们能够快捷地获取所 需信息，同时在另一方面也给网络带来很多的问题：( 1 ) 互联网上的信息组织 无序性，且分布范围极广，遍布全球各站点上；( 2 ) 互联网上的信息规模日益 增大，服务类型日益更新，这就产生了网络资源的可靠性和可利用性问题【1 1 ；( 3 ) 由于互联网的开放，动态信息源会导致信息的模糊性、不完整性问题【2 】。 伴随着互联网规模的大量增长，网络资源的管理难度也大幅度提高，同样 也使得人们在使用互联网获取信息时出现两个问题：一是得到的大量无组织的、 无序的信息，导致人们被这些信息所“淹没；二是得不到所需要的信息，或者 是信息迷失。这两大问题对互联网信息服务的主动化、个性化和智能化提出了 更高的要求，也是人们急需要解决的问题，而解决这个问题的一条途径就是采 用基于智能a g e n t 的w e b 挖掘技术。因此，该技术的研究，无论是从理论还是 从实际出发，都具有重要的意义： ( 1 ) 由于网络资源的复杂性，所以研究w e b 挖掘对网络数据挖掘技术有很 重要的理论和实际意义。近年来，海量的数据库资源被用于诸如电子商务、电 子政务、科研以及工程开发。这让人们意识到想要在如此庞大的数据量中得到 自己所需的信息，就必须对这些海量数据进行有效的管理，否则最终只会被这 些海量数据所“淹没”。 ( 2 ) 基于智能a g e n t 的w e b 信息挖掘对网络信息智能化管理的重要意义。 提高网络信息服务的智能化，能够提供更高效率的信息服务，更好的发现有效 的知识。智能a g e n t 为更好地满足各种用户的个性化需求，利用机器学习和数据 挖掘方法，通过归纳用户的兴趣来预测用户的需求。此外，智能a g e n t 能提高信 息检索的高效性和准确性，并结合“信息推送”和“信息抽取”，提取知识，发 现其中的规律，更有针对性的满足用户需求。 ( 3 ) 我国出版物的信息化、自动化需要w e b 信息挖掘。当今，现代信息技 第1 章绪论 术已经融入到社会生活的各个领域，其中也包括出版物领域。出版物系统要步 入现代化，就必须融合信息化。出版物的繁多种类，种类之间的复杂关系，以 及用户与出版物之间的关联性都可以通过使用w 曲数据挖掘技术，将那些分布 在网络上的出版物信息和用户信息结合在一起，从中挖掘出隐藏的未知潜在信 息。通过这样的系统，方便人们通过网络快速的找到自己所需的出版物，并推 动我国出版物的现代化进程。 1 2 网上信息挖掘的研究现状 1 2 1w e b 挖掘研究现状 w e b 挖掘技术的研究兴起时间不长，但跟随着网络的迅猛发展，已经成为国 内外学者研究的重点，并取得了许多重要研究成果【3 】。其中，r o b e r tc o o l e y 、 b a m s h a dm o b a s h e r 和j a i d e ps r i v a s t a v a 三人将w e b 挖掘分为数据预处理、模式 发现和模式分析三个阶段，通过使用一种s q l 语言，采用数据挖掘中的关联规 则和序列模式来进行用户识别、页面视图识别等模式识别，开发出w e b 挖掘系 统w e b m i n n e r l 4 j 和w e b s i f t l 5 1 系统。由p i t k o w 等人开发的w 曲v i z 系统，对 挖掘访问模式可视化做出了贡献1 6 】。c h e n 等人在浏览模式挖掘事务中引入最大 向前引用概念【7 j 。h a n 等人通过使用一个数据立方体载入w e b 服务器日志，并 将这个立方体结构挂靠在数据挖掘和o l a p 活动中【8 1 。m a n n i l a 等人通过对w 曲 服务器日志挖掘技术进行研究，将其用于发现频繁事件【9 , 1 0 】。另外，t h o r s t e n j o a c h i m s 等人建立的w e bw a t c h e r 的浏览导航系统】，通过用户给出的浏览目 的，预测出用户对当前页面中所感兴趣的链接并予以图形化标注【l2 1 。b a m s h a d m o b a s h e r 等人实现了w e b 推荐系统，该系统使用的是基于聚类模型的方法，实 现和满足了用户的个性化要求【1 3 之0 1 。 国内的大学和研究机构在w e b 使用挖掘的研究方面紧随国外的步伐，并取 得了一定的成果。邢东山等人通过利用w e b 日志搭建和挖掘用户浏览偏爱树 ( p n t ) ，并以此来发现用户的浏览偏爱路径【2 1 , 2 2 】。郭新涛等人提出了一种数据 挖掘方法以寻找一组有效压缩搜寻路径的链接，该方法使用了一种新的支持站 点设计优化的w 曲使用挖掘方案，该方案量化了w 曲页面的搜寻费用【2 3 1 。邓爱 林在w e b 使用数据、w e b 内容数据和w e b 结构数据中引入聚类分析方法，通过 聚类分析结果向用户提供推荐服务，改进了传统协同过滤推荐中的不足【2 4 1 。王 2 第1 章绪论 大玲等人在研究了一系列规则与推荐结合方法后，实现了一个通过应用w e b 使 用挖掘技术来向用户提供个性化推荐的系统 2 5 ，2 6 。另外，国内有数所大学的研究 机构都在这方面进行了卓有成效的研究，如中科院、清华大学、北京大学、南 京大学、华中科大、东北大学、西安交大等。其中有些大学研制出了自己的系 统，比较著名的有东北大学的w e b i a 系统，该系统通过一系列的分析，使用户 能够全面了解网站的客户访问等情况【2 。刀；西安交大的s w l m s 是一个小型w 曲 日志挖掘实验系统，该系统解决了访问序列回路问题【2 8 。 1 2 2 智能a g e n t 的研究现状 近年来，国外的智能a g e n t 2 9 - 3 2 1 研究发展迅速，无论是在学术研究方面还是 在实际应用方面，都引起人们极大的关注和兴趣。智能a g e n t 的一个重要功能是 学习，并通过学习自主填补知识空白，能更好的适应用户的需求。a g e n t 的学习 方法有经验学习、神经网络学习、概念学习等方法。目前，a g e n t 理论已成功的 应用到r o b o t 、互联网、分布式求解等实际应用方面。其中，在互联网应用方面， a g e n t 越来越多的应用于w e b 信息挖掘，通过使用智能a g e n t 结合各种技术进行 w 曲文档分类、聚类分析、以及u r l s 的序列分析等。在这方面，相比其他技术， 智能a g e n t 拥有自己的独特优势： ( 1 ) 提交的主题要求不同。传统的单纯搜索引擎对信息的检索是建立在用 户给出的关键字基础上的，这对用户给出关键字所包含的信息提出了极大要求。 而智能a g e n t 可以通过诸如利用词典等方法，对用户提供的关键字进行相应的合 适扩展，使得最后的关键字或关键词能够包含用户所要表达的意思，满足用户 的信息检索需求1 3 引。 ( 2 ) 使用的约束不同。在这点上，相对于搜索引擎，a g e n t 具有极大的优势。 这是因为，相对于网络的不确定性，导致了搜索引擎的不稳定性。而a g e n t 驻留 在本地服务器上，能够并行的执行单个或多个任务，甚至能避开网络使用的高 峰时段。 ( 3 ) 搜索内容相关程度不同。由于搜索引擎采用的信息处理方式原因，导 致了搜索引擎的域无关特性，这可能使得用户关键字被无端的分离，从而在搜 索的准确度上大打折扣，降低了用户对网络信息的使用效率。而智能a g e n t 则不 存在这方面的问题，由于它能够对用户检索关键字进行合适而有效的扩展，从 而能够获取更为准确的信息，大大提高了用户的检索效率。 3 第1 章绪论 ( 4 ) 搜索学习能力的不同。互联网的开发性决定了互联网的动态变化，这 会出现信息移动、信息消失等情况。而传统搜索引擎搜索变化的信息时，不进 行存储任何查询结果，所以它不能很好的适应这种变化，导致同样的问题不停 的被重复。而智能a g e n t 可以自主的学习用户的需求，并据此来调整自己的行为 以适应用户新的需求，提高了信息检索效率。 1 3 本文研究内容 本文正是在以上研究背景之下，引入了分布式人工智能领域中的智能a g e n t 技术，构建了一个由主控程序、用户a g e n t 、信息选择a g e n t 、学习a g e n t 等组 成的网络协作学习及个性化a g e n t 模型，实现多a g e n t 间通信与协作；把传统协 同过滤技术进行改进，并将改进后协同过滤推荐算法与基于内容过滤推荐算法 相结合，提出一种分布式综合推荐模型；构建了一个基于a g e n t 技术的个性化出 版物信息服务系统，为用户提供个性化推荐和分布式智能搜索服务。 a g e n t 具有很多特性，主要可归类为互动性、模块化、应对性、社会性。在 论文中大量地探讨了a g e n t 技术框架、实现原理、协作概念，并阐述了基于a g e n t 技术的整体框构，说明了各a g e n t 体在系统中的作用、数据流向和各a g e n t 体之 间信息交互的处理方式。 论文具体安排如下所示： 第1 章：绪论。介绍本课题的研究背景、研究意义等，描述了w 曲数据挖 掘和智能a g e n t 的研究现状，最后介绍了本文的主要研究内容。 第2 章：多a g e n t 技术及平台介绍。本论文是要完成一个先进的模型设计及 结合a g e n t 技术的改进推荐算法，因此本章节较为全面的阐述了a g e n t 技术的概 念、特性，还有针对a g e n t 技术开发的平台介绍。 第3 章：个性化推荐技术研究与改进。介绍了传统的基于内容和协同过滤 的推荐算法，对传统协同过滤推荐提出了部份改进，并结合基于内容过滤算法 提出了一种分布式综合推荐模式，并通过实验分析，证明了该推荐模式的有效 性。 第4 章：基于a g e m 的w e b 挖掘模型。结合j 2 e e 框架及a g e n t 架构，搭 建了一个基于a g e n t 的分布式w 曲挖掘模型，实现多a g e n t 之间的协同工作。 第5 章：出版物信息服务系统的设计与实现。将前面介绍的理论知识，应 用于出版物信息服务系统，详细设计了数据库和各功能模块，并给出系统实现 4 5 第2 章多a g e n t 技术及平台介绍 第2 章 多a g e n t 技术及平台介绍 2 1 问题概述 多智能a g e n t 系统( m u l t i - a g e n ts y s t e m ，m a s ) 是指多个自主或半自主a g e n t 组成的集合。而通常每个a g e n t 则被认为是一个具有自适应性和智能性的软件实 体。在i n t e m e t 或分布式系统环境下，每个a g e n t 是独立自主的，并且能够与外 部环境进行交互，来确定下一个操作，当然，更重要的是它具有交互性，能与 其他a g e n t 进行多种形式的通信、交互、彼此协同工作，最终完成共同的任务。 移动a g e n t 是一类特殊的a g e n t ( 具有移动性) 。可以说，它是软件a g e n t 技术与分布式计算技术相结合的一个新产物。在面向i n t e m e t 的a g e n t 应用领域 中，移动a g e n t 技术显示出其强大的优势和良好的发展前景。多a g e n t 系统是信 息技术发展中比较新的分支之一，多a g e n t 系统发展迅速的一个重要原因就是人 们认识到a g e n t 是一种合适的软件范例，而这为大规模分布式开放系统( 如 i n t e m e t ) 的研究提供了可能性和可行性。它不仅在探索i m e m e t 的新的潜力方面 起到了重要的作用，事实其作用远远不止这些【3 4 1 。 2 2a g e n t 基本定义 随着分布式人工智能技术和网络技术的不断发展，智能a g e n t 技术随之而诞 生且得到了长足的发展。人工智能( a i ) 是用来研究及开发用于模拟和扩展人 类智能行为的一门新的技术科学。传统a i 的研究思想往往集中于对人的单个智 能品质的研究与模拟。然而由于人的智能行为并不是单个智能品质的简单加法， 而是一种综合体现，因此传统a i 的研究方法越来越难以刻画或模拟人的某种高 层次操作。可以认为a i 是我们专业的一个非常有影响力的支系，人工智能已从 单一考虑转变为综合考虑智能体的各种智能行为。 在文章( ( i n t e l l i g e n ta g e n t s ：t h e o r ya n dp r a c i t i c e ) ) 中，w o o l d r i g e 给出了a g e n t 的两种不同定义。 定义2 1 ( 弱定义) a g e n t 用来最一般地说明一个软硬件系统，它具有自 治性、社会性、反应性、和能动性等特性。 定义2 2 ( 强定义) a g e n t 除了具备定义2 1 中的所有特性外，还应具备一 6 第2 章多a g e n t 技术及平台介绍 些人类才具有的特性，如知识、信念、义务、意图等。 作为一个实体，a g e n t 体需具备以下一些特性： ( 1 ) 代理性，事实上，a g e n t 都是代表用户工作而并不是代表自身工作。 另外，a g e n t 可以通过把资源进行适当的包裹来引导并替代其所代理的用户对资 源进行相应访问。 ( 2 ) 自治性( a u t o n o m y ) ，可以单独作为一个单元来完成系统的某个功能。 ( 3 ) 主动性( p r o c l i v i t y ) ，a g e n t 的行为是目标导向的行为，能够遵循承诺 采取主动行动。 ( 4 ) 反应性( r e a c t i v i t y ) ，可以对外部环境有所知觉。 ( 5 ) 社会性( s o c i a la b i l i t y ) ，a g e n t 可以像一个社会的各个成员一样，进 行通讯。 ( 6 ) 智能性( i m e l l i g e n c e ) ，每个a g e n t 该做什么或是应该怎么做，自己有 一定的判断能力。 有些a g e n t 还可能在一定程度上表现出以下属性： ( 7 ) 合作性( c o l l a b o r a t i o n ) ，多个a g e n t 之间相互合作完成某一项功能。 ( 8 ) 移动性( m o b i l i t y ) ，在整个a g e n t 系统中可以根据需要进行位置的转 换。 除此之外，在有关a g e n t 的很多文章中还时常牵涉到a g e n t 应具有的其他一 些属性，例如诚实性、顺从性、理智性等，但在实际系统中，a g e n t 并不能保证 具有以上的全部属性。 由a g e n t 的概念以及特性可以知道，这种a g e n t 技术的系统具有与自身所处 环境、以及和其他a g e n t 或与人进行交互、协调、合作的能力，这也是该类系统 区别于以往智能系统的显著特性。但是单个a g e n t 的研究思想往往集中于对人的 单个智能品质的研究与模拟。由于人的智能行为并不是单个智能品质的简单相 加，而是一种综合体现，因此单个a g e n t 的研究方法越来越难以刻画或模拟人的 某个智能行为。现实的问题是分布式系统的不断发展壮大，这也给单个a g e n t 带来了新的挑战和机遇。当前，i n t e m e t 上的a g e n t 系统大多数是用于从事信息 的获取、分类、过滤以及收集等工作，而这些能力恰恰需要各个a g e n t 能够进行 互相的协作、沟通、交流、合作直至预定目标的实现。一个多a g e n t 系统是否能 够发挥出其自身应有的作用，自主完成其代理用户要求的目标，其各内部a g e n t 之间的沟通和交流协作是最重要的也是最首要的问题。所以，通过这些分析表 7 第2 章多a g e n t 技术及平台介绍 明，我们应该进行的研究重点是多a g e n t 系统而并非单a g e n t 系统【3 5 1 。 2 3a g e n t 技术综述 a g e n t 技术早在二十世纪九十年代就已成为热门话题，甚至一度被一些文章 称之为计算机软件领域的下一个伟大的突破，当然其重要的原因之一是a g e n t 技术在基于网络的分布计算方面正发挥着越来越重要的作用。一方面，a g e n t 技 术为解决新的分布式应用问题提供了有效途径；另一方面，a g e n t 技术为全面准 确地研究分布计算系统的特点提供了合理的概念模型。 当前，已提出的a g e n t 系统的体系结构总体可以分为以下三种主要的类型。 ( 1 ) 审慎式体系结构( d e l i b e r a t i v ea r c h i t e c t u r e ) 。该结构是通过模板匹配 和符号操作的逻辑( 或准逻辑) 推理，才确定a g e n t 的下一步操作。该结构在人 工智能领域占主导地位，可以说审慎式体系结构的存在与现代人工智能的历史 一样长。 ( 2 ) 反应式体系结构( r e a c t i v ea r c h i t e c t u r e ) 。反应式体系结构的主要特点 是通过感知外面的环境，作出相应的反应，然后确定a g e n t 的下一步操作。反应 式体系结构的存在是与现代计算机系统发展的历史一样长。 ( 3 ) 混合式体系结构( h y b r i d a r c h i t e c t u r e ) 。混合式体系结构的主要特点 是将整体系分层次。比如，已经有研究工作在模拟飞行员的a g e n t 中加入基于符 号表示和推理的各种规划与决策能力，以提高模拟飞行员的适应性。 当前，我们研究的主要目标是开发一种具体的反应式a g e n t 体系结构，其主 要包括以下三个重要组成部分：事件处理系统( a g e m 的行为控制系统) 、方法 集及内部状态集。 事件处理系统分为如下三个不同的环节活动：对事件如内外部状态的感知， 事件的适配以及事件的处理分发。事件处理的具体工作：第一，通过a g e n t 的事 件感应器实时的对用户要求处理的事件进行状态等方面的信息捕获；第二，通 过事件适配器对感应器获得的相关事件的信息进行识别与鉴定，并将其信息鉴 定结果上交事件处理分发器进行相应的信息处理工作。 a g e n t 的方法集包含了a g e n t 体系结构对事件进行处理的相关方法与过程， 而对一个确定的事件选择何种处理方法则由事件分发器来决定。 内部状态集则是体现本系统结构当前自身的状态，其中包括用来表征事件 8 第2 章多a g e n t 技术及平台介绍 态，当然，对于一个正在进行事件处理的a g e n t 来说，其内部的状态事实上 会随着时间的变化而变化。 必须要提到的是，a g e n t 之间的消息传递机制也是通过事件来实现的，如果 具体的a g e n ta 具有消息事件的处理能力，则其工作过程如下：1 、消息传 程；2 、a g e n t a 系统的消息感应过程；3 、消息事件适配器传递相关事件的 协议；4 、分析识别传递的服务信息的请求类型；5 、a 的事件处理分发器根据适 配信息来选择与其对应的服务方法执行。 当然，a g e n t 系统的事件处理机制有着非常重要的作用，它不仅有效的实现 了传统的客户对系统的直接请求以及服务器被动响应的机制( 现代计算机系统 的常用方式) ，事实上，a g e n t 系统的事件处理机制正在为实现a g e n t 系统之间 及a g e n t 与其外部环境及事物之间进行交互与协调奠定坚实的基础。 对于信息技术革命来说，相互联系的组织将会结合在一起，使之具有更广 泛的更具有综合平台的功能。a g e n t ( 智能a g e n t ) ，作为一个计算机软件技术领 域的新发展的一个方向，给人们带来了极大的兴奋，因为它将完全可以很快地 建造出一个既全面又具有很强综合应用能力的企业系统。能否用一个智能来完 成一个比较复杂的任务是研究者追求的一个重要目标。让多个a g e m 之间进行相 互的沟通，协调及合作是a g e n t 系统的难点和重点。 从一个抽象的角度来说，一个a g e n t 只不过是一种软件，但却区别与一般的 软件抽象，如：方法，函数，对象等等。我们很清楚的知道，一个对象可以理 解为一个高级别的软件抽象，在我们的学校中，v i s u a lc + + ，j a v a 编程中都 用到对象这个抽象的概念，但a g e n t 的对象事实上并不一样，我们可以将其理解 为一个更高级的软件抽象。另外，一个a g e n t 在定义也区别与一般的软件抽象的 定义，它不是用方法和属性来定义，而完全是由其自身的行为来进行定义的， 这当然要比写代码来的容易而且更加的自然。 从a g e n t 的定义当中，我们可以看到，它和人类一样，对同一事件具有不同 的处理能力。例如，一般的a g e n t 仅仅会对其电子邮件进行简单的收发能力，而 有一些特殊的a g e m 则可能对一些无用的或者垃圾邮件进行自动的识别及删除。 当然，a g e n t 的智能事实上由它们的程序所决定，因为它们的行为规范完全由程 序决定。 a g e n t 的另一个重要的功能就是需要和其他的软件a g e n t 进行协调合作，二 起去完成一些非常复杂的工作。在这里，我们把相互协调合作的软件a g e n t 称为 9 第2 章多a g e n t 技术及平台介绍 a g e n c y 。这也就要求开发者不仅要考虑单个a g e n t 的工作能力，还得特别注意 开发其与其他a g e n t 之间的协调合作能力，这才是现代a g e n t 的开发重点和难 点。例如，在现代电子商务时代，是否能将货物的采购，商品的销售，商店的 存货，数据库的管理以及电子邮件的收发a g e n t 结合在一起，共同完成这一系列 的功能是现代开发的头等大事。 最后，从逻辑意义上讲，一个分布式系统的好坏是由其组成的a g e n t 的角色 及交互的差别所决定的。 2 4 多a g e n t 技术主要内容 智能的分布可以说给址的发展带来了巨大的发展潜力，同时也在不断的更 新理论方面的和技术方面的问题，就目前的形式来看，关于多a g e n t 系统的主要 研究方向有以下几个方面： ( 1 ) a g e n t 模型 简单地讲，多a g e n t 的系统并不是简单的单a g e n t 系统之和，事实上，一个 单a g e n t 系统对其所在的多a g e n t 系统影响非常大，即一个多a g e n t 系统是由 多个a g e n t 系统和其所在的外部环境所构成的。通过一个或多个a g e n t 对其另一 个a g e n t 的进行建模，即如果在一个抽象层面上去描述另一个a g e m 的知识是多 a g e n t 推理和写作的基础问题，也就是说一个a g e n t 必须要满足个人本身的智能 性和与群体进行交互性。当然，a g e n t 还必须适应自身所处环境的变化以及自身 所在多