（计算机应用技术专业论文）基于agent技术的网上信息索引与查询系统研究.pdf

a b s t r a c t n e t w o r k i n f o r m a t i o n i n d e x a n d q u e r y s y s t e m b a s e d o n i n t e l l i g e n t a g e n t t e c h n i q u e a b s t r a c t f o l l o w i n g t h e g r e a t i n c r e a s e o f w e b i n f o r m a t i o n , a l o t o f s e a r c h e n g i n e s c o m e i n t o u s e . t h e y a r e j u s t g u i d i n g t o o l s f o r u s e r s , s i n c e o n o n e s i d e , u s e r s h a v e t o f i n d o u t p a t i e n t l y w h a t t h e y r e a l l y w a n t f r o m t h e p i l e s o f h o m e p a g e d a t a t h e s e a r c h e n g i n e s p r o v i d e , o n t h e o t h e r s i d e , t h e i n f o r m a t i o n m a y b e c o m p l e t e l y u s e l e s s . t h e r e f o r e , i t b e c o m e s t h e m a i n s u b j e c t f o r t h e s e a r c h e n g i n e r e s e a r c h t o t r a n s f e r h o w t o s e a r c h m u c h m o r e i n f o r m a t i o n , t o h o w t o f i n d o u t c o r r e c t a n d u s e f u l i n f o r m a t i o n . a g e n t s a r e s o f t w a r e o r h a r d w a r e e n t i t i e s t h a t c a r r y o u t s o m e s e t o f o p e r a t i o n s o n b e h a l f o f a u s e r o r a n o t h e r p r o g r a m w i t h s o m e d e g r e e o f i n d e p e n d e n c e o r a u t o n o m y . t h e y a r e a b l e t o a p p e r c e i v e t h e o u t s i d e e n v i r o n m e n t a n d r e a c t p r o p e r l y a c c o r d i n g t o t h e g o a l s e t b y i t s e l f . i n t e l l i g e n t a g e n t i s t h e a p p l i c a t i o n o f a r t i f i c i a l i n t e l l i g e n t t e c h n i q u e o n t h e d e s i g n o f s o f t w a r e a g e n t . i n t h i s p a p e r , c o m b i n i n g i n t e l l i g e n t a g e n t t e c h n i q u e w i t h s e a r c h e n g i n e t e c h n i q u e , a n i n t e l l i g e n t i n f o r m a t i o n s e r v i c e s y s t e m i s c o n s t r u c t e d . a t f i r s t , t h e e m e r g e n c e , d e f i n i t i o n , c h a r a c t e r i s t i c a n d s t r u c t u r e o f i n t e l l i g e n t a g e n t a r e i n t r o d u c e d . a n d m u l t i - - a g e n t s y s t e m a s w e 1 1 a s t h e c o m m u n i c a t i o n p r o t o c o l b e t w e e n a g e n t s a r e d e s c r i b e d . b a s e d o n t h e d i s c u s s i o n o f t h e e x i s t e d s e a r c h e n g i n e s a n d t h e c o n s i d e r a t i o n o f s o l v i n g t h e i n f o r m a t i o n g u i d i n g , t h e p e r t i n e n c e f e e d b a c k a n d t h e a c t i v e s e r v i c e , a m u l t i - a g e n t s y s t e m s t r u c t u r e i s d e f i n e d . t h e s y s t e m i s d i v i d e d i n t o t h r e e p a r t s : i n t e l l i g e n t u s e r i n t e r f a c e a g e n t ( i u i a ) ，i n f o r m a t i o n a n a l y s i s a g e n t ( i a a ) a n d i n f o r m a t i o n c o l l e c t i o n a g e n t ( i c a ) . o n t h e d e s i g n o f i n t e l l i g e n t u s e r i n t e r f a c e m o d e l , t h e m e t h o d t o b u i i d u s e r m o d e l a n d a c q u i r e u s e r k n o w l e d g e b a s e d o n r e f i n e d q u e r y e x p r e s s i o n i s p u t f o r w a r d . a f t e r b e i n g r e g u l a r i z e d , t h e u s e r s q u e r y r e q u e s t i s p a s s e d t o i a a a n d u s e d f o r q u e r y p r o c e s s i n g . t h e r e g u l a r i z e d q u e r y r e q u e s t i s f u r t h e r m o r e r e f i n e d , i . e . d e l e t i n g t h e s u b t r a c t o p e r a t i o n a n d b r a c k e t s , e v e r y q u e r y s u b - s e t t h a t o n l y i n c l u d e s a n d o p e r a t i o n i s o b t a i n e d . b a s e d o n t h e s u b - s e t , a n d c o m b i n e d w i t h t h e u s e r s e v a l u a t i o n t o t h e q u e r y r e s u l t , t h e u s e r m o d e l i s b u i l t a n d u s e r k n o w l e d g e i s e x t r a c t e d . t h e u s e r m o d e l i s u s e d f o r q u e r y g u i d i n g a n d a c t i v e i n f o r m a t i o n s e r v i c e , a n d t h e u s e r a b s t r a c t k n o w l e d g e i s t h e b a s i s o f p r o v i d i n g u s e r n e x t q u e r y t a r g e t . i n t h e p a r t o f i c a , t h e d e t a i l e d d i s c u s s i o n i s m a d e o n w e b r o b o t a n d r e l a t i v e p r o b l e m s , a n d i m p l e m e n t i n g a l g o r i t h m i s g i v e n . s t a n d a r d f o r r o b o t s e x c l u s i o n ( s r e ) i s i n t r o d u c e d a n d t h e d e s i g n i n g o f s a f e t y f u n c t i o n i s s t a t e d . a n d a m e t h o d t o p r o m o t e t h e w e b r o b o t w o r k i n g e f f i c i e n c y i s p u t f o r w a r d . i c a b u i l d s t h e i n d e x d a t a b a s e a n d c l a s s f o r t h e d o c u m e n t i n f o r m a t i o n t h a t i a a p r o v i d e s . i n t h i s p a r t , t h e k e y w o r d e x t r a c t i n g t e c h n i q u e a n d w o r d - d i v i d i n g t e c h n i q u e a r e i n t r o d u c e d , a n d a n i n f o r m a t i o n s e a r c h m o d e l i s g i v e n . a s f o r t h e s y s t e m i m p l e m e n t a t i o n , t h e a s p t e c h n i q u e i s u s e d f o r t h e d e s i g n o f i n t e l l i g e n t u s e r i n t e r f a c e , a n d t h e j a v a l a n g u a g e i s a p p l i e d o n t h e i n f o r m a t i o n c o l l e c t i o n a n d a n a l y s i s a g e n t s . k e y w o r d s : i n t e l l i g e n t a g e n t , s e a r c h e n g i n e , i n d e x , i n f o r m a t i o n a n a l y s i s useri n t e r f a c e , i n f o r m a t i o n 引言 随着 i n t e r n e t的飞速发展，网络上的资源日益增多，构成了广阔的信息空间 ( i n f o s p h e r e ) 。据文献【 月介绍， 全球目 前的网页估计超过8 亿， 并且 仍以每4 个月翻一番 的速 度增长。 但是分布式网 络资 源的 一些固 有特性阻 碍了 资 源的 有效 利用 z 1 。 首先， 网 络资 源未经组织， 分布在世界各地的 千万台主机上; 第二，i n t e r n e t是动态变化的，资源的数 量、 类型和有效性都在不断变动; 第二， 同 样的资源可以 从不同的 地方获取， 由于 信息源的 变化， 造成潜在的不一致性。 而现今的网络应用基本上是基于 静态土机之间同步或异步消息 传递的远程调用( r p c ) 模式，网 络上传递的主要是不能运行的消息，而可执行的程序仍然驻 留 在主机上， 用户只能使用服务器上己预先设定好的服务。 整个信息处理过程是被动的， 不 能根据用户的需求动态变化。 所以， 如何及时、 有效地收集、 整理和分析网络上的信息。 利 用这些资源，逐渐成为新的课题。 搜索引 擎( s e a r c h e n g i n e ) 3 1正 是为了 解决 这 个 课 题而出 现的 技 术。 搜 索引 擎以 一 定 的策略在互联网中搜集、 发现信息， 对信息进行整理、 提取、 组织和处理， 并为用户提供检 索服务， 从而起到信息导航的目 的。 但现有的 搜索引擎由于信息查准率低， 有用信息含量低， 并没有从根本上解决问 题。 对于用户提出的查询要求， 搜索引擎返回的信息也许是完全无关 的。 因 此， 从如何找到更多信息转移到如何找到准确、 有用的 信息， 成为搜索引擎技术研究 的主要课题。 人 工 智能( a i ) 4 1注定 要 在网 络 时 代 扮 演 重 要的 角 色。 a i 的 研究己 经 进 行了 四 十多 年， 在许多人的 心目 中它似乎并没有完成它当 初的承诺。 的 确， a i 在许多 领域中都遇到了困难， 各种各样的 专家系统显得过于脆弱。 但是w e b 对于根植于问 题求解与知识处理的a i 来说无 疑是一个绝好的环境。 a i 可以 在i n t e r n e t 中导引用户， 不仅在用户进行搜索、 浏览时给予 直接的支持， 而且能够提供具有独立搜索功能的智能体的 幕后支持。 最早在人工 智能领域中 提出的a g e n t 在这种背景下被赋予新的含义， 它作为用户授权的软件代理在i n t e r n e t 上的 应用得到了 广泛的研究。 利用 a g e n t进行信息搜集、 整理和电 子商业交易等向人们展示了 i n t e r n e t 应用和服务的 广阔前景。 本文将智能a g e n t 技术应用于搜索引擎的实现， 从解决信息引导、 相关性反馈、 主动性 服务等问题的角度出发，构造了一个基于智能 a g e n t的信息索引与查询服务系统 ( i s s -i n f o r m a t i o n i n d e x a n d q u e r y s e r v i c e s y s t e m ) 。 整个系统设 计为一个多a g e n t 结 构，包括智能用户接口 a g e n t ( i u i a - - i n t e l l i g e n t u s e r i n t e r f a c e a g e n t ) ，信息收集 a g e n t ( i c a -i n f o r m a t i o n c o l l e c t i o n a g e n t ) 和 信 息分 析 a g e n t ( i a a -i n f o r m a t i o n a n a l y s i s a g e n t ) 。 i c a 利用w e b r o b o t 在网 上收 集文档 信息， i a a 则 对这些信息 进行分 类整 理，建立索引信息库。i u i a 根据用户的查询请求， 将 i a a 提供的 符合查询条件的 信息提交 给用户， 并将用户对查询结果的评价通知i a a . i u i a以 用户的使用记录为基础， 为每一个用 户建立用户模型、抽取用户知识，以 便当 用户再次使用本系统时， 对用户的操作提供指导， 或者当用户脱机时，将最新信息或更新信息主动提供给用户。 一- -一一一- 气 第一章智能a g e n t 技术 第 1 章 智能a g e n t 技术 九十年代，随着计算机网络以 及基于网 络的分布计算技术的发展， 对于 智能a g e n t 以 及多a g e n t 系 统的 研究， 已 逐渐成为 人工 智能 领域一个 新的 研究热点， 也成为 分布式人s 智能 ( d a i )的重要研究方向。 1 . 1 1 . 1 . 1 智能a g e n t 概念15 1 智能a g e n t 的产生 ( 1 ) 电子信息技术的发展对常规的分布计算技术提出了 许多急需的问 题。 目 前决大多数的i n t e r n e t 应用是建立在c l i e n t / s e r v e r 计算模型基础上的，即 将分 布式应用分解为c l i e n t 和s e r v e r 两大部分， s e r v e r 只是在接到c l i e n t 的请求后方能提 供服务。 这样就使得通过i n t e r n e t 进行信息分布和查找的应用不可避免地存在两个问 题: ( 1 ) 信息的 提供者不能适时地将信息主动提供给最需要的客户; ( 2 ) 信息的需求者及客户面 对汪洋大海的网上信息， 出 现 “ 信息过载” 和 “ 资源迷向”两 种问题。所谓 “ 信息过载” 即客户面对主动送上门 或已下 载的信息难以 及时消化; 所谓“ 资源迷向” 即客户不知道如 何确切表达对网上资源的需求， 也不知道如何准确有效地寻找资源。因此用户盼望出现一 些能够协助其消化、 吸收寻找所需信息的“ 软件助手” ， 逐渐能 够实现由“ 人找信息”向 “ 信息找人”的境界过渡。 ( 2 ) 人们对“ 人工智能” 涵义的理解不断深刻， 推动了 人们对人工智能的 研究不断向a g e n t 技术方向 发展。 在人工智能研究中， 人们逐渐发现传统的 对人工智能的定义已 不适应技术的发展， 提 出了 一种新的人工智能的定义: 人工智能是计算机科学的一个分支， 它的目 标是构造出能 表现出一定智能行为的主体。 所以主体的 研究应成为人工智能的核心问 题。 s t a n f o r d大 学计算机科学家h a y e s - r o t h 在i j c a i 9 5 的 特邀报告中 谈到:“ 智能的 计算机主体既是人 工智能的最初目 标， 也是人工智能的最终目 标” 。 主体概念的回归， 并不仅仅因为人们认 识到，因该把人工智能各个领域的研究成果集成到一个具有智能行为的“ 人” ， 更重要的 是人们认识到， 人类智能的 本质是一种社会性的智能， 而不是脱离 社会的人的生理性智能， 所以 对人工智能的研究必须深入到基于主体概念的社会性智能研究， 多a g e n t 系统应成为 人 智能研究的主要对象。 ( 3 ) 人工智能与网络技术的发展为a g e n t 技术的研究与发展提供了坚实的 技术基础. 经过几十年的努力， 人工智能在基础理论和应用技术方面已 经有了 相当的积累， 但这 些成果没有在智能领域形成独立的系统，而是分散到其他多个领域 “ 为他人做嫁衣裳”。 之所以出 现这种状况， 究其原因， 人 智能没有能制造一个综合集成的智能主体， 来集中 体现其学科的整体威力。 但今天网络应用及网 络计算技术的发展正 好提供了 一个历史的机 遇: 它为人 智能 提供了一个真实的、 动态变化的、 相互联系与影响的且难以 精确预测的 复杂信息环境， 使得人工智能在现有技术基础上， 有可能集成在一些独立自 主， 协同_ 作 的“ 智能a g e n t ” 上， 在网 络世界里大显身手。同时，网 络信息世界也为人 智能技术的 进一步发展提供了一个天然的试验库。 第一章智能a g e n t 技术 1 . 1 . 2 智能a g e n t 的 定 义 16 1 a g e n t 源于 分 布式人1 : 智能( d a i ) 领域， 随 后引申 到 其它 计算 机技术 研究 领域中。 许多学 者对a g e n t 进行了 有益的 探索， 从 不同 角 度对a g e n t 的 概 念、 模型 和特性提出 各自 的 见 解 。 具 有 代 表 性 的a g e n t 定 义 如 : 英 国 的w o o ld r id g 。 和j e n n in g s h 认 为 ， a g e n t 是 一 个基于 硬件或基于软件 ( 更常见) 的 计算机系统， 该 系统具有自 主性、 社交能力、 反应性、 能 动 性 等 性 质: r a o 和g e o r g e f f 的b d i 模 型 l8 1 ， 认 为a g e n t 应 具 有 信 念 ( b e l ie f ) , 愿 望 ( d e s i r e ) 和 意 图( i n t e n t i o n ) 的 基 本 思 维 属 性: s h o h a m l l提出 面 向a g e n t 的 程 序设 计( a o p . a g e n t o r ie n te d p r o g r a m m i n g ) ， 其中认 为“ a g e n t 是由 信念( b e l ie f ) 、 能力( c a p a b i li ty ) 、 选择 ( c h o i c e ) 和承诺 ( c o m m i t m e n t ) 等精神部件所表示的实体”;文献 1 0 对比 较典型的 a g e n t 的定 义及其比 较进行了 详细的 论述。 智能a g e n t 就是将人工智能技术应用于软件a g e n t 的设计， 使a g e n t 具有某种程度的 智能。它的定义有厂 义和狭义之分。 ( 1 ) 广义的智能a g e n t 包括人类、 物理世界中的移动机器人和信息世界中的软件机器人. ( 2 ) 狭义的智能a g e n t 专指信息世界中的软件机器人。 它是代表用户或其他程序， 以 主动服务的方式完成一 组操作的 机动计算主 体。 所谓“ 主动 服务” 是指:( 1 ) 在完成 操作过 程中， 智能a g e n t 能 够主动地去获得有关操作对象的知识及有关用户的意图和偏好的知识， 并能将这些信息在 以 后的 操作中加以 利用。 这一 特性亦称之为 “ 主动适应”:( 2 ) 智能a g e n t 能对一些任务 无须用户发出 具体指令， 只要当 前状态符合某种条件， 就可以 代表用户完成相应的 操作。 这一特性亦 称之为“ 主动 代理”。比 如， 智能a g e n t 能 够主动替i n t e r n e t 用 户寻 找、 收 集、存储一些对用户有用的网 络信息， 而不需用户给它具体指令，当然前提条件是智能 a g e n t 必须对它所服务的客户有所 “ 了解” 和 “ 熟悉”的 基础上。我们讨论的a g e n t 是指 狭义 的 智能a g e n t , 1 . 1 . 3 智 能a g e n t 的 特 性 u ( 1 ) 代理性( a g e n t ) 智能a g e n t 的最基本功能是“ 代理” 用户或软件完成某些任务。 如“ 代理” 用户查找 i n t e r n e t 上的信息，“ 代理” 软件与其它软件进行通信。 ( 2 ) 主 动 性( i n i t i a t i v e ) 智能a g e n t 的“ 代理” 功能 是根据用户的需求或当前的 环境状态以 主动服务方式提供 的。例如，网 络监控智能a g e n t 将主动报告网 络资 源的使用现状。 ( 3 ) 自 主 性( a u t o n o m y ) 要保证 智能a g e n t 的 主动性， 则智能a g e n t 本身 应该是一个独立自 主的计算实体。 它 能根据当 前动态变化的环境状态在无需外界参与的情况下， 独立地发现和利用完成任务所 需的资源和服务， 独立地制定完成任务的规划， 最终实现规划、 达到目 标。 例如， 若一组 自 主的智能 a g e n t 协同完成工作流管理，当 某个智能a g e n t的意图临时改变时， 则智能 一 3- 一一一一一一一一一一一一一一一一 第一章 智能a g e n t 技术 a g e n t 要能重新制定完成任务的 规划。 住 ) 智能性( i n t e l l i g e n t ) 自 土性的实现需要智能a g e n t 具有相关的知识， 能够进行相关的推理或智能计算。 此 外，当 用户的需求没有明 确给出时， 智能人 g e n t 能够推测用户的意图、 爱好或兴趣为其代 劳。智能 a g e n t还能从经验中 不断学习，以 提高自 身处理问 题的能力。 这些都说明智能 a g e n t 具有较高的“ 智能”。 例如， 智能a g e n t 代替用户在网上购物时， 可以 根据用户的 爱好和消费水平， 挑选用户喜爱的商品。 通过分析用户所选购商品的态度( 如高兴、 认可、 不喜欢) ，又可进一步掌握用户购物的意向。 ( 5 ) 机动性( m o b i l i t y ) 智能a g e n t 是计算机用户的“ 代理”、“ 秘书”，能够随计算机用户的移动而移动， 不管是地理位置的移动还是计算“ 位置”的移动( 如u r l 的改变) 。 例如， 便携机的用户移 动到另一个地方，他在 i n t e r n e t 上的 主机地址也随之改变，这时他可以 通过他的个人移 动智能a g e n t 与当地服务器常驻相连，实现在i n t e r n e t 上的即插即用。 ( 6 ) 交 互 性( i n t e r a c t i v e ) 如果把各种计算资源( 包括人) 都包装成智能a g e n t ， 各个智能a g e n t 都有标准的外部 接口， 采用统一的 通信语言进行信息交流， 则多个智能a g e n t 可以 通过相互协商和协作来 共同完成复杂的 任务。 而且， 各种智能a g e n t 可以 作为标准构件， 接插到一个通用的集成 框架上实现各种应用，从而大大减少了 应用开发量。 例如，利用i n t e r n e t 应用集成框架 构造多a g e n t 系统， 可以 实现电 子商务c i m s 等诸多应用。 上述特性， 属于智能a g e n t 的一些基本特性。 随着研究的 深入和应用领域的推广， 一 些专业学者对智能a g e n t 的 概念有一些更拟人化的要求。 例如， 分布式人工智能领域内的 学者， 要求 a g e n t具有知识、 信息、意图等认知特性， c s c w领域内的学者， 要求 a g e n t 具有更友好的人机交互方式等等。 1 . 1 . 4 智能a g e n t 的体系结构 a g e n t 体系结构是研究如何用软件或硬件的 方式实现a g e n t 。在实现一个a g e n t 时， 传统的方式是将它作为一个基于知识的系统。 这是从符号 人工智能直接沿袭过来的。 这种 a g e n t 的体系结构称为“ 慎思a g e n t 。 与之相对的有一种不使用符号 知识的a g e n t 体系 结构， 被称为“ 反应a g e n t 。 最近有一 些综合了 两者长处的a g e n t 结构出现， 被称为“ 混 合a g e n t 1 .慎思 g e n t w o o l d r i d g 。 和j e n n i n g s 定 义 慎思a g e n t 为: “ 包含世界显 式表示的、 符号的 模型， 并且其决策( 如执行什么动作) 是通过逻辑( 至少是伪逻辑) 推理、 基于模式匹配和符号 操作 的”。 根据大多数通用的慎思方法，认知构件基本上由 两部分组成: 规划器和世界模型。 这种方 法中 有一 个基本的 假设: 对认知 功能 进行 模块化是 可能的， 即 可以 分开 来 研究 不同的认知功能( 如感知、 学习、 规划和动作) ， 然后把它们组装在一起构成智能自 治a g e n t . 第一章 智能a g e n t 技术 从工程角度看， 功能模块化降 低了系统的复杂性。 慎思方法的 局限 性在于这种结构的a g e n t 要面对以卜 两个基本问 题:( 1 ) 转换问题， 如何在一定时间内 将现实世界翻译成一个准确、 合适的符号 描述;( z ) 表示/ 推理问 题，如何用符号 表示复杂现实世界中的实体和过程， 以 及如何让a g e n t 在一定时间内 根据这些信息 进行推理， 作出决策。 第一个问 题涉及计算 机视觉、自 然语言理解等多个领域的 研究; 第二个问 题涉及知识表示、自 动推理、自 动规 划等多个领域的研究。 虽然很多学者在这些领域进行了大量的研究， 但是离真正解决这两 个问题还有很大的距离。对慎思a g e n t 的研究主要是孤立地对认知构件进行研究( 即作为 非嵌入的a g e n t ) .当 确实需要嵌入这种a g e n t 时， 人们已 经注意到， 虽然嵌入a g e n t 可 以做某些复杂的工作( 如规划和问题求解) ， 但是对需要快速动作而无需仔细推敲的“ 简单 的” 任务( 如日常反应) ， 它们还存在着一定的问 题。 事实上， 一般情况f 规划是不可判断 的， 有一些看来很简单的问 题， 例如常识推理， 要实现起来都非常困难。 符号 演算算法的 复杂性更使得最简单的定理证明也要耗费大量的时间。换句话说， 传统的规划是费时的， 它需要对可能巨大的问题空间 进行指数搜索。 另外， b r o o k s认为人一级的智能太复杂， 并且人类还没有能够充分地理解它， 还不能分解为正确的 构件。 即使其分解是正确的， 也 仍然不知道这些构件之间正确的接口。 2 .反应a g e n t 与 慎思a g e n t 相反， 反应a g e n t 就是不包含用符号 表示的世界模型， 并且不使用复杂 符号 推理的a g e n t 。 第一个反应a g e n t 出 现在8 0 年代中期， 其思想来源于 我们日 常活动， 由日 常动作而不是抽象推理组成。所以， 在这种类型的a g e n t 中，没有世界模型和规划， 仅有一些简单的行为模式， 这些行为模式以 刺激一回答方式对坏境的改变作出反应。 因此， 反 应a g e n t 只是 简单 地对外部刺激 发生反 应、 没有符号 表示的 世界 模型， 并且 不使用复杂 的 符号 推理。 反 应结 构的设 计部分是 来自 下 面的 假设: a g e n t 行为的 复杂性可以 是a g e n t 运作环境复杂性的反映， 而不是a g e n t 复杂内部设计的反映。日 前已 有试验表明， 在现实 世界中， 反应a g e n t 在做有限的一些任务时优于 传统的方法。 然而， 除了不是特别通用外， 反应方法在处理需要世界知识的 任务时也存在一些问 题， 这些知识必须通过推理或从记忆 中 获得， 而不是通过感知得到的。 还有， 反应a g e n t 适应能力一般比较差， 常常没有任何 学习能力， 并且事实上a g e n t 的每个行为需要分开来编码， 与之相关的是系统的可扩展性 问 题。 另一个问 题是反应方法的进化问 题， 例如将反应式方法与简单的 基于刺激反应行为 的昆 虫进行比 较。 有些研究者得出基于反应方法的a g e n t 永远不会达到人类一 级行为的结 论。 3 .混合a g e n t 越来越多的 研究人员发现， 无论是 纯粹的 认知结构， 还是纯粹的反应结构都不是构造 a g e n t 的最佳方式。 他们提出 混合式结构的a g e n t 系统， 把两种方式结合起来， 试图以 此 来融合经典和非经典的人工智能。 第一帝 智能a g e n t 技术 . 2 多a g e n t 系统( m a s ) 2 . 1 多a g e n t 系统的产生 多a g e n t 系 统( m u l t i - a g e n t s y s t e m , m a s ) 15 是 指 一 些智能a g e n t 通 过协 作 完 成 某 些 任 务或达到某些目 标的计算系统。 多a g e n t 系统的产生和概念的提出， 具有其特定的思想基 础和技术基础。 h e r b e t s i m o n 的“ 有限性”( b o u n d e d r a t i o n a l i t y ) 和m a r v i n m i n s k y 的 s o c i e t y o f m i n d 奠定7多a g e n t系统的思想基础。 s i m o n针对人类社会从理论上分 析了 一个大的机构把许多个体组织起来， 可以弥补个体能力的有限; 劳动的分工和每个个 体负责一向专门的任务， 可以 弥补个体学习 新任务能 力的有限: 社会机构间有组织的信息 流动， 可以 弥补个体知识的 有限; 精确的社会机构和明确的个体任务， 可以 弥补个体处理 信息并 运用信息作出决策能力的 有限。 将此引入新的 计算系统， 得出单个a g e n t 的智能是 有限的， 但可以 通过适当的 体系结构把a g e n t 组织起来， 从而弥补各个a g e n t 的 不足， 使 整个系统的能力超过任何单个 a g e n t的能力。 m . m i n s k y 将社会与社会行为的概念引入计 算机中，并把这样一 些计算社会中的个体称为a g e n t ， 社会不关心它是如何i 作的; 而对 个体而言，则要它们具有一定的技能， 否则将不为社会所接受。 分布式人工智能( d a i ) 的 产生和发展为多a g e n t 系统提供了技术基础。 7 0 年代末期， 分布式人工智能主要研究分布式问 题求解， 但并不能很好地解决具有自 己的知识和目 标系 统之间的相互冲突。 在此情况下， 人们提出了 多a g e n t 系统的 概念。到了8 0 年代中期， d a i 研究重点已 经逐渐转到m a s 的 研究上了。目 前随着i n t e r n e t 的出 现和发展， m a s 的 研 究已 经不局限于d a i ， 而是渗透到计算机网 络， 软件工程以 及人机交互等领域。 . 2 . 2 多a g e n t 系统的特性 多a g e n t 系统除了 具有 个体a g e n t 的 基本 特性外， 还具有社 会性、自 治 性、协 作 性 等特性。 ( 1 ) 社会性 社 会性要求多a g e n t 系统中的一个a g e n t 能及时响 应其它a g e n t 的服务请求， 对自己 的行为 做出 承诺。 若一个a g e n t 表明自 己 提供某项服务时. 它应义无反顾地履行职责。 有 关专家 在研究多a g e n t 系 统的 社会 性时， 更 深入 地提出了 针对系 统中 单 个a g e n t 的“ 行为 自 信 度” 的概念， 他们对行为自 信度定义为: 一个a g e n t 能够被其他a g e n t 所信任并将动 作委托给它执行的 程度。同时他们对 “ 行为自 信度的修改” 提出了五大规则:字面规则， 鼓励规则， 激励规则， 信托规则， 最佳伙伴规则。 这些概念的定义和规则的 提出， 更形象 的表明了多a g e n t 系统的社会性。 ( 2 )自 治性 自 治性要求在多a g e n t 系统中， 一个a g e n t 不能强制另一 个a g e n t 提供某项服务， 除 非另一个a g e n t 有接受该 请求的企图。 因此， 针对自 治性要求， 在多a g e n t 系统中还存在 着能力与兴趣相制约问题。 一个a g e n t 发出服务请求后， 其它a g e n t 只有同时具备提供此 服务的能力与兴趣，才能接受动作委托。 第一章 智能a g e n t 技术 ( 3 ) 协作性 协作性是指多a g e n t 系统中。具有不同日 标的各个 a g e n t必须对其目 标和资源使用 进行协作，因此 m a s研究的中心就是参与经济学和社会学的有关理论和模型来处理多 a g e n t 之间的协作， 通常的协作有:资源共享协作，生产者/ 消费者关系协作，任务/ 子任 务关系协作等 1 . 2 . 3 多a g e n 七 系统结构 多a g e n t 必须找出一 种使各a g e n t 能 够协调1 一 作的适当 方法， 这种方法是建立在多 a g e n t 系统共享资源和各a g e n t 自 主性基础上的。虽然独立的a g e n t 有各自 分散的目 标、 知识和推理过程， 但它们之间必须有一种方法， 能够相互协调， 互相帮助，以 找到整个系 统的目 标，这一过程体现了多a g e n t 系统中的“ 合作” 精神。 多a g e n t 的合作形式有任务共享和结果共享两种方式: ( 1 ) 任务共享: 是指单个a g e n t 可以 用最少的通信和全局同步信息完成子问 题求解， 任务共享要求对 任务 进行适当的分解，比 如， 合同网 协议正是基于任务共享的。 ( 2 ) 结果共享: 是指a g e n t 之间通过共享部分结果的 形式互相协助， h e a r s a y - 2 采用的 就是这种合作 形式。 1 . 3 a g e n t 通讯的实现 k q m l 1 1 2 1 解决 a g e n t 之间 通信问 题的一个途径就是建立一个标准的 通信语言。这种通信语言 可以是过程型的， 也可以 是说明型的。 过程性语言 基于把通信看成是过程指令的交换， 像 t c l , a p p l e e v e n t s 和t e l e s c r i p t 等语言。 它们不仅能传 递控制指令， 而且能 传递整个 程序。 这种方法简单有效， 其缺点是设计过程有时需要接收方的 信息， 而且过程是单向的。 另一方面，说明型( 描述型) 语言基于 把通信看成是说明语句的交换， 如: a c l 语言。 1 . 3 . 1 知识查询处理语言k q m l 多a g e n t 系统中各个人 g e n t 能 够协同工作的基础是a g e n t 之间具备有效可靠的通讯协 议。 这样的通讯协议 要求是: 具有强大的表达能 力， 支持良 好的 互操作性 ( 尤其是在异构 环境下 的 异构a g e n t ) ， 有快 速响应 特性。 由a r p a 在 其k s e ( k n o w l e d g e s h a r i n g e f f o r t ) 计划中为解决大规模知识库的知识共享和再利用而提出的k q m l 语言 可以 作为选择。实际 上 k q m l也正在成为 a g e n t通讯语言的事实上的标准。 k q m l ( k n o w l e d g e q u e r y a n d m a n i p u l a t i o n l a n g u a g e ) 是 一 种 描 述 性 语 言 ， 定 义了a g e n t 间 传 递 的 消 息 格 式 和 消 息 处 理协议。 k q m l语言的理论基础为言语行为 ( s p e e c h a c t ) 理论 ( 简单地说，即认为言语 是一种行为，反映一定的意图，需要产生某些动作)，通过提供一套标准的通讯原语 得 a g e n t 间可以交流和共享知识。 1 . 3 . 2 k q m l 的三层结构 k q m l 语言采取了“ 协议栈”的思想，它划分为三个层次，如图1 . 1 所示。 第一章 智能a g e n t 技术 消 息 层( m e s s a g e )叫 卜 p4 内 容 层月 十 ( c o n t e n t ) 通讯机制 通讯逻辑 通讯内容 图1 . 1 k q m l 的三层结构 内容层描述a g e n t 所传递消息的实际内容， 这些消息内容可以使用实现a g e n t 的( 编 程) 语言 表达。 即意味着k q m l 可以 携带任何一种语言 表示的 信息( 如a s c i i 码字符串和二 进制符号) 。 因此k q m l 内容层的语言无关性为( 异构) a g e n t 间互操作性提供了支持基础。 消息层是 k q m l的核心，它定义发送消息的协议和内容层消息所要体现的语义动作 ( p e r f o r m a t i v e ， 即“ 言 语 行为”) ， 以 决 定a g e n t 需 对消息 反 应而 采取的 行为; 同时 还 可对内 容层的消息内容描述有关属性， 如内 容层所用语言、 术语 集