（信号与信息处理专业论文）基于分布式控制系统的mas中若干问题研究.pdf

本 基于分布式控制系统的m a s 中若干问题研究 摘要 代工业控制正日益向着分布式方向发展，随着对控制系统总体性能要求j i 步 高，人们需要研究突破单一模式而采用多子系统有机集成的控制体系。) 文在介绍a g e n t 、m a s 系统和分布式控制系统发展基础上，指出分布式 控制系统发展的两个方向：( 1 ) 分布式控制子系统的智能化，即分布式控制子系统 发展为a g e n t ，这是分布式控制系统发展的微观方面：( 2 ) 控制系统发展为m a s 系统，这是分布式控制系统发展的宏观方向。由于设计目标和环境的要求不同， m a s 系统对a g e n t 的要求也不尽相同，因此，本文对a g e n t 进行等级划分，从 而按照能力和角色组成两种不同的等级m a s 系统，探讨各级a g e n t 的特性、等 级m a s 系统的性能。在此基础上，仿照人类社会的组织、管理模式，提出等级 m a s 系统的社区概念，并引入“森林”形式的数学模型进行描述。同时本文提 出a g e n t 的k c m 模型( 知识、能力和承诺模型) ，并给出相应的实验结果。利 用仿生学的相关成果，把蚁群系统引入到等级m a s 系统中，研究蚁群中单个蚂 蚁、蚁群、任务的抽象模型，形式化描述蚁群的地形图和任务求解的过程。采用 移动a g e n t 技术取代传统的通信手段，较好的满足了等级m a s 系统中a g e n t 通 信和进化的需求，并指出移动a g e n t 系统待解决的三个关键问题，给出本文在此 方面的研究成果。 关键词：分布式控制系统、等级m a s 、k c m 模型、蚁群系统、移动a g e n t s t u d yo ns o m ei s s u e so fm a sb a s e d o nd i s t r i b u t e dc o n t r o ls y s t e m a b s t r a c t a l o n gw i t ht h ed e v e l o p i n go ft h ed i s t r i b u t e dc o n t r o lo ft h em o d e mi n d u s t r y , p e o p l eh a v em o r ed e m a n d sf o rt h et o t a lp e r f o r m a n c eo f t h ec o n t r o ls y s t e m s s ow e n e e dt oe x p l o r eak i n do fc o n t r o ls y s t e m ，w h i c hi sn o t j u s tc o m p o s e do fo n em o d e l ， b u to f m a n y s u b s y s t e m s t h e p a p e rp o i n t so u tt h et w od e v e l o pd i r e c t i o no f t h ed i s t r i b u t e dc o n t r o ls y s t e m u n d e rt h ef o u n d a t i o no fi n t r o d u c i n gt h ed e v e l o p m e n to fa g e n t ，m a ss y s t e ma n d d i s t r i b u t e dc o n t r o ls y s t e m s ，o n eo ft h e mi s i n t e l l i g e n t i z i n gt h ed i s t r i b u t e dc o n t r o l s u b s y s t e m ，t h a ti sd e v e l o p i n gt h ed i s t r i b u t e dc o n t r o ls u b s y s t e m i n t oa g e n t t h i si st h e m i c r o c o s m i c d e v e l o p o fd i s t r i b u t e dc o n t r o l s y s t e m t h e s e c o n dd i r e c t i o ni s d e v e l o p i n gt h ec o n t r o ls y s t e mi n t os p e c i a lm a ss y s t e m t h i si s t h em a c r o s c o p i c a l d e v e l o po fd i s t r i b u t e dc o n t r o ls y s t e m b e c a u s eo ft h ed i f f e r e n tr e q u e s t f o rt h e d e s i g n e dg o a la n di t sc i r c u m s t a n c e ，t h e r ea r ed i f f e r e n tn e e d sf o ra g e n t si nm a s s y s t e m s ow e d i v i d ea g e n t si n t od i f f e r e n tc l a s sa c c o r d i n gt ot h e i rc a p a b i l i t ya n dt h e r o l e st h e ya c t i n go n w h i c hm a k eu po ft w od i f f e r e n tk i n do f g r a d i n gm a ss y s t e m b e s i d e s ，w ea l s oh a v es o m er e s e a r c hf o rt h ep e r f o r m a n c eo fa g e n ti ne a c hc l a s sa n d o ft h eg r a d i n gm a s s y s t e m f o l l o w i n gt h ef r a m e w o r k a n dm a n a g i n gm o d e l ，w e p u t f o r w a r dt h ec o n c e p t i o no fg r a d i n gm a s s y s t e ma n dd e s c r i b ei t a sa nd a t as t r u c t u r e n a m e d f o r e s t ”w ea l s op u tf o r w a r dk c mm o d e lo f a g e n t ( t h em o d e lc o m p o s e do f k n o w l e d g e ，c a p a b i l i t ya n dp r o m i s e ) a n d v i n d i c a t ei t sa f f e c t i v i t yb y m a n ye x p e r i m e r i t s m o r e o v e r , w ei n t r o d u c et h ea n t ss y s t e mi nb i o n i c si n t og r a d i n gm a ss y s t e m t r yt o s t u d yt h e a b s t r a c tm o d e lo fi n d i v i d u a la n t ，t h ec o l l e c t i v ea n dt h et a s ka n dp l o to u t t h er e l i e fm a pa n dt h ep r o c e s so fs o l v i n gt h ep r o b l e m w eu s et h et e c h n o l o g yo n m o b i l e - a g e n t t o r e p l a c e t r a d i t i o n a l t e c h n o l o g y o nc o m m u n i c a t i o nt om e e tt h e d e m a n df o rt h ec o m m u n i c a t i o na n de v o l u t i o na m o n g a g e n t si ng r a d i n gm a ss y s t e m w ea l s op u tf o r w a r dt h r e ek e yp r o b l e m ss h o u l db es o l v e di nm o b i l e - a g e n ts y s t e m a n d p u tu p t h ea c h i e v e m e n to b t a i n e di nr e s e a r c h k e y w o r d s ：d i s t r i b u t e dc o n t r o ls y s t e m ，g r a d i n gm a ss y s t e m ，k c mm o d e l ，a n t s s y s t e m ，m o b i l e a g e n t 致谢 在研究生两年多的生活中，令我难忘的事太多，令我感谢的老师和同学更多。 我的老师和同学们用他们勤劳、忙碌的身影鞭策、激励着我。我的每一个脚印和 成功均离不开他们的爱护与帮助! 首先感谢我的导师蒋建国教授! 蒋老师有着渊博的知识和严谨的治学态度。 每一次讨论会上，正是蒋老师的每一句教诲与叮咛，我的毕业论文才慢慢成文。 蒋老师办公室晚上的灯光、笔记本上工整、详细的笔记和我论文上的每一个批注 总是令我惭愧! 蒋老师不仅在学术上为我树立一个永远无法超越的榜样，我更从 他身上体会到了个为人师表的学者风范! 在我两年多的研究生日子里，蒋老师 在生活上给了我无微不至的关怀! 在此，感谢您为我所做的一切，我会永远铭记 在心! 感谢图像信息研究室的高隽教授! 在高老师实验室的一年时间使我收益匪 浅，高老师不耐其烦地一遍遍教我如何收集资料、如何写综述、如何做课题。同 时，离老师还在生活中给予我很大的帮助。 感谢我所有的同门! 我们在学习、生活上互相理解、帮助。特别感谢齐老师、 骆正虎、刘涛、陈晓萍。感谢曾经和我共同在高老师实验室工作过的同学门! 特 别是鲍捷给我学习上很大的帮助，和他的每一次讨论都有收获! 感谢我们研9 9 2 班的每一位同学! 感谢本文所引用参考文献作者! 最后，感谢在我本科四年和硕士两年多给予我指导和帮助的所有老师和同 学! 韩晓征 2 0 0 2 年3 月 插图清单 图i - 1 a g e n t 的分类示意图6 图1 - 2 a g e n t 分类示意图 7 图1 3p l e i a d e s 分布系统图( s y c a r a ，1 9 9 5 ) 8 图2 1d c s 结构图1 3 图2 - 2 现场总线示意图1 5 图2 - 3 典型现场总线结构图1 6 图2 - 4 支持现场总线仪表的d c s1 7 图2 - 5c m m s - i a m s 系统1 8 图2 - 6i c m m s 体系结构示意图1 9 图2 7 a g e n t 体系结构 2 1 图3 - 1m a s 逻辑体系结构2 5 图3 2 m a s 物理体系中重点区域的高级a g e n t 安排示意图 2 6 图3 3a s i m p l eh i e r a r c h y 结构 2 9 图3 - 4a m u l t i h i e r a r c h y 结构 2 9 图3 - 5 基于a g e n t 角色的等级m a s 系统3 2 图3 6 等级m a s 系统森林数学模型3 3 图3 7 完成每个任务与a g e n t s 所需交互次数示意图 3 6 图3 8 a g e n tk c m 模型实验结果示意图4 5 图4 - 1 蚁巢周围环境地形示意图5 1 图4 - 2 蚁群势能图5 2 图5 - 1 模式识别和匹配应用于移动a g e n t 目标主机选择原理图5 7 垒墨三些查兰婴主堂垡鲨塞笙二童坚垒! 塑垒壁坐簦垄 第一章m a s 和a g e n t 综述 2 l 世纪人类社会将进入信息社会，信息成为最重要的战略资源，它将转化 为现代的智力工具。工业化社会将转向信息化社会，信息科学成为高新技术的源 泉。农业社会，人们消费农产品，工业社会消费工业产品，而在信息社会“比特” 将成为主要消费品。人类对智能化的追求将导致“智能革命”。人工智能是“智 能革命”的核心。无论是a i ( a r t i f i c i a li n t e l l i g e n c e ，人工智能) 还是d a i ( d i s t r i b u t e d a r t i f i c i a li n t e l l i g e n c e ，分布式人工智能) 、d c s ( d i s t r i b u t e dc o n t r o ls y s t e m ，分布 式控制系统) 的发展方向均是智能化。a g e m 技术的诞生为d a i 、d c s 的智能化 提供了新的发展思路。d a i 的发展的结果就是a g e n t 和m a s 的产生。控制系统 的智能化也可以把a g e m 和m a s 技术引入d c s 系统中，即控制子系统发展成为 单个a g e n t ，而d c s 发展为m a s 。有关a i 、d a i 的研究成果为a g e n t 、m a s 的 研究提供了丰厚的理论基础和应用前景。 1 1 人工智能 人工智能( a r t i f i c i a li n t e l l i g e n c e ) 是研究、解释和模拟人类智能、智能行为 及其规律的- - f q 学科。其主要任务是建立智能信息处理理论，进而设计可以展现 某些近似于人类智能行为的计算系统。着重研究、解释和模拟人类智能、智能行 为及其规律，一般认为智能主要指人的学习能力。有关智能的本质，l e n a t - 给出 了一个简单易理解的描述：就是从巨大的搜索空间中，迅速找到一个满意解的能 力。 1 i 1 人工智能的发展历程：4 0 年代，在人工智能的萌芽时期，有两种不同 的研究智能的途径，一是根据神经心理学的研究，通过为神经活动建立数学模型 来表现智能行为，这是智能结构的微观研究观点，如1 9 4 3 年wm c c u l l o c h 与 p i t t s 为神经元建立的数学模型和w i e n e r 的控制论；二是从智能行为的角度来研 究智能，而不介意这种行为的产生原因，是智能的行为研究观点，如t u r i n g 实 验。1 9 5 6 年，在美国的d a r t r n o n t h 讨论会上，j m c c a r t h y , h s i m o n ，a n e w e l l 与m m i n s h y 等学者提出了“人工智能”的术语。6 0 年代，j m c c a r t h y 发表的 符号处理语言原型，提供了用计算机程序设计作为人工智能的符号处理基础。 1 9 6 9 年，m 。m i n s k y 和s 、p a p e r t 合写了感知器这本书提出了感知机算法存 在的问题。基于上述一系列研究的基础之上，e f e i g e n b a u g n 提出了第一个专家 系统d e n d r a l ，用于分析化学分子。8 0 年代，掀起了被称为连接机制的研究 高潮，即h o p f i e l d 和d r u m e l h a l t 等人对神经网络的研究。符号机制和连接机制 采用了完全不同的表示方法，两者互相结合、互为补充，推动了人工智能的发展。 8 0 年代后期，h h o l l a n d 提出的基于自然选择的遗传进化模型，使用类似基因结 构的表示法来发现新的规则。 笪些王些叁兰堡主兰垡笙兰堡二量竺垒! 塑垒竖! ! 箜堕 1 1 2 人工智能研究的主要内容：人工智能主要研究知识表示，自动推理和 搜索方法；机器学习和知识获取：知识处理系统，自然语言理解，计算机视觉， 智能机器人，软件自动化等方面。 ( 1 ) 知识表示是基本问题之一，推理和搜索都与表示方法密切相关。常用的知 识表示方法有：逻辑表示法、产生式表示法、语义网络表示法和框架表示法等， 近年来，使用图像、图形直接表示知识并参加推理的直接表示法得到人们的关注。 知识可以分为三个层次”；常识层次：指人们直觉的、日常使用的那些非专业 知识，它们不一定在任何情况下正确，但是常常对问题的求解起到关键性的作用， 最低层，推理能力最强；知识层次：中层；行为层次：最高层。 ( 2 ) 推理过程一般可分为演绎推理和非演绎推理。谓词逻辑是演绎推理的基 础。结构化表示下的继承推理是非演绎性推理。近年来，提出了多种非演绎性推 理的方法，如连接机制推理、类比推理、基于事例的推理、反绎推理和受限推理 等。 ( 3 ) 搜索是人工智能的一种问题求解方法，搜索策略决定着问题求解的一个推 理步中知识被使用的优先次序。可分为无信息导引的盲目搜索和利用经验知识导 引的启发式搜索。通常用启发式函数表示启发式知识，典型的启发式搜索方法有 a + 、a o + 算法。 ( 4 ) 机器学习指在一定的知识表示意义下获得新知识的过程。按学习机制可分 为：归纳学习、分析学习、连接机制学习和遗传学习等。 ( 5 ) 知识处理系统主要有知识库和推理机组成。知识库中存储着系统所需的知 识。推理机在问题求解时，规定使用知识的基本方法和策略，记录推理过程中的 结果或通信结果需设数据库或采用黑板通信机制。如果在知识库中存储的知识是 某一领域的专家知识的话，则系统就成为专家系统。 ( 6 ) 人与机器进行自然的对话，利用能被机器理解的自然语言来描述现实世 界。自然语言的理解包括语法分析、语义分析和语用分析。好多有关a g e n t 的研 究是基于语义分析的” 1 1 _ 3 人工智能的研究方法：在人工智能的发展过程中，形成了不同的学派。 不同学派的研究方法、学术观点和研究侧重点有所不同。 ( 1 ) 认知学派：以s i m o n 、m i n s k y 和n e w e l l 等为代表，从人的思维活动出发， 利用计算机进行宏观模拟。这也发展为是a g e n t 的主要研究领域和方法之一。 1 9 7 6 年，n e w e l l 和s i m o n 提出了物理符号系统假设，认为物理系统表现智能行 为充要条件是它是一个物理符号系统。这样就可以把任何信息加工系统看成是一 个具体的物理系统，如人的神经系统等。所谓符号就是模式。m i n s k y 从心理学 的研究出发，认为人们在他们日常的认知活动中，使用了大批从经验中获取并经 过整理的知识。知识的整理是必需的，说明知识已经过进化。该知识是以一种类 似框架的结构存在于人脑中。用结构框图不仅可以设计成数据结构形式来用计算 机模拟；还可以通过把结构框图设计成各个子框图来硬件实现。 垒坐三些盔兰堡主兰垒逢塞塑二堡坚垒! 塑垒竖! ! 鳖垄 ( 2 ) 逻辑学派以m c c a r t h y 和n i l s s o n 等为代表，主张用逻辑来研究人工智能， 即用形式化的方法描述客观世界。强调的是概念化知识表示、模型化语义、演绎 推理等。智能机器必须拥有自身环境的知识、能陈述性的表达关于环境的大部分 知识和表示陈述性知识的语言至少要有一阶逻辑表达能力 ( 3 ) 行为学派：b r o o k s 认为人工智能的研究应走出这种抽象模型的象牙塔， 而以复杂的现实世界为背景，让人工智能理论、技术先经受解决实际问题的考验， 并在这种考验中成长。b r o o k s 提出了无需知识表示的智能，无需推理的智能。 1 2 分布式人工智能的研究领域及d p s 8 0 年代以来，计算机网络、计算机通信和并发程序设计技术的发展使得d a i 成为a i 领域中一个新的研究热点。d a i 是a i 的一个重要分支。主要研究在逻 辑上或物理上分散的智能体( a g e n t ) 之间如何协调其智能行为，即协调它们的 知识、技能和规划，求解单目标或多目标问题。“协同”是人类智能行为的主要 表现形式之，同时“协同”也是d a i 的主要表现形式之一。d a i 的特点主要 有在物理、逻辑空间上是分布的：各单元协同工作完成任务。d a i 的优点主 要有：提高了问题求解能力，因为在分布式系统中，各节点可以并行的求解问 题，效率明显提高；分布式系统的性能高且易于扩充：可靠性、鲁棒性提高， 部分单元不会影响全局问题，系统可以随时加入新的处理单元来提高系统的求解 能力，系统设计很灵活。我们把d a l 分为如下三个子领域：d p s 、个体a g e n t 和 m a s 。 1 2 1d p s ( d i s t r i b u t e dp r o b l e ms o l v i n g ) 在分布式问题求解系统中，数据、知识、控制均分布在系统的各个节点上， 既无全局控制，也无全局数据和知识库，每个子系统必须与其它子系统交换部分 数据、知识等信息，相互协同来解决问题。目标是创建大粒度的协作群体，粒度 可分为大粒度模型和细粒度模型。问题被分解为任务，为完成这些任务，需要仅 为系统设计一些专用的任务执行系统。所有的交互策略都被集成为系统设计的整 体部分，因此这是种自顶向下的设计系统。 1 3a g e n t 的基本概念、分类 a g e n t 技术是一个迅速发展的领域。a i 和d a i 的发展和研究成果为a g e n t 的发展提供了丰厚的理论基础和广阔的应用前景。无论是a g e n t 的概念、属性， 还是现有的研究方法等，均是从人工智能领域发展来的。因此，有关a g e n t 的研 究可以借鉴人工智能的研究，研究人工智能的方法也可以应用到a g e n t 的研究中 来。但是a g e n t 并不等同于专家系统和大多数以知识为基础的应用系统。在本章 中，我们不仅介绍a g e n t 的理论基础，而且会介绍一些国外有关a g e n t 的应用事 例。 鱼墨三些盔兰堕主兰垡堡塞笙二里坚垒! 塑垒g ! 坐堡垄 1 3 1 a g e n t 的定义 a g e n t 是一个快速发展的领域。它是分布式人工智能和现代计算机、通信技 术发展的必然结果。要想给a g e n t 下一个确切的定义很难，就像给人工智能下一 个确切的定义一样困难。主要困难有两点：首先，a g e n t 的研究者并不真正理解 a g e n t 术语，如旅游a g e n t 、评估a g e n t 等：第二，即使在软件领域中，a g e n t 充斥在现有的大量的用语中，a g e n t 充斥在现有的大量的用语中也成为繁综复杂 的研究和发展的总术语。因此，有关a g e n t 的定义产生了很多的学派。无论是哪 个学派的定义，均有其自身的需要和理由。有关a g e n t 的概念可以追溯到7 0 年 代早期的d a i 研究中由c a r lh e w i t t 的并发演员模型( c o n c u r r e n ta c t o rm o d e l ， 1 9 7 7 ) 。在模型中，h e w i t t 给出一个具有自组织、交互性和并行执行的术语- a c t o r 。 最经典和广为接受的是w o o l d r i d g e 等人的“弱定义”和“强定义，l ”l 。 国际上有关a g e n t 的研究主要可以分为两个时期：( 1 ) 从1 9 7 7 年1 9 9 0 年， 主要集中于智能a g e n t ( s m a r ta g e n t ) 。1 9 9 5 年w o o l d r i d g e 总结了此类慎思a g e n t ( d e l i b e r a t i v e a g e n t ) ：具有明确的可描述、形式化模型且决策可以通过借助于形 式化推理可以决定的a g e n t 。此阶段主要集中于像a g e n t 之间的交互和通信、任 务的分解和分布、协调和协同、通过谈判解决冲突等焦点问题。目标是确定、分 析、设计和综合有多个协作a g e n t 组成的系统。典型的系统有：a c t o r 模型( h e w i t t ， 1 9 9 7 ) ，m a c e ( g a s s e re ta 1 ，1 9 8 7 ) ，d v m t ( l e s s e r & c o r k i l l ，1 9 8 1 ) ，m i c e ( d u r f e e & m o n t g o m e r y , 1 9 8 9 ) ，m c s ( d o r a ne t a l ，1 9 9 0 ) 等( 共有大约2 0 个系 统) 。当然，除了一些典型的焦点问题之外，还有像理论、构建和语言等问题上 的研究和发展。这些在w o o l d r i d g e & j e n n i n g s ( 1 9 9 5 a ) 、w o o l d r i d g e & j e n n i n g s ( 1 9 9 5 b ) 和w o o l d r i d g e e ta 1 ( 1 9 9 6 ) 有很好的总结。 ( 2 ) 从1 9 9 0 年以来，有关a g e n t 的研究和应用更广泛，并出现一系列达到实 用的系统。如s y c a r a 在c m u 中的旅游者接待系统，任务具体a g e n t 和信息具体 a g e n t 相互协作以产生每一个旅游者的日程安排表。为了达到这个目的，首先 a g e n t 通过在线信息源得到旅游者的兴趣、姓名和组织以避免自相矛盾和含糊不 清，还要得到像旅游者的工作和他在组织中的地位等更多的信息：第二，借助于 得到的信息，通过查询个人数据库来决定合适的接待( 如接待人员等) ；第三， 旅游者接待a g e n t 选择一些最初的接待人员，通过接触和总结这些人员的日程安 排a g e n t 的信息询问他们在何时会见旅游者，如果某一人员没有日程安排a g e n t ， 一封e m a i l 被发出和派遣：第四，校对所有的回应；第五，旅游者接待a g e n t 为每一个旅游者生成一个包含不同种类的预定房间和接待人员名单；最后系统与 组织者联系和验证确认或拒绝、建议等。我们将主要介绍第二阶段的技术。 a g e n t 的其它主要应用领域为：工作流管理( w o r k f l o wm a n a g e m e n t ) 、网络 管理( n e t w o r km a n a g e m e n t ) 、空中交通管制( a i r t r a f f i cc o n t r 0 1 ) 、商业活动重组 织( b u s i n e s sp r o c e s sr e e n g i n e e r i n g ) 、数据挖掘( d a t am i n i n g ) 、信息采集与管理 ( i n f o r m a t i o nr e t r i e v a l m a n a g e m e n t ) 、电子商务( e l e c t r o n i cc o m m e r c e ) 、教育 ( e d u c a t i o n ) 、个人数字化助理( p e r s o nd i g i t a la s s i s t a n t s ，p d a s ) 、电子邮件过滤 4 笪些三些叁堂塑! ：堂垡堡苎塑二皇塑垒! 塑垒g ! 坐堡堕 和管理( e m a i lc o m m a n da n d c o n t r 0 1 ) 、数字化图书( d i g i t a ll i b r a r i e s ) 、智能化数 据库( s m a r t d a t a b a s e ) 和时间日程规划管理系统( s c h e d u l i n g d i a r ym a n a g e m e n t ) 等。 1 3 2a g e n t 的主要特性 有关a g e n t 的属性，学术界也是各抒己见。b t 实验室给出了一个最小的集 合：自主、学习和协同。而我们认为a g e n t 的属性，自主是最基本的，而协同是 最重要的。( 1 ) 自主性是指a g e n t 在没有人的指导下自主工作，但是连这最基本要 求，目前在某些时候也是不可能的。既然a g e n t 具有个体的身份和目标，它们在 使用者的帮助之下达到自己的目标。自主的一个关键要素是主动性，如a g e n t 有能力采取主动行为而不是简单地对它周围的环境被动的反应( w o o l d r i d g e & j e n n i n g s ，1 9 9 5 a ) 。( 2 ) 协同是最重要的：这是m a s 存在的目的和理由。为了能相 互协同，a g e n t 必须具有一些社会能力：如借助于人类的语言能与其它a g e n t s 交互( w o o l d r i d g e & j e n n i n g s ，1 9 9 5 a ) 。说到这里，a g e n t s 之间不协同也有可能协 调它们的行动( n w a n ae l a l ，1 9 9 6 ) 。( 3 ) 如果a g e n t 系统具有真正的智能时，它们 可以通过与外部环境的交互而学习。对于智能，学习性是最关键的属性。学习可 以随时间的流逝提高a g e n t s 的能力。 a g e n t 还拥有其它一些属性：多才多艺，即a g e n t 可以有多个目标和不同的 任务；是否慈善、乐于助人、有敌对情绪或利它的；它是否有撒谎的能力还是始 终诚实：使用者能否相信a g e n t 到( 冒险) 把a g e n t 作为任务的代理；a g e n t 是 否是暂时性的；a g e n t 是否退化：a g e n t 是否会因为一次又一次的重复做同样工 作而厌烦；一些研究者应用意识系统来研究a g e n t ( b a t e s ，1 9 9 4 ) ，那么a g e n t 也 被灌输了像b d i 模型( r a o & g e o r g e i f , 1 9 9 5 ) 中的信念、期望、意图的意识态度。 总的说来，根据我们的需要，a g e n t 应具有以下基本属性： ( 1 ) 自主性：a g e n t 能在没有人和其它a g e n t s 介入的情况下控制其状态和行 为，是最基本的属性： ( 2 ) 协同性：a g e n t s 能相互间协同工作完成复杂任务，是最重要的属性之一和 a g e n t 社会性的具体表现； ( 3 ) 学习性：a g e n t s 能从周围环境和协同工作的成果中学习，进化自身的能力， 是a g e n t s 智能性的具体体现； ( 4 ) 主动性：a g e n t s 并不是简单的针对周围环境和其它a g e n t s 的信息做出反 应，而是主动的与环境交互。其它的它主动性：a g e n t s 并不是简单的针对周围环 境和其它a g e n t s 的信息做出反应，而是主动的交互，是主动性：a g e n t s 并不是 简单的针对周围环境和其它a g e n t s 的信息做出反应，而是主动的能动性的基础； ( 5 ) 通信能力：a g e n t s 间通过某种通信语言相互交换各种信息，是a g e n t s 协 同和学习的基础： ( 6 ) 进化性：a g e n t s 能通过学习进化自身，繁衍后代，并遵循达尔文的“优胜 劣汰”的自然选择规则，这是a g e n t s 学习性的具体体现； 垒些三些查兰堡主堂垡堡皇笙= 童坚垒! 塑垒曼! ! ! 簦堕 ( 7 ) 可靠性、诚实性：a g e n t s 不会有意去欺骗使用者； ( 8 ) 理智性：a g e m s 所采取的行动及其所产生的后果不会损害自身和用户的利 益： ( 9 ) 持续性：a g e n t s 是持续的，不是暂时性的，即它的状态在运行时应保持一 致，这与进化性并不矛盾； q 0 ) 移动性：a g e s 应具有在网络中自主移动的能力，且自身状态保持不变； ( 1 d 规划和推理：a g e s 能根据以前所积累的知识、当前环境和其它a g e n t s 的状态以理性的方式进行推理和预测； 其它的一些次属性( s e c o n d a t t r i b u t e s ) ：慈善性、冒险性或保守性、乐于 助人或敌对性等。 1 3 3a g e n t 的分类及简介 有关a g e n t 的分类就像a g e n t 定义一样，学术界一直没有统一的概论。现有 的分类和a g e n t 的应用一样都是以a g e n t 的某几个属性作为关键属性，进行分类 和设计a g e n t 系统。 1 根据a g e n t 的移动属性可以分为静止a g e n t 和移动a g e n t ( m o b i l ea g e n t ) 。 2 a g e n t 可以分为协商型a g e n t 和反应型a g e n t 。协商型a g e n t 是从协商思 考型范例发展而来的：a g e n t 拥有内部、形式化、推理模型和为了和其它a g e n t s 协调工作而计划、谈判。反应型a g e n t 起源于b r o o k s ( 1 9 8 6 ) 和a g r e & c h a p m a n ( 1 9 8 7 ) 的研究成果。此时，反应型a g e m 并不拥有环境的内部、形式化的模型， 它们仅仅针对所在环境的当前状态做出反应( f e r b e r , 1 9 9 4 ) 。其实，b r o o k s 已经 证明没有传统a i 的显式、形式化的表述的情况下，智能行为一样可以实现 ( b r o o k s 1 9 9 1 b ) 。 协同 学习 图i - la g e n t 的分类示意图 能a g e n t 面a g e n t 3 a g e n t 可以根据a g e n t 应拥有的一些理想和基本的属性进行分类。根据 a g e n t 的三大基本属性：自主性、协同性、学习性分为四类：协同型a g e n t 、界 面型a g e n t 、协同学习型a g e n t 和智能a g e n t ，如图1 1 。 4 a g e n t 有时可以按它们的角色分类，如w w w 信息a g e n t 等。这种分类方 6 笪些王些盔兰塑：生! 垡笙兰 笙二垦坚垒璺塑垒g ! 坐堡垄 法经常利用i n t e m e t 网搜索引擎，如w e b 爬行者( w e b c r a w l e r ) 、l y c o s 搜索引擎 等。我们把a g e n t 分为信息a g e n t 和网络a g e n t 。同时，信息a g e n t 也可能是静 止、移动或协商型a g e n t 。当然，像按照一些无关紧要的角色把a g e n t 分为报告 a g e n t 、表现a g e n t 、分析a g e n t 、设计a g e n t 、验证a g e n t 、压缩a g e n t 和帮助 a g e n t 等是无意义的。 5 当然，我们也可以按a g e m 是有那些属性或a g e n t 思想组合的混合a g e n t 进行分类。 图1 - 2 a g e n t 分类示意图 简单的讲，a g e n t 分类的最基本的标准是a g e n t 的属性。我们在总结以上分 类标准的基础之上，结合具体的需要，把a g e n t 分为以下七类：如图1 2 。我们 将重点介绍协同a g e n t 。 1 3 3 1 协同a g e n t ：如图1 1 所示，协同a g e n t 强调的是自主性和协同性属 性。它们也可能学习，但是这方面不是协同a g e n t 的典型属性。为了达到之间的 协同工作，它们之间必须就工作相互谈判以得到致的、都能接受的协议。这方 面的工作主要集中于a g e n t 研究的第一阶段( 1 9 9 0 年以前) 。 ( 1 ) 研究动机：h u h n s & s i n g h ( 1 9 9 4 ) 指出协同a g e n t 系统的假设、理性和目 标是d a i 中目标的细分化。也可以解释为“创造一个相互之间交互的协同a g e n t 系统，以使系统总体的性能高于任何的一个成员a g e n t 的性能”。即v ( )_agenti m a x ( v ( a g e n t i ) ) 。 ( 2 ) 研究目标：有关协同a g e n t 的研究目标包括以下的一个或几个原因( 是 d a i 研究目标的特殊化) 。为了解决对于集中单a g e n t 来说由于资源有限无法 解决的问题或对于一个集中a g e n t 系统而言较为危险的任务。为了顾及如专家 系统、决策支持系统等传统的交互和相互协同系统。为一些固有的分布式问题 提供解决方法，如分布式感应器网络( e 1 d v m t ，d u r f e ee ta 1 ，1 9 8 7 ) 和航空管 制。为那些信息资源是分布式的问题提供解决方法，如分布式在线信息资源。 为那些专家知识为分布的问题提供解决方法，如远程医疗。为了增强模块化 ( 减少复杂性) 、速度( 因为并行) 、可靠性( 因为冗余度) 、适应性( 新问题可 以通过组织更多的模块来解决) 和知识层的再重复使用性( 资源的共享) 。其 它的焦点研究，如人类社会的交互理解。 鱼! 里三些盔堂堡主堂垡堡兰塑二童 坚垒! 塑垒g ! 坐鳖垄 ( 3 ) 应用实例：p l e i a d e s 系统，如图1 - 3 。p l e i a d e s 系统是由c m u 实验室的t o m m i t c h e l l 和k a t i a s y e a r a 开发的，用来研究协同a g e n t s 间的自主谈判策略，提高 ia v i 口r 1 ia v l 日1 1 9 n ：。h 谕p h e r 怀一紊 幽1 - 3p l e i a d e s 分布系统图( s y c a r a ，1 9 9 5 ) 可维护性( m a i n t a i n a b i l i t y ) 。p l e i a d e s 系统是基于a g e n t 的分布协作式协同，可 抽象为两层：第一层为任务明确协同a g e n t 层，第二层为信息明确协同a g e n t 层。 这种结构被用于以前描述的旅游者接待系统。任务明确a g e n t ，在图中抽象为任 务助理( 1 a ) ，为它的用户完成一个特定的任务，如安排预约和与其它a g e n t s 交互。它们为了解决冲突和综合信息，必须在第一层中相互协同。它们是从信息 明确a g e n t 那里得到信息的，信息明确a g e n t 被描述为信息助理( i a ) 。信息明 确a g e n t s 一样在第二层中也相互协同，给第一层中的a g e n t s 提供信息。信息源 是信息半球( i n f o s p h e r e ) 中许多数据库( d b ) 。 任务明确a g e n t 应具有以下知识( s y c a r a ，1 9 9 5 ) ：任务域模型、完成任务 的知识、如何综合信息的知识、拥有它必须与之协同的任务明确a g e n t 或信息明 确a g e n t 的知识，最后为冲突解决和信息融合知识。它们也有一些学习机制，如 当a g e n t 需要从它的用户的行为学习时。反过来，信息明确a g e n t 应拥有以下知 识：与之交互的数据库的知识( 如数据库的大小、平均访问时间和访问代价) 、 如何读取数据库的知识、冲突解决和信息融合的知识、与其它相关的a g e n t 协同 协议等。 系统的理论基础为a g e n t 提供从分布的、多模型的资源中恢复、过滤和融合 信息的能力和a g e n t 给决策提供帮助。s y c a r a 和他的同事需要能聚集、过滤和融 合信息的分布协同，同时能从它们的交互中学习的a g e n t s 。a g e n t 的语言用k q m l ( f i n i n & w i e d e r h o l d ) 和e - m a i l ，当冲突发生时，它们谈判以达成协议。 很明显，尽管我们已经列出了很多我们感兴趣的细节，但是仍有很多假设， 如如何、怎样学习等。每个a g e n t 有与它的个体信念和实际数据库相联系的计划 模块组成。这样，a g e n t 可以具体化任务计划，与其它a g e n t s 的计划和它的个体 行为相协调。令人感兴趣的是，本结构中没有中心计划，因此所有的a g e n t s 必 须都相互交互。 垒些三些盔兰塑! ：堂丝堡苎丝二童坚垒! 塑垒g ! 坐堡堕 还有其它的一些领域应用了这种结构：金融证券管理、突发疾病医疗和电子 商务( s y c a r a ，1 9 9 5 ) 等。其它一些利用协同a g e n t 的领域：