基于多Agent的免疫协同进化模型的研究与应用

论文摘要

随着技术进步和时代的发展,电子政务系统的涉及部门越来越多,业务流程日趋复杂,功能更加强大,数据存储呈海量趋势。当前电子政务流程处理依然按固定顺序进行,上下级信息处理滞后,响应能力偏低并无法处理突发请求。作为一个实时性极强的复杂离散系统,电子政务系统需要众多服务消费者和服务提供者共同协作才能取得良好的效果。在其协作过程中,如何使众多处理流程得到优化和具有智能处理特性是一直以来的一个研究热点。工作流引擎是目前电子政务系统流程处理的传统选择。但是工作流概念的提出是针对政务流程中具有固定程序的活动而产生的。即便是实现了流程自定义的系统,也只能根据定义好的流程执行,并不能使所有参与者配合过程执行或参与过程修改,因此不仅无法从根本上对电子政务流程处理进行优化而且无法对新情况处理,缺乏智能协作处理特性。本文通过前期大量文献研究与实验数据对比,认为Agent技术作为一种基于个体的离散系统建模方法,与工作流引擎技术相结合,可为此类电子政务的流程优化和智能处理的问题提供一个可行的解决方法。本文延续了成熟工作流引擎的可靠性高,处理稳定这一特点,结合Agent和免疫技术的灵活性,拓展了基于人工免疫的多Agent系统的应用领域,基于以上研究和概念,提出了一个基于免疫协同进化的多Agent系统模型（Immune based Co-Evolution Multi-Agent Model）。该模型不仅要求所有服务参与者配合过程的执行,而且需要政务系统提供协同机制使得所有服务参与者同步监视工作流的执行状况并不断更新信息库。随后,本文实现了该模型基本的处理旅行商问题的算法,并在K-TSP问题中通过求解验证相应算法设计,以具体实验数据展示了模型相较以往处理方式的灵活性并且确定了该模型在具体应用中的可行性。该算法为优化电子政务流程处理方式提供了重要理论和实践依据,可以缩短政务系统流程中的服务消费者和服务提供者的沟通时间,去掉了繁琐的中间环节,使得信息传递更加可靠和迅速。最后,本文结合一个在电子政务系统中应用的实例,设计了利用上文提出的多Agent免疫协同进化方式来处理实际政务流程的模型,利用Aglet平台和面向服务技术设计了一个应用该模型的原型电子政务系统,具体验证了该模型的可行性。根据实验结果,对比传统系统的政务信息查询时间,说明了模型在具体应用中相较传统流程处理的智能优化和智能匹配判断等特点。

论文目录

• 摘要
• Abstract
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 研究背景
• 1.1.1 问题的提出
• 1.1.2 研究意义
• 1.2 国内外研究现状
• 1.2.1 人工免疫
• 1.2.2 Multi-Agent系统
• 1.2.3 协同进化算法
• 1.2.4 基于人工免疫技术构建的多Agent系统
• 1.3 本文主要研究工作
• 1.3.1 研究背景与思路
• 1.3.2 研究内容
• 1.4 论文结构
• 第2章 多Agent免疫协同进化的相关概念和技术分析
• 2.1 移动Agent的技术分析
• 2.1.1 移动Agent介绍
• 2.1.2 移动Agent的基本概念
• 2.1.3 移动Agent技术的优点
• 2.1.4 移动Agent的标准化及使用规范
• 2.1.5 移动Agent在电子政务中的应用
• 2.2 面向服务体系架构的技术分析
• 2.2.1 面向服务技术的概念与特点
• 2.2.2 面向服务技术的架构和协议栈
• 2.2.3 面向服务技术的实现方式
• 2.2.4 面向服务技术的关键技术分析
• 2.2.5 电子政务系统的基本Web服务组成
• 2.3 工作流相关技术理论分析
• 2.3.1 工作流的体系结构
• 2.3.2 工作流的相关开发标准
• 2.3.3 工作流在电子政务系统中的应用
• 2.4 TSP问题求解综合分析
• 2.4.1 TSP问题的传统求解算法
• 2.4.2 TSP问题的演化智能求解算法
• 2.4.3 TSP问题的求解方法分析
• 2.4.4 TSP问题的免疫协同进化算法求解分析
• 2.5 典型的移动Agent开发平台介绍与对比分析
• 2.5.1 IBM公司的Aglet开发平台
• 2.5.2 General Magic公司的Odysses开发平台
• 2.5.3 Recursion公司的Voyager开发平台
• 2.5.4 IKV++的Grasshopper开发平台
• 2.5.5 Agent开发平台的对比分析与平台选择
• 2.6 本章小结
• 第3章 基于多Agent的免疫协同进化模型和算法设计
• 3.1 免疫协同进化模型概述和设计
• 3.1.1 模型概述
• 3.1.2 模型框架分析与设计
• 3.1.3 模型基本特征
• 3.2 免疫协同进化算法设计
• 3.2.1 免疫协同进化算法的描述和设计
• 3.2.2 免疫协同进化算法的执行步骤
• 3.2.3 协同处理Agent的设计
• 3.3 免疫协同进化算法的基本工作流程与机制
• 3.3.1 免疫协同进化算法基本工作流程
• 3.3.2 政务信息请求操作与编码机制
• 3.3.3 政务服务抗体库的评价和选择机制
• 3.3.4 政务信息匹配方法与选择机制
• 3.3.5 基于服务的自适应匹配机制
• 3.4 求解K-TSP问题与实验评估分析
• 3.4.1 K-TSP问题描述
• 3.4.2 算法设计与实现
• 3.4.3 实验描述与结果分析
• 3.5 本章小结
• 第4章 免疫协同进化模型在电子政务系统下的实现
• 4.1 电子政务系统的模型建立与Agent处理设计
• 4.1.1 电子政务系统处理流程分析与模型建立
• 4.1.2 电子政务系统平台的结构设计
• 4.1.3 电子政务系统的Agent处理结构设计
• 4.2 主要模块的实现
• 4.2.1 主Agent模块
• 4.2.2 政务信息处理Agent模块
• 4.2.3 Agent处理周期管理模块
• 4.2.4 子Agent模块与协作通信模块
• 4.2.5 数据库控制与访问Agent模块
• 4.2.6 电子政务系统工作流处理决策Agent模块
• 4.3 系统关键技术的实现与分析
• 4.3.1 智能处理Agent的服务匹配模糊推理代码
• 4.3.2 免疫协同进化处理部分核心代码
• 4.3.3 历史记录核心代码
• 4.3.4 认证服务请求发送处理代码
• 4.3.5 工作流文件审批处理代码
• 4.4 系统的运行与实验测试
• 4.4.1 系统登录与Agent配置
• 4.4.2 电子政务流程优化的测试实例
• 4.4.3 电子政务智能处理的测试实例
• 4.4.4 实验数据的对比与分析
• 4.5 本章小结
• 结论
• 参考文献
• 致谢
• 附录A 攻读硕士学位期间所发表的学术论文目录
• 附录B 攻读学位期间所参与的主要项目