多Agent系统动态重构及其应用研究

论文摘要

多Agent系统在探索大规模分布式开放系统和理解、刻画现实世界中的许多复杂问题都有非常广泛的应用。但在基于多Agent的应用中，有一个亟待解决的困难问题，即在用户需求、Agent所处环境、甚至Agent本身均可动态变化的情况下，如何根据任务或者环境的变化来动态重构基于多Agent的系统，以避免因静态的组织结构造成不恰当的甚至是错误的配置，导致错误的解决方案或者产生不可接受的严重质量问题。事实上，在Agent研究领域，这一问题又被称为“运行时重构与重设计”，被列为支持Agent对环境自适应能力的关键挑战之一。在网格计算领域和自主计算领域中，也存在类似的困难问题，分别称为“虚拟组织的形成和管理”和“计算系统的自我管理”。针对这一问题，虽然已有不少学者从各个不同的角度进行研究，但是至今并没有提出一个围绕任务、Agent的变化，让多Agent系统自适应变化的有效解决方案。因此，本文的研究目标，就是要在任务、环境、智能Agent动态变化的情况下，构建智能Agent系统的动态重构模型；开发实现动态重构和让动态重构有效工作的一系列算法、技术；改进智能Agent系统动态重构的技术，并将其运用到供应链管理问题当中。本文的研究工作主要包括以下3个方面：1．提出了多Agent系统动态重构的抽象建模ADRM本文采用最新的计算范型——面向自治的计算AOC（Autonomy-Oriented Computing），在三个不同层次上设计并刻画Agent的行为；提取出了智能Agent系统动态重构的抽象模型；对基于该模型构建的人工系统中的关键要素进行了定义；构建了自治实体的行为规则库。因此，本文在为智能Agent系统提供动态重构技术的同时，也为新的计算范例——面向自治的计算做出贡献。2．提出了支持动态重构模型有效工作的算法ASDR、IERA和HIERA本文提出支持动态重构的算法ASDR用以控制重构的过程。对于动态重构中涉及到的建组和组维持问题，我们改进了算法ERA，并对改进后的算法IERA和启发式HIERA的收敛性、有效性以及参数设置进行了实验。实验证明，两个算法均能收敛，比较适合于动态、分布式、实时的建组情形。3．对实际的动态重构问题——供应链管理系统的重构进行了研究在现实世界中，存在很多需要动态重构能力的问题，为探讨抽象的模型如何运用于具体问题，本文选择了国际供应链管理竞赛TAC SCM为研究应用背景。在此背景下，改进和扩展动态重构模型，提出了支持动态重构的供应链管理系统框架DRSCM；并基于Java和TAC SCM提供的工具包实现了原型系统；最后通过实验，对具有和不具有动态重构能力的供应链管理者进行了比较。实验结果表明，动态重构能够为构建自治智能Agent系统提供很大的帮助，能够让解决实际问题的Agent系统自适应变化，从而更加迅速、高效的解决问题。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 论文研究背景
• 1.2 问题的提出
• 1.3 论文研究意义
• 1.3.1 理论意义
• 1.3.2 应用价值
• 1.4 论文主要研究内容
• 1.5 论文主要贡献
• 1.6 论文结构安排
• 第2章 相关研究回顾
• 2.1 多 Agent系统动态重构研究现状
• 2.1.1 Agent领域中动态重构研究现状
• 2.1.2 Agent联盟形成研究现状
• 2.1.3 网格领域研究现状
• 2.2 多 Agent系统动态重构应用背景:供应链管理
• 2.2.1 供应链管理研究现状
• 2.2.2 国际供应链管理竞赛 TAC-SCM简介
• 2.3 本章小结
• 第3章 相关理论综述及在本文的应用分析
• 3.1 多 Agent系统理论
• 3.1.1 智能代理 Agent的定义和特点
• 3.1.2 多 Agent系统
• 3.2 面向自治的计算 AOC概述
• 3.2.1 面向自治的计算 AOC简介
• 3.2.2 AOC的基本概念及关键要素定义
• 3.2.3 基于 AOC的多 Agent系统动态重构
• 3.3 约束满足问题 CSP
• 3.3.1 约束满足问题 CSP定义
• 3.3.2 基于 CSP的多 Agent系统动态重构建模
• 3.4 环境、行为规则、自治实体算法 ERA
• 3.5 本章小结
• 第4章 基于 AOC的动态重构系统模型 ADRM
• 4.1 Agent系统动态重构问题形式化描述
• 4.2 ADRM模型中的动态重构流程
• 4.3 ADRM模型中的Agent类别及原始行为
• 4.3.1 成员 Agent（Magent）
• 4.3.2 建组 Agent（Cagent）
• 4.3.3 雇员 Agent（Eagent）
• 4.3.4 黄页 Agent（YP）
• 4.3.5 控制 Agent（Reconfiguration Controller）
• 4.4 环境描述
• 4.5 建组 Agent本地行为规则库
• 4.5.1 较好移动（better-move）
• 4.5.2 最好移动（best-move）
• 4.5.3 交叉移动（across-move）
• 4.6 动态重构算法 ASDR
• 4.7 本章小结
• 第5章 支持动态重构的两个算法: IERA和 HIERA
• 5.1 改进后的算法 IERA（Improved ERA）
• 5.2 启发式 HIERA算法（Heuristic Improved ERA）
• 5.3 IERA和 HIERA的算法复杂度分析
• 5.3.1 空间复杂度
• 5.3.2 时间复杂度
• 5.4 IERA和 HIERA算法实验
• 5.4.1 实验一: IERA和 HIERA的收敛性实验
• 5.4.2 实验二:参数选择对收敛性的影响
• 5.4.3 实验三: IERA和 HIERA的对比实验
• 5.5 本章小结
• 第6章 动态重构在供应链管理中的运用
• 6.1 国际贸易 Agent竞赛供应链管理单元 TAC-SCM场景描述
• 6.2 本文的应用背景:支持动态重构的供应链管理竞赛 MySCM
• 6.3 MySCM追加的相关定义
• 6.3.1 供应商
• 6.3.2 客户
• SCM系统'>6.4 支持动态重构的供应链管理原型系统 DR_SCM系统
• SCM系统框架'>6.4.1 DR_SCM系统框架
• Manager'>6.4.2 动态重构管理子模块 DR_Manager
• 6.6 本章小结
• SCM实验与分析'>第7章 原型系统 DR_SCM实验与分析
• 7.1 系统的开发工具与环境
• SCM系统实现及运行实例'>7.2 DR_SCM系统实现及运行实例
• 7.3 实验方案设计
• 7.4 实验数据及分析
• 7.5 小结
• 第8章 总结与展望
• 8.1 现有工作总结
• 8.2 未来工作展望
• 参考文献
• 发表论文及参研项目
• 致谢