《多Agent制造業(yè)供應鏈管理》在制造業(yè)供應鏈管理系統(tǒng)中，引入多Agent技術和方法，利用多Agent的交互性和智能性，將供應鏈管理系統(tǒng)和商務智能融合起來，旨在提高供應鏈管理的智能化程度，以及可整合、可擴展的能力。本書在作者負責的多項基金項目研究成果的基礎上，吸收國內外相關學科領域最新研究成果，圍繞多Agent制造業(yè)供應鏈管理，從基礎理論、協(xié)同優(yōu)化、協(xié)同談判三個層面進行闡述，全面并系統(tǒng)地介紹相關理論、常用方法、實現(xiàn)技術、應用現(xiàn)狀和發(fā)展前景，并輔以實例分析。
《多Agent制造業(yè)供應鏈管理》既可以作為相關學科領域學者的研究參考或學術讀物，也可以作為高等院校相關專業(yè)高年級本科生和研究生的教材。同時，本書也可為行業(yè)和企業(yè)管理者提供借鑒與參考。
更多科學出版社服務，請掃碼獲取。
多Agent技術及其供應鏈管理系統(tǒng)概述
當今市場競爭環(huán)境瞬息萬變，客戶需求變化更快、更具個性化，使得供應鏈的復雜業(yè)務過程很難按計劃進行。多Agent技術的分布性、自治性、移動性、智能性和自學習性等特點正適合于跨越企業(yè)邊界的、處于復雜環(huán)境的供應鏈管理，滿足企業(yè)間可整合、可擴展的需求，集成供應鏈上各加盟節(jié)點企業(yè)的核心能力，提高各企業(yè)的價值創(chuàng)造能力，強化供應鏈的整體管理水平和競爭力。
第一節(jié)Agent概念
隨著人工智能技術的快速發(fā)展和多Agent應用技術的不斷成熟，多Agent系統(tǒng)在很多領域得到了越來越廣泛的應用。目前，多Agent技術應用到供應鏈管理的研究已經(jīng)成為一個熱點方向。在介紹多Agent供應鏈管理系統(tǒng)之前，本節(jié)首先介紹Agent概念。
一、Agent定義
Agent是一個具有反應性、自治性、社會性和自發(fā)性等特征的智能體，具有對環(huán)境的感知能力，能感知它所處的環(huán)境，并通過行為來改變環(huán)境。
什么是Agent？我們將從它的特征著手進行闡述：自治性，即Agent運行時不直接由人或者其他東西控制，它對其自身的行為和內部狀態(tài)有一定的控制權；社會性，即人們對人類智能的研究發(fā)現(xiàn)，人類智能的本質是一種社會性的智能，Agent也具有這種特性，它能夠通過通信語言和其他Agent進行信息協(xié)同、交換和合作；自發(fā)性，Agent的行為應該是主動的、自發(fā)的，它能獨立于其
多Agent制造業(yè)供應鏈管理
他Agent而執(zhí)行。Agent除了具備以上的特性外，還應具有某些通常人類的特性，如知識、信念、意圖、承諾等心智狀態(tài)［1］［2］。
Agent有多種描述式定義，如果從特征描述，可以定義為：在某一環(huán)境下，能持續(xù)自主地發(fā)揮作用，具備自治性、反應性、社會性、主動性等特征的智能體。
也可以描述為：在特定環(huán)境下的、能感知環(huán)境的計算機系統(tǒng)，能夠實現(xiàn)設計人員和用戶的一系列目標，并能在那種環(huán)境下靈活自主地運行計算實體或程序［1］。Agent的基本結構［3］如圖1-1所示。
二、Agent類型
按照Agent的結構來劃分，Agent可以分為思考型、反應型和混合型。按照特性來劃分，則可以將Agent分為反應式Agent、社會Agent、BDI型Agent、演化Agent和人格化Agent五種類型。
（一）Agent結構類型
Agent的結構由環(huán)境感知模塊、執(zhí)行模塊、信息處理模塊、決策與智能控制模塊以及知識庫和任務表組成。環(huán)境感知模塊、執(zhí)行模塊和通信模塊負責與系統(tǒng)環(huán)境和其他Agent進行交互，任務表為該Agent所要完成的功能和任務。信息處理模塊負責對感知和接收到的信息進行初步地加工、處理和存儲。決策與智能控制模塊是賦予Agent智能的關鍵部件。它運用知識庫中的知識對信息處理模塊處理所得到的外部環(huán)境信息和其他Agent的通信信息進行進一步的分析、推理，為進一步的通信或從任務表中選擇適當?shù)娜蝿展﹫?zhí)行模塊執(zhí)行做出合理的決策。我們通�？梢詫蝹�Agent的結構分為反應型Agent、思考型Agent和混合型Agent［3］。
1.反應型Agent
反應型Agent既不使用復雜符號推理，也不包含任何符號世界模型，反應Agent認為Agent的智能取決于感知和行動，并直接以刺激―響應的方式進行運作和反饋，進而提出了Agent智能行為的感知―動作模型。Agent可以像人類一樣逐步進化，不需要表示和推理，其行為是通過與周圍環(huán)境的交互來表現(xiàn)，而其行為的復雜性反映的是Agent運行環(huán)境的復雜性，而不能反映Agent復雜內部結構設計。其中典型的反應型結構有Suchman等人提出的態(tài)勢規(guī)則（即if-then規(guī)則）和Brooks的包容結構（subsumptionarchitecture）。但是，到目前為止，這種結構尚只能實現(xiàn)簡單的智能表現(xiàn)［3］。
反應型Agent的結構如圖1-2所示，Agent通過傳感器接收外界環(huán)境的信息獲得知識，然后對照結合條件―動作規(guī)劃庫的內容選擇動作，該動作又作用于環(huán)境［3］。
2.思考型Agent
思考型Agent也可稱為認知型Agent（cognitiveagent）或慎思型Agent（deliberativeagent），它能通過模式匹配和符號操作來對環(huán)境和智能行為進行邏輯推理。它最大特點就是保持了經(jīng)典人工智能的傳統(tǒng)，將Agent看做一種意識系統(tǒng)［2］（intentionalsystem）。
思考結構基于物理符號系統(tǒng)，包括一個被清楚表示環(huán)境的符號模型，可通過符號推理進行決策。若用其建造Agent，至少有兩個問題需解決：第一是轉換問題，即把現(xiàn)實世界及時轉換成正確的、有用的符號描述；第二是表示和推理問題，即如何用符號表示復雜真實世界實體的信息和進程，以及如何及時地利用這些信息得到有用的結果［2］。
基于這種結構的系統(tǒng)有：早期著名的規(guī)劃系統(tǒng)STRIPS，系統(tǒng)輸入有關世界和目標狀態(tài)的描述，以及一組動作的描述，系統(tǒng)利用手段目的分析方法，尋找一個動作序列以實現(xiàn)目標；Bratman建立的智能資源有限機器結構IRMA，該結構包含規(guī)劃庫，以及信念、愿望、意圖的顯示表示這四個關鍵的符號數(shù)據(jù)結構；Jennings的GRATE系統(tǒng)是一個分層結構，利用信念、愿望、意圖和聯(lián)合意圖指導Agent的行為［2］。
思考型Agent則能將被代理者所具有的所謂意識態(tài)度（intentionalstance），如信念、意圖（包括聯(lián)合意圖）、愿望、承諾、目標、責任等模擬或表現(xiàn)出來［2］。
思考型Agent的體系結構如圖1-3所示。
3.混合型Agent
混合型的Agent正好結合了思考型Agent和反應型Agent兩者的優(yōu)點，既有較好靈活性，也有較快的反應速度。混合型Agent通常由反應型和思考型兩個子系統(tǒng)構成，這兩個子系統(tǒng)分層次，后者建立在前者的基礎之上，低層能快速響應和處理環(huán)境的變化，而高層包含符號表示的世界模型，用智能技術進行決策，具有較強的實用性。其結構如圖1-4所示。
Georgeff和Lansky開發(fā)的過程推理系統(tǒng)（proceduralreasoningsystem，PRS）是最典型的混合結構。PRS是一個“信念―愿望―意圖”結構。信念是有關內部狀態(tài)和外部世界的一些情況，通常用一階邏輯表示；而愿望則用“系統(tǒng)行為”來表示。在每個規(guī)劃庫中都包含一些被稱為知識塊（knowledgearea，KA）的部分，每個知識塊和一個相應的激活條件聯(lián)系在一起。意圖正好對應當前系統(tǒng)中激活的知識塊［1］。
TouringMachine系統(tǒng)中的Agent通過感知和行動兩個模塊與外界進行信息交互，此外還有三個并行執(zhí)行的控制層次：規(guī)劃層（P）、反應層（R）和建模層
�。∕）。每個層次都包含相應的、對世界的不同層次的抽象模型，用來實現(xiàn)不同的任務［1］。
�。ǘ〢gent特性類型
從Agent特性方面考慮，可以將Agent分為如下幾類：
�。�1）反應式Agent。這種Agent能夠主動監(jiān)視環(huán)境，并能根據(jù)環(huán)境變化做出必要的反應。典型應用包括機器人，特別是Brookes類型的機器昆蟲［4］。
�。�2）社會Agent。它是多個Agent構成的一個Agent社會中的一員，各Agent之間有時存在共同利益（共同完成一項任務），有時也有利益沖突（爭奪一項任務）。因此，這類Agent在協(xié)作的同時也有競爭。協(xié)作的典型例子有辦公自動化Agent，競爭的典型例子是多個運輸（或電信）公司Agent爭奪任務承包權［4］。
（3）BDI型Agent。BDI型Agent，即有信念（belief）、愿望（desire）和意圖（intention）的Agent，也稱為理性Agent。在目前Agent的研究中，這是最典型的智能Agent或自治Agent。為主人在Internet網(wǎng)上收集信息的軟件Agent及比較高級的智能機器人都是BDI型Agent的典型應用［4］。
�。�4）演化Agent。這類Agent具有學習能力，可以提高自身能力。單個Agent自身能力的提高借助于從與環(huán)境交互中總結經(jīng)驗教訓，但更多的學習是在社會Agent之間進行。模擬生物社會（如蜜蜂和蟻群）的多Agent系統(tǒng)就是一個典型的例子［4］。
（5）人格化Agent。人格化Agent，即不僅有思想，還有情感的Agent。雖然目前對這類Agent的研究正處于起步階段，但是較有發(fā)展前景。在故事理解研究中的故事人物Agent就是典型的人格化Agent［4］。
�。ㄈ┮苿覣gent
移動Agent除了具有智能Agent的最基本的自主性、反應性、主動性和交互性外，還具有移動性。移動Agent技術結合了兩個不同的學科：一是定義Agent概念的人工智能；二是處理流動性代碼的分布式系統(tǒng)。移動Agent是有一系列目標和任務的自主軟件實體，它們具有對環(huán)境的變化做出反應、改變它們的環(huán)境，并與其他Agent進行信息交互等能力，它們還可以自主地從網(wǎng)絡中的一臺主機移動到另一臺主機上連續(xù)運行。這種靈活的網(wǎng)絡環(huán)境，為Internet環(huán)境下的應用程序（如電子商務）提供了許多潛在的優(yōu)點［1］。
移動Agent的概念是20世紀90年代初由GeneralMagic公司在推出商業(yè)系統(tǒng)TeleScript時提出的，TeleScrip是第一個比較著名的商業(yè)移動Agent系統(tǒng)，TeleScrip主要用于網(wǎng)絡平臺管理及電子商務等領域［5］，移動Agent的系統(tǒng)結構模型如圖1-5所示。由于其自身優(yōu)異的條件，移動Agent技術已成為繼COR-BA、EJB后新一代分布處理的關鍵技術，并在很多新興領域得到廣泛的應用［1］。
三、Agent通信語言
Agent通信的基本思想來自言語行為理論。Agent之間的通信是以簡明的語法和清晰的定義來準確清楚地表達每條消息的內容和意圖，從而保證傳遞消息的高效性和明確性，這就出現(xiàn)了Agent的通信語言。
1.知識查詢和處理語言KQML
知識查詢和處理語言既是一種消息格式又是一種支持Agent之間交互行為的知識共享的消息處理協(xié)議。因此，KQML定義了常用的消息格式。一個KQML消息可能被當成是一個實體：每條消息有一個自己的原語，還有一些參數(shù)。該語言由三個層組成：通信層、消息層和內容層。通信層主要是通信的行為，定義消息的主要含義。隨后是一系列的消息參數(shù)，由一個以冒號開頭的參數(shù)關鍵字引入，其中的一個參數(shù)包含消息內容，以某種格式生成了一條表達式；其他的參數(shù)輔助實現(xiàn)消息傳遞，或輔助接受者理解消息的含義，或輔助接收者響應協(xié)作。
……
書單推薦
