基于MAS的跨领域集成化推理系统设计

谢 天,韦瑶瑶

（1. 南华大学经济管理学院，湖南衡阳，421001；2. 南华大学政治与公共管理学院，湖南衡阳，421001）

基于MAS的跨领域集成化推理系统设计

谢 天1,韦瑶瑶2

（1. 南华大学经济管理学院，湖南衡阳，421001；2. 南华大学政治与公共管理学院，湖南衡阳，421001）

Multi-S-BOX空间理论为跨领域集成管理提供了新的方法。然而，基于集中式的知识表达和推理限制了跨领域存储、交互、与协同求解的能力。通过分析Multi-S-BOX空间结构与决策机理，利用MAS技术，设计各类功能Agent组件及其交互模式，定义其推理任务序列，提出Multi-S-BOX空间分布式推理系统架构，为跨领域集成化决策的实现提供技术支持。

多代理系统；智能代理；多领域语义X列表；集成

0 引言

面向海量异构、无序、复杂多领域系统要素集成化决策需求，文献[1, 2]提出了基于多领域语义X列表（Multi-domain Semantic Bill Of X，Multi-S-BOX）空间的集成方法。该方法通过空间映射和语义建模的方式，将源物理空间地理分散、异质异构、功能多样的多个领域系统迁移到目标Multi-S-BOX空间的领域语义X列表（Semantic Bill of X，S-BOX）模型，统一处理；通过建立空间各领域要素的语用/语义互操作调解模型，支持跨领域系统要素集成互操作；通过构造跨领域系统有序化推理规则，通过空间决策推理的方式实现跨领域系统的按需集成与重构。

由于Multi-S-BOX空间要素关系复杂，推理过程多以异步形式进行，集中式的知识表达和推理难以描述异步更新的领域系统本体信息，极大地限制了跨领域知识存储、交互、与协同求解的效率。因此，设计具有智能、分布式的Multi-S-BOX空间推理系统对跨领域集成化决策具有重要支撑意义。

本文引入多代理系统（Multi-agent System，MAS）技术，构造Multi-S-BOX空间分布式领域知识表达代理、知识推理代理，以及跨领域互操作与推理代理，设计空间分布式知识表达与推理系统结构模型，以支持灵活、自治的Multi-S-BOX空间推理需求。

1 Agent和MAS的基本理论

Agent通常具有自主、反应、协调、协同、主动、推理能力等特性，作为满足其功能目标的计算主体，可在特定环境中自主运行与交互[3,4]。假定某Agent代理置于一个可用离散状态有限集E表示的环境中，e为瞬时环境的状态。对任意环境变化，该Agent的反应描述为活动集：， a为代理的活动，代理与环境通过活动交互，环境状态发生改变。可用e与a交互的序列r来表示Agent运行过程，。若用表示环境与活动交互运行的序列全集，则以a活动为结束的序列子集可表示为，以e状态为结束的序列子集可表示为。那么，可用以下状态变迁函数来表示环境在Agent活动的影响下状态的变化。故可表示r不存在后继状态，意味着r是可停止的有限运行序列。因此，当环境表示为三元组时，Agent模型可表示为，意味着将其一次以环境状态为结束的运行映射到活动，即该代理根据历史以及目前的环境状态决定来其行动。某代理Ag一次运行序列可表示为，其中；。作为由多个相互协调的Agent构成的松耦合分布式网络，MAS具有社会性、自治性、协作性等方面的特征[3]，用于解决Agent难以单独解决的复杂问题[5]。MAS中每个Agent或许有相同或不同的求解任务，具备不完整的知识和求解能力，以分布式的知识/信息存储方式，与其他相关代理进行自主协作，进而协同求解复杂的问题。

考虑到MAS技术的智能性、分布性、社会性和协作性，适用于分布式跨领域系统集成化决策过程中，同时也为Multi-S-BOX空间分布式知识描述与协同推理求解的突破提供了有效途径。

2 基于MAS的Multi-S-BOX空间分布式推理系统

2.1 Multi-S-BOX空间结构与决策机理

Multi-S-BOX空间包括跨领域集成需求列表（Multidomain Bill Of Demand Ontology，Multi-BODO）、领域语义X列表（Semantic Bill of X，S-BOX）等部件。Multi-BODO封装了跨领域集成需求本体；领域S-BOX由各领域资源（Bill of Resource Ontology，BORO）、服务（Bill of Service Ontology，BOSO）和需求本体列表（Bill of Demand Ontology，BODO）构成，是领域系统在Multi-S-BOX空间的映射[1,2]。

Multi-S-BOX集成过程包括四个步骤：Step-1：“Binding”推理，用以确定各领域S-BOX内资源-服务的绑定关系，是根据特定约束条件将空间可用资源封装为标准化可执行服务的过程。Step-2：“M-matching”推理，即根据跨领域需求分解结构，根据子需求的领域属性，建立其与领域S-BOX匹配关系的推理环节。Step-3：“Service Compositing”推理，即根据特定领域内需求自动匹配或组合服务。Step-4：“Mcompositing”，即跨领域服务组合推理，该过程将根据领域内服务组合结构的基于输入-输出约束衔接上下游协作服务要素，实现跨领域服务组合的功能。各步推理范式和规则详见文献[1,2]，依此可设计推理系统架构及其推理任务。

2.2 系统Agent功能组件设计

（1）互操作代理（Interoperability Agent，IA）：针对领域S-BOX间可能存在的语用、语义互操作冲突，引入Mediator服务本体调解模型，构造互操作IA以封装相关调解模型，支持携载领域知识的Agent交互。（2）跨领域需求本体代理（Multi-BODO Agent，MDA）：封装了Multi-BODO的本体知识，用以管理跨领域需求本体，并建立其与领域S-BOX间的交互。（3）S-BOX本体列表代理（S-BOX Ontology Bill Agent，SOBA）和S-BOX推理代理（S-BOX Reasoning Agent，SRA）：各领域S-BOX均具备知识表达与推理两项功能，故将其分离构造成两类代理：一方面，将BODO、BOSO、BORO本体列表封装为SOBA，用于管理领域内资源、服务、需求等要素本体知识；另一方面，构建SRA，用来封装了领域内推理规则，通过与SOBA交互执行Step-1“Binding”和Step-2“Service Compositing”阶段推理。（4）跨领域推理代理（Multi-S-BOX Reasoning Agent，MRA）： 封装了跨领域集成的推理规则，通过IA与MDA、各领域SOBA间的交互，完成Step-2“Mmatching”和Step-4“Mcompositing”的推理任务。

2.3 Multi-S-BOX空间分布式推理系统架构

Multi-S-BOX空间分布式推理系统架构如图1所示，各阶段推理过程包括：首先，各领域知识代理SOBA与其推理代理SRA信息交互，执行Step-1的“Binding”推理任务；其次，通过MDA-MRA-IA-SOBA 四类代理的交互，MDA将领域子需求本体信息传递给MRA，基于IA互操作转化，SOBA将可相互理解的领域需求本体实例信息传递给MRA完成Step-2的“Mmatching”语义匹配推理，并将结果返回给MDA和SOBA更新知识信息；随后，通过SOBA、SRA的通信，SOBA将其本体信息传递给SRA执行Step-3的领域内“Service Compositing”推理，并将得到的服务组合结果信息返回SOBA；最后，基于SOBA-IA-MRA-IA-SOBA-MDA的交互，SOBA将更新后的SC实例信息通过IA转化传给MRA，执行Step-4的“Mcompositing”跨领域服务组合推理，并将结果返给MDA，完成一次跨领域集成推理执行序列。

3 结语

为更好地满足灵活、自治的集成化决策的推理计算需求，本文根据Multi-S-BOX空间结构及其集成化重构推理的基本机理，面向不同的推理计算任务，将跨领域空间知识与推理规则封装在不同功能的Agent中，设计了基于MAS的Multi-S-BOX空间分布式推理系统结构模型，以支持空间有序化推理系统的5个推理阶段的分布式实现。在当今云计算、大数据的海量异构信息融合时代，新的管理范式和决策方法应运而生。本模型的提出，为跨领域集成化决策方法的进一步完善提供了基于分布式推理计算的新思路。限于篇幅，本文聚焦于推理系统的Agent组件与整体架构的设计，对于Agent间具体的交互协议、系统实现等方面的研究，将成为下一步研究的重心。

图1 基于MAS的Multi-S-BOX空间分布式推理系统架构

[1]谢天. 基于语义X 列表的跨领域系统集成方法研究[D]. 暨南大学管理学院，2013.

[2] 谢天, 李从东, 汤勇力, 曹策俊. 面向突发性制造需求的跨领域语义X 列表集成方法[J]. 计算机集成制造系统. 2015, 21(4): 1063-1076.

[3]史忠植. 智能主体及其应用[M]. 北京: 科学出版社, 2002.

[4]唐苏妍，朱一凡，李群，雷永林. 多Agent系统任务分配方法综述[J]. 系统工程与电子技术, 2010, 32(10): 2155-2161.

[5] Luca Greco, Liliana Lo Presti, Agnese Augello. A Decisional Multi-Agent Framework for Automatic Supply Chain Arrangement[J]. Studies in Computational Intelligence, 2013, 439:215-232.

Designing for the Cross-Domain Integrated Reasoning System based on MAS

Xie Tian1,Wei Yaoyao2
（1. School of Economics & Management, University of South China, Hengyang 421001, China; 2 .School of Political Science and Public Administration, University of South China, Hengyang 421001, China）

Multi-S-BOX Space theory brings a series of new methods for cross-domain integration. However, the abilities for cross-domain storage, computing and communicating are limited by centralized knowledge representing and reasoning. By analyzing the structure and the decision-making mechanism of the Multi-SBOX, and based on MAS, the relevant agent components, the reasoning task sequence are designed. And then, for supporting the cross-domain integrated decision-making processes, the architecture of the distributed Multi-S-BOX space reasoning system is proposed.

Multi-Agents System, Agent, Multi-domain Semantic Bill of X, Integration

TP302.1

A

谢 天（1984-），男，湖南醴陵人，博士，南华大学经济管理学院讲师，研究方向：信息管理与信息系统、集成化管理等；韦瑶瑶（1987-），女，广西大化人，硕士研究生，南华大学政治与公共管理学院，研究方向：信息管理、管理哲学等。

国家自然科学基金青年项目（71501087）；教育部人文社科青年项目(14YJCZH168)；湖南省自然科学基金青年项目（2015JJ3107）；湖南省教育厅课题资助项目（14C0976）；南华大学博士科研启动基金资助项目（2013XQD27）