基于分布式多Agent仿真平台的云服务自组织管理及算法

陈奕延

（北京理工大学，自动化学院 北京 100081）

1 云计算的服务模式和云平台部署使用分析

随着当前的云计算平台的广泛推进和大规模运用，云资源的数量等级已经以指数等级翻番，这些资源一般都没有进行集中，为此需要在云服务器中及时处理好各种功能的设置工作，保障云服务能够在相似的质量层面上进行高速运转，为当前的云服务发展提供更加可靠的基石，保证在对云资源进行大数量级运用的时候进行分配和加载。云资源在管理过程中要及时了解云资源的应用管理部署情况，随着云资源数量的增加，云计算需要实现良好动态持续性管理，优化对于云环境面临的各种环境问题，为此，云服务自组织管理方法由此产生去，其实现框架如图1所示。

图1 云服务自组织管理实现框架

2 云服务自组织管理的过程

主要分为（1）服务登记阶段；（2）服务监控阶段；（3）自主决策阶段；（4）服务请求调用阶段。在服务登记阶段，模块会根据管理者的语义和逻辑来确定服务的针对性管理关系，如果模块本身和管理者取向角度一致的话，信息就会被放置到服务池中存储；在进行下一步的监控阶段时，当服务自身的关系进行确定之后，传感器本身可以对服务的配置信息以及服务环境进行监控；在自主决策阶段，主要通过决策单元向服务池查询相关服务，如果找到满足需求的服务则提供服务；服务自身的请求步骤主要就是指代分析单换核心进行自主决策单元角度的触发过程，并且根据当前自主决策的结构来命令服务器调用相应的满足服务关系的管理服务，并把调用的结果反馈给客户。全部过程如图2所示。

图2 自组织管理实体的自主管理过程

3 多Agent系统介绍及其主体模型

多Agent系统并不是指代一个单一的个体框架，而是指代分布在整个网络上的多个问题求解器本身进行非紧密结合框架下的大型复杂系统构建，这些问题求解器之间有相互的作用，通过互相协作可以解决当前因为单一的求解器资源不足而无法进行处理的复杂问题。每一个Agent本身都具有相对来说有限的资源以及对应的问题求解能力以及分配的资源，但是并没有全局协作的合作机制观点。从系统整体角度上来说并不存在全局的控制，也就是说，控制分布知识以及对应的的数据都是相对分散的，计算处理过程也是没有进行同步的。下面我们通过无人机群角度来探索多Agent系统的框架构建，如图3所示。

图3 多agent系统集群对抗总体框架

多Agent系统其最关键的主体模型是对当前整个系统构建下的单独Agent进行针对性的定义及分别说明处理，从概念角度上进行针对Agent知识框架行为在计算机当前系统中的表现形式和实现构架。整个多Agent系统本身的全局承诺一般来说是针对于组织结构框架、组织过程框架的约束，以及针对性的构建下策略本身的组合和集合处理。在这个系统当中，每一个Agent的clip_image002须满足这组约束和策略中与clip_image004相关的部分。

系统的全局承诺如下：

clip_image006

clip_image008：组织模型

clip_image010：组织结构

clip_image012：组织原则

clip_image014

clip_image016：智能主体集合（构成组织的基本成员）

clip_image018

clip_image020：组织职能集合

clip_image022，clip_image024clip_image026表示各种职能的定义。

clip_image028：责任分配的集合，表示clip_image020[1]在clip_image016[1]中的分配状况。

若clip_image030clip_image032表示主体clip_image034能够完成clip_image024[1]所定义的职能，则主体

clip_image034[1]能够承担的所有职能可用一个集合来表示：

clip_image037

clip_image039

即clip_image041表示主体clip_image034[2]在组织结构中的能力。

clip_image043

clip_image045：组织目标集合。

clip_image047

clip_image049：

针对性提供某种组织构建下的成员相互之间的交集情况集合。这种相互关系的定义可以扩展至相关联职能权限以及针对性的通信和对应的位置等等地方，并且针对相对来说不同领域的关系呈现出更多的形式。

clip_image051 clip_image053则可以表示出当前承担出某一种组织职能构建下的主体相互之间存在的特定关系，也就是第I种关系。clip_image055则可以表示出一种针对性的二元关系环境相对性质约束构建条件，而与此同时，clip_image057则可以表示出针对性的关系进行成立的论域构建。

clip_image059表示{clip_image061且x满足性质clip_image055[1]}

clip_image063：系统作用的外部环境

clip_image065

clip_image067

clip_image069：知识分布策略

clip_image071：任务分布策略

clip_image073：协作控制策略

clip_image075：通信控制策略

clip_image077：冲突消解策略

clip_image079：可靠性策略

设clip_image081表示clip_image004[1]的概念模型，clip_image084表示MAS组织模型clip_image008[1]中与clip_image004[2]相关的部分承诺，则MAS系统可形式化地表示如下：

clip_image087

即：一个MAS系统由满足组织模型定义的全局承诺的所有主体构成。

主体德的内部状态和主要智能活动表示如下：

clip_image089

且clip_image081[1]满足clip_image084[1]

clip_image091：clip_image004[3]内部的数据库

clip_image094：clip_image004[4]内部的知识库

clip_image096：clip_image004[5]内部的意图库

clip_image098：clip_image004[6]局部行为的能力

clip_image100：clip_image004[7]协调控制能力

clip_image102：clip_image004[8]通信能力

clip_image104：clip_image004[9]感知和模型化其他主体及外部环境clip_image063[1]的能力

clip_image106：clip_image004[10]解决冲突和不一致观点的能力

4 云服务自组织管理算法

这种算法主要针对当前云服务本身环境以及针对性的内部状态变化，或者说是矜理过程变化构建框架下的自组织管理过程进行针对性的具体描述，这种算法通过服务组织管理组以及针对性的对应语义树，以及初始管理者进行参数输入的恒定标准默认选择，并且以更新了的服务管理组进行输出的对象构建：

当前的服务或者针对性的环境发生了变化之后，服务管理者本身将会对这种变化进行感知，这些获得了感知的服务管理就会根据当前的变化类型进行自发形式角度构建下的交互协商处理，并根据得出的结果分别针对性的调整对应的各自代理的云服务项目。如果外界的应用或者服务管理进行请求之后，服务管理者就会根据各自对应的管理职能和管理范围内容进行针对性管理者的寻找，病基于协商角度进行服务对外扩展。云服务提供服务的方式如图4所示。这里顺便介绍一下云服务自组织管理算法。

图4 云服务提供服务的过程

输入:服务管理者组MG={ma1，ma2…，man}，服务语义树 STtree={st1，st2，…stn}，内部状态IS={IS1，is2，…ism}，外部状态OS=｛os1，os2，…osk｝，初始管理者ima;

输出：己更新的服务管理者组 MG

1. begin

2. if变化状态CS=IS then

3. {CMG^CSTree^FindChangedManageriMGySTree)

4. MG^adcUMGMG-CMG)

5. for所有cmti，和c外，其中，cmai，€CMG，CST1€STree do

6. InteractWithOthers^ma^CSTree^CMG-cma^

7. MG'=add(MGUpdateManager{cma h cst^)

8. end for

9. else if 变化状态 cfeOSthen

10. (mQj^tj)-lnteractWithEachToFindOneManager{MG y STree)

11. MG^addiMGMG-cma，)

12. 服务s=CoordinateAndGefService(maj，ima)

13. MG，-add(MGUpdateManagerlVithNewService(ma j t stjs))

14. end if

15. 返回 MG’

16.end

5 基于多Agent系统的云服务自组织管理模型

基于多Agent系统的云服务自组织管理模型中，需要根据Agent系统技术提高云服务的管理模式应用，同时需要根据客户部分需求，提高针对客户服务资源需求分析，有效保障部分Agent系统的服务资源模式处理，同时针对服务代理和服务管理者要提高云服务管理核心层面问题的分析能力。由许多个分布式Agent系统搭建的智能仿真平台称为分布式Agent仿真平台，如图5所示。

一般情况下针对服务管理者的Agent系统为了更好实现云服务管理功能，针对每个服务管理者都需要提高类型职责处理，保障管理者能够拥有充足时间和管理特定服务，提高管理者的服务管理水平。同时我们还需要根据针对性的服务管理请求进行针对性的服务模式优化，对管理者本身的水平进行强化和针对性提升，根据当前的服务环境以及所需要的服务状态进行服务对象的管理针对当前的应用服务模式构建，我们需要提升管理者本身的服务管理组织工作，对不同环境变化下的不同针对性处理模式进行强化，随时准备平衡各方面的需求。

一般时候服务代理Agent系统是通过当前应用服务的方式获取代理的，可以基于解析角度应用实现对于数据服务管理，还可以很好提高信息管理情况认识，保障服务管理合理化处理，针对服务代理要保障服务高效性。针对云服务部分构成中，要切实提高每个云中服务代理类型服务管理，保障服务管理要根据职责和能力做好及时分类管理处理。如图6所示。

图6 云服务AGENT应用例图

6 结语

综上所述，针对云服务的发散性、动态演化和异构特征认识，为了更好地确保云服务能够适应多样化应用需求，需要不断提高持续性变化云环境认识，云服务需要更加灵活和自主方法来有效针对服务管理、分配和提供良好服务模式。本文通过分布式Agent系统的云服务自组织管理方法分析，提出需要在云服务中不断提高服务管理者软件Agent系统管理，同时还要不断提高针对云服务管理者的Agent系统环境喜爱的敏感性分析，优化针对服务管理者的信息感知和监控工作，促进云服务管理中针对数据信息和应用需求量的认识。利用分布式多Agent系统可有效促进云服务管理水平，优化适应云环境，提高云服务水平。

[1] 尹翰坤，尹超，王伟，王明远.基于Multi-Agent的制造资源云服务化封装方法及适配器研究[J].计算机集成制造系统.2014(12)；

[2] 李青山，王璐，褚华，张曼.一种基于智能体技术的软件自适应动态演化机制[J].软件学报.2015(04)；

[3] 吕建，王千祥，马晓星，毛新军.自适应软件系统：开发方法和运行支撑专题前言[J].软件学报.2015(04)；

[4] 刘春，张伟，赵海燕，金芝.基于反馈控制的软件适应性需求的识别与分析[J].软件学报.2015(04)；

[5] 吴家豪，彭志平，崔得龙，李启锐，何杰光.基于多Agent系统的粒子群遗传优化云工作流调度算法[J].南京大学学报(自然科学)，2017，53(06)：1114-1124.

[6] 沈治.基于多Agent系统的微电网运行模式平滑切换[J].控制工程，2017，24(11)：2343-2349.

[7] 王洪德，李斯，张艳潮.基于多Agent高铁车站突发灾难应急救援仿真[J].辽宁工程技术大学学报(自然科学版)，2017，36(08)：859-864.

[8] 汤治成.从大众认识与自组织看“无为而治”的管理思想[J].系统科学学报，2017，25(02)：30-33.

[9] 金晶.基于多Agent的生产线建模、优化与仿真研究[D].合肥工业大学，2017.

[10] 张涛，谢红，黄少滨.多Agent交互策略模型检测方法[J].电子科技大学学报，2016，45(05)：802-807.

[11] 乔阳，唐昊，程文娟，江琦，马学森.一种基于多Agent强化学习的无线传感器网络多路径路由协议[J].合肥工业大学学报(自然科学版)，2016，39(07)：896-899.

[12] 周一峰.非可靠社会网络中多Agent系统任务合作的自适应机制研究[D].东南大学，2016.

[13] 李明，刘玮，张彦铎.基于改进合同网协议的多Agent动态任务分配[J].山东大学学报(工学版)，2016，46(02)：51-56+63.