楊海瀧　趙　軍

1(寧夏大學數(shù)學計算機學院　寧夏 銀川 750021)2(寧夏大學經(jīng)濟管理學院　寧夏 銀川 750021)

?

基于規(guī)范的Agent混合結(jié)構(gòu)模型研究

楊海瀧1趙軍2

1(寧夏大學數(shù)學計算機學院寧夏 銀川 750021)2(寧夏大學經(jīng)濟管理學院寧夏 銀川 750021)

隨著管理問題復(fù)雜性不斷提高，計算實驗方法應(yīng)運而生。Agent作為計算實驗方法中的主體，其模型構(gòu)建的合理與否直接影響到仿真系統(tǒng)的實現(xiàn)與運行。通過研究Agent概念、特點以及已有Agent模型，結(jié)合管理科學、規(guī)范和計算實驗相關(guān)理論，提出一種基于規(guī)范的Agent混合結(jié)構(gòu)模型，并給出Agent的基類設(shè)計。最后，運用Swarm平臺對一個實際案例進行仿真。仿真結(jié)果證明，該Agent模型具有可行性，適合于管理科學領(lǐng)域計算實驗方法中的多Agent建模。

計算實驗Agent規(guī)范混合結(jié)構(gòu)模型Agent建模

0　引　言

管理問題復(fù)雜性不斷提高，管理科學研究方法論體系也在不斷拓展，在不同學科交叉和融合的推動下，管理科學研究領(lǐng)域內(nèi)的計算實驗方法應(yīng)運而生。它提供了研究管理系統(tǒng)自組織、動態(tài)演化及宏觀與微觀層次之間相互作用的新工具和手段。計算實驗是一種融合計算技術(shù)、復(fù)雜系統(tǒng)理論和演化理論等，通過計算機再現(xiàn)管理活動，并在此基礎(chǔ)上分析揭示管理復(fù)雜性與演化規(guī)律的一種研究方法[1]。計算實驗方法采用自下而上的研究思路，綜合集成多種研究方法和工具，通過對系統(tǒng)中的主體建模并觀察其決策與交互機制來研究系統(tǒng)整體特性的涌現(xiàn)。因此基于多主體(Agent)的建模仿真技術(shù)自然成為計算實驗方法的主要研究手段。而Agent作為仿真系統(tǒng)中的主體，其模型構(gòu)建得合理與否直接影響到仿真系統(tǒng)的實現(xiàn)與運行。

本文在分析總結(jié)Agent基本理論與前人研究工作基礎(chǔ)上，結(jié)合計算實驗方法相關(guān)理論，提出一種適合管理科學領(lǐng)域計算實驗方法中多Agent建模的，具有一定可重用性的，基于規(guī)范的Agent混合結(jié)構(gòu)模型，并介紹該模型的一個仿真實例。

1　Agent理論

1.1Agent內(nèi)涵及特點

Agent作為一個粗粒度的、自治的、靈活的實體抽象，Agent的建模工作一直是人們研究的熱點問題。然而，一方面由于面向Agent方法的研究起步不久，在軟件系統(tǒng)實現(xiàn)階段對面向Agent的開發(fā)環(huán)境尚不完善。另一方面由于Agent區(qū)別于對象具備智能性、自主性、反應(yīng)性、社會性等特性，導致個體Agent結(jié)構(gòu)的復(fù)雜度以及多個Agent交互和協(xié)作時的復(fù)雜度提高。以上原因共同導致Agent模型在軟件實現(xiàn)時有一定的難度。

目前學術(shù)界對于Agent尚無統(tǒng)一的定義，Minsky在《Society of Mind》一書中認為，Agent應(yīng)具有社會交互性和智能性。英國的Agent理論專家Wooldridge和Jennings認為，Agent應(yīng)具有自主性、社會交互性、反應(yīng)能力和預(yù)動能力，應(yīng)具有通信能力和協(xié)商能力[2]。綜合一些文獻所提出的Agent的特點，本文認為計算實驗研究中的Agent應(yīng)具有以下特點：

1) 自治性：Agent能自行控制其狀態(tài)和行為，能在沒有人或其他程序介入時操作和運行[3]。

2) 推理能力：Agent能夠根據(jù)當前具有的知識經(jīng)驗進行推理。

3) 交互性：Agent可以通過特定的通信語言與其他Agent進行交互。

4) 反應(yīng)性：Agent能夠及時感知環(huán)境的變化，并對環(huán)境的變化做出相應(yīng)的反應(yīng)。

5) 社會性：Agent之間能夠相互協(xié)作，共同完成目標。

6) 適應(yīng)性：Agent能夠根據(jù)環(huán)境變化做出相應(yīng)的適應(yīng)性調(diào)整。

1.2Agent結(jié)構(gòu)模型

從Agent模型角度看，Agent的結(jié)構(gòu)通常分為：慎思型Agent、反應(yīng)型Agent和混合型Agent三種類型。

(1) 慎思型Agent

顧名思義，此類Agent具有人類的思維，如信念、愿望和意圖等，其內(nèi)部通過一定形式的符號推理并加以修正來實現(xiàn)對外部環(huán)境的表示。慎思型Agent結(jié)構(gòu)如圖1所示。

圖1　慎思型Agent基本結(jié)構(gòu)

(2) 反應(yīng)型Agent

Rodney Brakes認為智能是無需表示和邏輯推理的，也不需要知識，對人類智能進行符號層次的抽象建模過于復(fù)雜，應(yīng)該立足現(xiàn)場而致力于智能的最初實現(xiàn)。反應(yīng)型Agent就是基于上述思想設(shè)計，其內(nèi)部不依賴任何符號表示，直接根據(jù)外部環(huán)境的輸入產(chǎn)生相應(yīng)的輸出，反應(yīng)型Agent的結(jié)構(gòu)如圖2所示。

圖2　反應(yīng)型Agent基本結(jié)構(gòu)

(3) 混合型Agent

圖3　混合型Agent基本結(jié)構(gòu)

無論是慎思型Agent還是反應(yīng)型Agent，優(yōu)點和缺陷都過分明顯，都難以用于解決實際問題。所以只有通過結(jié)合二者的優(yōu)點，形成優(yōu)勢互補，構(gòu)成混合型Agent結(jié)構(gòu)，才能彌補純粹的慎思型Agent或是反應(yīng)型Agent的缺陷，發(fā)揮出二者各自的最大優(yōu)勢[4]?；旌闲虯gent結(jié)構(gòu)如圖3所示。

關(guān)于Agent的結(jié)構(gòu)模型，研究者們根據(jù)各自研究背景和研究領(lǐng)域提出了不同的觀點和看法。

(1) 在企業(yè)管理領(lǐng)域中

針對電子貿(mào)易市場的Agent仿真，Bunn等給出一種自治的Agent結(jié)構(gòu)[5]，這些主體只能感知環(huán)境信息，在交互中互相學習，并能夠調(diào)整自身狀態(tài)，適應(yīng)市場環(huán)境。針對供應(yīng)鏈仿真，F(xiàn)u[6]等人提出了一個由過程驅(qū)動的通用Agent模型，模型中包括信息輸入輸出模塊、事件處理模塊、執(zhí)行模塊及知識庫、策略、狀態(tài)等。在企業(yè)建模仿真中，吳菊華等人提出了一種基于Agent的企業(yè)模型[7]，在該企業(yè)模型中，Agent內(nèi)部考慮了社會因素，使用規(guī)范約束Agent個體行為。

(2) 在其他領(lǐng)域中

霍蘭提出一種基于遺傳算法的Agent反應(yīng)模型[8]來描述個體的基本行為。遲妍等給出了一種Agent結(jié)構(gòu)的6元組描述，即Agent=<標識、類型、知識庫、規(guī)則庫、屬性、參數(shù)>[9]。針對生物系統(tǒng)仿真，Alfonseca等人建立了一種覓食Agent模型[10]，該Agent模型具有生物特性，如生命周期、移動能力、交流能力等，而這些能力是通過設(shè)置相應(yīng)的基因來體現(xiàn)的。針對足球機器人仿真，熊永華[11]等人給出了一種兼具反應(yīng)式結(jié)構(gòu)與慎思式結(jié)構(gòu)的Agent模型，既能夠快速響應(yīng)緊迫事件，又具有一定的慎思性。

以上Agent模型各具特點，但這些Agent模型有的層次不夠鮮明，具有較強的領(lǐng)域針對性，無法將其生搬硬套地移植到企業(yè)管理領(lǐng)域中來；有的模型過于簡單，缺乏必要的模塊，不適合企業(yè)管理領(lǐng)域仿真；有的則過分注重Agent智能性的理論分析，難于在軟件系統(tǒng)中實現(xiàn)。

2　基于規(guī)范的Agent混合結(jié)構(gòu)模型

2.1規(guī)范

規(guī)范的概念，來自于社會心理學，具有豐富的語義內(nèi)涵，其在牛津百科全書中的解釋為：“規(guī)范，也叫社會規(guī)范。是一個社會群體諸成員共有的行為規(guī)則和標準。規(guī)范可以內(nèi)化，加入個人的意識?！盨tamper定義了規(guī)范的表達方式如下所示[12]：

Whenever<條件集>If<狀態(tài)集>ThenIs<義務(wù)邏輯操作符>To<行動集>

其中，<條件集>指明了某個Agent執(zhí)行某種行為的條件；進一步說明可以通過If <狀態(tài)集>，表明在什么狀態(tài)下發(fā)生；指的是責任Agent，有權(quán)力或是有代表權(quán)做出決策的人或者軟件；<義務(wù)邏輯操作符>包括允許、必須、禁止等；<行動集>規(guī)定了在條件滿足的情況下接下來會采取的行為集合[13]。

規(guī)范指導Agent的活動，包括行使權(quán)力和履行義務(wù)，是Agent之間建立信任關(guān)系的根本。基于規(guī)范設(shè)計Agent結(jié)構(gòu)模型，一方面體現(xiàn)了Agent的社會性，通過約束Agent的行為來縮小Agent搜索空間，提高Agent運行效率；另一方面也體現(xiàn)了Agent的智能性，使Agent按照規(guī)范執(zhí)行，而降低了與環(huán)境的耦合度，使Agent更易于被復(fù)用。

2.2基于規(guī)范的Agent模型結(jié)構(gòu)

在上述文獻基礎(chǔ)上，結(jié)合Agent建模理論以及規(guī)范的相關(guān)理論，提出一種具有一定通用性的，基于規(guī)范的Agent混合結(jié)構(gòu)模型。其結(jié)構(gòu)如圖4所示。

圖4　基于規(guī)范的Agent混合結(jié)構(gòu)模型

控制器負責協(xié)調(diào)整個Agent的運行；反應(yīng)器用來對緊急情況做出迅速反應(yīng)；Norm模塊主要維持一個可定制的規(guī)范庫，是規(guī)則庫中規(guī)則的來源之一，約束信息處理器的信息處理方式，指導計劃器做出計劃；感應(yīng)器和效應(yīng)器則是Agent與世界進行交互的接口。下面詳細討論各模塊的結(jié)構(gòu)與運作原理。

(1) 控制器

控制器負責協(xié)調(diào)整個Agent的運行，當感應(yīng)器感知到外界環(huán)境的變化或者接收到其他Agent的任務(wù)請求時，控制器的信息處理器會對信息進行解析和分類。如果感知到的事件是緊急的或者簡單的，則將信息轉(zhuǎn)發(fā)至反應(yīng)器；如果感知到的事件時間比較充?；蛘呤且粋€復(fù)雜事件，則將信息交由計劃器進行推理。圖5給出了控制器的內(nèi)部結(jié)構(gòu)圖。

圖5　控制器內(nèi)部結(jié)構(gòu)

(2) 計劃器

圖6　計劃器內(nèi)部結(jié)構(gòu)

由于Agent工作在復(fù)雜環(huán)境中，而復(fù)雜環(huán)境的復(fù)雜多變性要求我們做出的計劃是局部的中短期的計劃。局部性是指每個Agent根據(jù)自身狀態(tài)、自身對世界模型的認知程度以及其持有的經(jīng)驗做出計劃，而不是由某一規(guī)劃Agent對每一Agent做出全局計劃。計劃的短期性則是因為世界是運動的，Agent狀態(tài)在實時變化，長期的計劃可能會因為瞬息萬變的情況而失去時效。計劃器的結(jié)構(gòu)如圖6所示。

(3) 決策器

根據(jù)Agent計劃器中各庫反應(yīng)的狀態(tài)，從中選擇Agent能達到的目標，將其按照特定優(yōu)先級加入目標議程表。隨后，選擇預(yù)定義的可達到目標的計劃，并使之成為活動計劃。之后活動計劃被加入可執(zhí)行動作序列，交由相應(yīng)模塊執(zhí)行。預(yù)定義計劃來源于知識庫中的預(yù)定義計劃庫。決策器還負責消解計劃間的沖突，修改過時的、錯誤的、不可用的計劃，并決定在必要時進行重新計劃。

(4) 反應(yīng)器

反應(yīng)器使Agent能處理一些緊急的事件，它運用規(guī)則庫中的條件規(guī)則，將來源于控制器中的反應(yīng)型信息直接映射為動作。反應(yīng)器生成的動作和目標以最高優(yōu)先級加入執(zhí)行器單元，而將從決策器模塊送來的動作中斷。如果發(fā)生中斷，決策模塊將決定是重新進行計劃還是繼續(xù)原來計劃好的動作序列。鑒于反應(yīng)器用來處理緊急事件，所以反應(yīng)器基本上不做推理。反應(yīng)器采用的規(guī)則格式如下：

RULE:IF 規(guī)則條件 THEN 動作

(5) 學習器

學習器是Agent具有智能性的基礎(chǔ)。當控制器檢測到的信息是新的信息或環(huán)境反饋信息，則交由信息處理器，進行信息解釋、加工和分析，形成知識加入知識庫，或者更新規(guī)則庫。使用學習知識和規(guī)則庫中的啟發(fā)性知識，對可執(zhí)行動作隊列中的活動計劃、活動計劃對Agent目標的改變和計劃的結(jié)果等進行分析。根據(jù)分析結(jié)果，產(chǎn)生新計劃和新目標。

(6) Norm模塊

Norm模塊一方面約束Agent各個模塊的動作行為，另一方面為Agent系統(tǒng)使用者提供一個規(guī)范定制接口，多Agent系統(tǒng)應(yīng)用在不同的學科領(lǐng)域其規(guī)范是截然不同的。設(shè)計規(guī)范庫模塊原因有三。① 雖然Agent本身具有學習能力，某些規(guī)則可以通過學習機制習得，但Agent學習能力是有限的，隨著問題規(guī)模增大、復(fù)雜程度加劇，單靠學習是不夠的。② 某些領(lǐng)域規(guī)范已然成熟，此類規(guī)范可以直接投入系統(tǒng)使用，且不適合進行修改，例如企業(yè)內(nèi)部運作規(guī)范。③ 隨著環(huán)境的變化，總有一些規(guī)范不再適用，而這些規(guī)范是不允許Agent通過學習機制習得的，例如：政策政令、法律規(guī)定等。

Norm模塊主要通過約束信息處理器與計劃器，規(guī)范整個Agent的運行。Norm模塊通過綜合當前Agent類型、Agent狀態(tài)、事件類型、事件前提條件等信息，約束相關(guān)部件的行為。當義務(wù)邏輯操作符為允許時，我們用某一概率控制其運行與否。

使用分層分類的思想設(shè)計Norm庫[7]，分別為社會層、組織層和操作層，將規(guī)范從三個層面進行組織，方便規(guī)范的使用和更新。

(7) 感應(yīng)器和效應(yīng)器

感應(yīng)器和效應(yīng)器是Agent與外界交互的接口，具有一定的信息處理和通信能力，Agent通過感應(yīng)器感知外界信息并抽象出世界模型，隨后將抽象的信息送到控制器。效應(yīng)器則根據(jù)傳入的命令做出相應(yīng)的動作，對外界產(chǎn)生影響。

2.3Agent基類設(shè)計

該模型提供了一種通用的Agent內(nèi)部結(jié)構(gòu)設(shè)計，在代碼設(shè)計時，通用的部分被設(shè)計在一個基類中，可以被不同管理領(lǐng)域繼承使用。具體應(yīng)用時只需在此基礎(chǔ)上進行相應(yīng)修改和擴展即可?；惖暮唵未a設(shè)計如下：

public class basic_Agent{

……

//相關(guān)參數(shù)與變量定義

public void com_Interface();

//通信接口

public void action_Block(){

//反應(yīng)模塊

void sensor();

//感知器

if(反應(yīng)條件)

……

//相關(guān)反應(yīng)動作

void effector();

//效應(yīng)器

}

public void intel_Block(){

//慎思模塊

void controller(

//控制器

……

//規(guī)劃

……

//決策

void logManager();

//日志管理器

}

public void study_Block(){

void infProcessing()//信息處理

void study()//學習

void dataManager();//數(shù)據(jù)管理器

}

限于篇幅，本文只對規(guī)范庫模塊的設(shè)計進行介紹。規(guī)范庫以一個單獨的模塊呈現(xiàn)，各種約束Agent行為的規(guī)范以結(jié)構(gòu)化方式被設(shè)計并分層分類存儲在規(guī)范庫中，可供Agent調(diào)用。在新的應(yīng)用中亦可實現(xiàn)代碼級、方法級與模塊級重用，開發(fā)者只需關(guān)心規(guī)范庫內(nèi)容更新即可。規(guī)范庫基類設(shè)計如下：

public class normLib{

String normId;

List aList,bList…;

//鏈表

……

//不同類型的Norm

……

//匹配函數(shù)

void getNormId();

//獲取規(guī)范的編號

void addNormIdToList();

//添加編號至鏈表

}

3　仿真實例

3.1仿真背景及模型設(shè)計

某公司是一家制造業(yè)企業(yè)，企業(yè)生產(chǎn)規(guī)模不大，整個企業(yè)的生產(chǎn)可根據(jù)市場需求量靈活調(diào)整。隨著市場競爭的日益加劇以及企業(yè)外部環(huán)境的不斷變化，按原有的服務(wù)和銷售方式難以適應(yīng)這種變化。為了提高企業(yè)的生產(chǎn)效益和聲譽度，保持市場競爭力，如何改進服務(wù)和銷售策略等問題成為了制約企業(yè)生存和發(fā)展的重要因素。

針對以上問題，以上文提出的Agent模型為基礎(chǔ)，建立該情境下的多Agent仿真框架如圖7所示，并利用Swarm仿真工具進行仿真實驗。本文主要針對該公司的服務(wù)和銷售策略以及在客戶心中的聲譽形象部分進行建模與仿真。

圖7　多Agent仿真框架

客戶Agent的作用是產(chǎn)生市場需求量，同時對企業(yè)的聲譽形象進行評分；統(tǒng)計Agent負責管理客戶信息、財務(wù)結(jié)算和維持新的銷售策略及改進方法等，它通過繼承Agent模型基類中的方法并加以擴展生成；銷售Agent負責執(zhí)行相關(guān)銷售策略及服務(wù)改進方法等，在本文的設(shè)計中它的結(jié)構(gòu)只是一個簡單的反應(yīng)式Agent，只需繼承基類中的反應(yīng)模塊即可生成；生產(chǎn)Agent只負責產(chǎn)品的生產(chǎn)，它的設(shè)計結(jié)構(gòu)類似客戶Agent；通信Agent與規(guī)范庫的設(shè)計依照上文給出的思路經(jīng)擴展而來。各Agent的交互是在本文設(shè)計的規(guī)范約束下進行的，所有的交互信息都以消息的形式傳遞。表1列舉了本文所設(shè)計的部分Norm的詳細描述。

表1　Norm的詳細表述

3.2評價指標

利潤是企業(yè)追求的目標，利潤越高說明該企業(yè)效益越好。除利潤外，良好的聲譽是企業(yè)成功的重要表現(xiàn)，為企業(yè)的發(fā)展提供了有力保證。因此，本文確定利潤與聲譽度為仿真指標。該企業(yè)的聲譽評價標準是由客戶從服務(wù)質(zhì)量、產(chǎn)品質(zhì)量和受益程度(客戶從企業(yè)得到的好處和享受到的各種優(yōu)惠)三個評論指標(每個指標給予相應(yīng)權(quán)重)給企業(yè)打分，打分標準和權(quán)重由企業(yè)給出。根據(jù)這些標準和權(quán)重計算出最終聲譽得分值。以上兩個仿真指標計算公式如下：

1) 日均利潤T見下式：

(1)

其中n代表天數(shù)，Ni與Oi分別代表第i天新顧客與老顧客的需求量，P是商品的單價，M代表每件商品的成本價，S表示折扣，E表示每天的其它費用(包括電費、維護費用等)，m代表新顧客能享受折扣優(yōu)惠時的最低需求量，也就是說當新顧客的需求量等于或超出這個量時才能享受相應(yīng)的折扣優(yōu)惠。

2) 聲譽度分值R如下式：

(2)

其中Si、Qi與Ui分別代表第i個顧客從服務(wù)、產(chǎn)品質(zhì)量和受益程度三方面給企業(yè)的打分值，WS、WQ與WU分別表示服務(wù)、產(chǎn)品質(zhì)量和受益程度三個評價指標的權(quán)重值。

3.3仿真結(jié)果與分析

對該企業(yè)在服務(wù)與銷售策略改進前后分別進行仿真。仿真結(jié)果如圖8至圖11所示。

圖8　原銷售策略下的日均利潤值　圖9　現(xiàn)銷售策略下的日均利潤值

圖10　原服務(wù)與銷售策略下的聲譽值　圖11　現(xiàn)服務(wù)與銷售策略下的聲譽值

對于以上實驗結(jié)果，分析如下：

改變銷售策略，即通過達到一定購買量就能享受相應(yīng)折扣優(yōu)惠的促銷方式，刺激了消費，吸引了更多新客戶。如圖8和圖9所示，改變策略后日利潤有明顯提高，可以推斷該企業(yè)銷售能力明顯增強。

通過引入規(guī)范，約束企業(yè)各部門間的溝通與合作，提高產(chǎn)品質(zhì)量和服務(wù)質(zhì)量，使企業(yè)在日均獲利明顯提高的同時，企業(yè)形象也得到相應(yīng)改善，如圖10和圖11所示。這不但有助于企業(yè)品牌的推廣，而且有助于擴大企業(yè)生產(chǎn)規(guī)模和追求利潤更大化。

通過以上實驗，表明本文提出的Agent模型是可行的，通過修改仿真參數(shù)可以得到相應(yīng)預(yù)期結(jié)果，能夠滿足管理科學領(lǐng)域?qū)gent模型的基本要求。

4　結(jié)　語

本文分析總結(jié)了Agent基本理論與現(xiàn)有Agent模型，結(jié)合計算實驗方法相關(guān)理論，提出一種適合管理科學領(lǐng)域多Agent建模的，基于規(guī)范的Agent混合結(jié)構(gòu)模型。通過仿真驗證，該模型容易實現(xiàn)且具有可行性與一定重用性。同時，Swarm提供的開源源代碼及其標準接口，使模型具有良好的可擴展性。但是，在Agent模型智能性與交互性體現(xiàn)上，需要進一步研究和完善。

[1] 盛昭瀚,張維.管理科學研究中的計算實驗方法[J].管理科學學報,2011,14(5):1-10.

[2] Wooldrigde M,Jennings N R.Intelligent agents Theory and practice[J].The Knowledge Engineering Review,1995,10(2):115-152.

[3] 李群,趙彥博,黃建新,等.基于ABMS的CEC體系效能仿真分析[J].系統(tǒng)仿真學報,2013,25(7):1429-1434.

[4] 蔣偉進,鐘珞,張蓮梅,等.基于時序活動邏輯的復(fù)雜系統(tǒng)多Agent動態(tài)協(xié)作模型[J].計算機學報,2013,36(5):1115-1124.

[5] Derek W Bunn,Fernando S Oliveira.Agent-based Simulation-An Application to the New Electricity Trading Arrangements of England and Wales[J].IEEE Transactions on Evolutionary Computation,2001,5(5):493-503.

[6] Yanghui Fu,R de Souza,Jingru Wu.Multi-agent enabled modeling and simulation towards collaborative inventory management in supply chains[C]//Proceeding of the 2000 winter simulation conference,2000(2):1763-1771.

[7] 吳菊華,吳麗花,甘仞初.基于規(guī)范的多agent協(xié)同機制研究[J].計算機應(yīng)用研究,2009,26(5):1778-1781.

[8] Holland J H.隱秩序:適應(yīng)性造就復(fù)雜性[M].周曉牧,韓暉,譯.上海:上?？萍冀逃霭嫔?2000.

[9] 遲妍,鄧宏鐘.作戰(zhàn)智能體的機動行為模型研究[J].計算機仿真,2009,26(5):96-99.

[10] Manuel Alfonseca,Juan de Lara.Two-level evolution of foraging agent communities[J].BioSystems,2002,66(1-2):21-30.

[11] 熊永華,許虎,賴旭芝,等.一種燒結(jié)生產(chǎn)過程控制云制造仿真實驗平臺[J].計算機集成制造系統(tǒng),2012,18(7):1627-1636.

[12] Stamper R.Organizational Semiotics:Informatics without the Computer Studies in organizational semiotics[M].Boston,MA:Kluwer Academic Publisher,2001.

[13] 焦蕾.Agent結(jié)構(gòu)的形式化描述分析及研究[J].電子設(shè)計工程,2012,20(16):21-24.

ON AGENT HYBRID ARCHITECTURE MODEL BASED ON NORM

Yang Hailong1Zhao Jun2

1(SchoolofMathematicsandComputer,NingxiaUniversity,Yinchuan750021,Ningxia,China)2(SchoolofManagementandEconomics,NingxiaUniversity,Yinchuan750021,Ningxia,China)

Along with the continuous increase of the complexity of problems in management practices, computational experiments emerges as the times requiring. The rationality of Agent model construction, which is the subject in computational experiment method, has direct influence on the implementation and operation of the simulation system. Based on analysing the Agent concept, characteristics and existing Agent models, and combining with the theories related to management science, norm and computational experiments, this paper puts forward a norm-based Agent hybrid architecture model, and presents a base class design of Agent. At last the simulation is made on a practical example based on Swarm platform. Simulation results show that the Agent model has the feasibility, and is suitable for multi-Agent modelling in computational experiment method of management science field.

Computational experimentAgentNormHybrid architecture modelAgent-based modelling

2014-09-13。

國家自然科學基金項目(71461025)。

楊海瀧，碩士，主研領(lǐng)域：信息系統(tǒng)工程。趙軍，教授。

TP391.9

A

10.3969/j.issn.1000-386x.2016.03.002