专利名称：一种基于多Agent技术的智能决策仿真实验系统的制作方法
技术领域：
本发明涉及一种基于多Agent技术的管理实验或决策支持的智能仿真系统。其概念可定 义为-智能决策仿真实验系统(Intelligent Decision Simulation Experimental System， IDSES)，属于计算机仿真、人工智能和管理实验的交叉领域，是一种集成了系统仿真、计算 机图形学、人工智能的多项新技术、云计算和管理实验方法论的更为先进的智能决策系统。
背景技术：
凡事预则立不预则废，管理实验对于组织决策有着极其重要的作用，如优化设计降低成 本、预测结果规避风险，提高效率縮短周期，虚拟现实减少物耗。无论是作业层面还是战略 层面的决策(方案选择)都是组织的管理核心，而低成本、低风险、高效率、高安全的科学 决策已然成为各类组织管理实践的需求重点。研究表明，目前中国对管理实验的研究比较零散 和少见，且主要集中于基于计算机的模拟实验，大多数的研究被限制在运作研究上，其中系统 动力学的方法是主要的模拟手段。
基于计算机及其网络的仿真技术，不但能提高效率，縮短研究开发周期，减少训练时间， 不受环境及气候限制，而且对保证安全、节约开支、提高质量具有突出的功效。仿真技术是 建立于实验性的概念上。当要一个机构决定使用一个新的设计或新的策略时，往往由于时间 和资金的限制，没有办法承受失败所带来的风险，此时仿真技术可以帮助它减轻失败的风险。 通过电脑虚拟现实的情况，决策者可以知道策略或设计的可行性，从而帮助他们做出明智的 决策。美国、日本等发达国家在计算机仿真方面比较领先，先后开发出了如WINTNES、FLEXSIM、 RaLC等工具，但这些仿真工具都是以确定性实物规划和过程仿真等作业层的应用为主，缺乏 战略决策仿真和动态不确定性环境的仿真。这些工具的主要仿真方法有数学模拟、矢量图形、 三维模型等。它们具备一定的柔性和可视性，但智能化和集成化程度低，功能简单。随着人 类所研究的对象规模日益庞大，结构日益复杂，环境日益不确定，组织决策仅仅依靠人的经 验及传统的技术难于满足越来越高的要求。
当前的智能决策支持系统(IDSS)概念最早由美国学者波恩切克等人于20世纪80年代 提出，它的功能是，既能处理定量问题，又能处理定性问题。是人工智能(AI)和DSS相结 合，应用专家系统技术，使DSS能够更充分地应用人类的知识，如关于决策问题的描述性知 识，决策过程中的过程性知识，求解问题的推理性知识，通过逻辑推理来帮助解决复杂的决 策问题的辅助决策系统。IDSS的核心思想是将AI与其它相关科学成果相结合，使DSS具有人工智能。但IDSS最大的缺陷是缺乏仿真实验过程，即预测过程，尤其是可视化仿真过程， 辅助决策的效果无法预先检验。另外当遇到专家知识短缺和需要大规模复杂并行计算时效率 会变得很低。
然而现代组织的竞争越来越精益化， 一个失误就可能断送机会。因此一个智能化的预测 决策一体化实验平台对于组织的科学、有效决策显得至关重要。智能决策仿真实验系统综合 运用了云计算和人工智能的多项新技术，如多agent技术、自然语言处理、机器学习、知识 发现等，比传统仿真系统和决策支持系统更智能化、开放化、集成化和高效，功能更全面。
发明内容
本发明的目的是为了充分利用人工智能的最新技术，结合仿真技术的可预见性对管理实 验在理论上和技术上进行突破，创新智能决策支持系统的设计理念和实现方法，在理论、方 法、技术和功能上形成相对现有IDSS的新概念，形成预测与决策一体化智能系统，将组织从 作业层到战略层的决策全部纳入实验系统，以智能型可视化仿真实验预测过程与结果，降低 组织决策成本、规避决策风险、提高决策科学性、有效性和效率。智能决策仿真实验系统是 一个大规模决策实验平台，完全开放和柔性，使用者可以在这个平台的基础上建立自己的逻 辑库、知识库、素材库、范例/对策库，利用平台的强大实验功能(3D模型仿真、2D图形仿 真、数学模型仿真，逻辑推理仿真与云计算)建立自己行业的实验室。该系统可应用在企业 经营决策、政府管理决策、军队指挥决策、院校教育培训等领域。
本发明解决上述问题所采用的技术方案是 一种基于多Agent技术的智能决策仿真实验 系统(IDSES)，它是一个基于互联网的、集成化的预测与决策一体化智能仿真系统；
(1) 所述智能决策仿真实验系统包括规划子系统、评估子系统、决策子系统、博弈子 系统四个功能子系统；
(2) 所述各功能子系统具有四层多Agent系统结构(MAS),即职能层MAS、作业层MAS, 通信层MAS、资源层MAS;
(3) 所述规划子系统，其功能是利用该仿真实验平台进行智能机器规划或人工规划提 出决策方案；职能层MAS包括人机界面Agent、解释Agent、人工干预Agent、约束Agent、 推理Agent;，作业层MAS包括规划Agent、任务Agent、项目Agent、作业Agent、信息 Agent、自然语言处理Agent、仿真Agent、图形模拟Agent;通信层MAS包括通信Agent; 资源层MAS包括素材库管理Agent、知识库管理Agent 、逻辑库管理Agent 、范例/对策库 管理Agent、远程数据挖掘Agent;
(4) 所述评估子系统，其功能是利用该仿真实验平台对决策预案进行智能评估提出改进意见；职能层MAS包括人机界面Agent、解释Agent、人工干预Agent;作业层MAS包括 评估Agent、自然语言处理Agent、仿真Agent、图形模拟Agent;通信层MAS包括通信Agent; 资源层MAS包括素材库管理Agent、知识库管理Agent、逻辑库管理Agent、范例/对策库 管理Agent、远程数据挖掘Agent;
(5) 所述决策子系统，其功能是利用该仿真实验平台对多个决策预案进行智能分析选 择最满意方案；职能层MAS包括人机界面Agent、解释Agent、人工干预Agent;作业层MAS 包括决策分析Agent、自然语言处理Agent、仿真Agent、图形模拟Agent;通信层MAS包 括通信Agent;资源层MAS包括素材库管理Agent、知识库管理Agent、逻辑库管理Agent、 范例/对策库管理Agent、远程数据挖掘Agent;
(6) 所述博弈子系统，其功能是利用该仿真实验平台进行智能人机博弈或智能联机博 弈以检验决策的竞争力；职能层MAS包括人机界面Agent、解释Agent、人工干预Agent; 作业层MAS包括博弈Agent 、策略Agent 、项目Agent 、作业Agent 、信息Agent 、目标Agent 、 自然语言处理Agent、仿真Agent、图形模拟Agent;通信层MAS包括通信Agent;资源层 MAS包括素材库管理Agent、知识库管理Agent 、逻辑库管理Agent 、对策库管理Agent 、 远程数据挖掘Agent;
(7) 所述各子系统职能层MAS，用以履行系统上层职能
人机界面Agent:反应型，用来获取信息，向用户提供结论，请求用户输入必要信息，包 括输入输出控制模块、通信模块、行为感知模块、1/0算法数据库及Agent状态表和Agent字典;
解释Agent:混合型，用来对实验结果进行必要的、合理的对运行过程的解释，把结果反 馈给人机界面Agent输出给用户，包括解释生成器、结论控制模块、通信模块、行为感知模块、 解释算法数据库以及Agent状态表和Agent字典；
人工干预Agent:反应型，用于在资源不足时，启动相应的程序，由用户干预处理，包括 程序调用控制模块、通信模块、行为感知模块、调用算法数据库；
约束Agent:反应型，用于解决决策实验过程的约束满足，主要解决常识性和约定的约束， 包括约束控制模块、通信模块、行为感知模块、约束算法数据库以及约束条件表和Agent字典；
推理Agent:即推理机，混合型，依靠专家知识与策略对机器规划方案进行事实推论， 向规划Agent提出改进意见，包括问题推理器、规则控制模块、通信模块、行为感知模块、 推理算法数据库以及规则集和Agent字典；
(8) 所述各子系统作业层MAS，用以实现系统核心业务操作功能
规划Agent:混合型，用来接受用户的规划实验请求，建立规划约束、规划模型和规划域，集成各任务Agent的规划结果，形成总规划案，包括任务规划器、决策与智能控制模块、通信 模块、行为感知模块、规划算法数据库以及Agent状态表和Agent字典；
评估Agent:混合型，用来接受用户的评估实验请求，建立评估指标体系和测试集，对决 策方案用户关心的目标进行比较评价和逻辑推理评价，形成评价方案，包括方案评价模块、 评估控制模块、通信模块、行为感知模块、评估算法数据库以及Agent状态表和Agent字典；
决策分析Agent;混合型，用来接受用户的决策分析实验请求，建立决策约束、目标模型 和选择机制，比较分析用户提交的各类方案，形成决策意见，包括方案比较模块、决策分析 控制模块、通信模块、行为感知模块、决策算法数据库以及Agent状态表和Agent字典；
博弈Agent:混合型，用来接受用户的博弈实验请求，建立裁判模型、推理机制和博弈约 束，裁决用户提交的各种方案，形成博弈结果，包括策略生成器、裁决与智能控制模块、通 信模块、行为感知模块、博弈算法数据库以及Agent状态表和Agent字典；
任务Agent:混合型，根据各项目Agent能力和状态进行问题分解，把任务分配给相应的项 目Agent，同时收集项目Agent的规划子案反馈给规划Agent,包括项目规划器、决策与智能控 制模块、通信模块、行为感知模块、规划算法数据库以及Agent状态表和Agent字典；
目标Agent:反应型，用于在网络上寻找联机博弈目标及其策略并反馈给博弈Agent，包 括目标搜索控制模块、通信模块、行为感知模块、搜索算法数据库以及路由表和Agent字典；
策略Agent:混合型，作用同任务Agent,只是受控和传递对象不同，结果形式不同，包括 项目规划器、决策与智能控制模块、通信模块、行为感知模块、规划算法数据库以及Agent 状态表和Agent字典；
项目Agent:混合型，多个，是完成实验任务的主体，承担具体实验任务，可衍生出下一 层作业Agent,包括作业规划器、决策与智能控制模块、通信模块、行为感知模块、规划算法 数据库以及Agent状态表和Agent字典；
作业Agent:混合型，多个，是完成实验任务的基础单元，根据所得到的子问题和参数， 利用相关信息生成基础实验结果并反馈给项目Agent，包括子问题求解器、求解与智能控制模 块、通信模块、行为感知模块、求解算法数据库以及Agent状态表和Agent字，；
信息Agent:反应型，多个，负责收集上一级Agent所需的各类信息并反馈，可能需多个 信息Agent以完成不同的任务并进行协商和合作，包括信息采集控制模块、通信模块、行为感 知模块、采集算法数据库以及Agent状态表和Agent字典；
自然语言处理Agent:混合型，用来处理用户在实验系统界面输入的和系统输出的大规模 真实文本，进行信息检索过滤和信息抽取，转换成系统识别的简洁的规范数据以待核心Agent 处理，包括语言处理模块、信息识别与智能控制模块、通信模块、行为感知模块、识别算法数据库、语料库以及专有词汇表和Agent字典；
仿真Agent:反应型，用来将规范化决策方案进行数学仿真、计算和逻辑推理仿真并输出 结果，包括仿真控制模块、通信模块、行为感知模块、仿真算法数据库及函数表和Agent字典;
图形模拟Agent:反应型，用来将仿真过程用适当的图形(二维、三维)可视化模拟， 同时具有空间参数和行为参数计算功能，包括图形模拟控制模块、通信模块、行为感知模块、 动作算法数据库以及函数表和Agent字典；
(9) 所述各子系统通信层MAS，只有通信Agent，反应型，用以实现数据排队，提供Agent 的注册，基于消息的通信，为消息提供者提供匹配，解释处理等功能，包括通信服务器、消 息发送模块、行为感知模块、通信算法数据库以及注册表和路由表；
(10) 所述各子系统资源层MAS，用以实现系统底层数据管理功能； 素材库管理Agent:反应型，负责素材库管理维护、素材组合和运行，包括素材分类与调
用控制模块、通信模块、行为感知模块、分类与调用算法数据库以Agent状态表和Agent字典;
知识库管理Agent:混合型，负责知识库的维护、知识比较更新和基于知识的推理工作， 包括知识比较更新模块、知识分类与调用控制模块、基于知识的推理模块、通信模块、行为 感知模块、比较算法数据库、分类与调用算法数据库以及Agent状态表和Agent字典；
逻辑库管理Agent:混合型，负责逻辑库的维护、逻辑调用、逻辑匹配和基于逻辑的推理 工作，包括逻辑比较更新模块、逻辑分类与调用控制模块、基于逻辑的推理模块、通信模块、 行为感知模块、比较算法数据库、分类与调用算法数据库以及Agent状态表和Agent字典；
范例/对策库管理Agent:混合型，负责范例/对策库的检索、匹配、修改、复用等基于范 例推理的相应功能，包括范例/对策比较更新模块、范例/对策分类与调用控制模块、通信模 块、行为感知模块、比较算法数据库、分类与调用算法数据库以及Agent状态表和Agent字典;
远程数据挖掘Agent:混合型，负责本地数据缺乏时进行远程数据获取、数据较验和数据 冲突及冗余消解，包括数据评价与校验模块、数据挖掘控制模块、通信模块、行为感知模块、 KDD构件库以及网络资源检索和Agent字典；
(11 )所述反应型Agent:通过感知环境变化做出相应反应动作，用五元组表示Agent:: =<Aid， P， A， see, action>,其中，Aid是某个具体Agent的标识；A表示Agent行为集； P表示Agent视觉状态集；see, action用于刻画Agent内部观察过程和行为决策过程；
(12)所述混合型Agent:结构分为两层，底层是反应层，不采用符号表示和推理，可 快速响应并处理外部环境的突发性变化，通常具有较高的优先级；高层采用传统人工智能方 法进行规划、推理和决策，用十一元组表示Agent : : =<Aid， P， A， R, Dva， Dar， Rule,see next, estimate, action〉，其中，R表示Agent所有可能行动方案对应的所有可能结 果状态所构成的集合；Dva表示视觉状态与方案集的对应规则集；Dar表示方案集与结果状态 之间的对应关系；Rule是具体的决策法则构成的集合；next用于刻画Agent内部的思维过程； estimate表示选定方案集，根据方案与结果状态集的对应规则库，确定可能的结果状态。其 它元素含义与反应型Agent相同。
(13) 所述智能决策仿真实验系统包括素材库、范例/对策库、知识库、逻辑库等四类 本地数据库；素材库用以存储和提供图形模拟所需要的图形素材；知识库用以存储和提供实 验所需要的专家知识、实验规则、管理知识和情报数据；逻辑库用以存储和提供实验所需要 的作业逻辑、推理逻辑、解释逻辑等；范例/对策库用以存储和提供实验成功范例/对策和实 验所需要的相同或相似案例/对策。
(14) 所述智能决策仿真实验系统运用数学模型仿真、二维图形仿真、三维模型仿真、 逻辑推理仿真4种仿真实验方法；数学模型仿真，是将问题抽象和简化，建立数学模型，通 过求解过程进行行为仿真，从而预测结果；数学模型仿真可以和图形仿真、逻辑推理相结合; 二维图形仿真，是利用机器或人工建立，以动态平面图形仿真表现行为过程，从而观测过程 并计算结果；三维模型仿真，是利用机器或人工建立，以动态三维图形仿真全方位表现行为 过程，从而观测过程并计算结果；逻辑推理仿真，是将问题和环境参数交给专家知识，利用 推理机制和算法预测过程和结果，通常与数学模型仿真相结合。
本发明的意义在于1)是管理实验方法论、系统仿真技术和辅助决策在理论、方法、 技术和功能上的整合和突破。2)建立了一个具有通用性、开放性、可扩展性、可复用的，基 于多Agent技术的预测与决策一体化智能仿真实验系统模型。3)开发一套功能强大的、易用 的、集成的、可视化的、低成本的、计算与求解能力卓越地高智能化决策仿真实验软件系统。 4)首次将异构Agent及其群体协作引入决策支持系统，大幅度提高了智能水平；首次将预测 与决策技术集成处理，大幅度提高了决策的科学性；首次将云计算商业模式运用于辅助决策， 大幅度提高了决策的时效性。5)构建智能决策仿真实验系统的体系结构，不仅改变了现有仿 真系统的运行机制，更改变了现有智能决策支持系统的构造方法和运行机制。6)智能决策仿 真实验系统的设计与开发将传统的为运作管理而设计的系统仿真技术提高到了战略管理层 面，并将一直以来独立存在且缓慢发展的我国管理实验研究带入了互联网和智能体时代，同 时也将引起系统工程界对管理决策问题交叉领域更广泛的研究。
下面结合附图和实施例对本发明作进一步说明。200910013045.1
图1是本发明设计的智能决策仿真实验系统(IDSES)结构示意图。
图2是本发明设计的IDSES四层Agent体系结构示意图。
图3是本发明设计的IDSES规划子系统工作流程图。
图4是本发明设计的IDSES评估子系统工作流程图。
图5是本发明设计的IDSES决策子系统工作流程图。
图6是本发明设计的IDSES博弈子系统工作流程图。
图7是本发明设计的职能层MAS人机界面Agent结构与功能示意图
图8是本发明设计的职能层MAS解释Agent结构与功能示意图
图9是本发明设计的职能层MAS人工干预Agent结构与功能示意图
图10是本发明设计的职能层MAS约束Agent结构与功能示意图
图11是本发明设计的职能层MAS推理Agent结构与功能示意图
图12是本发明设计的作业层MAS规划Agent结构与功能示意图
图13是本发明设计的作业层MAS评估Agent结构与功能示意图
图14是本发明设计的作业层MAS决策分析Agent结构与功能示意图
图15是本发明设计的作业层MAS博弈Agent结构与功能示意图
图16是本发明设计的作业层MAS任务Agent结构与功能示意图
图17是本发明设计的作业层MAS目标Agent结构与功能示意图
图18是本发明设计的作业层MAS策略Agent结构与功能示意图
图19是本发明设计的作业层MAS项目Agent结构与功能示意图
图20是本发明设计的作业层MAS作业Agent结构与功能示意图
图21是本发明设计的作业层MAS信息Agent结构与功能示意图
图22是本发明设计的作业层MAS自然语言处 Agent结构与功能示意图
图23是本发明设计的作业层MAS仿真Agent结构与功能示意图
图24是本发明设计的作业层MAS图形模拟Agent结构与功能示意图
图25是本发明设计的通信层MAS通信Agent结构与功能示意图
图26是本发明设计的资源层MAS素材库管理Agent结构与功能示意图
图27是本发明设计的资源层MAS知识库管理Agent结构与功能示意28是本发明设计的资源层MAS逻辑库管理Agent结构与功能示意图 图29是本发明设计的资源层MAS范例/对策库管理Agent结构与功能示意图
图30是本发明设计的资源层MAS远程数据挖掘Agent结构与功能示意图
具体实施例方式
如图1所示，为本发明设计的系统结构图。IDSES由四个子系统组成，每个子系统通过 四层MAS实现预定功能。系统所需数据存储在四个数据库中，用户登录系统界面根据需要选 择进入不同的子系统进行操作，数据在各子系统间共享。当数据不足时，系统发起远程数据 挖掘进程，从Internet获取所需数据；当系统发生大规模并行计算需求时，可通过Internet 利用云计算资源提高求解效率。
如图2所示，为本发明设计的四层Agent体系结构示意图。多个异构Agent根据功能需 要和交互需要被分成四个层次。在四个功能子系统中职能层包括了5种Agent，是与用户最 接近的上层表现机构，用于建立人机互动进行和结论辅助修正工作，直接表现了系统的职能; 作业层包括了 13种Agent,是系统的中层核心执行机构，对于用户来说是透明的，它们上层 问题指令，通过通信中介从资源层获得数据进行一系列求解过程然后将最终结构反馈给职能 层；通信层只有通信Agent,是系统的中层通信中枢，主要用来传递消息与数据并进行Agent 注册，保证多Agent系统中通信与数据传递的有序性和有效性；资源层包括6种Agent，是 系统的底层资源管理机构，用于数据的获取、更新、提交及海量数据的分析和识别，保证数 据频繁调用过程的准确性。
如图3所示，为本发明设计的规划子系统工作流程图。其具体步骤如下-
步骤l，用户需制定一个方案，通过人机界面登录规划子系统，选择机器规划或人工规 划，规划子系统各Agent向通信Agent注册；如果选择了机器规划，则在输入界面选择结构 化文本输入或非结构化文本输入问题和参数；如果选择了人工规划，则在输入界面进行文本 描述问题和参数或利用系统提供的图形素材在图形建模平台进行图形建模并描述问题逻辑；
步骤2，输入的信息通过自然语言处理Agent进行信息过滤和关键词句抽取，转换成系 统识别的标准数据；
步骤3，如果选择的是机器规划，标准数据将直接传递给任务Agent,任务Agent首先通 过通信Agent向范例库査询相应解，以求效率最高，通信Agent进行消息排队和转发；
步骤4，范例库管理Agent收到通信Agent转发的消息后向范例库査询相应范例，若范 例不存在则返回空值给通信Agent,通信Agent转发此消息给任务Agent;若范例存在则将其
提交给自然语言处理Agent;自然语言处理Agent收到范例进行处理并将数据交给通信Agent;步骤5，在机器规划路线中，若范例Agent返回空值，则任务Agent根据用户问题和参 数的性质及各项目Agent的能力进行任务分解，并收集各项目Agent的子任务解形成问题解， 然后提交给规划Agent;如果选择的是人工规划，标准数据将传递给规划Agent;
步骤6，在机器规划路线中，项目Agent领受任务Agent分配的子任务，根据任务难度 和工作量决定与其它项目Agent协作或进一步将子任务分解成作业题目交给作业Agent并收 集作业Agent提交的题目解形成子任务解提交给分配给自己子任务的任务Agent;
步骤7，在机器规划路线中，作业Agent领受作业题目并根据作业题目需要的数据向信 息Agent发出数据需求消息，得到数据后根据求解算法计算作业题目解，并将解提交给分配 给自己作业题目的项目Agent;
步骤8，在机器规划路线中，信息Agent收到数据需求的消息后向通信Agent发送所需 数据参数，通信Agent将此消息转发给知识库管理Agent和逻辑库管理Agent;
步骤9,在机器规划路线中，知识库管理Agent和逻辑库管理Agent收到数据需求的消 息后向知识库和逻辑库査询所需数据，若所需数据存在则通过通信Agent转发提交给信息 Agent,信息Agent将得到的数据提交给向自己发出请示的作业Agent;若所需数据不存在则 知识库管理Agent和/或逻辑库管理Agent向远程数据挖掘Agent发出数据短缺的消息；
步骤10，在机器规划路线中，远程数据挖掘Agent收到数据短缺的消息后发起数据挖掘 进程通过局域网或互联网进行知识发现，若所需数据能够找到则将其提交给通信Agent并存 入相应的数据库，若所需数据不能找到则将消息提交给人工干预Agent;
步骤11，在机器规划路线中，人工干预Agent收到数据挖掘为空的消息后启动编辑器和 /或编译器程序，由使用者或专业人员进行人工知识、逻辑的补充，并将编好的数据通过通信 Agent提交给信息Agent,同时存入相应的数据库；
步骤12，规划Agent根据现有规划原则和规划域的方法对人工规划方案进行规范形成标 准规划方案或将机器规划问题解形成标准规划方案，该方案提交给约束Agent;
步骤13，约束Agent根据用约束算法和用户设定的约束条件对规划方案进行约束分析， 或方案符合则提交给仿真Agent,若方案不符合则将此消息和方案提交给推理Agent;
步骤14,推理Agent根据相应推理算法和专家知识、逻辑对方案进行推理分析并提出改 进意见提交给规划Agent;
步骤15，规划Agent收到相应意见后对方案进行修正再次进行约束比对，符合条件的方 案将被提交给仿真Agent;步骤16，仿真Agent收到规划方案根据仿真算法进行规划实施过程仿真并计算出结果， 若用户决定不需要图形模拟，则方案和仿真结果一并提交给解释Agent,若用户决定需要进 行图形模拟，则方案提交给图形模拟Agent;
步骤17，图形模拟Agent收到需要模拟的方案后通过通信Agent向素材库管理Agent 发出素材需求，素材库管理Agent收到需求消息后向素材库查询所需素材，若素材存在则通 过通信Agent提交给图形模拟Agent,若素材不存在则向远程数据挖掘Agent发出数据短缺 的消息，进程同知识和逻辑数据短缺请求过程；
步骤18，图形模拟Agent得到所需素材后根据规划方案和相应的动作算法进行二维或三 维图形动态模拟展示同时将模拟过程传递给解释Agent;
步骤19，解释Agent收到仿真结果和/或图形模拟过程后根据解释算法和专家知识对最 终方案进行文字解释，将规划方案和伴随解释输出给人机界面Agent同时存入范例库，然后 反馈给用户。
如图4所示，为本发明设计的评估子系统工作流程图，其具体步骤如下
步骤l，用户通过人机界面登录评估子系统，评估子系统各Agent向通信Agent注册； 用户在输入界面选择结构化文本输入预案或非结构化文本输入预案或利用系统提供的图形素 材在图形建模平台进行图形建模并描述预案逻辑；
步骤2,输入的预案通过自然语言处理Agent进行信息过滤和关键词句抽取，转换成系 统识别的标准数据并提交给仿真Agent;
步骤3，仿真Agent收到预案根据仿真算法进行预案实施过程仿真并计算出结果，若用 户决定不需要图形模拟，则预案和仿真结果一并提交给评估Agent,若用户决定需要进行图 形模拟，则方案提交给图形模拟Agent;
步骤4，图形模拟Agent收到需要模拟的预案后通过通信Agent向素材库管理Agent发 出素材需求，素材库管理Agent收到需求消息后向素材库査询所需素材，若素材存在则通过 通信Agent提交给图形模拟Agent,若素材不存在则向远程数据挖掘Agent发出数据短缺的 消息，进程同规划子系统的知识和逻辑数据短缺过程；
步骤5，图形模拟Agent得到所需素材后根据预案的组成成份、逻辑和相应动作算法进 行二维或三维图形动态模拟展示同时将模拟过程传递给评估Agent;
步骤6，评估Agent收到预案仿真过程和结果后，根据专家知识和用户约束条件进行预 案评价，并结合评估算法、专家知识和用户目标计算出更优解，形成评估意见交给解释Agent;评估Agent所需知识、逻辑直接通过通信Agent向底层资源管理MAS索取，底层数据査询与 提交过程与规划子系统步骤12至步骤15相同；
步骤7，解释Agent收到预案评估意见后根据解释算法和专家知识对预案和评估意见进 行文字解释，将评估意见和伴随解释输出给人机界面Agent并存入范例库，然后反馈给用户。
如图5所示，为本发明设计的决策子系统工作流程图，其具体步骤如下
步骤l，用户通过人机界面登录决策子系统，决策子系统各Agent向通信Agent注册； 用户在输入界面选择结构化文本输入或非结构化文本依次输入2个以上预案或利用系统提供 的图形素材在图形建模平台进行图形建模并描述各个预案的逻辑；
步骤2，输入的每个预案依次通过自然语言处理Agent进行信息过滤和关键词句抽取， 转换成系统识别的标准数据并提交给仿真Agent;
步骤3，仿真Agent收到各预案根据仿真算法对每个预案依次进行实施过程仿真并计算 出结果，若用户决定不需要图形模拟，则各预案及其仿真结果一并提交给决策分析Agent, 若用户决定需要进行图形模拟，则每个预案依次提交给图形模拟Agent;
步骤4，图形模拟Agent收到需要模拟的各个预案后通过通信Agent向素材库管理Agent 发出素材需求，素材库管理Agent收到需求消息后向素材库査询所需素材，若素材存在则通 过通信Agent提交给图形模拟Agent,若素材不存在则向远程数据挖掘Agent发出数据短缺 的消息，进程同规划子系统的知识和逻辑数据短缺过程；
步骤5，图形模拟Agent得到所需素材后根据每个预案的组成成份、逻辑和相应的动作 算法进行二维或三维图形动态模拟展示同时将模拟过程依次传递给决策分析Agent;
步骤6，决策分析Agent收到各预案仿真过程和结果后，根据专家知识和用户约束条件 进行各预案比较分析，同时结合决策算法、专家知识和用户目标计算出最优解，形成决策分 析意见提交给解释Agent;决策分析Agent所需知识、逻辑直接通过通信Agent向底层资源 管理MAS索取，底层数据査询与提交过程与规划子系统步骤12至步骤15相同；
步骤7，解释Agent收到对各预案的决策分析意见后根据解释算法和专家知识对各预案 和决策分析意见进行文字解释，将决策分析意见和伴随解释输出给人机界面Agent同时存入 范例库，然后反馈给用户。
如图6所示，为本发明设计的博弈子系统工作流程图，其具体步骤如下
步骤l,用户需要检验决策的可行性和竞争力，通过人机界面登录博弈子系统，选择人 机博弈或联机博弈，博弈子系统各Agent向通信Agent注册；无论哪种博弈，在输入界面以半结构化文本输入问题加参数，以结构化或非结构化文本输入策略；
步骤2，输入的信息通过自然语言处理Agent进行信息过滤和关键词句抽取，转换成系 统识别的标准数据；
步骤3，标准数据将直接传递给博弈Agent,如果用户选择的是人机博弈，则博弈Agent 将用户问题、参数和策略生成对策求解信息，首先通过通信Agent向对策库查询相应解，以 求效率最高，通信Agent进行消息排队和转发；
步骤4，对策库管理Agent收到通信Agent转发的消息后向对策库查询相应对策，若对 策不存在则返回空值给通信Agent,通信Agent转发此消息给博弈Agent;若对策存在则将其 提交给自然语言处理Agent;
步骤5，自然语言处理Agent收到对策进行信息处理，处理后的数据交给通信Agent, 通信Agent将此数据转发给博弈Agent;
步骤6，在人机博弈路线中，若对策库管理Agent返回空值，则博弈Agent将对策求解 信息交给策略Agent,策略Agent根据用户问题、参数的性质和策略强度及各项目Agent的 能力进行任务分解，交给选择好的项目Agent并收集各项目Agent的子任务解形成对策解， 然后提交给博弈Agent;在联机博弈路线中，博弈Agent将对策求解信息交给目标Agent,目 标Agent根据用户问题、参数的性质和策略强度及目标搜索算法通过通信Agent向局域网或 广域网寻找预定博弈对象，并将其策略提交给博穽Agent;
步骤7，在人机博弈路线中，项目Agent领受策略Agent分配的子任务，根据任务难度 和工作量决定与其它项目Agent协作或进一步将子任务分解成作业题目交给作业Agent并收 集作业Agent提交的题目解形成子任务解提交给分配给自己子任务的策略Agent;
步骤8，在人机博弈路线中，作业Agent领受作业题目并根据作业题目需要的数据向信 息Agent发出数据需求消息，得到数据后根据求解算法计算作业题目解，并将解提交给分配 给自己作业题目的项目Agent;
步骤9,在人机博弈路线中，信息Agent收到数据需求的消息后向通信Agent发送所需 数据参数，通过通信Agent向底层资源管理MAS索取，底层数据査询与提交过程与规划子系 统步骤12至步骤15相同；
步骤IO，博弈Agent根据当时问题+参数环境、裁决模型和博弈算法，必要时辅以专家 知识推理对用户策略和机器策略或对手策略的展开与实施过程进行关键数据点采集判断和裁 定，将策略实施过程和裁决过程提交给仿真Agent;步骤11，仿真Agent收到双方策略实施过程和裁决过程后根据仿真算法进行策略实施过 程仿真并计算出裁决结果，若用户决定不需要图形模拟，则机器策略或对手策略和仿真结果 一并提交给解释Agent，若用户决定需要进行图形模拟，则提交给图形模拟Agent;
步骤12，图形模拟Agent收到需要模拟的对象后通过通信Agent向素材库管理Agent 发出素材需求，素材库管理Agent收到需求消息后向素材库査询所需素材，若素材存在则通 过通信Agent提交给图形模拟Agent,若素材不存在则向远程数据挖掘Agent发出数据短缺 的消息，进程同规划子系统的知识和逻辑数据短缺过程；
步骤13，图形模拟Agent得到所需素材后根据策略博弈与裁决过程和相应动作算法进行 二维或三维图形动态模拟展示同时将模拟过程传递给解释Agent;
步骤14，解释Agent收到仿真结果和/或图形模拟过程后根据解释算法和专家知识对最 终博弈结果进行文字解释，将机器策略或对手策略、博弈结果和伴随解释输出给人机界面 Agent (同时将机器策略存入对策库)，然后反馈给用户。
如图7所示，为本发明设计的职能层MAS人机界面Agent结构与功能示意图。Agent状态表 中存放其他Agent信息，可以用不确定逻辑描述。Agent字典存放用户定义的规范化概念表示 和解释，人机界面Agent可以据此修正信息的输入输出。输入输出控制模块感知到任务，根据 字典和I/0算法进行输入输出控制，必要时査找Agent状态表，向用户报错或要求修改I/0算法。 通信模块负责人机界面Agent注册及与其它Agent的通信，其它Agent的通信模块功能与此相 同，不再赘述。
如图8所示，为本发明设计的职能层MAS解释Agent结构与功能示意图。Agent状态表中存 放其他Agent信息，可以用不确定逻辑描述。Agent字典存放用户定义的规范化概念表示和解 释，解释Agent可以据此修正解释结论。解释生成器感知到任务，根据字典和逻辑库、知识库 进行解释，必要时査找Agent状态表，掌握全局过程，形成正确解释结论。结论控制模块根据 解释任务和解释算法执行控制功能。如果在解释过程中发现数据短缺或概念模糊，结论控制 模块将向远程数据挖掘Agent发出请求或要求用户更新Agent字典。解释过程可能需用户干预。
如图9所示，为本发明设计的职能层MAS人工干预Agent结构与功能示意图。程序调用控制 模块感知到任务，根据调用算法进行应用程序调用。
如图10所示，为本发明设计的职能层MAS约束Agent结构与功能示意图。约束条件表中存 放约束条件信息，用确定逻辑描述。Agent字典存放用户定义的规范化概念表示和解释，约束 Agent可以据此修正约束条件。约束控制模块感知到任务，査找Agent状态表，根据字典和约 束算法进行约束检验，通信模块负责约束Agent注册及与其它Agent的通信。如图11所示，为本发明设计的职能层MAS推理Agent结构与功能示意图。规则集中存放决 策与实验规划，可用确定逻辑描述。Agent字典存放用户定义的规范化概念表示和解释，推理 Agent可以据此修正推理过程和结论。问题推理器感知到任务，根据字典和逻辑库、知识库进 行推理，必要时査找规划集，形成正确推理意见。规则控制模块根据推理问题和推理算法执 行控制功能，如匹配、冲突消解等。如果在推理过程中发现数据短缺或逻辑混乱，规则控制 模块将向远程数据挖掘Agent发出请求或要求用户更新Agent字典。推理过程可能需用户干预。
如图12所示，为本发明设计的作业层MAS规划Agent结构与功能示意图。Agent状态表中存 放其他Agent信息，如问题求解范围、错误率等，可以用不确定逻辑描述。Agent字典存放用 户定义的规范化概念表示和解释，规划Agent可以据此修正任务规划。任务规划器感知到任务， 根据字典和范例库、逻辑库、知识库进行任务规划，必要时査找Agent状态表，选择合适的任 务或项目Agent以承担相应的子任务，形成完整规划。决策与智能控制模块根据任务规划和规 划算法执行控制功能。如果在规划过程中发现数据短缺，决策与智能控制模块将向远程数据 挖掘Agent发出请求。规划过程中可能需要用户干预。
如图13所示，为本发明设计的作业层MAS评估Agent结构与功能示意图。Agent状态表 中存放其他Agent信息，可以用不确定逻辑描述。Agent字典存放用户定义的规范化概念表 示和解释，评估Agent可以据此修正评估意见。方案评价模块感知到任务，根据字典和逻辑 库、知识库、用户约束条件进行方案评估，必要时査找Agent状态表，掌握充分信息，形成 正确评价。评估控制模块根据方案评价和评估算法执行控制功能。如果在评估过程中发现数 据短缺，评估控制模块将向远程数据挖掘Agent发出请求。评估过程中可能需要用户干预。
如图14所示，为本发明设计的作业层MAS决策分析Agent结构与功能示意图。Agent 状态表中存放其他Agent信息，可以用不确定逻辑描述。Agent字典存放用户定义的规范化 概念表示和解释，决策分析Agent可以据此修正决策分析结论。方案比较模块感知到任务， 根据字典和逻辑库、知识库、用户约束条件进行方案比较，必要时查找Agent状态表，掌握 充分信息，形成正确分析结论。决策分析控制模块根据方案比较和决策算法执行控制功能。 如果在决策分析过程中发现数据短缺，决策分析控制模块将向远程数据挖掘Agent发出请求。 决策分析过程中可能需用户干预。
如图15所示，为本发明设计的作业层MAS博弈Agent结构与功能示意图。Agent状态表 中存放其他Agent信息，如问题求解范围、错误率等，可以用不确定逻辑描述。Agent字典 存放用户定义的规范化概念表示和解释，博弈Agent可以据此修正裁决过程和结论。策略生 成器感知到任务，根据字典和对策库、逻辑库、知识库进行策略生成，必要时査找Agent状态表，选择合适的策略或项目Agent以承担相应的子任务，形成完整策略。裁决与智能控制 模块根据策略生成和博弈算法执行控制功能。如果在博弈过程中发现数据短缺和逻辑混乱， 裁决与智能控制模块将向远程数据挖掘Agent发出请求和/或要求用户更新字典。博弈过程中 可能需要用户干预。
如图16所示，为本发明设计的作业层MAS任务Agent结构与功能示意图。Agent状态表 中存放其他Agent信息，如问题求解范围、错误率等，可以用不确定逻辑描述。Agent字典 存放用户定义的规范化概念表示和解释，任务Agent可以据此修正子任务分配及子任务解合 成。项目规划器感知到任务，根据字典和逻辑库、知识库在规划Agent的控制下进行子任务 分解和解合成，査找Agent状态表，选择合适的项目Agent以承担相应的子任务，形成完整 规划。决策与智能控制模块根据项目规划和规划算法执行控制功能。如果在规划过程中发现 数据短缺，决策与智能控制模块将向远程数据挖掘Agent发出请求。
如图17所示，为本发明设计的作业层MAS目标Agent结构与功能示意图。路由表中存 放局域网或广域网目标路径信息。Agent字典存放用户定义的规范化概念表示和解释，目标 Agent可以据此修正搜索条件和路径。目标搜索控制模块感知到任务，査找路由信息，根据 字典和搜索算法进行目标搜索。
如图18所示，为本发明设计的作业层MAS策略Agent结构与功能示意图。Agent状态表 中存放其他Agent信息，如问题求解范围、错误率等，可以用不确定逻辑描述。Agent字典 存放用户定义的规范化概念表示和解释，策略Agent可以据此修正子任务分配及对策合成。 项目规划器感知到任务，根据字典和逻辑库、知识库在博弈Agent的控制下进行子任务分解 和对策合成，査找Agent状态表，选择合适的项目Agent以承担相应的子任务，形成完整策 略。博弈控制模块根据项目规划和规划算法执行控制功能。如果在策略生成过程中发现数据 短缺，博弈控制模块将向远程数据挖掘Agent发出请求。
如图19所示，为本发明设计的作业层MAS项目Agent结构与功能示意图。Agent状态表 中存放其他Agent信息，可以用不确定逻辑描述。Agent字典存放用户定义的规范化概念表 示和解释，项目Agent可以据此进行子问题求解或进行子问题作业题目分配及解合成。作业 规划器感知到任务，根据字典和逻辑库、知识库在任务Agent的控制下进行作业题目分解和 解合成，必要时査找Agent状态表，选择合适的作业Agent以承担相应的作业题目，形成完 整子问题解。决策与智能控制模块根据作业规划和规划算法执行控制功能。如果在求解过程 中发现数据短缺，决策与智能控制模块将向远程数据挖掘Agent发出请求。
如图20所示，为本发明设计的作业层MAS 业Agent结构与功能示意图。Agent状态表中存放其他Agent信息，可以用不确定逻辑描述。Agent字典存放用户定义的规范化概念表 示和解释，作业Agent可以据此进行和修正子问题求解及解合成。子问题求解器感知到任务， 根据字典和逻辑库、知识库在项目Agent的控制下进行子问题求解和解合成，必要时査找 Agent状态表，选择合适的作业Agent以协作完成问题求解，形成完整子问题解。求解与智 能控制模块根据子问题求解和求解算法执行控制功能。如果在求解过程中发现数据短缺，求 解与智能控制模块将向远程数据挖掘Agent发出请求。
如图21所示，为本发明设计的作业层MAS信息Agent结构与功能示意图。Agent状态表中存 放其他Agent信息，可以用不确定逻辑描述。Agent字典存放用户定义的规范化概念表示和解 释，信息Agent可以据此修正信息数据格式和表达方式。信息采集控制模块感知到任务，根据 字典和采集算法进行信息査询和收集，必要时査找Agent状态表，与其它信息Agent协作，形 成完整信息数据。
如图22所示，为本发明设计的作业层MAS自然语言处理Agent结构与功能示意图。专有 词汇表中存放行业专有词汇信息。Agent字典存放用户定义的规范化语法表示和歧义解释， 自然语言处理Agent可以据此修正信息检索和关键词抽取等处理过程。语言处理模块感知到 任务，根据字典和语料库、逻辑库、知识库进行自然语言文本处理，抽取关键信息形成标准 化数据，必要时査找专有词汇表，选择合适的词汇，形成正确处理结果。信息识别与智能控 制模块根据语言处理和识别算法执行控制功能，如纠错、歧义分析、信息不足提示等。如果 在语言处理过程中发现数据短缺或识别困难，信息识别与智能控制模块将向远程数据挖掘 Agent和/人工干预Agent发出请求。自然语言处理过程可能需要用户干预。
如图23所示，为本发明设计的作业层MAS仿真Agent结构与功能示意图。函数表中存放函 数表达式及其属性。Agent字典存放用户定义的规范化概念表示和解释，仿真Agent可以据此 修正仿真过程。仿真控制模块感知到任务，根据字典和仿真算法进行方案的过程仿真并提交 仿真结果，必要时査找函数表，选择合适的函数构造仿真模型，形成正确仿真结论。
如图24所示，为本发明设计的作业层MAS图形模拟Agent结构与功能示意图。函数表中存 放图形建模函数及其属性，图形模拟Agent可以据此建立图形方案框架和相互关系。Agent字 典存放用户定义的规范化概念表示和解释，图形模拟Agent可以据此修正角色及其动作轨迹。 图形模拟控制模块感知到任务，根据字典和动作算法进行方案的动态图形化模拟展示。
如图25所示，为本发明设计的通信层MAS通信Agent结构与功能示意图。注册表中存 放所有Agent的注册信息，可以用确定逻辑描述，通信Agent可据此识别和查找目标Agent 的信息。路由表存放转发信息排队状态和路径占用状态，通信Agent可以据此迅速找到合适
路径进行信息转发。通信服务器感知到信息，根据注册表、路由表和通信算法进行信息转发，消息发送模块负责数据包发送。
如图26所示，为本发明设计的资源层MAS素材库管理Agent结构与功能示意图。Agent 状态表中存放其他Agent信息，可以用不确定逻辑描述。Agent字典存放用户定义的规范化 概念表示和解释，素材库管理Agent可以据此修正素材的分类方式和存储管理策略。素材分 类与调用控制模块感知到任务，根据字典和分类与调用算法进行素材的调用、存储分类，数 据短缺或失效时査找Agent状态表，启动数据挖掘、人工干预和冗余清理进程，此过程可能 需要与用户交互。
如图27所示，为本发明设计的资源层MAS知识库管理Agent结构与功能示意图。Agent 状态表中存放其他Agent信息，可以用不确定逻辑描述。Agent字典存放用户定义的规范化 概念表示和解释，知识库管理Agent可以据此进行基于知识的推理和修正知识分类方式、存 储策略、推理逻辑。知识分类与调用控制模块感知到任务，根据分类与调用算法数据库进行 知识的调用、分类存储，并与知识比较更新模块交互，以保证知识的新鲜度。知识比较更新 模块根据字典和比较算法对存入知识库的数据执行基于时间和用户解释的比较功能，在知识 短缺和失效时査找Agent状态表，启动数据挖掘、人工干预和冗余清理进程，此过程可能需 要与用户交互。基于知识的推理模块与Agent字典、知识比较更新模块循环交互，保证知识 和字典的自我更新，并将基于知识的推理过程与结论作为新知识存入知识库。
如图28所示，为本发明设计的资源层MAS逻辑库管理Agent结构与功能示意图。Agent 状态表中存放其他Agent信息，可以用不确定逻辑描述。Agent字典存放用户定义的规范化 概念表示和解释，逻辑库管理Agent可以据此进行基于逻辑的推理和修正逻辑分类方式、存 储策略、推理原则。逻辑分类与调用控制模块感知到任务，根据分类与调用算法数据库进行 逻辑的调用、分类存储，并与逻辑比较更新模块交互，以保证逻辑的先进性与适用性。逻辑 比较更新模块根据字典和比较算法对存入逻辑库的数据执行基于时间和用户解释的比较功 能，在逻辑短缺和失效时查找Agent状态表，启动数据挖掘、人工干预和冗余清理进程，此 过程可能需要与用户交互。基于逻辑的推理模块与Agent字典、逻辑比较更新模块循环交互, 保证逻辑和字典的自我更新，并将基于逻辑的推理过程与结论作为新逻辑存入逻辑库。
如图29所示，为本发明设计的资源层MAS范例/对策库管理Agent结构与功能示意图。 Agent状态表中存放其他Agent信息，可以用不确定逻辑描述。Agent字典存放用户定义的规 范化概念表示和解释，范例/对策库管理Agent可以据此修正范例/对策分类方式、存储策略、 比较条件。范例/对策分类与调用控制模块感知到任务，根据分类与调用算法数据库进行范例 /对策的调用、分类存储，并与范例/对策比较更新模块交互，以保证范例/对策的新鲜度。范例/对策比较更新模块根据字典和比较算法对存入范例/对策库的数据执行基于时间和用户解 释的比较功能，在范例/对策短缺和失效时査找Agent状态表，启动数据挖掘、人工干预和冗 余清理进程，此过程可能需要与用户交互。
如图30所示，为本发明设计的资源层MAS远程数据挖掘Agent结构与功能示意图。网 络资源检索中存放云计算资源和网络节点数据的资源信息，，远程数据挖掘Agent可以据此迅 速定位目标范围。Agent字典存放用户定义的规范化概念表示和解释，远程数据挖掘Agent 可以据此修正数据挖掘过程。数据挖掘控制模块感知到任务，根据数据类型从KDD构件库中 调用合适的构件，经通信Agent接入Internet进行远程数据挖掘。当获取一条数据后，Agent 启动数据评价与较验模块根据字典对所获取的数据及相关数据库进行检査，找出并消解冗余 和冲突，此过程可能需要与用户交互。对不同类型的数据需要不同的KDD算法，采用知识发 现构件库机制，将各种知识发现算法做成构件存放在构件库中，由数据挖掘控制模块根据数 据类型从构件库中调用。
权利要求
1、一种基于多Agent技术的智能决策仿真实验系统(IDSES)，它是一个基于互联网的、集成化的预测与决策一体化智能仿真系统；其特征是(1)所述智能决策仿真实验系统包括规划子系统、评估子系统、决策子系统、博弈子系统四个功能子系统；(2)所述各功能子系统具有四层多Agent系统结构(MAS)，即职能层MAS、作业层MAS，通信层MAS、资源层MAS；(3)所述规划子系统，其功能是利用该仿真实验平台进行智能机器规划或人工规划提出决策方案；职能层MAS包括人机界面Agent、解释Agent、人工干预Agent、约束Agent、推理Agent；，作业层MAS包括规划Agent、任务Agent、项目Agent、作业Agent、信息Agent、自然语言处理Agent、仿真Agent、图形模拟Agent；通信层MAS包括通信Agent；资源层MAS包括素材库管理Agent、知识库管理Agent、逻辑库管理Agent、范例/对策库管理Agent、远程数据挖掘Agent；(4)所述评估子系统，其功能是利用该仿真实验平台对决策预案进行智能评估提出改进意见；职能层MAS包括人机界面Agent、解释Agent、人工干预Agent；作业层MAS包括评估Agent、自然语言处理Agent、仿真Agent、图形模拟Agent；通信层MAS包括通信Agent；资源层MAS包括素材库管理Agent、知识库管理Agent、逻辑库管理Agent、范例/对策库管理Agent、远程数据挖掘Agent；(5)所述决策子系统，其功能是利用该仿真实验平台对多个决策预案进行智能分析选择最满意方案；职能层MAS包括人机界面Agent、解释Agent、人工干预Agent；作业层MAS包括决策分析Agent、自然语言处理Agent、仿真Agent、图形模拟Agent；通信层MAS包括通信Agent；资源层MAS包括素材库管理Agent、知识库管理Agent、逻辑库管理Agent、范例/对策库管理Agent、远程数据挖掘Agent；(6)所述博弈子系统，其功能是利用该仿真实验平台进行智能人机博弈或智能联机博弈以检验决策的竞争力；职能层MAS包括人机界面Agent、解释Agent、人工干预Agent；作业层MAS包括博弈Agent、策略Agent、项目Agent、作业Agent、信息Agent、目标Agent、自然语言处理Agent、仿真Agent、图形模拟Agent；通信层MAS包括通信Agent；资源层MAS包括素材库管理Agent、知识库管理Agent、逻辑库管理Agent、对策库管理Agent、远程数据挖掘Agent；(7)所述智能决策仿真实验系统包括素材库、范例/对策库、知识库、逻辑库等四类本地数据库；素材库用以存储和提供图形模拟所需要的图形素材；知识库用以存储和提供实验所需要的专家知识、实验规则、管理知识和情报数据；逻辑库用以存储和提供实验所需要的作业逻辑、推理逻辑、解释逻辑等；范例/对策库用以存储和提供实验成功范例/对策和实验所需要的相同或相似案例/对策。
2、据权利要求1所述的智能决策仿真实验系统，其特征是(1) 所述各子系统职能层MAS，用以履行系统上层职能人机界面Agent:反应型，包括输入输出控制模块、通信模块、行为感知模块、1/0算法 数据库以及Agent状态表和Agent字典，用来获取信息，向用户提供结论及解释机制，请求用 户输入必要信息；解释Agent:混合型，包括解释生成器、结论控制模块、通信模块、行为感知模块、解释 算法数据库以及Agent状态表和Agent字典，用来对实验结果进行必要的、合理的对运行过程 的解释，把结果反馈给人机界面Agent输出给用户；人工干预Agent:反应型，包括程序调用控制模块、通信模块、行为感知模块、调用算法 数据库，用于在资源不足时，启动相应的程序，由用户干预处理；约束Agent:反应型，包括约束控制模块、通信模块、行为感知模块、约束算法数据库以 及约束条件表和Agent字典，用于解决决策实验过程的约束满足，主要解决常识性的和约定的 约束问题；推理Agent:即推理机，混合型，包括问题推理器、规则控制模块、通信模块、行为感 知模块、推理算法数据库以及规则集和Agent字典，依靠专家知识与策略对机器规划方案进 行事实推论，向规划Agent提出改进意见；(2) 所述各子系统作业层MAS，用以实现系统核心业务操作功能规划Agent:混合型，包括任务规划器、决策与智能控制模块、通信模块、行为感知模块、 规划算法数据库以及Agent状态表和Agent字典，用来接受用户的规划实验请求，建立规划约 束、规划模型和规划域，集成各任务Agent的规划结果，形成总规划案；评估Agent:混合型，包括方案评价模块、评估控制模块、通信模块、行为感知模块、评 估算法数据库以及Agent状态表和Agent字典，用来接受用户的评估实验请求，建立评估指标 体系和测试集，对决策方案用户关心的目标进行比较评价和逻辑推理评价，形成评价方案；决策分析Agent;混合型，包括方案比较模块、决策分析控制模块、通信模块、行为感知 模块、决策算法数据库以及Agent状态表和Agent字典，用来接受用户的决策分析实验请求， 建立决策约束、目标模型和选择机制，比较分析用户提交的各类方案，形成决策意见；博穽Agent:混合型，包括策略生成器、裁决与智能控制模块、通信模块、行为感知模块、博弈算法数据库以及Agent状态表和Agent字典，用来接受用户的博弈实验请求，建立裁判模 型、推理机制和博弈约束，裁决用户提交的各种方案，形成博弈结果；任务Agent:混合型，包括项目规划器、决策与智能控制模块、通信模块、行为感知模块、 规划算法数据库以及Agent状态表和Agent字典，在规划Agent控制下，根据各项目Agent能力 和状态进行问题分解，把任务分配给相应的项目Agent,同时收集项目Agent的规划子案反馈给 规划Agent;目标Agent:反应型，包括目标搜索控制模块、通信模块、行为感知模块、搜索算法数据 库以及路由表和Agent字典，通过博弈Agent接受问题和参数，在局域网和广域网上寻找联机 博弈目标及其策略并反馈给博穽Agent;策略Agent:混合型，包括项目规划器、决策与智能控制模块、通信模块、行为感知模块、 规划算法数据库以及Agent状态表和Agent字典，作用同任务Agent，只是受控和传递对象不同， 结果形式不同；项目Agent:混合型，包括作业规划器、决策与智能控制模块、通信模块、行为感知模块、 规划算法数据库以及Agent状态表和Agent字典，是完成实验任务的主体，承担具体实验任务， 可衍生出下一层作业Agent;作业Agent:混合型，包括子问题求解器、求解与智能控制模块、通信模块、行为感知模 块、求解算法数据库以及Agent状态表和Agent字典，是完成实验任务的基础单元，根据所得 到的子问题和参数，利用相关信息生成基础实验结果并反馈给项目Agent;信息Agent:反应型，包括信息采集控制模块、通信模块、行为感知模块、采集算法数据 库以及Agent状态表和Agent字典，负责收集上一级Agerit所需的各类信息并反馈，可能需多个 信息Agent以完成不同的任务并进行协商和合作；自然语言处理Agent:混合型，包括语言处理模块、信息识别与智能控制模块、通信模块、 行为感知模块、识别算法数据库、语料库以及专有词汇表和Agent字典，用来处理用户在实验 系统界面输入的和系统输出的大规模真实文本，进行信息检索过滤和信息抽取，转换成系统 识别的简洁的规范数据以待核心Agent处理；仿真Agent:反应型，包括仿真控制模块、通信模块、行为感知模块、仿真算法数据库及 函数表和Agent字典，用来将规范化决策方案进行数学仿真、计算和逻辑推理仿真并输出结果；图形模拟Agent:反应型，包括图形模拟控制模块、通信模块、行为感知模块、动作算 法数据库以及函数表和Agent字典，用来将仿真过程用适当的图形(二维、三维)可视化模 拟，同时具有空间参数和行为参数计算功能；(3)所述各子系统通信层MAS，只有通信Agent，反应型，包括通信服务器、消息发送模块、行为感知模块、通信算法数据库以及注册表和路由表，用以实现数据排队，提供Agent 的注册，基于消息的通信，为消息提供者提供匹配，解释处理等功能； (4)所述各子系统资源层MAS，用以实现系统底层数据管理功能； 素材库管理Agent:反应型，包括素材分类与调用控制模块、通信模块、行为感知模块、 分类与调用算法数据库以及Agent状态表和Agent字典，负责素材库的管理维护、素材组合， 素材运行；知识库管理Agent:混合型，包括知识比较更新模块、知识分类与调用控制模块、基于知 识的推理模块、通信模块、行为感知模块、比较算法数据库、分类与调用算法数据库以及Agent 状态表和Agent字典，负责知识库的维护、知识比较更新和基于知识的推理工作；逻辑库管理Agent:混合型，包括逻辑比较更新模块、逻辑分类与调用控制模块、基于逻 辑的推理模块、通信模块、行为感知模块、比较算法数据库、分类与调用算法数据库以及Agent 状态表和Agent字典，负责逻辑库的维护、逻辑调用、逻辑匹配和基于逻辑的推理工作；范例/对策库管理Agent:混合型，包括范例/对策比较更新模块、范例/对策分类与调用控 制模块、通信模块、行为感知模块、比较算法数据库、分类与调用算法数据库以及Agent状态 表和Agent字典，负责范例/对策库的检索、匹配、修改、复用等基于范例推理的相应功能；远程数据挖掘Agent:混合型，包括数据评价与校验模块、数据挖掘控制模块、通信模块、 行为感知模块、KDD构件库以及网络资源检索和Agent字典，负责本地数据缺乏时进行远程数 据获取、数据较验和数据冲突及冗余消解。
3、据权利要求l或2所述的Agent，其特征是(1) 反应型Agent:通过感知环境变化做出相应的反应动作，用五元组表示Agent:: =<Aid， P， A， see, action>,其中，Aid是某个具体Agent的标识；A表示Agent的行为 集；P表示Agent的视觉状态集；see, action用于刻画Agent内部观察过程和行为决策过程；(2) 混合型Agent:结构分为两层，底层是反应层，不采用符号表示和推理，可快速响 应并处理外部环境的突发性变化，通常具有较高的优先级；高层采用传统人工智能方法进行 规划、推理和决策，用i^一元组表示Agent : : =<Aid， P， A， R， Dva， Dar， Rule, see next, estimate, action>，其中，R表示Agent所有可能行动方案对应的所有可能结果状态所构 成的集合；Dva表示视觉状态与方案集的对应规则集；Dar表示方案集与结果状态之间的对应 关系；Rule是具体的决策法则构成的集合；next用于刻画Agent内部的思维过程；estimate 表示选定方案集，根据方案与结果状态集的对应规则库，确定可能的结果状态。其它元素含 义与反应型Agent相同。
4、据权利要求1或2所述的智能决策仿真实验系统采用4种仿真实验方法，其特征是(1) 数学模型仿真，是将问题抽象和简化，建立数学模型，通过求解过程进行行为仿真，从而预测结果，数学模型仿真可以和图形仿真、逻辑推理相结合；(2) 二维图形仿真，是利用机器或人工建立，以动态平面图形仿真表现行为过程，从 而观测过程并计算结果；(3) 三维模型仿真，是利用机器或人工建立，以动态三维图形仿真全方位表现行为过 程，从而观测过程并计算结果；(4) 逻辑推理仿真，是将问题和环境参数交给专家知识，利用推理机制和算法预测过 程和结果，通常与数学模型仿真相结合。
全文摘要
本发明涉及一种基于多Agent技术的智能决策仿真实验系统。属于计算机仿真、人工智能和管理实验的交叉领域，是管理实验方法论和智能决策支持系统在概念、原理、技术和功能上的突破和发展。它是对现实世界管理活动中的离散事件进行仿真辅助预测与决策的一个大规模实验平台。该方法创造性地将异构Agent及其群体协作作为决策实验和系统仿真的透明化处理主角，构建了4个功能子系统、4层多Agent系统结构、4类本地数据库，运用4种仿真实验方法的预测与决策一体化系统模型。它基于互联网，综合运用了云计算和人工智能的多项新技术，增加了策略博弈、机器规划、知识发现和自建逻辑的功能，具备超强实验能力。本发明是管理实验技术和智能决策支持系统新的发展方向。
文档编号G06Q10/00GK101615265SQ20091001304
公开日2009年12月30日 申请日期2009年8月11日 优先权日2009年8月11日
发明者王立颖, 军 路 申请人:军 路