基于协同Agent个性化智能服务系统的研究与设计

基于协同Agent个性化智能服务系统的研究与设计

姜桦张燕玲

姜桦张燕玲（焦作大学信息工程学院）

摘要：本文对多Agent技术进行了介绍，从个性化服务系统这种应用领域出发对该技术进行了新的改进，提出了一个基于协同Agent的个性化智能服务系统；介绍了系统的组成和运行原理；对系统的核心——协同Agent处理器的构成、运行原理、流程进行了研究与设计。

关键词：多Agent协同Agent智能服务系统

中图分类号：TP311.52文献标识码：A

0引言

随着信息技术和电子商务信息服务平台的建立与应用，企业需要具备更多的销售模式并加入到战略伙伴的供应链上，以提高销售业绩获得更丰厚的利润。同时用户期望获得更加符合个性化需求的服务，电子商务的网络运营商需要不断地改进服务模式和业务流程，来满足用户、供应商和服务商的各种需求。传统企业架构由于技术层与业务层之间不能直接通信，无法满足客户复杂多变的业务需求，而面向用户的个性化智能服务是分布式的智能计算系统。

Agent技术源于分布式人工智能（distributedartificialintelligent，简称DAI）领域。面向Agent方法是在面向对象方法的概念上发展的。建立在人工智能基础上的Agent，能够表达启发式知识，因此面向Agent方法能够较好的解决个性化服务中的很多问题。但由于推荐需求与应用系统之间的差别，推荐系统需要根据Web站点进行定制开发，所以系统移植性差，难以动态有效地管理和维护多个推荐工具和大量数据，但如果定义一组以Agent为核心的概念体系，运用基于多Agent系统的体系结构来理解和认识应用系统，则更能体现自主、个性和智能的自然属性，适用于分布、异构、开放和动态的世界环境，具有更大的灵活性和适应性，从而为企业提供强大的威力和灵活性，本文提出了一种改进的基于协同Agent的个性化智能服务系统。

1基于协同Agent的个性化智能服务系统

协同Agent的个性化智能服务系统框架如图1所示，该系统是一个智能互连环境，它为用户提供资源及所需的知识服务，辅助实现知识创新、协同工作、问题解决和决策支持。其原理是在推荐系统中设置协同Agent处理器，该处理器首先给出一个刻画和分析Agent协作的公共描述框架，然后基于该框架定义了一组协作模型，处理器负责为每个用户设置一个接收用户需求的Agent，然后将需求信息传给合适的协同Agent处理器。模型中，Agent间的交互关系仅仅是请求和服务关系，而且这些Agent是在服务协同Agent管理器中进行协调和控制，即通过协调搜索到一个合适的Agent并向另一个Agent提出服务请求或提供服务。

用户的请求通过协同Agent处理器的处理得到响应。处理器的运作机制是：首先以服务信息为来源，由最相邻的服务Agent负责分析用户的需求，结合用户知识库，在服务系统的服务目录库中寻找最相关的服务，如果没有检索到相关服务，则启动服务智能搜索子系统动态形成新服务，结果注册与服务目录子系统中，存储在应用系统本体数据库中。最后通过服务库管理子系统在虚拟服务社区中调用智能推荐子系统，进行商品知识与用户知识的匹配。

2协同Agent处理器设计与原理分析

多Agent协同管理层是系统的核心部分，协同Agent系统与传统的多Agent系统不同的是，该系统不仅定义了Agent的通信语言、协作目的、交互协议和交互过程，而且在各个协同Agent之上构建一个协同Agent管理器。该管理器接收到服务请求后通过任务调度和搜索，组合功能后将这些任务交由系统中的一组Agent执行，管理器先对各种功能的Agent进行评估，选择最合适的Agent执行任务，当Agent完成任务后将结果反馈给协同Agent处理器。

协同Agent处理器主要负责协调Agent网络，Agent之间通过规定的通信语言、通信协议和通信模型进行交互协作完成服务，交互Agent实现智能化的交互，其中具体的功能包括显式收集服务请求信息、隐式服务请求信息、收集信息以及将推荐结果反馈给用户。交互功能的实现由协同Agent管理器搜索Agent网络，找到最近合适的跟踪Agent和交互Agent完成。当用户登录服务系统或登录服务客户端时，由Agent网络中的跟踪Agent主要实现用户信息的隐式收集，系统自动找到一个跟踪Agent获取用户相关数据提供服务。跟踪Agent将记录用户访问模式的数据记录在用户数据库中，同时控制层与推荐层实时的分析点击流数据来实现策略即相关商品页面的实时推荐和制作个性化用户界面。

Agent协调器是在一组Agent之间进行任务的合理分配、实现合作问题求解。其运行方式是以一个管理者的身份进行，它拥有一组任务并且需要将这些任务交由系统中的Agent执行。为了确保这些任务能够得以成功执行并且获得尽可能高的利益，管理者在将这些任务交给Agent之前需要对Agent执行任务的一些性质进行评估，从而将任务交给最为合适的Agent执行，任务执行完后Agent需要将任务执行的结果反馈给管理者，由管理者对这些结果进行汇总和处理。

Agent协调器主要是基于服务内容搜索算法、基于用户统计信息搜索算法和基于关联规则推荐算法，控制层分析获得的数据类型和用户需求，自动选择合适的服务算法进行推荐服务，控制层由策略Agent和规则库组成。策略Agent接收来自交互层的数据，根据不同的数据类型以及各种推荐算法的适用范围确立算法规则。算法规则有：接收到用户访问页面的点击流数据则采用基于关联规则推荐算法；接收到用户个人资料信息则采用基于用户统计信息推荐算法；接收到用户评分数据则采用协同过滤推荐算法；接收到文本信息则采用基于内容推荐算法。并将这些算法规则储存在服务规则库中。

规则库是存放算法规则的数据库，算法规则用逻辑语言记录在规则库中，便于算法匹配Agent调用。当Agent协调器通过目标Agent确定具体搜索目标后，在Agent网络中搜索相邻的最合适的Agent进行服务，并产生候选Agent序列进行备选。

Agent评估模块实现算法计算和信用评价，主要是根据目标确立的算法规则，从算法库中调用相关服务算法进行计算得出服务结果。在服务结果中再进行汇总和综合处理。

3结束语

本文在分析传统的多Agent智能服务系统的基础上，提出了一种基于协同Agent的个性化智能服务系统，该系统综合了各种服务技术，适应不同应用领域的服务系统，形成一种新型的以服务为中心的网络应用智能系统，将会给传统的智能系统带来极大的变革，特别对于大型的商务推荐系统具有一定的实用价值。

参考文献：

[1]NickJennings,MichaelWooldridge.Softwareagents[J].IEEREVIEQ.1996.(1):17～20.

[2]MichaelNHubns.AgentsasWebservices.IEEEInternetCom

puting.July/Aug.2002.6(4):93～95.

[3]张玉林，陈剑.基于Agent的营销经理信息系统分析.计算机工程与应用.2003(15):8-9.

[4]徐俊萍，翟玉庆.基于Agent的个性化信息服务技术的研究[J].计算机工程与科学.2002（3）.