基于Agent（精选十篇）
基于Agent 篇1
伴随着网络技术、多媒体技术的发展和广泛应用,网络教学蓬勃发展,技术手段也日新月异,如今新的教学观念、教学手段等方面已有了长足的应用和发展。考试作为教学过程中的重要环节,其作用日益被重视,采用计算机实现考试无纸化是必然的趋势。然而,现在的网上考试系统在考试内容和考试形式上,大大滞后于教学的其他环节。
现有的网上考试系统大多基于C/S结构,在C/S模式下的考试系统中,题库放在服务器端,考生在客户端进行考试。在考试过程中,需要在网络上来回传输包括试题内容在内的许多信息,客户端和服务器端要进行很多次的交互,而在交互期间,基本上都要求保持通信连接。这种模式对网络的带宽和稳定性要求较高。当系统的应用量越来越大时,客户机和服务器的频繁交互使带宽浪费很多。而且,系统的可靠性和响应的及时性在很大程度上将依赖于网络的连通性。因此,现有的基于C/S结构的网上考试系统,存在着网络流量大、网络性能差、难以很好地实现人机交互等问题。
而Agent理论与技术作为开发软件系统的新方法已经得到了学术界的广泛关注。Agent模式摆脱了传统C/S模式的框架,能够将发出服务请求的客户端代码动态地移动到服务器端执行,使得Agent不经过网络传输这一中间环节而直接同服务器进行交互,这将显著地降低对网络带宽要求。对网络的依赖性更小,不需要保持网络的始终连通,提高了网络的利用率。可以实现并行求解,为完成某项任务,用户可以创建多个Agent,同时在相同或不同的节点上运行,移动Agent的并行性可将单一节点的负荷分散到网络的多个节点上,这将使得小系统拥有处理大规模、复杂问题的能力,打破了网络通讯的传统模式,在计算机考试中引入Agent技术,可以在硬件上缓解网络压力,软件上提高交互性,实现智能化。
2 Agent技术
Agent理论与技术研究最早源于分布式人工智能,从80年代末开始从中拓展开来,并与其它领域相互借鉴和融合,得到了广泛的发展。可用来解决复杂分布式现实世界问题,开发处于动态的、不确定环境中的、健壮的、大规模的软件系统。现在已广泛应用于网络管理、信息搜索、分布式协同计算、电子商务等领域,成为计算机科学领域的研究热点问题。它主要有以下一些属性:
自主性,具有独立完成用户所赋予任务的能力。Agent一经初始化后,可不受干预直接执行。Agent控制着自己的外部行为和内部状态,可以被授权去做某种决定,完成具体任务。
反应性,是指Agent能够感知操作环境的变化,对环境中发生的相关事件能及时作出理智的反应。
协作性,Agent具有相互协作的能力,可通过协商解决Agent间存在的各种影响和冲突,这是MAS(Multi Agent System)系统顺利工作的关键。
学习性,Agent是一个开放的系统,在实际工作中能够主动适应环境,扩充自身的知识。
通信性,是指Agent之间能够进行信息交换,既保证Agent个体的独立性,又可根据环境形成Agent群。Agent可以以最小的代价加入系统或从系统中移出。
移动性,是指Agent有能力从一个节点移动到另一个节点。Agent将数据封装在执行的一个线程中,每个Agent独立于其他Agent。
安全性,Agent的通讯内容从不涉及假的信息。可避免恶意的Agent对计算机环境造成破坏。
一个系统中的Agent都服务于同一个目标,他们总是愿意与其他Agent合作,有意避免冲突发生,Agent模型/语言用于定义和构造Agent,Agent关系模型通过Agent间的相互依赖和关系来实现。
与传统的计算机软件相比,Agent根据环境和目标而改变自身状态,而且,这一改变是自身做出的。
3 基于Agent技术的网上考试系统模型
在基于Agent技术的考试系统模型中,引入了Agent的概念,用Agent来定义系统中的各个部件的需求和实现,在考试系统中,Agent既是系统的基本构成单位,又是系统的独立运行实体。基于Agent考试系统的模型如图1所示。
3.1 基于Agent的网上考试系统工作流程
考生启动验证Agent进行身份认证,正确认证后,与试卷Agent进行交互发送考试信息。试卷Agent根据登录信息中的课程信息,从中心数据库中抽取相关试题,生成试卷,并为每一套试卷生成相应的标准答案,生成的试卷和标准答案以加密文本文件的方式传送给考试Agent。考试Agent收到试卷后开始计时,考生开始考试,考试时钟从客户机获得时间,每一台客户机的时钟不一定完全相同,但考试时钟运行时间是相同的,这就避免了在C/S模式下由于网络拥塞而造成考生的有效考试时间长短不一的情况。考生在考试期间,试卷Agent还负责把评分Agent发送到考生所在机器指定的目录。考生考试完毕提交试卷或考试时钟终止系统自动交卷。交卷后启动评分Agent进行评分工作,并对试卷进行分析。评分工作完成后将考生的考试成绩和试卷分析结果进行上传,所有考生的成绩和试卷分析结果上传后激活题库管理Agent,题库管理Agent可根据试卷分析结果可适当对题库进行维护,以便试题库更趋于合理。
从上述步骤可以看出,各Agent分工明确,各负其责,同时又相互协作,在满足条件时激发相关的Agent进行工作,构成了一个有机的整体,实现考试顺利进行的共同目标。
3.2 各Agent部件的结构和功能
验证Agent:提供登录界面,收集、验证考生登录信息,并与试卷Agent通信发送考试信息。验证完毕如果成功则退出验证Agent,不成功则提示出错信息。验证Agent的结构图如图2。
试卷Agent:按照不同的组卷策略,从题库中随机抽取符合总体难度系数控制要求的试卷,生成的试卷以加密文本文件的方式提交给考试Agent。其结构如图3。
考试Agent:接受试卷Agent发送的试题信息,进行分析后发布到考试页面;在考试过程中负责记录考生答题情况与结果,负责定期报告剩余考试时间,考生结束考试或考试时间到,则启动评分Agent进行评分。
评分Agent:对考生的考试结果进行评阅,并将结果传送回服务器。同时根据考生答题的正确性,对各考题的难易程度作出评估,并把评估结果发送给试卷Agent,作为下次出卷的依据。
用户管理Agent:可对中心数据库中的用户信息进行增加、删除、查询及密码修改等,实现对用户的有效管理。
题库管理Agent:可对题库进行有效的管理,可以增加、删除和修改题库中的题目。可设定组卷时需要包括的知识点、难度、题目类型、题目数量以及考试的完成时间等。可提供对题目进行有条件的查询。
整个系统中还有一个管理Agent,它负责从系统总体上协调各Agent。
4 结束语
文中结合Agent技术提出了一种基于Agent的网上考试系统模型,利用Agent构建的考试系统模型,Agent既是系统的基本构成单位,又是系统的独立运行实体。这种新的模型能够有效地减少网络连接时间,减少对网络带宽的占用,大大提高了系统的健壮性、可靠性,充分地发挥网络的作用进行考试。
摘要：Agent技术为分布式开放系统的分析、设计和实现提供了一种新方法。针对传统考试系统的局限性,引入Agent技术,设计了基于Agent的考试系统,并给出了各Agent功能结构。
关键词：Agent,考试系统,模型,构建
参考文献
[1]毛新军.面向主体的软件开发[M].北京:清华大学出版社,2005.
[2]王益军,赵建民.基于多Agent的网上教学系统模型的研究[J].计算机技术与发展,2006,(8).
[3]马传宝.构建基于智能Agent的网上教学系统模型[J].广东广播电视大学学报,2003,(2).
基于Agent 篇2
以多机协同作战为背景,以拟制协同作战方案为目的,将分布式人工智能理论技术引入到多机协同作战智能辅助决策,构建了基于多Agent的智能决策指挥系统框架,给出了该系统的.Agent组成,定义并说明了各Agent的功能以及相互关系、信息运行流程,并分析了该系统的辅助决策过程.
作 者：李永宾 徐浩翔 李俊涛 杨宝强 LI Yong-bin XU Hao-xiang LI Jun-tao YANG Bao-qiang 作者单位：李永宾,徐浩翔,LI Yong-bin,XU Hao-xiang(空军工程大学,科研部,陕西,西安,710051)李俊涛,LI Jun-tao(空军工程大学,工程学院,陕西,西安,710038)
基于Agent的技术创新演化研究 篇3
摘要：文章采用Matlab仿真软件动态模拟生产者和消费者的行为，融入生态特征的变异率（Mutation Rate）和杂交率（Cross-over rate）来模拟生产者的自主创新和合作创新运行机理；并研究技术创新演化过程中的外部和内部动力机制，分为环境选择（ Environmental Selection ）和种内选择（Constructional Selection）；同时，运用生态演化效率指标来测度技术创新发展情况；文章提出技术创新相关生态策略，对持续性的技术创新具有重要的理论和现实意义。
关键词：技术创新；智能体建模；演化；变异；杂交；matlab
一、 技术创新演化与智能体的研究进展
1. 技术创新演化的研究。熊彼特20世纪30年代最早提出技术创新的演化概念，此演化与生态群落演化有相似性：（l）进化机制相似。达尔文（1859）提出，生物的进化依靠多样性、遗传性和自然选择三种核心机制来完成。“多样性”意味着物种至少有一个重要的可分辨的特征；“遗传性”确保物种特征能够稳定复制；“自然选择”意味着一些物种能更好地适应环境的压力，而且通过繁殖会增加总量。尽管企业与生物有很大的区别，但是这三种机制在企业技术创新演化中同样起着相似的作用。可以说，企业有不同技术创新能力等的不同，比如不同的专利和技术成果，表现出企业的“多样性”；而随着时间的推移可以传递核心竞争力，也表现出“遗传”特性；最后，市场竞争以及企业的成长与衰退，提供了与自然选择相类似的市场选择机制。（2）进化的方式相似。生物的变异主要有两种方式，一种是渐进的，一种是突变的。与此对应，企业的演化也具备这两种方式。企业渐进式技术创新演化过程是缓慢且连续的。对于初创时期的企业来说，本质上是一个初级的“学习型企业”，在所有的领域都要进行摸索。随后，每一次成功经历都将作为经验和知识被保留下来，并且将这种经验融入到日常的经营中去，逐渐形成企业稳定的、适应环境的DNA。
2. 智能体（Agent）模型仿真的研究。是由美国Minsky教授最早提出智能体（Agent）的概念，描述一个具有自适应、自治能力的硬件、软件或其他实体，其目标是认识与模拟人类智能行为。Delre（2007）将ABMS用于营销管理的促销活动选择上，对不同营销策略进行仿真，并将仿真的重点放在促销的目标与时机上；Hur（2010）的研究是致力于以技术不确定性和赢家通吃为特征的多等级竞争，他运用了ABMS来了解这种竞争的动力，尤其是当竞争者之间表现出异构行为的情况下；Oliva等（2010）建立了一个基于智能体的投入产出非工作性模型，他们将每一个基础设施分解成为相互关联的要素，通过考虑要素之间的资源交换来研究基础设施之间的相互依存关系。
与国外相比，余强毅（2014）使用matlab平台，开发Agent模型来研究农业土地系统复杂性与动态性，表达特定区域内的农作物空间格局及其动态变化过程，完成黑龙江省宾县的区域实证研究；金淳（2013）以移动商务环境下的餐饮推荐系统为例，分析了消费活动过程中顾客与服务的交互行为，以及情境因素对顾客消费的影响，构建了服务推荐及顾客行为规则，并在REPAST环境下实现了Agent仿真模型。陆云波（2013）对任务、流程、人员和组织进行Agent建模，模拟隐性工作的涌现，输出工期、成本、质量、隐性工作和工作积压等定量结果，评估项目组织与流程的匹配度，这一模型有助于促进项目组织和流程设计的定量化研究；杨敏（2013）比较了AB建模和基于方程（equation-based，EB）建模在建模过程上的区别，从结果验证、过程验证和模型对接研究三个方面回顾了AB模型验证的主要方法论问题和相关研究进展，指出建模工具标准化、一致性判断、灵敏度分析和参数空间压缩技术是未来AB模型验证的主要方向。
3. 小结。基于以上技术创新演化和智能体（Agent）模型仿真的国内外研究，目前技术创新演化还停留在定性或者理论模型阶段，尚未从时间角度来连续地观察技术演化过程中的驱动机制和演化程度的定量分析。本文全新演绎企业技术创新动态演化过程。因此，在matlab仿真平台上，采用智能体模拟生产者和消费者的行为，融入具有生态特征的变异率（Mutation Rate）和杂交率（Cross-over Rate）来形象地分别表示企业的自主创新和合作创新；并探讨技术创新演化过程中的“自然选择”机理：环境选择（Environmental Selection）和种内选择（Constructional Selection）；同时，运用演化效率指标来描述技术创新演化情况。
二、 agent建模与生态模拟算法
1. agent建模与算法。在本文仿真系统中，有两类agent，包括生产者agent和消费者agent，这里假设生产者同属于一个行业，例如生产电脑的电子品行业。
所有生产者的集合如下：
4. 演化算法模拟。
Step 1：初始化两个生产者1和生产者2（Producer1、Producer2），每个生产者有初始生命值来表示当前企业规模（生产者可以消耗生命值来生产产品，如果生命值为0，则生产者无法进行生产），各自随机生产一种产品。市场有三类消费者，分别有不同的效用权重评价函数，三类消费者占市场比重为（30%，30%，40%）。
依次执行Step2、Step3、Step4，重复循环100次：
Step2：每个生产者以合作创新概率？琢分别生产新产品（生物界称为杂交率？琢∈（0，1），Cross over rate）。两个生产者是这样交换技术的，从Producer1、Producer2已生产出来的产品中，分别随机取两个已有产品：G1={g1，…，gN}、G2={g′1，…，g′N}。随机产生一个整数n∈[1，N]，n分别将G1，G2分割成四个片段G11={g1，…，gN}、G21={gn+1，…，gN}、G12={g′1，…，g′N}、G22={g′n+1，…，g′N}。将G11与G22合成，G12与G21合成，即组成两个新产品分别是G′1={g1，…，gn，g′n+1，…，g′N}、G′2={g′1，…，g′n，gn+1，…，gN}。
Step3：每个生产者以自主创新概率（生物界称为变异率？茁∈（0，1），Mutation rate）。生产者通过生产一个新产品G={g1，…，gN}，随机数gi∈[1，10]。由此可生产出不同的产品个数10N。
Step4：比较所有产品的加权效用值E（环境选择Environmental selection），选出具有最大加权效用值E的产品id，即此产品受市场欢迎，下期增加此产品的产量6个，下期其他产品减少产量2个。并根据相应的产量来调整两个生产者的生命值，受市场欢迎的产品隶属生产者增加能量值Energy，同时，由自主创新所生产出的产品所获得的能量值大于生产者合作创新生产出此产品所获得的能量值。生产其他产品的其余生产者减少生命值。
Step5：这段技术演化过程中的，观察两个生产者生命值Energy、产量Output（每个生产者生产的所有产品产量）、演化效率值（AVF、AVE、maxFC）随时间的变化情况。其中，maxFC取所有产品平均效用FC中的最大值：MAX（FC1、FC2、FC3、…）。
三、 模拟仿真分析
根据技术创新演化过程中，我们设定，生产者1规模比较大，生产者2规模相对小；自主创新投入成本大于合作创新，且风险大，但一旦创新产品获得成功，自主创新所获得的利润反而大于合作创新。我们从时间维度观察两个生产者规模、产量、市场主导产品种类、生态效率的变化，演化过程中存在三种情况，也与现实相仿：（1）第一种情况：生产者2规模超过生产者1的规模，即“长江后浪推前浪”；（2）第二种情况：生产者1规模依旧大于生产者2规模，并且差距越来越大，即“强者更强，弱者更弱”；（3）第三种情况：生产者1规模与生产者2规模同比增大，即大小企业携手“各领风骚”
第一种情况中：起初，生产者1的产品占市场主导地位；在第10步时，生产者1基于大规模企业资源进行自主创新（mutation），同时，小企业的生产者2通过加大研发投入经费、高科技人力资源、或通过模仿基础上再创新占主导者生产者1的产品等方式来提升自主创新力度，如此迎头赶上；在第10步～30步之间，可以观察到生产者1和生产者2的产品通过环境选择（Environmental Selection）优胜劣汰，已分别占领市场，两者的市场地位旗鼓相当；在第30步时，生产者2依旧地“吃老本”，小企业生产者2具有“船小好调头”的活力，再次自主创新，他的产品恰好迎合了市场，由此完全占领了市场，并超越了生产者1，持续地增加占主导市场产量，从而规模日益壮大。从整个创新进程来看，生产者2的自主创新虽然在短期内可能耗费大量的人力、物力和各种资源等投入成本，但其在长期内对经济的贡献却完全弥补前期创新投入的大量成本，自主创新改变企业命运，呈现“长江后浪推前浪”局面。同时，在各企业自主创新阶段，规模和产量同方向变化，并且种内选择（Constructional Selection）为AVF的变化，环境选择（Environmental Selection）为AVE的变化，两者都有明显的波动，并且AVF>AVE，由此说明种内选择激烈程度大于环境选择。
第二种情况中：起初，生产者1的产品占市场主导地位；在第10步时，生产者2由于规模比较小，希望通过自主创新来占领市场，但此次自主创新的产品并没有通过市场的种内选择，自主创新所带来的大量成本投入反而没有给企业带来相应的利润回报，收入小于投入，面临亏损境遇。而生产者1凭借规模大的好口碑，产品一直占领市场，呈现越来越强的势头；在第25步时，生产者1规模大并没有“骄傲自满”，而是凭借强大的研发资源再自主创新来保持市场产品主导实力，持续地保持“霸主”地位；在第30步时，为了能“破釜沉舟”来扭转亏损，生产者2再次自主创新，不幸的是，此次的新产品仍旧没有受到市场的认可，使得企业每况愈下，而生产者1依旧牢牢占据市场，呈现“强者更强，弱者更弱”的局面。
第三种情况中：起初，生产者2的产品占市场主导地位；在第10步-30步之间，生产者2不断地进行自主创新，在激烈的市场环境中不断地锐意进取，创新产品一直占领市场，将产品所得利润不断反馈到自主研发投入，自主研发投入继而又创新出新产品，不断地实现正反馈；在第25步时，大型规模企业的生产者1意识到后起之秀小企业生产者2所带来的“危机感”，凭借其雄厚的经济技术实力基础进行企业改革技术创新，其所自主创新的产品赢得部分市场的认可，继而两个生产者的产品瓜分市场，不分伯仲；在第50步时，面临着市场多元化，生产者1和生产者2意识到单个企业已经无法满足当前技术创新对多学科，多领域知识融合的需要，同时，产品生命周期的缩短和竞争的加剧也导致企业独立自主创新的不确定性增加和成本加大，如果忽视合作创新，搞闭门造车式的自主创新，在时间和成本上都是不合算的，而双方有不同的技术优势。两者可以通过优势互补，共同研发、共担成本和风险，共享创新成果的一种创新模式。这期间，创新成本投入相对小，分享利润相对减少，来实现共赢，携手齐头共进，“各领风骚”局面。同时，无论是自主创新还是合作创新阶段，随着创新活动越多，种内选择AVF和环境选择AVE也越波动剧烈。
四、 结论与展望
通过本文模拟仿真发现，技术创新演化过程是一个比较慢长的动态的复杂过程，企业对创新方式的选择也是一个复杂的动态决策过程。不同规模企业在同一时期选择技术创新的方式是不同的，有的选择自主创新，有的选择合作创新，并不是所有的企业现阶段都能进行自主创新，也不是所有的企业都有进行合作创新的条件和基础，不同场合下两种创新方式会有不同的效果。自主创新是企业核心竞争力的源泉，尤其是中国互联网产业持续健康发展的关键；同时，合作创新是共赢发展之路。二者都是企业获得先进技术，参与市场竞争的手段，可以相互替代，也可以相互补充，不同场合下两种创新方式会有不同的效果，两种技术创新模式和经济增长率组成的系统在长期构成一个稳定的过程，在长期内产生积极的促进作用。未来，本文还需要从下面三个角度进行拓展：（1）把上游生产者作为第三类agent；（2）增加生产者个数，如此可以观察仿真系统内3个以上生产者如何进行合作创新，构建更为复杂的创新交互系统。
参考文献：
[1] 袭希.知识密集型产业技术创新演化机理及相关政策研究[D].哈尔滨工程大学学位论文，2013.
[2] 陈鸣麟.互联网产业的生态群落运行机理与演替过程研究[D].复旦大学学位论文，2008.
[3] 查尔斯·罗伯特·达尔文，著.舒德干，等译.物种起源[M].西安：陕西人民出版社，2001.
[4] 李朝霞.企业进化机制研究[M].北京：北京图书馆出版社，2001.
[5] 朱华.最浙江产业群：产业网络成长轨迹和动力机制[J].杭州：浙江大学出版社，2003.
[6] 肯·巴斯金.公司DNA——来自生物的启示[M].北京：中信出版社，2001.
基金项目：国家社科基金重大项目（项目号：12&ZD026）。
作者简介：罗守贵（1963-），男，汉族，河南省郑州市人，上海交通大学安泰经济与管理学院教授、博士生导师，研究方向为区域创新与产业发展；王炜（1984-），女，汉族，浙江省杭州市人，上海交通大学安泰经济与管理学院博士生，研究方向为产业经济发展与创新。
基于Agent的制造系统模型研究 篇4
提出了知识功能块新概念,并将其作为功能单元构建了智能重构制造控制系统集成框架。阐述了智能重构与智能控制并行执行过程,采用统一化建模语言进行了系统设计。文献[5]提出了制造系统元模型,使系统生产计划与动态重构结合起来。文献[6]提出了一种针对实时故障处理的以目标为导向的控制结构,调度系统出现故障时实现制造系统重构。本文对Agent的结构与特点进行了研究,建立了基于多Agent的制造系统递阶Agent网模型,实现制造系统资源的动态配置,使制造系统在激烈的市场竞争环境中获得需要的快速反应能力。
1 Agent的结构
Agent是分布式人工智能(Distributed Artificial Intelligence,DAI)的一个基本术语,已在人工智能和计算科学领域被广泛应用。近年来,智能体技术在制造系统领域的研究逐步扩大。
到目前为止,对Agent的概念仍没有形成统一的定义,在不同的应用领域中,研究者赋予了它不同的含义。在制造领域里,Agen可理解为一个具有一定智能行为、自主能力和学习能力的信息处理单元或物理实体。它可以是一个软件模块也可以是一个硬件系统。Agent具有社会性、自治性、反应性、主动性和协作性等特点[7]。社会特性是指Agent可以通过信息传送与其它Agent进行交流,Agent具有参加社会活动的能力,并具有较强的协作能力。自治性是指Agent内部封装了大量的知识和所处环境的状态,因此当Agent内部或所处环境发生变化时,Agent可以根据知识和状态思索后独立做出决策,而不需要外界或其它A-gent的干预。反应性指Agent具有感知所处环境的能力,可以对环境的各种变化做出相应的反应。
一个Agent内部可以组合多种相对独立和并行执行的Agent形态,其结构包括感知、动作、控制、建模、规划、通信和决策等模块[8],如图1所示。Agent通过感知器来反映现实世界,并对环境作出抽象。若感知到简单或紧急情况,信息被送入控制器,在数据库和知识库的支持下,通过推理和思维对信号进行分析并做出决策,控制Agent的动作,通过执行器产生行为,对感知的变化进行响应;若感知到复杂情况,信息通过建模、规划等动作生成决策,并将决策作用于执行器输出。
2 基于多Agent的制造系统递阶Agent网模型
制造系统中所有的组成部分(设备、操作员、管理、资源等)都可以用Agent进行描述。每个Agent具有自己特定的功能,它们分工、合作、相互交流,资源、信息共享,因此,根据Agent功能能够动态构建一个对环境变化具有快速反应能力的递阶Agent网,其结构如图2所示,递阶Agent网是一个分布式多Agent网络模型结构。在逐层递阶的结构中,最高层为企业Agent,它是生产车间与外界环境的接口,其任务是拿到生产订单[9]。企业Agent拿到订单后,将订单传递到车间管理Agent,车间管理Agent是企业Agent与车间Agent的接口,向上是拿到企业的生产订单,向下是车间Agent的管理者。车间管理Agent拿到订单后制定生产计划,根据各个车间Agent生产能力和分工的不同,将任务分配到各个车间Agent,并监督车间Agent任务执行情况。车间Agent包含资源管理Agent、产品管理Agent、任务Agent。资源管理Agent中包含大量的资源
Agent,如设备Agent、刀具Agent,传送Agent等。每一个资源Agent包含它所代表的物理资源的最新信息。产品管理Agent由许多产品Agent组成。每一个产品Agent包含产品的详细信息,主要包括产品识别、产品的交货日期、质量要求、制造工艺等内容,为其它Agent提供需要的信息。产品管理Agent负责产品信息的更新,当需要进行新产品制造时,产品管理Agent将生成一个新的产品A-gent来存储新产品的详细信息。任务Agent存储本车间可能完成的所有任务,由若干具体子任务Agent组成,每个子任务Agent中包含任务要求、执行工艺等内容。
3 递阶Agent网的协作
协作是Agent之间保持各自行为协调的相互作用,能够提高单个Agent的个体行为,增强递阶Agent网解决问题的能力,并使制造系统具有更好的灵活性和鲁棒性。在递阶Agent网中上级Agent发出任务请求即招标,下级Agent根据自身的功能与当前的工作状态判断是否满足招标要求,如满足则进行投标,上级Agent在参与竞标的Agent中选择一个满足约束条件的最有Agent,中标Agent执行上级Agent的任务。同级Agent之间也具有相互协作关系,当某个Agent需要同级的其他Agent协作共同完成任务时,就向相关的Agent发出请求信号,相关的Agent对收到的请求信息进行判断,如满足协作的约束条件,则返回接受信息,共同完成任务。递阶Agent网的工作流程如图3所示。
4 递阶Agent网通讯
国际上广泛使用的Agent通讯语言主要有知识询问与操作语言KQML(Knowledge Query and Manipulation Language)和知识交换语言KIF(Knowledge Interchange Format)两大类,递阶Agent网采用KQML来实现Agent之间的交互[10]。KQML是由美国高级研究计划局(ARPA)的“知识共享计划”研究机构在知识共享方面所做的工作的一部分,它使得Agent能够和其他的Agent以及Agent所运行的环境进行知识和信息的交换。KQML既是一种信息格式也是一种消息操作协议,支持Agent之间运行时的知识共享,特点是理解消息内容的所有信息都包含在通信自身当中。KQML是一种层次结构语言,可分为三层:通讯层、消息层、内容层[8]。通讯层包括消息特征,描述通讯层参数,包括消息接收者和发送者的标识;消息层定义发送消息的协议和规定与消息有关的言语行为的类型,构成了KQML语言的核心;内容层描述了Agent所传递消息的实际内容,这些消息内容可以使用实现Agent的编程语言表达,可以是任何表示语言、二进制形式等。KQML基本协议结构如下所示:
该语法由配对括号括住的表组成。表的开始为行为原语的名称,其余部分为一组以“:关键字”形式出现的参数表,这些参数的次序是独立的。基于KQML的Agent之间的通信可以是同步的也可以是异步的。另外,KQML的消息可以是嵌套的,一个KQML消息可以作为另一个KQML消息的内容[11]。以一个简单例子说明KQML消息:
这条消息的直观解释是,发送者Agent Source Management询问Agent Machine1机床1号的操作状态。消息的其他各部分表示消息中的关键字,Content规定了消息的内容,为内容层。Sender指消息的发送者,Receiver规定了消息的接收者,Sender和Receiver构成通讯层。Language解释消息中的内容所用的语言是称为LPROLOG的语言。Ontology定义了消息中使用的术语,Language与Ontology构成消息层。
5 结束语
本文对Agent的结构与特性进行了分析,提出了制造系统的递阶Agent网模型,并介绍了模型的工作流程与通讯语言。递阶Agent网模型是一种动态的、分布式的智能网络模型,能够快速适应外部环境的变化,使制造系统具有快速的反应能力,提高企业的市场竞争力,同时也为实现制造系统的重构奠定了基础。
参考文献
[1]王云莉,肖田元,段广洪,等.制造领域多智能体系统的技术研究[J].计算机集成制造系统,2001,7(10):1-6.
[2]王志坚,蔡自兴.一种制造系统模型及其简化[J].微计算机机信息,2007,23(3):139-140.
[3]路杨,何欣,韩中.基于有向图的制造系统模型的研究[J].计算机应用系统,2007(8):1-5.
[4]吴斌,余建波,奚立峰,等.智能重构制造控制系统集成框架[J].计算机集成制造系统,2008,14(1):73-78.
[5]Kioon S A,Bulgak A A,Bektas T.Integrated cellular manufacturing systems design with production planning and dynamic system re-configuration[J].European Journal of Operational Research,2009,192(2):414-428.
[6]Bruccoleri M,Zbigniew J.Yoram Koren Y.Operation management in reconfigurable manufacturing systems:Reconfiguration for error handling[J].International Journal of Production Economics,2006,100(1):87-100.
[7]高世一,赵明扬,邹媛媛,等.基于多智能体的制造系统生产控制建模研究[J].计算机集成制造系统,2007,13(6):1067-1069.
[8]蔡自兴,徐光佑.人工智能及应用[M].北京:清华大学出版社,2004,315-318.
[9]贺鹏,于家城,王庆林.基于多Agent的可重构制造系统集成模型[J].计算机工程与应用,2008,44(21):231-234.
[10]贺鹏,王庆林,刘庆杰.基于多Agent的可重构制造系统故障诊断模型[J].制造业自动化,2006,28(11):11-15.
基于Agent 篇5
关键词：移动Agent；入侵检测技术；网络安全
中图分类号：TP393.08 文献标识码：A文章编号：1007-9599(2011)07-0000-01
Network Intrusion Detection Technology Based on Mobile Agent
Su Zikang,Yang Jichao
(School of Information and Electrical Engineering,CUMT,Xuzhou221008,China)
Abstract:With the development of network security technology,
Intrusion Detection System(IDS) has been applied to Network more and more common.But there are many defects in conventional IDS.The mobile agent
-based combine the distributed computer technology and AI,remedies the defects.This paper researches Mobile Agent System(MAS) on its
architecture,communication system,data security,research status and development trends.
Keywords:Mobile Agent;Intrusion detection technology;Network security
一、入侵检测（IDS）概述
入侵检测是指“通过对行为、安全日志或审计数据或其它网络上可以获得的信息进行操作，检测到对系统的闯入或闯入的企图”。其实现方法也有许多种，最常用的就是防火墙技术。但是目前的入侵检测技术普遍存在许多缺陷：比如现有的入侵检测系统检测速度远小于网络传输速度，会导致误报和漏报；入侵检测产品和其它网络安全产品结合存在诸多问题；基于网络的入侵检测系统对加密的数据流不能进行检测；入侵检测系统体系结构问题。
二、移动Agent的特点
移动Agent因其分布式协同处理和智能化的特点，弥补传统入侵检测系统的不足，正引起研究者的重视并成为未来入侵检测的一个发展方向。基于Agent的入侵检测系统具有以下的优点：
1.Agent能够减轻网络负载和网络时延。2.Agent异步自主运行，具有自然异构性，单个的Agent出现故障时，并不会将故障扩展到整个网络。3.Agent能在异构网络环境下很好的工作运行，可对各种网络平台和设备实现应用层互操作。4.多Agent协作能力，且可以多点检测，跨越传统基于主机和网络的入侵检测边界。
三、移动Agent的结构和工作原理
基于移动Agent的系统由用户Agent和服务器端的Agent Host(AH)两个基本部分组成。AH为每个移动Agent服务，同时为每个Agent建立了运行环境和服务接口，通过Agent传输协议ATP实现Agent在网络中不同主机间的移动。其工作原理如下图 1所示：
Public Network
User`s Agent
Server/database.etc
图 1 移动Agent的工作原理示意
移动Agent有远程节点（Remote User）发出，它本质上是一段程序代码，可以在异构网络不同移动Agent平台自主迁移，并可和其他Agent通讯交互来完成所需任务。移动Agent通过无线网络迁移到目的服务器节点，通过服务器提供服务获得期望的数据信息。同时由服务器的信息存储数据库（Information Store）记录移动Agent数据处理现场和其他相关信息。
四、移动Agent的通信
移动Agent的通信方式很多，包括消息传递、RPC和Agent通信语言ACL等。但是，当一个任务相当复杂的时，假使用单个的Agent来完成该任务，就会使得设计出来的Agent常复杂甚至很难实现，这就需要通过设计多个移动Agent协作来完成。因此，各个Agent之间必然需要进行交互，来完成协作。这种交互指的就是Agent之问的通信。常用黑板系统和消息通信实现多个Agent间通信。
五、移动Agent系统的安全性
典型移动Agent系统包含Agent本身、主机以及连接各主机的网络。图 2是简化移动Agent系统简化模型。
图 2 移动Agent系统模型
可见移动Agent系统安全性主要涉及：移动Agent通信安全、Agent自身安全、Agent服务器安全三方面。移动Agent通信安全涉及通过修改或伪造错误数据流来实现破坏的主动攻击和通过偷听或监视传送来获得正在传输信息的被动攻击。Agent自身安全是指其重要参数和数据可能受到包括伪装、拒绝服务、窃听及篡改的攻击。Agent服务器作为运行移动Agent的平台更容易受到攻击。目前，针对移动Agent的安全对策也主要从以上三个所涉及的方面出发设计和实现的。
六、结束语
传统的入侵检测技术有很多固有缺点，不能适应不断更新的网络攻击手段。而基于移动Agent入侵检测技术凭借自身出色的分布自治性和智能性，提高了网络安全系统的安全性和可靠性。移动Agent可与无线局域网实现很好配合，使信息服务和数据共享更为有效，弥补了网络自身存在的许多问题。但由于Agent的可以动性，系统安全性会受到一定威胁，基于移动Agent的安全性问题还需要经一步研究。
参考文献：
[1]王珺,王崇骏,谢俊元,陈世福.基于Agent的网络入侵检测技术的研究[J].计算机科学,2006 Vol.33No.12
基于UML的面向agent建模 篇6
UML是一种以面向对象思想为基础以直观明确的构建和文档化软件系统为目标的通用可视化建模语言, 现已成为业界标准。
UML支持面向对象的软件开发的整个生命周期, 它通过不同的模型, 从不同的视角来描述系统在不同生命周期中的各种静态结构方面和动态行为方面的特征, 同时提供了扩展方案, 使得面向对象建模专家可以使用UML方便地定义大多数领域中的复杂系统。从系统分析和设计的角度出发, 这些模型中最主要的部分可以归为如下4大类:①用例图模型。从系统外部用户的角度对系统功能进行的描述, 它是一种比较特殊的静态模型, 是系统建模的基础和保证;②静态结构模型。包括类图、对象图、包图, 主要用于定义系统中具有重要意义的各种对象和实现, 以及它们之间的关系, 它们是定义系统动态行为的基础;③动态行为模型。主要定义对象在时间上的历史, 以及对象之间为达到一定目标所进行的通信和协作, 这类模型包括状态图、活动图、顺序图和合作图;④实现模型。包括组件图和配置图, 实现模型描述系统的代码, 软硬件的物理结构。
2 BDI模型简介
BDI主体模型可以通过belief、desire和intention 3要素来描述:一组关于世界的信念和自身的状态;主体当前打算达到的一组目标 (可以有长期的目标和短期的目标) ;一个规划库, 描述怎么样达到目标和怎样改变信念;一个意图结构, 描述主体当前怎样达到它的目标和改变信念。我们可以把这些目标和BDI相对应, belief对应一些信念和属性;desire对应主体要达到的一组目标;intention对应一个意图结构, 描述主体怎样达到目标, 即怎样做。这些特征在具体的实例中可以具体化。使用BDI模型对于设计者和分析者来说比较自然, 而且对于描述复杂系统的行为提供了简洁的表示, 更有利于理解和解释。
3 基于BDI模型的AUML方法
与传统的对象相比较, agent是具有自主能力 (在没有与环境相互作用或来自环境的命令的情况下自主执行任务) 、反应能力 (agent必须对来自环境的影响和信息作出适当的响应) 、社交能力 (能够和其他agent或对象进行通信) 、预动能力 (体现了agent的面向目标性) 的更高粒度的抽象, 对象可以是agent的一部分。基于BDI模型的agent, 它封装了belief (类似于对象中的变量或属性, 它包括一些方法, 比如添加目标addgoal (g:goal) , 改变目标transformgoal (newg:goal) , 得到目标getgoal () :goal等) ;intention (或是plan, 类似于对象中的方法, intention有抽象方法execute () 和stop () , 能随goal改变, 并且根据子类具体化plan中的方法, 并且根据goal决定停止还是继续执行) ;desire (也即goal, 对象中没有与之相对的地方, goal中的方法可以随着belief的改变而改变, 还必须包括一个布尔类型的方法来表示能不能达到目标) 从而体现出较强的自主性、较强的面向目标性、灵活的反应性以及和其它agent (对象, 人等) 进行交互的社会性等。如图1所示:
然而, 面向agent的方法要得到发展, 没有基于agent的统一建模语言是不行的, AUML势在必行。
在AUML中, 我们可以借鉴UML, 把系统分解成一个个单独的agent, 底层适当运用UML来对agent建模, 上层的入口和框架必须用agent的思想构建, 并且定义它们之间的交互行为。主要有以下4类模型可以用来对agent进行建模:
(1) 基于扩展的用例图模型。
用于提炼agent组织中的相关角色、使用案例, 以及之间的关系。由于agent的一些特性, agent能够主动感知外部的环境从而作出相应的反应, 因此, 在AUML的用例图中, 角色的范围就很大, 可以是被动的, 如环境、对象;也可以是主动的, 如角色、其他agent等。其中的用例可以是agent。
(2) 基于扩展的静态模型。
用于分析agent的静态结构。AUML中的结构关系可以借鉴UML中的相应关系, 如:一般-特殊和整体-部分结构, 再通过相应扩展进行完善, 并且在AUML中可以标识先后次序。
(3) 基于扩展的动态模型 (行为图和交互图) 。
用于描述系统中各agent随时间的变化情况和各agent之间的交互关系。UML动态图中main () 函数不是面向对象的而是面向过程的, 从这个角度来说是不彻底的, 对agent的建模应该考虑这一点。如果agent建模也是以main () 为入口, 就丧失了建模的意义, 所以在动态图中, 要考虑agent如何自动进入入口, 体现主动理念。面向对象从本质上没有摆脱面向过程, 面向agent建模同样如此 (从现有技术看) 。因此, 面向agent的建模关键是要在总体框架上体现主动入口问题。
(4) 基于扩展的实现模型。
使用java语言描述系统的实现过程, 利用组织图和配置图描述软硬件的物理结构。
4 应用
4.1 扩展用例图
在面向对象统一建模语言 (UML) 中, 用例图中的角色 (actor) 一般是指人或者是另一个系统, 而在面向agent建模中, 由于agent的一些特性 (自治性、反应性等) , 角色的范围就更加广泛了, 可以是人、环境或其它用例。以机器人搜寻食物为例, 本例中的角色就是机器人所处的环境和食物。用例图如图2所示:
其中角色借鉴UML中的表示方法 (以笑脸表示) , 其中的用例以椭圆表示, 如果是一个agent, 就加上笑脸, 其中用例和角色的交互不是如UML中的单向, 由角色到用例, 在面向agent建模中, 交互是双向的 (以带箭头的直线表示方向) , 这也体现出了agent的特性。机器人与环境交互, 从环境中获得一些信息和数据, 然后搜寻食物 (用例探测) , 当发现有食物的信息 (用例获取) 时, 机器人走向食物, 获取食物 (用例得到) , 根据目标决定继续下次搜寻活动还是停止。
其中robotsystem是一个agent, 在它的整个活动中表现出了agent的特性, 但是从不同的角度看, robotsystem的用例 (探测、获取、得到) 也都是agent, 它们相互合作, 为完成共同的任务而工作。
4.2 扩展类图
我们采用基于BDI模型的扩展UML类图来对机器人搜寻食物的例子建立扩展类图。如图3所示:每一个robotsystemagent都包括3个抽象类:belief类 (类似于对象中的变量或属性) robotstate类是belief类的子类, 包括机器人的一些初始属性;plan类 (类似于对象中的方法) , plan类的两个子类是exploration类和acquisition类, exploration类有lookfor () 方法搜寻食物, acquisition类的know () 方法获取有关食物的信息;goal类定义了agent的目标, 即获取食物, 有方法obtain () 获得食物, notify () 方法通知exploration类继续还是停止下次的搜寻活动。其中explorationagent、acquisitionagent和retrievalagent都有相应的agent类图。
Agent类之间关系:每一个agent类都是由belief类、plan类和goal类3个抽象类组成, 它们与robotsystemagent类之间是整体-部分关系。另外, robotsystemagent类可以对应一个或多个belief (1..n) 类、plan (1..m) 类和goal (1..k) 类。Robotstateagent类、explorationagent类、acquisitionagent类和retrievalagent类分别是从belief类、plan类和goal类继承而得。
5 结束语
在该文章中, 我们探讨了agent建模中的静态结构图:扩展用例图和扩展类图, agent系统的交互图和实现图有待进一步研究。随着agent在各行业的应用, 迫切需要面向agent的建模语言来规范面向agent的程序设计方法, 有一个可以成功描述最初需求和最终交付的规范。
参考文献
[1]张云勇.移动agent及应用[M].北京:清华大学出版社, 2008.
[2]JOSEPH SCHMULLER.UML基础、案例与应用[M].李虎, 王美英, 万里威, 译.北京:人民邮电出版社, 2009.
[3]RALPH DEPKE, REIKO HECKEL, JOCHEN MALTER.Formal A-gent-Oriented Modeling with UML and Graph Transformation[EB/OL].http://www.vpb.de/cslagengels/Paper/2001/Depke Scpol.pdf.
基于Agent的建筑协同设计系统 篇7
建筑设计是一个典型的群体工作,一般来说由建筑设计师、结构工程师等设计群体共同完成。设计群体成员存在着分工与合作,每个群体成员既需要完成自己的工作又要与其他群体之间发生关联。在传统的设计环境下,设计过程从宏观上体现为某种串行工作方式,设计群体之间的协作由工程师人工干预实现。随着大型复杂结构的应用越来越广泛,工程师对辅助设计系统的期望越来越高,实现设计群体间协同设计,从而改善设计效率和提高设计质量,已经成为工程师的迫切需求。
近年来,国内外学者针对协同设计技术在建筑设计中的应用进行了深入的研究[1,2,3],取得了显著的成果,文中的目的就是在充分利用现有资源的基础上设计一个能够辅助工程师完成建筑设计的协同式CAD系统模型,以提高建筑设计效率、缩短设计周期、改善设计质量。
1 系统结构
设计系统的开发方法一般有2种方式:1)从用户需求出发,开发全新的协同设计系统;2)以现有系统为基础进行系统集成。前者最能符合用户需求,但是开发周期长,投资巨大;后者可以充分利用建筑设计、结构设计的现有成果,投资小,见效快,并且不需要改变用户的工作习惯,充分体现了以人为本的软件设计理念。
基于Agent的建筑协同设计系统模型划分为:用户层、系统核心层和存储层3个层次。
1.1 用户层
用户层涉及到建筑设计群体、结构设计群体等用户,其设计的核心是用户界面。系统用户界面是计算机与使用者之间的对话接口,是协同设计系统的重要组成部分。
1.2 系统核心层
系统核心层由实现建筑设计的核心模块组成,包含前台Agent群、后台Agent群、建筑设计、结构设计等部件。
1.3 存储层
存储层由工程数据库、设计知识库和系统配置库3部分组成。工程数据库存储建筑设计、结构设计的所有数据信息。设计知识库存储设计过程中的所有知识,包括设计规范知识、专家经验知识和设计实例知识3部分。系统配置库存储系统运行的控制信息,例如用户权限、模块信息、动态链接库等,系统配置库需要在设计中根据方案特点、设计阶段和建设单位的需求进行配置。
2 系统实现
基于Agent的建筑协同设计系统是以实现协同设计为目标,对现有建筑设计系统、结构设计系统进行集成,其设计的核心是数据管理模式和Agent(代理)设计。
2.1 数据管理模式
数据是工程师与系统、工程师之间交流信息的载体,传统的设计系统中,数据以其唯一性存在于本地数据文件或数据库中。
2.1.1 数据表示
设计案例可以用层次模型表达,基本构件用来构造高一级的实体,而高一级的实体又可以向上构件更高一级的实体,由此形成整个结构。设计中,层与层之间的关系是实体与子实体、构件与子构件的关系。通过逐层细分技术将复杂的设计案例描述为简单的构件。数据表示主要解决的问题是如何描述设计中的基本构件。
1)构件描述。
通常描述一个构件需要3方面的信息:构件几何位置信息,构件自有属性信息和构件工程信息。协同设计系统中构件的几何位置信息使用ComponentPlace类描述,通过ComponentPlace类存储的信息系统可以自动判断构件所处的位置。构件位置的参考坐标系可以是全局坐标系、局部坐标系和辅助网格,系统中默认使用全局坐标系,3种参考坐标系的相互转换由ComponentPlace类的CordExchange函数。基于Agent的建筑协同设计系统中,构件描述包含了构件的实际工程意义,实现了设计系统与工程规范的柔性结合,并为系统间数据通讯创造了条件。
2)构件拓扑关系描述。
构件的拓扑关系指的是建筑结构中构件之间的约束关系,一般来说包含结构约束、尺寸约束和设计约束3类。
2.1.2 数据映射
数据映射的功能是完成建筑设计、结构设计子系统间的数据转换,数据映射事实上是数据管理Agent的核心功能。数据映射可以描述为:
f:S{c,r|c∈C,r∈R}→S′{c,r|c∈C′,r∈R′}。
其中,C,R分别为S子系统中构件和构件拓扑关系的集合;C′,R′分别为S′子系统中构件和构件拓扑关系的集合;f为映射函数,显然f需要实现构件本身和构件拓扑关系两方面的映射。S和S′可以是同一个子系统,这时系统默认为不进行数据映射。
2.2 Agent设计
Agent中文译为代理,它是人工智能领域研究的产物,它可以是一个机器人、专家系统或程序。Agent具有智能性、学习性、移动性和协作性等特点。Agent由自含式软件程序构成,利用工程数据库、设计知识库和系统配置库的信息执行相关的任务。Agent具有智能性、自激励性和主动协作性等特点。基于Agent的建筑协同设计系统原型包含2个Agent群,分别为前台Agent群和后台Agent群,文中主要研究这两个Agent群中数据管理Agent的设计。
2.2.1前台数据管理Agent
前台数据管理Agent的功能是完成数据请求和数据检验,其结构如图1所示。
前台数据管理Agent由身份认证、数据检验和数据获取接口3个模块组成。
2.2.2后台数据管理Agent
后台数据管理Agent的功能是完成数据提取和子系统间的数据映射,其结构如图2所示。
前台数据管理Agent由数据检索、数据映射和格式转换3个模块组成。
3结语
建筑协同设计系统对传统的CAD系统概念进行了拓展,进一步反映了建筑设计的特点。文中依据建筑协同设计的基本需求设计了基于Agent的建筑协同设计系统框架,并对系统实现的关键技术———数据管理模式和Agent设计进行了研究。实践证明,该系统在一定程度上降低了设计过程数据交流的工作量,提高了设计效率,改善了设计质量。但是,协同设计系统的研制是一个长期复杂的过程,在网络安全技术、动态界面管理技术、子系统间通讯等方面的研究还需要进一步深入。
摘要：介绍了基于Agent的建筑协同设计系统的结构设计,在此基础上对数据管理模式和Agent设计进行了研究,得出了该系统能降低设计过程数据交流的工作量、提高设计效率、改善设计质量的结论。
关键词：建筑协同设计系统,结构设计,系统实现
参考文献
[1]van Leeuwen,J.P.Computer support for cooperative work inthe construction industry[J].Proceedings of the internationalconference on concurrent engineering,2003(7):599-606.
[2]van der Zee,A,de Vries,B.Computer aided evolutionary ar-chitectural design.In soddu,C.(ed.)[J].Proceedings of the5th international conference on generative Art,2002(9):1-13.
基于Agent 篇8
现代战争具有突发性、立体性、快节奏、高消耗等特点, 临时时间紧迫, 战役和战斗间隙大大缩短, 这就需要军工企业能够实现生产批量的快速转移。
随着各种网络技术的发展, 现代制造技术也向柔性化、敏捷化和智能化发展。网络作为先进的信息工具, 用于管理和制造, 将促进更先进的生产模式形成。网络化制造、虚拟企业等制造模式正是其中的典型代表。但是军工产品有其特殊性, 具有相对严格的生产组织、计划进度、品质控制、以及保密安全等全方位要求。传统的生产模式无法综合军品的特点, 使得现有的网络化制造模式无法满足军品制造的需求。这种情况下就需要一种新的制造模式来保证这种生产方式的顺利进行。在此基础上, 提出了快速扩散制造 (rapid extended manufacturing, REM) [1]模式。这种“动员型”的生产模式作为一种技术储备, 使外部生产过程能够完全受控, 为我国的军工研制型企业提供了一种新的快速生产模式。本文研究了基于Agent技术开发的快速扩散系统的体系结构与功能。
1 基于Agent的REM模式
定义1:主生产单位 (primary manufacturing unit) , 军工研制型制造企业, 主要从事产品的设计, 工艺的研制等。
定义2:扩散企业 (extended enterprise) , 从主生产单位获取制造任务, 参与生产的若干制造企业。
REM是指针对当前主生产单位应对大批量产品生产能力不足的现状, 在不需要增加或改造企业自身生产情况下, 通过制造资源建模, 从扩散企业库中选择满足制造需要的扩散企业, 将制约企业生产的瓶颈任务通过网络向扩散企业分发、同时建立基于网络的工艺快速扩散、品质控制和进度管理机制, 实现全过程受控的零部件外部生产模式, 从而达到迅速提高主生产单位大批量生产的目的。REM具有外部加工任务分解的科学性、企业选择的合理性、制造工艺的可复制性, 以及制造全过程的可控性的特点, 加上军工企业自身信息化的建设, 为研制型制造企业实施快速响应制造提供一种新的制造模式。保证了产品制造的进度、品质、工艺等实时受控。
Agent是一个具有能实现某一功能的计算机程序单元的模型及其相关的物理实体[2], 它的目标是为其功能实体获取最大的利益。MAS (multi-agent system) 是一个有组织、有序的Agent群体, 共同工作在特定的环境中, 通过各Agent间的通讯、合作、协调、调度、管理及控制来表达系统的结构、功能和行为特性, 因而具有很强的鲁棒性、可靠性和较高的问题求解效率。将Agent技术引用到REM系统中, 使系统具有分布式体系、模块化、自组织、开放性、可扩展性和容错性。
2 基于Agent的REM系统模型
2.1 系统体系结构
REM系统采用如图1所示的体系。
至下而上, 最底层是网络、通讯协议和数据库, 构成了REM平台的信息存储和通讯基础;第二层是信息集成标准和应用协议层;第三层是Agent框架, 主要提供Agent之间的通讯、安全等服务的基础组织;第四层是系统业务层。该层由任务管理、工艺扩散、品质控制、数据管理四个模块组成。它们相互作用, 共同构建了快速扩散系统框架。任务管理包括任务建模Agent, 进度管理Agent, 资源管理Agent。工艺扩散包括工艺标准化Agent, 扩散工艺管理Agent, 扩散工艺调整Agent。品质控制包括品质控制Agent, 品质反馈Agent, 品质管理Agent。数据管理包括用户管理Agent, 工作流管理Agent, 数据提取Agent。最上层是系统应用层。主生产单位通过扩散网络平台向扩散企业进行数据的发放, 达到生产能力的扩大。扩散企业通过网络平台向主生产单位反馈扩散件的生产状况。
2.2 扩散制造工作过程
系统采用B/S架构, 扩散企业首先通过网络登陆REM系统平台, 在资源管理模块登记生产资源, 进入主生产企业任务扩散的目标域。
a) 主生产单位在接到大批量生产任务时, 通过构建制造能力模型和仿真技术分析所需要的制造资源数量, 并与自身生产条件相对比找出完成该任务的企业制造瓶颈;
b) 在确定制造瓶颈的基础上, 根据约束条件 (批量、批次、进度、品质、成本等) , 利用优化算法分解出需要扩散到外部进行加工的任务 (包括零部件或部分工序) 及相对应的扩散企业;
c) 主生产单位与扩散企业之间通过专用数据接口在已有网络的基础上构建扩散制造网络, 主生产单位将b) 生成的扩散数据 (包括:子任务、零部件数据、子任务进度、关键工艺品质及品质控制数据、加工工艺、物料供应等) 通过扩散制造网络发放给各扩散企业和本企业相关部门;
c) 各扩散企业通过扩散制造协同工作平台反馈主生产单位关注的品质信息、进度信息, 实现对外部扩散制造的全过程控制;
d) 在扩散任务完成之后, 主生产单位关闭相关数据库及各类数据通道。
3 基于Agent的快速扩散制造系统模块设计
REM是以任务管理模块驱动的扩散模式。任务管理模块在整个系统中占有极其重要的地位。需要进行扩散的任务列表、零部件数据、工艺数据、进度计划等扩散数据都是从任务管理产生。下面着重介绍Agent技术在任务管理模块的应用。
3.1 扩散制造任务管理模块
在REM协同平台中, 任务管理的目的是实现制造任务的分类决策, 形成自制、外购、扩散 (外协) 3种类型[3]的任务。对扩散任务进行动态调度和分配, 管理任务的执行状况, 实现扩散企业或资源的优化选择。本文结合Agent技术设计了如图2所示的任务管理系统, 包括任务分解、任务分配、任务调度等部分。
a) 任务分解Agent:REM系统提醒用户根据知识库将制造任务分解成若干子任务, 形成任务列表。然后根据子任务进行分配、调度, 再依据制造资源选择扩散企业。任务分解的粒度要求尽量减少扩散任务在扩散企业之间的流通以减少系统在各个扩散企业间通信的开销, 提高系统的响应速度。
b) 任务分配Agent:负责监督与管理任务执行的全过程, 针对任务列表中每一个子任务与资源Agent进行协商, 确定各个任务的资源集合, 实现任务的分配, 并形成任务队列。当有紧急任务插入或资源提供方出现问题时, 任务分配Agent找出所受影响的任务, 并和资源Agent进行协商, 进行再调度与分配。
c) 任务调度Agent:通过任务队列的输入数据结合算法库进行调度问题优化。当面对复杂任务调度问题时, 将任务队列中的开始、截止时间和约束关系作为条件, 结合算法库, 选择合适的优化算法, 进行调度优化, 并将结果输出。
d) 资源Agent:直接与制造资源管理相连接, 根据自身的运行状态和任务状态, 与任务分配Agent进行任务协商来分配各个任务的调度。
3.2 制造资源管理
制造资源是REM的核心和必要条件, 而REM中的资源根据任务需要由多个扩散企业中部分资源组合而成。制造资源是REM的核心和必要条件, 而REM中的资源根据任务需要由多个扩散企业中部分资源组合而成的部分[4], 并且资源体现扩散企业的制造能力, 所以对制造资源进行建模是十分重要的。
a) 资源登记和维护Agent:扩散企业根据主企业定义好的资源模型向系统登记制造服务和制造资源信息, 并对资源信息进行维护。
b) 资源信息服务Agent:主生产企业通过资源信息服务Agent查询和监测扩散企业的资源和服务的当前状况。
c) 资源匹配Agent:对扩散任务, 资源匹配Agent通过对比制造任务中的资源要求和扩散企业登记的资源及服务信息, 基于一定的算法动态的寻找满足条件的扩散企业。
3.3 制造进度管理
REM是一个动态的过程, 其执行过程分布在由异构自主企业形成的分布式境中, 主企业需要监控和协调扩散制造过程, 保证制造任务按时提交。进度管理负责任务进度的把握以及接受来自扩散企业的生产反馈, 了解扩散件的生产状况, 并就异常状况进行调整。
a) 进度计划Agent:与任务调度Agent交互, 存储整体项目扩散任务的任务列表、任务的数量、期限等相关信息。
b) 监控反馈Agent:主要负责监控扩散件的生产状况, 接受扩散企业的反馈, 并将反馈信息与任务计划Agent交互比较, 形成实时的动态的任务生产计划。
c) 调整Agent:当实际生产出现问题, 不能按时完成
计划时, 调整Agent将与任务调度Agent交互, 对出现问题的任务进行重新分配, 根据资源Agent提供的扩散企业情况选择合适的企业扩散以保证扩散任务的按时完成。
4 平台的开发
本文采用Agent构建快速扩散制造平台。采用Agent的优点在于Agent的基础组织能够提供网络中间件类似的通用功能和服务组件 (如消息路由、信息服务、通讯协议等) , 并且采用了独立于应用的通讯语言 (如FIPA, ACL) 和交互协议实现消息通讯, 能够采取主动行为并根据环境状态做出反应, 即具有柔性行为能力。
系统具有如下特点:1) 系统面向扩散制造过程集成问题, 以扩散制造任务驱动企业间制造资源、制造服务和制造能力集成;2) 在方法上采用基于Agent的柔性工作流;3) 采用面向Agent的软件工程方法学 (AOSE) 并基于多Agent框架实现系统开发, 系统遵从FIPA (foundation for intelligent physical agents) 的体系和应用标准;4) 系统具有分布式体系、模块化、自组织、开放性、可扩展性和容错性, 能够适应环境动态的变化。
本文基于Agent技术进行开发, 构建了B/S架构的快速扩散制造平台。其部分系统模型如图3所示。
5 结语
REM是在网络化制造基础上发展的一种新型的制造技术。现运用Agent技术构建了REM平台, 下一步工作是进一步对系统进行完善。当主生产企业由于缺乏足够的资源无法完成制造任务时, 可以通过REM平台寻找满足条件的扩散企业进行任务的扩散, 实现企业制造能力的扩展和固化工艺制造任务的扩散, 以满足其短时间内变批量生产的需求。
参考文献
[1]王海龙.武器装备快速扩散制造单元的理论模型与关键技术研究[D].西安:西北工业大学, 2005.
[2]秦斌, 王欣, 吴敏, 等.基于多智能体系统的分布式智能控制系统框架与原型系统开发[J].计算机集成制造系统, 2006 (10) .
[3]胡业发, 陶飞, 丁毓峰, 等.支持协同制造的制造网格平台研究[J].中国机械工程, 2006 (18) .
[4]林爱梅, 郭宇, 刘骄剑.快速扩散制造模式下制造资源模型研究[J].中国制造业信息化, 2008 (8) .
基于多Agent的网络课程研究 篇9
Agent是一个具有自治能力的实体,一般以软件为多[1]。该软件能够在目标的驱动下采取社会交往、学习等行为对环境的变化做出主动的反应,完成特定任务。Agent的特点主要包括自主性、进化性、协作性、进化性、通信性、移动性等[2]。随着计算机网络及基于网络的分布计算技术的发展,智能Agent(也称智能主体)技术逐渐成为人工智能领域一个新的研究热点。对智能Agent的研究目前主要集中在Agent的认知模型和理论、Agent的体系结构、Agent间的协作以及面向Agent的程序设计/语言等方面。其应用多集中在智能Agent的搜索、基于Agent的电子商务、网络管理等方面[3],在网络教育领域的应用,也多是理论研究,但智能Agent固有的特性却非常适合描述远程的网络教学,如何利用智能Agent思想设计适合远程教学的智能化网络课程是本课题的研究重点。
本文运用智能Agent思想,设计了策略Agent和策略协调Agent来选择教学过程中的教学策略,用教学Agent和教学协调Agent进行教学过程中的微策略调整,从而实现较智能化的教学。系统的实现上,选用英国电信智能体项目研究小组推出的一种面向Agent的软件开发、集成和运行环境Zeus来完成网络课程Agent系统部分的开发。
2 多Agent系统的分析与建模
基于多Agent的系统设计,首先需要确定系统中的各Agent,然后定义相应本体(Ontology)和主体(Agent),分析各Agent间的组织结构及合作协商关系,最后建立完整的模型。
2.1 系统Agent分析
根据教学过程,将整个Agent系统简化抽象为界面Agent、教学Agent、教学管理Agent、策略Agent、协调Agent五大Agent,相互关系如下图。在教学过程中,学生登录教学系统,系统得到学生登录的信息后,由位于服务器端的教学管理Agent通知教学Agent和策略Agent,进行学生信息的分析和教学策略的分析,并生成界面Agent,用于显示由教学Agent根据策略Agent形成的教学策略而生成的教学内容。同时界面Agent还负责监视学生整个教学期间的教学会话,将学生的反应传递给管理Agent。管理Agent根据学生的反应和教学内容的性质来通知策略协调Agent调整教学的微策略。如:调整教学材料的呈现方式,增加或减少教学范例,提供练习,改变刺激方式等。
2.2 系统本体分析
本体论是对客观世界中的特殊领域的知识进行概念化、规则化的定义,在这个领域中进行协作的Agent共享同一个本体论。
在智能教学系统中,通常与三类知识有关,即教学内容的知识(knowledge of domain),教学策略和方法的知识(knowledge of teaching strategy and methods)和关于学生的知识(knowledge about the student)[5]:
Ontology=<教学资源知识,教学策略知识,学生特征知识>
教学资源知识=<资源内容,资源属性,知识状态>
资源内容∈{概念,原理,实验,方法,问题,答案}
资源属性∈{序号,知识点,掌握程度,难度级别,教学对象}
知识点∈{知识点序号,前驱知识,后续知识,关联知识}
知识状态∈{未尝试,浏览,通过,失败}
教学策略知识=<难度级别,呈现形式,教学方法,学习组织形式>
难度级别∈{初级、中级、高级}
呈现形式∈{文本,声音,图像,视频,动画}
教学方法∈{提问,陈述,展示,操作,测试}
学习组织形式∈{个别学习,协作学习}
学生特征知识=<基本信息,学生级别,学习偏好,学习风格,学习倾向,学习模式,学习组织形式>
基本信息∈{用户名,登录密码,性别,出生日期,email,个人介绍}
学生级别∈{初级,中级,高级}
学习偏好=<媒体类型,颜色偏好>
媒体类型∈{文本,声音,图像,视频,动画}
颜色偏好∈{赤,橙,黄,绿,青,蓝,紫}
学习风格∈{认知,直觉体验,实证操作}
学习倾向∈{转化型,表演性,顺从型,抵触型}
学习模式∈{讲授,协作,探索,个别辅导,讨论}
学习组织形式∈{个别学习,协作学习}
2.3 定义Agent
采用基于框架的知识描述语言来表示领域的具体Agent,以下为Agent的统一模型:
Agent=
Agent类型∈{界面Agent,教学Agent,管理Agent,协调Agent,策略Agent}
自身模型=<领域知识,专业能力,专业行为>
领域知识∈{知识1,知识2,知识3…}
专业能力∈{专业能力1,专业能力2,专业能力3…}
专业能力=<能力类型,表现形式,相关知识>
专业行为=<行为类型,行为目标,发生条件,反应>
行为目标∈{目标1,目标2,目标3…}
社会模型=<社会知识,社会能力,社会行为>
社会知识∈{社会知识1,社会知识2…}
社会能力∈{社会能力1,社会能力2,社会能力3…}
社会能力=<能力类型,表现形式,相关知识>
社会行为=<行为类型,发生条件,反应>
社会行为类型∈{接受、拒绝、协作、谈判、请求}
2.4 定义Agent的任务[4]
AgentTask=<前提,结果,成本,持续期>
前提:执行该任务的所需资源。
结果:给出该任务完成以后所产生的资源。
成本和持续期:是一些表示任务执行的成本和时间的数学表达式,通常它们是“结果”或“前提”的函数。
2.5 定义Agent组织结构
在设计与建模的过程中,借鉴了角色建模的思想与方法,整个教学过程可以有三种角色:Header(盟主)、Participant(成员,有些任务可能不能独立完成,需要外协)、tail(最低层次的成员,能够独立完成所有承担的全部子任务)。
这三种角色由两个基本角色组成:Predecessor(前任)、Successor(后继)。一个前任可以有多个后继。Header只能是Predecessor,Tail只能是Successor,而Participant则既可以是Predecessor,也可以是Successor。
2.6 定义Agent协商协议
Agent为实现某一目标,在与其它Agent进行交互时需使用某种协商协议和策略。本系统的对等实体间Agent协商机制是基于改进合同网的方法,所涉及的协作协商一方面是教学Agent之间的协商,另一方面是教学策略及微策略的协商。
教学Agent之间的协作过程是:首先,根据协调管理Agent传来的指令信息,一个Agent试图解决一个问题,当它能够独立解决时(符合其能力范围和领域知识范围的条件),它独立解决,否则它向协调管理Agent发出求助信息,协调管理Agent的知识库中存有关于每个Agent能力和知识的数据,通过推理它会选择一个能够解决任务的Agent。在教学的过程中,协调管理Agent还能够根据教学过程协调管理Agent发送的教学过程监视数据以及教学策略数据,调整教学过程中的微策略,如:调整教学材料难度、改变材料呈现方式、通过改变刺激保持学生的兴趣等。
策略Agent和策略协调Agent的工作过程是:策略协调Agent根据学生模型中关于学生学习进度和学生的历史记录确定教学策略,再根据策略知识库中关于各个策略Agent的数据决定相应的模式Agent。当策略Agent接收到协调Agent的指令后,将格式化的策略数据发送给教学协调Agent。
2.7 完善模型
当领域本体以及智能体的定义都已创建好以后,可以着手源代码的编写工作,并根据测试过程中出现的问题,调整完善模型。
3 系统运行与分析讨论
本研究选用新世纪网络课程建设工程《动物繁殖学》课程为具体实践对象,整个课程采用B/A/S三层逻辑模型,即浏览器Browser/代理Agent/中心服务器Server,它是一种“瘦客户”模式,有助于加快访问速度,而且客户端利用浏览器上网,不再需要安装特殊的客户端程序,这能为复杂的分布式应用提供统一的环境。客户端通过运行一些Java Applet来增强客户端功能,减轻服务器负担;而且这些Applet根据客户赋予的权限多在客户端进行操作,增加了安全性。代理Agent层是用Zeus构建的多Agent系统,中心服务器主要包含一些基本web服务和数据服务。
3.1 多Agent系统底层开发工具
本系统选用英国电信智能体项目研究小组推出的面向Agent的软件开发、集成和运行环境[4]——Zeus来完成网络课程Agent系统部分的底层开发。
3.2 系统开发过程中存在的问题
在用Zeus进行系统开发的过程中,发现Zeus也存在一些Bug(比如对任务约束的设定无效),为此再结合JBuilder对系统作了调试与扩充。在课程开发整合阶段,除了利用JBuilder IDE对Agent系统和Web服务等程序进行再编译与调试外,在数据表示上还用到XML描述语言。
3.3 讨论与分析
Agent作为一个新兴的研究课题,有很多方面需要研究:如利用本体来更好地进行网络教学的知识表示和提供服务、解决好Agent之间的协同约束及协同规划问题、解决好Agent的任务描述。复杂系统Agent的任务描述比较复杂,本系统还有待于进一步完善。
4 结束语
软件Agent技术及其系统的理论研究、实际应用发展潜力是巨大的。在分布式智能系统方面,它是一个很好的解决方案。网上教学系统的复杂性、多用户和并发访问等特点以及教学的个性化和智能化的特性都很适合于用Agent技术来解决,用Agent理论来构建网络课程完全可以实现适应性学习和智能化教学。
摘要：通过对多Agent在网络课程中的应用研究,利用Zeus模拟各教学与协调Agent之间自动协商和智能选择教学策略的过程,建立一款基于多Agent的智能化网络课程,以期拓宽Agent在教育领域的应用,并针对每个学生的特质实现智能化教学。
关键词：智能Agent,网络课程,Zeus
参考文献
[1]石纯一,等译.多Agent系统引论[M].北京:电子工业出版社,2003,10.
[2]张云勇.移动Agent技术[M].北京:清华大学出版社,2003,9.
[3]张维明,姚丽.智能协作信息技术[M].北京:电子工业出版社,2002,4
[4]The Zeus Agent Building Toolkit.British Telecommunications Plc.1999.
基于Agent 篇10
关键词 智能Agent；计算机生成兵力；仿真；建模
中图分类号 TP 文献标识码 A 文章编号 1673-9671-(2012)012-0202-01
1 基于智能Agent系统的CGF之特点
CGF实体建模可分为物理建模、行为建模和环境建模三种。行为模型没有物理模型与环境模型更加完善，表现为其自治性和社会性尚不足以满足实现对作战训练与系统分析的要求。随着仿真规模越来越大，仿真对象的模型越来越复杂，智能化作战实体的描述对象不断增多，面向对象的技术已经难以确切表述作战实体的意图。相应的 智能Agent系统就应运而生。智能Agent系统是在分布式人工智能技术的基础之上发展起来的，被认为是面向对象技术的延伸，目前它己经成为继面向对象方法之后出现的又一种系统分析、设计的思想方法与工具。在智能Agent系统理论中，核心的问题是解决多个A-gent之间的协调合作及共同适应向题，即就是解决在分布式环境下各模型实体的高效运转和系统中存在的冲突与冗余问题。对于智能Agent系统而言，系统的行为不仅取决于单个Agent，更取决于Agent之间的协调及共同作用，解决问题的关键是研究如何将多个Agent组织成一个群体，并使各个Agent有效地进行协调合作，以实现各个智能体(Agent以相互协作的方式进行有效的问题求解。智能Agent系统从模拟人的行为出发，具有智能化、自主性、自治性等特征，可以准确描述仿真模型中的智能实体。具体来说，基于智能Agent系统的CGF具有以下特点。
1）智能性。基于智能Agent系统的CGF具有高度自治性与实体间的社会性交互机制，可以为复杂庞大的软件系统开发提供抽象的工具和求解方式。同时，智能决策又能够为指挥员的正确指挥提供可靠有效
帮助。
2）协调性。在基于智能Agent系统的CGF系统中，其最为核心在于解决了多个智能Agent之间的协调合作及共同适应问题，即解决在分布式环境下各模型实体的高效运转和系统中存在的冲突和冗余。
3）群体性。在基于智能Agent系统的CGF系统中，系统行为不仅取决于单个智能Agent，而且还取决于由多个智能Agent组成的群体，需要各智能Agent以相互比作的方式对问题进行有效求解。
4）兼容性。将现有CGF系统封装成基于智能Agent系统的CCF系统，每个基于智能Agent系统的实体都有其特定的功能一个智能Agent可以通过任务或者请求，动态、间接地从其它基于MAS的系统中获得相应的功能和能力。不同的智能Agent系统之间通过交互、通信、合作和协商等手段，实现任务的请求和代理。
2 基于智能Agent系统的CGF之系统结构与功能
2.1 体系结构
针对不同的应用，智能Agent系统的结构不尽相同。基于智能Agent系统的CGF建模采用自下而上的方法，把智能Agent系统作为系统的基本抽象单位，采用相关的智能Agent技术，先建立个体智能Agent，在此基础上，再采用合适的智能Agent系统结构封装个体智能Agent，最终建立完整的系统模型。结合计算机生成兵力的相关应用，参照智能Agent模型，可建立基于智能Agent的CGF模型体系结构。 整个模型体系由：①感知Agent；用于完成搜索雷达的功能仿真。包括目标搜索模型、目标探测模型、目标跟踪模型、目标识别模型和目标毁伤评估模型等；②决策Agent；主要采用路径规划、任务规划、基于规则的推理、基于案例的推理、模糊逻辑评判和神经网络井发仲裁方案等人工智能方法，完成指挥控制决策功能仿真。包括目标威胁评估模型、任务优化分配模型和战术协同决策模型等；③通信Agent；主要完成实体间的数据通信功能仿真。包括语言理解、语言生成、物理通信及语法库、语义库等。通信语言可采用KQML语言和中国科学院计算机研究所基于KQML开发的SACL语言；④执行Agent；主要完成实体交战功能仿真。包括目标瞄准模型、参数装定模型和弹道计算；⑤学习模块与知识库等组成，其功能的实现过程为：①主体通过感知Agent来感知外部环境，对环境信息做出一定的处理，并送达决策模块；②决策Agent在知识库的支持下，根据感知Agent得到的外部环境信息做出决策，将决策结果传送给执行Agent和通信Agent；③执行Agent根据传人的动作指令做出相应行动，对外部环境做出响应；④通信Agent处理Agent之间的信息交互；⑤学习模块从Agent的不断运行过程中总结经验，为知识库增加新的知识。
2.2 系统功能
由此可以看出，一个完整的CGF系统本身就可看作一个虚拟战场它涉及网络管理、人机交互、环境渲染、行为生成和系统监控等多个方面，并为参与虚拟战场演练的用户提供以下功能。
1）网络通信。基于智能Agent系统的GGF实体，与虚拟战场中的其它仿真应用程序具有互操作性，并通过网络通信进行交互在同一虚拟战场环境中运行的仿真应用程序，应采用相同格式的消息达成通信。
2）自治性仿真武器平台。这是基于智能Agent系统的CGF系统的主要功能。武器仿真平台的行为由计算机程序控制，并要能对战场态势和环境变化做出反應。
3）态势观察和人机交互接口。基于智能Agent系统的CGF系统应为用户提供友好的人机界面，不仅需要二维、三维态势显示界面，而且还要提供操纵和控制系统运行的人机接口，用于配置系统、设置实体和仿真时间。
4）系统管理和控制。为使基于智能Agent系统的CGF系统运行效率达到最高，同时能及时解决系统运行中可能发生的问题，需要对系统的网络传输、实体状态以及系统运行进行监控，干预实体行为，应付突发情况。
3 结语
近年来，智能Agent系统作为一种理想的设计与开发复杂系统的新方法已得到学术界和工业界的广泛关注，作为一种自然而有效的设计CGF系统的方法必将在今后发挥更大的作用。
参考文献
[1]王恒霖,曹建国.仿真系统的设计与应用[M].北京:科学出版社,2003.
[2]郭齐胜.系统仿真[M].北京:国防工业出版社,2008.
[3]郭齐胜.计算机生成兵力导论[M].北京:国防工业出版社,2007.
[4]郭齐胜.分布交互仿真及其军事应用[M].北京:国防工业出版社,2008.