基于多Ａｇｅｎｔ的庫存管理智能決策支持系統研究

摘要：在傳統庫存管理決策支持系統的基礎上，結合Agent技術，提出了一種基于多Agent的庫存管理智能決策支持系統模型，介紹了該模型的系統結構，闡述了模型各個子系統的功能，給出了系統工作流程、Agent結構。該模型解決了傳統庫存管理決策支持系統難以適應動態環境變化的問題，提高了庫存管理決策支持系統的智能性。文章最后總結了采用多Agent技術實現庫存管理智能決策支持系統的主要優點。

關鍵詞：庫存管理；決策支持系統；Agent；多Agent系統

中圖分類號：TP315 文獻標識碼：A 文章編號：1002-3100(2007)11-0027-04

Abstract: Combining the traditional inventory management decision support system with Agent technology， a model for the inventory management intelligent decision support system is put forward based on multi-agent systems. The paper presents the structure of the system， the functions of its subsystems and an example of the Agent's structure as well as the system's working flow. The model can overcome the difficulty in adapting the environmental change and improving the intelligence of the inventory management decision support system. Finally， the main advantages of the inventory management intelligent decision support system are summarized based on Multi-Agent systems technology.

Key words: inventory management; decision support system; Agent; Multi-Agent systems

0引言

庫存是物流活動中不可或缺的環節，它具有調節生產和消費，維持各項活動順暢進行的功能。庫存管理是企業物流管理中的一項核心內容，從物流的角度來看，庫存管理決策具有風險大、影響大和隨機性強等特點。如何經濟合理地進行庫存決策、提高庫存的流轉速度和資產的周轉率、保證庫存系統及企業高效率低成本運作，是企業在激烈的市場競爭中所面臨的難題。

近年來，隨著分布式人工智能技術發展，Agent技術在決策支持系統中的作用越來越明顯，多個智能Agent以協作的方式進行問題求解以及優化和控制成為物流供應鏈智能集成和決策的重要解決模式。將多Agent技術引入到庫存決策系統是決策系統發展的一個很有研究意義的課題，同時也是當前加快我國傳統物流向現代物流拓展進程的一個重要課題。基于此，本文在對庫存管理決策支持系統分析的基礎上，結合Agent技術，提出了基于多Agent的庫存管理智能決策支持系統模型，研究了該模型的工作機制。

1庫存管理決策支持系統分析

庫存管理決策支持系統是在庫存管理信息系統的基礎上，結合運籌學、管理科學和控制學等知識，充分利用信息技術，及時、準確地反映出當前的庫存情況、顧客的需求、準確無誤的管理賬目，提供庫存預測和庫存分析所需的信息，并引用大量的數學模型，對大量數據進行各種統計、查詢和決策分析，為決策者做出正確的決策提供有利的支持[1]。它實現的功能主要包括出入庫管理、自動補貨、庫存預測、庫存預警、儲位分配以及深層次信息的挖掘。

傳統的庫存管理決策支持系統通常采用“四庫”結構模型，即數據庫、模型庫、方法庫和知識庫。雖然這種結構方式的研究已經取得了較大的成績，但是仍存在一些不足之處，主要表現在：

（1）人機交互形式存在不足。人機界面提供的支持都是一種固定模式，即對于每個用戶都是相同的支持方式，不能保證所提供的服務都能夠使用戶滿意。

（2）順序計算模式效率不高。在進行決策的過程中是一步一步按照順序執行的，步驟間不能并行執行，運算效率低。

（3）決策信息的獲取。決策信息的提供由用戶完成，系統只能利用用戶提供的信息進行決策，而不能幫助用戶挖掘其它有用的信息；而且當數據量較大時，系統不能自動地從中提取有效的成分，只能用戶手工整理[2]。

2Agent技術應用于庫存管理決策支持系統的適用性分析

智能物理Agent基金會（FIPA）對Agent的定義為：Agent是一類嵌入環境內的實體，它可以解釋反映環境事件的“傳感器”數據，并通過執行動作影響環境[3]。多Agent是由多個Agent通過協調機制組成的集合，具有不同目標的多個Agent對其目標、資源等進行合理安排，以協調各自行為，最大限度地實現各自目標，并合作完成共同目標。其中的每個Agent都是一個有目標、行為和領域知識的實體，能作用于自身和環境，并對環境做出反應。

對于庫存管理決策支持系統而言，構成系統的各個實體之間既存在錯綜復雜的制約關系，又具有獨立性，在庫存管理知識庫的作用下通過自主調節，影響整個系統的運行結果[4]。動態變化的環境對庫存管理決策支持系統提出了新的要求，加劇了其復雜程度。

多Agent系統是一種自主的分布式系統，以其主動性、反應性和智能性顯著，適合于成員自然分布、主體自治、地理位置分散、成員間有靈活性交互需求、處于變化著的系統，為傳統上難以有效管理的復雜庫存業務提供了一種新的解決方案；多Agent的主動性、反應性使庫存管理決策支持系統易于對環境變化做出及時響應，實現與環境的同步調整。從以上的分析可以看出多Agent系統的思想正好滿足庫存管理決策支持系統開發的需要。

3基于多Agent的庫存管理智能決策支持系統模型設計

3.1系統結構

通過對庫存管理決策支持系統的分析，抽象出組成系統的Agent，以庫存管理決策支持系統結構框架為基礎，結合Agent的特點和結構，設計了基于多Agent的庫存管理智能決策支持系統框架結構。框架結構從整體上分為四層，從上至下依次分為：控制層、通訊層、功能層和資源層。如圖1所示。

3.2系統功能

界面Agent。根據用戶需求確定界面的工作方式，接受用戶的決策任務，并主動提供服務，在和用戶交互共同作用的決策過程中，能夠通過不斷的學習，獲得用戶的某些特征知識，從而可以在決策的過程中自主地做出與用戶意志相符合的策略。

信息Agent。負責對庫存信息進行各種檢索和處理，根據需要從信息源檢索出決策者需要的信息，以供求解問題的需要，同時還可以對檢索到的信息進行加工，實現對庫存信息的管理、控制和分類。

管理Agent。掌握系統內所有Agent的情況，包括各種Agent的標識、類型以及功能等，負責將用戶和其它Agent提出的決策任務分解成相互依賴程度較低的子任務，并將任務求解的愿望發送給相關的功能層的Agent，各個功能層的Agent將根據自己的能力決定是否接受決策任務或確定決策任務的哪一個部分。

協調Agent。當多用戶、多Agent共享同一決策資源而發生沖突時，協調Agent根據各用戶或各Agent對資源請求的先后順序或重要程度，制定協調規劃，協調和處理資源共享，解決它們之間的沖突與矛盾，使得各類Agent之間能夠協同工作[5]。

通訊Agent。主要負責與系統外部環境以及系統內部其它各Agent進行通訊；接收來自庫存管理人員或用戶的請求或任務控制信息等，并按照預定規則分發給相應的Agent；同時進行來自系統內部各Agent的信息反饋和庫存信息發送。

入庫管理Agent。主要任務是當接收到入庫訂單信息或補貨信息時，向庫存控制Agent發出請求，并接收其反饋的儲位分配建議，完成貨品的入庫處理；與存量控制Agent交互，得到補貨信息[4]。

出庫管理Agent。庫存控制Agent發送它的實際庫存信息給出庫管理Agent，出庫管理Agent進行按商品物料的批次日期，自動進行出庫篩分處理；出庫完成后，與庫存控制Agent交互，自動更新庫存數據庫[6]。

庫存控制Agent。根據其它Agent的請求做出出入庫控制方面的決策。采集某一規定日期的實際庫存量信息，與出入庫管理Agent交互，接收出入庫指令，分析指令內容，確定訂單可行性，并向其發送出入庫建議指令或缺貨信息；與儲位管理Agent交互，接收其反饋的儲位分配指令。

存量控制Agent。在歷史數據的基礎上，采用模型庫中的庫存預測模型，預測未來的庫存量，及時動態地更新安全庫存信息；定期檢查倉庫的存儲量并提供預警；與入庫管理Agent交互，向其發出補貨信息。

儲位管理Agent。與庫存控制Agent交互，當接收到入庫指令時，提出儲位分配建議，為貨物分配儲位并計算相關費用，協助入庫管理Agent完成貨物的入庫操作，對于由于出庫揀貨錯誤引起的貨物重新入庫，優先考慮其原始儲位。

數據挖掘Agent。實現對數據倉庫的維護和各種挖掘手段，接受管理Agent或數據倉庫Agent提出的數據請求，應用數據挖掘方法挖掘庫存信息間隱含的、未知的、潛在和有用的規律和知識，返回相應的數據給它們；通過界面Agent與用戶交互，為用戶決策提供輔助支持，并在用戶的指導下更新知識庫。

數據倉庫Agent。將系統的全體數據集成到一起，為決策者提供較全面的數據；對數據、信息和知識進行分析處理，負責確保整個框架的數據可信，并確保其它Agent能從相應的庫中獲得支持數據。

3.3系統工作流程

系統的工作流程如圖2所示。用戶通過通訊Agent與界面Agent進行交互，根據界面Agent產生的特定界面提出庫存決策任務請求，界面Agent觸發管理Agent，管理Agent對其任務進行分解，并向功能層Agent發送信息，詢問它們各自能解決該任務的哪些部分；功能層的各個Agent將根據自己的能力確定接受哪些任務，并向管理Agent做出回答，同時告訴界面Agent解決這些任務需要哪些相關的輸入信息；界面Agent向信息Agent發送相關的信息請求；功能層Agent通過信息Agent調用相應數據庫、模型庫、方法庫和知識庫進行推理，在推理的過程中通過通訊Agent與其它Agent進行協商和相互傳遞信息，完成相應的庫存決策功能。當多Agent協作過程中出現沖突時，由協調Agent進行調解。

3.4庫存管理智能決策支持系統Agent結構

庫存管理智能決策支持系統中的各類Agent重在模擬人的思維和行為過程，強調行為由其內部狀態，即心智狀態驅動，在變化的環境中，Agent通過感知改變心智狀態，進而做出適應環境的行為。由于任務、職能不同，各類Agent應設計成異構形式[7]。下面以庫存控制Agent為例進行說明。

庫存控制Agent是完成決策任務的主體，根據分配的任務生成出入庫控制方面的決策。庫存控制Agent的結構如圖3所示。

庫存控制Agent是一個七元組，其定義如下：

庫存控制Agent=（感知器，通訊機，消息處理機，事務處理機（模型庫，方法庫，數據庫），知識庫，推理機，學習機）

其中，事務處理機進行事務的處理，是Agent實現目標的主體，它由模型庫、方法庫和數據庫構成。模型庫主要是提供各種決策模型，支持庫存控制Agent在實現決策過程中的各種活動，模型主要有單一產品庫存決策模型、多品種產品庫存決策模型、多級聯合庫存決策模型、基于庫存水平的模型、物品分類模型、儲位分配模型、庫存預測模型等；方法庫存儲著系統的各種決策處理方法，協助系統完成問題的識別、生成中間和最終方案等決策活動。算法主要有“公平份額分配準則”方法、ABC分類法、動態規劃法、關鍵因素決策法、經濟批量EOQ（Economic Order Quantity）方法、決策樹算法、多元統計回歸和數據挖掘算法等；數據庫存放著物品的存貨信息、入庫信息、出庫信息和儲位信息等，數據庫中應收集的信息包括貨物的編號、品名、種類、數量、重量、體積、存放位置、生產日期、保質期等。

知識庫提供求解問題所需要的某些知識和規則，以及提供系統其他Agent運行功能的知識。主要包括經驗型知識、常識知識和一些庫存運作程序規則和管理規則，如物品出庫規則、堆放規則、缺貨狀態下特殊客戶的優先規則等。

通訊機負責Agent的通訊、消息接受和發送，可以傳遞任務、運行結果和實現知識共享。

推理機是庫存控制Agent的核心，根據各Agent的目標、知識和能力，結合數據庫中的數據和知識庫中的知識，進行推理和決策，作用于消息處理、事務處理等，其做出的決策必須有利于目標的實現。

學習機從Agent的運行過程中總結經驗，為知識庫增加新的知識，提高適應環境變化的能力。

4基于多Agent的庫存管理智能決策支持系統的優點

基于多Agent的庫存管理智能決策支持系統具有下列優點：

（1）該系統既保留了庫存決策支持系統傳統的多庫結構，又提供了靈活的Agent組織框架，綜合了決策支持系統的特性和Agent特性于一體，能夠及時地感知和響應其所處環境的變化，確保了信息交換和處理的及時性，滿足了各種動態變化的要求。

（2）界面Agent改善了系統的人機交互形式，通過采用機器學習技術，可以較好地按照不同用戶的偏好提供服務，與傳統的界面相比，具有了智能性。

（3）系統的各Agent可以通過交互機制建立協作關系，互相協作求解問題，能夠動態并行處理復雜的多個任務，提高了系統的處理效率。

（4）將Agent技術引入到數據倉庫中進行知識抽取，設計了數據倉庫Agent和數據挖掘Agent，利用相應的數據挖掘算法對大量數據進行挖掘，提取其中隱含的有用信息和知識，為用戶提供有效的決策支持。

5結束語

本文根據庫存管理決策支持系統應用中存在的問題，提出了一種利用Agent技術的庫存管理智能決策支持系統開發思路，研究了庫存管理決策支持系統中引入Agent技術的適用性，在對庫存管理系統分析的基礎上，抽象出組成系統的Agent，設計了基于多Agent的庫存管理智能決策支持系統框架結構。該結構的實現可有效地突破傳統庫存管理決策支持系統難以適應動態環境變化的障礙，極大地提高了庫存管理決策支持系統的智能性，使其能夠根據問題的變化做出適當的自主的調整，滿足用戶的要求。然而Agent技術在我國的研究和應用尚處于起步階段，對于Agent技術應用在庫存管理方面，只是一種探索，為今后的實踐應用提供了一個參考方案。

參考文獻：

[1] 羅娟娟. 零售企業庫存管理決策支持系統研究[J]. 物流科技，2006，29(8):46-48.

[2] 李英. 多Agent系統及其在預測與智能交通系統中的應用[M]. 上海：華東理工大學出版社，2004.

[3] Barbuceanu M， Teigen R， Fox M S. Agent based design and simulation of supply chain systems[C] // Sixth IEEE Workshops， 1997:36-41.

[4] 賈紅雨，等. 庫存管理模擬Multi-Agent建模方法研究[J]. 系統仿真學報，2006，18（增刊2）:73-76.

[5] 張榮梅. 智能決策支持系統研究開發與應用[M]. 北京：冶金工業出版社，2003.

[6] 余福茂，王富忠，沈祖志. 基于CORBA技術的多Agent智能庫存管理系統[J]. 物流技術，2006(3):82-84.

[7] 曾慶華，傅凝. 基于多Agent的智能決策生成系統研究[J]. 系統仿真學報，2005，17(11):2818-2820.