基于協同Agent個性化智能服務系統的研究與設計

摘要：本文對多Agent技術進行了介紹，從個性化服務系統這種應用領域出發對該技術進行了新的改進，提出了一個基于協同Agent的個性化智能服務系統，介紹了系統的組成和運行原理：對系統的核心—協同Agent處理器的構成、運行原理、流程進行了研究與設計。

關鍵詞：多Agent 協同Agent 智能服務系統

中圖分類號：TP311.52文獻標識碼：A

0 引言

隨著信息技術和電子商務信息服務平臺的建立與應用，企業需要具備更多的銷售模式并加入到戰略伙伴的供應鏈上，以提高銷售業績獲得更豐厚的利潤。同時用戶期望獲得更加符合個性化需求的服務，電子商務的網絡運營商需要不斷地改進服務模式和業務流程，來滿足用戶、供應商和服務商的各種需求。傳統企業架構由于技術層與業務層之間不能直接通信，無法滿足客戶復雜多變的業務需求，而面向用戶的個性化智能服務是分布式的智能計算系統。

Agent技術源于分布式人工智能(distributed artificial intelligent，簡稱DAI)領域。面向Agent方法是在面向對象方法的概念上發展的。建立在人工智能基礎上的Agent，能夠表達啟發式知識，因此面向Agent方法能夠較好的解決個性化服務中的很多問題。但由于推薦需求與應用系統之間的差別，推薦系統需要根據Web站點進行定制開發，所以系統移植性差，難以動態有效地管理和維護多個推薦工具和大量數據，但如果定義一組以Agent為核心的概念體系，運用基于多Agent系統的體系結構來理解和認識應用系統，則更能體現自主、個性和智能的自然屬性，適用于分布、異構、開放和動態的世界環境，具有更大的靈活性和適應性，從而為企業提供強大的威力和靈活性，本文提出了一種改進的基于協同Agent的個性化智能服務系統。

1 基于協同Agent的個性化智能服務系統

協同Agent的個性化智能服務系統框架如圖1所示，該系統是一個智能互連環境，它為用戶提供資源及所需的知識服務，輔助實現知識創新、協同工作、問題解決和決策支持。其原理是在推薦系統中設置協同Agent處理器，該處理器首先給出一個刻畫和分析Agent協作的公共描述框架，然后基于該框架定義了一組協作模型，處理器負責為每個用戶設置一個接收用戶需求的Agent，然后將需求信息傳給合適的協同Agent處理器。模型中，Agent間的交互關系僅僅是請求和服務關系，而且這些Agent是在服務協同Agent管理器中進行協調和控制，即通過協調搜索到一個合適的Agent并向另一個Agent提出服務請求或提供服務。

用戶的請求通過協同Agent處理器的處理得到響應。處理器的運作機制是首先以服務信息為來源，由最相鄰的服務Agent負責分析用戶的需求，結合用戶知識庫，在服務系統的服務目錄庫中尋找最相關的服務，如果沒有檢索到相關服務，則啟動服務智能搜索子系統動態形成新服務，結果注冊與服務目錄子系統中，存儲在應用系統本體數據庫中。最后通過服務庫管理子系統在虛擬服務社區中調用智能推薦子系統，進行商品知識與用戶知識的匹配。

2 協同Agent處理器設計與原理分析

多Agent協同管理層是系統的核心部分，其結構如圖2所示。協同Agent系統與傳統的多Agent系統不同的是，該系統不僅定義了Agent的通信語言、協作目的、交互協議和交互過程，而且在各個協同Agent之上構建一個協同Agent管理器。該管理器接收到服務請求后通過任務調度和搜索，組合功能后將這些任務交由系統中的一組Agent執行，管理器先對各種功能的Agent進行評估，選擇最合適的Agent執行任務，當Agent完成任務后將結果反饋給協同Agent處理器。

協同Agent處理器主要負責協調Agent網絡，Agent之間通過規定的通信語言、通信協議和通信模型進行交互協作完成服務，交互Agent實現智能化的交互，其中具體的功能包括顯式收集服務請求信息、隱式服務請求信息、收集信息以及將推薦結果反饋給用戶。交互功能的實現由協同Agent管理器搜索Agent網絡，找到最近合適的跟蹤Agent和交互Agent完成。當用戶登錄服務系統或登錄服務客戶端時，由Agent網絡中的跟蹤Agent主要實現用戶信息的隱式收集，系統自動找到一個跟蹤Agent獲取用戶相關數據提供服務。跟蹤Agent將記錄用戶訪問模式的數據記錄在用戶數據庫中，同時控制層與推薦層實時的分析點擊流數據來實現策略即相關商品頁面的實時推薦和制作個性化用戶界面。

Agent協調器是在一組Agent之間進行任務的合理分配、實現合作問題求解。其運行方式是以一個管理者的身份進行，它擁有一組任務并且需要將這些任務交由系統中的Agent執行。為了確保這些任務能夠得以成功執行并且獲得盡可能高的利益，管理者在將這些任務交給Agent之前需要對Agent執行任務的一些性質進行評估，從而將任務交給最為合適的Agent執行，任務執行完后Agent需要將任務執行的結果反饋給管理者，由管理者對這些結果進行匯總和處理。其處理流程如圖3所示：

Agent協調器主要是基于服務內容搜索算法、基于用戶統計信息搜索算法和基于關聯規則推薦算法，控制層分析獲得的數據類型和用戶需求，自動選擇合適的服務算法進行推薦服務，控制層由策略Agent和規則庫組成。策略Agent接收來自交互層的數據，根據不同的數據類型以及各種推薦算法的適用范圍確立算法規則。算法規則有：接收到用戶訪問頁面的點擊流數據則采用基于關聯規則推薦算法：接收到用戶個人資料信息則采用基于用戶統計信息推薦算法；接收到用戶評分數據則采用協同過濾推薦算法；接收到文本信息則采用基于內容推薦算法。并將這些算法規則儲存在服務規則庫中。

規則庫是存放算法規則的數據庫，算法規則用邏輯語言記錄在規則庫中，便于算法匹配Agent調用。當Agent協調器通過目標Agent確定具體搜索目標后，在Agent網絡中搜索相鄰的最合適的Agent進行服務，并產生候選Agent序列進行備選。

Agent評估模塊實現算法計算和信用評價，主要是根據目標確立的算法規則，從算法庫中調用相關服務算法進行計算得出服務結果。在服務結果中再進行匯總和綜合處理。

3 結束語

本文在分析傳統的多Agent智能服務系統的基礎上，提出了一種基于協同Agent的個性化智能服務系統，該系統綜合了各種服務技術，適應不同應用領域的服務系統，形成一種新型的以服務為中心的網絡應用智能系統，將會給傳統的智能系統帶來極大的變革，特別對于大型的商務推薦系統具有一定的實用價值。