《多Agent制造业供应链管理》在制造业供应链管理系统中，引入多Agent技术和方法，利用多Agent的交互性和智能性，将供应链管理系统和商务智能融合起来，旨在提高供应链管理的智能化程度，以及可整合、可扩展的能力。本书在作者负责的多项基金项目研究成果的基础上，吸收国内外相关学科领域最新研究成果，围绕多Agent制造业供应链管理，从基础理论、协同优化、协同谈判三个层面进行阐述，全面并系统地介绍相关理论、常用方法、实现技术、应用现状和发展前景，并辅以实例分析。
《多Agent制造业供应链管理》既可以作为相关学科领域学者的研究参考或学术读物，也可以作为高等院校相关专业高年级本科生和研究生的教材。同时，本书也可为行业和企业管理者提供借鉴与参考。
更多科学出版社服务，请扫码获取。
多Agent技术及其供应链管理系统概述
当今市场竞争环境瞬息万变，客户需求变化更快、更具个性化，使得供应链的复杂业务过程很难按计划进行。多Agent技术的分布性、自治性、移动性、智能性和自学习性等特点正适合于跨越企业边界的、处于复杂环境的供应链管理，满足企业间可整合、可扩展的需求，集成供应链上各加盟节点企业的核心能力，提高各企业的价值创造能力，强化供应链的整体管理水平和竞争力。
第一节Agent概念
随着人工智能技术的快速发展和多Agent应用技术的不断成熟，多Agent系统在很多领域得到了越来越广泛的应用。目前，多Agent技术应用到供应链管理的研究已经成为一个热点方向。在介绍多Agent供应链管理系统之前，本节首先介绍Agent概念。
一、Agent定义
Agent是一个具有反应性、自治性、社会性和自发性等特征的智能体，具有对环境的感知能力，能感知它所处的环境，并通过行为来改变环境。
什么是Agent？我们将从它的特征着手进行阐述：自治性，即Agent运行时不直接由人或者其他东西控制，它对其自身的行为和内部状态有一定的控制权；社会性，即人们对人类智能的研究发现，人类智能的本质是一种社会性的智能，Agent也具有这种特性，它能够通过通信语言和其他Agent进行信息协同、交换和合作；自发性，Agent的行为应该是主动的、自发的，它能独立于其
多Agent制造业供应链管理
他Agent而执行。Agent除了具备以上的特性外，还应具有某些通常人类的特性，如知识、信念、意图、承诺等心智状态［1］［2］。
Agent有多种描述式定义，如果从特征描述，可以定义为：在某一环境下，能持续自主地发挥作用，具备自治性、反应性、社会性、主动性等特征的智能体。
也可以描述为：在特定环境下的、能感知环境的计算机系统，能够实现设计人员和用户的一系列目标，并能在那种环境下灵活自主地运行计算实体或程序［1］。Agent的基本结构［3］如图1-1所示。
二、Agent类型
按照Agent的结构来划分，Agent可以分为思考型、反应型和混合型。按照特性来划分，则可以将Agent分为反应式Agent、社会Agent、BDI型Agent、演化Agent和人格化Agent五种类型。
（一）Agent结构类型
Agent的结构由环境感知模块、执行模块、信息处理模块、决策与智能控制模块以及知识库和任务表组成。环境感知模块、执行模块和通信模块负责与系统环境和其他Agent进行交互，任务表为该Agent所要完成的功能和任务。信息处理模块负责对感知和接收到的信息进行初步地加工、处理和存储。决策与智能控制模块是赋予Agent智能的关键部件。它运用知识库中的知识对信息处理模块处理所得到的外部环境信息和其他Agent的通信信息进行进一步的分析、推理，为进一步的通信或从任务表中选择适当的任务供执行模块执行做出合理的决策。我们通常可以将单个Agent的结构分为反应型Agent、思考型Agent和混合型Agent［3］。
1.反应型Agent
反应型Agent既不使用复杂符号推理，也不包含任何符号世界模型，反应Agent认为Agent的智能取决于感知和行动，并直接以刺激―响应的方式进行运作和反馈，进而提出了Agent智能行为的感知―动作模型。Agent可以像人类一样逐步进化，不需要表示和推理，其行为是通过与周围环境的交互来表现，而其行为的复杂性反映的是Agent运行环境的复杂性，而不能反映Agent复杂内部结构设计。其中典型的反应型结构有Suchman等人提出的态势规则（即if-then规则）和Brooks的包容结构（subsumptionarchitecture）。但是，到目前为止，这种结构尚只能实现简单的智能表现［3］。
反应型Agent的结构如图1-2所示，Agent通过传感器接收外界环境的信息获得知识，然后对照结合条件―动作规划库的内容选择动作，该动作又作用于环境［3］。
2.思考型Agent
思考型Agent也可称为认知型Agent（cognitiveagent）或慎思型Agent（deliberativeagent），它能通过模式匹配和符号操作来对环境和智能行为进行逻辑推理。它最大特点就是保持了经典人工智能的传统，将Agent看做一种意识系统［2］（intentionalsystem）。
思考结构基于物理符号系统，包括一个被清楚表示环境的符号模型，可通过符号推理进行决策。若用其建造Agent，至少有两个问题需解决：第一是转换问题，即把现实世界及时转换成正确的、有用的符号描述；第二是表示和推理问题，即如何用符号表示复杂真实世界实体的信息和进程，以及如何及时地利用这些信息得到有用的结果［2］。
基于这种结构的系统有：早期著名的规划系统STRIPS，系统输入有关世界和目标状态的描述，以及一组动作的描述，系统利用手段目的分析方法，寻找一个动作序列以实现目标；Bratman建立的智能资源有限机器结构IRMA，该结构包含规划库，以及信念、愿望、意图的显示表示这四个关键的符号数据结构；Jennings的GRATE系统是一个分层结构，利用信念、愿望、意图和联合意图指导Agent的行为［2］。
思考型Agent则能将被代理者所具有的所谓意识态度（intentionalstance），如信念、意图（包括联合意图）、愿望、承诺、目标、责任等模拟或表现出来［2］。
思考型Agent的体系结构如图1-3所示。
3.混合型Agent
混合型的Agent正好结合了思考型Agent和反应型Agent两者的优点，既有较好灵活性，也有较快的反应速度。混合型Agent通常由反应型和思考型两个子系统构成，这两个子系统分层次，后者建立在前者的基础之上，低层能快速响应和处理环境的变化，而高层包含符号表示的世界模型，用智能技术进行决策，具有较强的实用性。其结构如图1-4所示。
Georgeff和Lansky开发的过程推理系统（proceduralreasoningsystem，PRS）是最典型的混合结构。PRS是一个“信念―愿望―意图”结构。信念是有关内部状态和外部世界的一些情况，通常用一阶逻辑表示；而愿望则用“系统行为”来表示。在每个规划库中都包含一些被称为知识块（knowledgearea，KA）的部分，每个知识块和一个相应的激活条件联系在一起。意图正好对应当前系统中激活的知识块［1］。
TouringMachine系统中的Agent通过感知和行动两个模块与外界进行信息交互，此外还有三个并行执行的控制层次：规划层（P）、反应层（R）和建模层
（M）。每个层次都包含相应的、对世界的不同层次的抽象模型，用来实现不同的任务［1］。
（二）Agent特性类型
从Agent特性方面考虑，可以将Agent分为如下几类：
（1）反应式Agent。这种Agent能够主动监视环境，并能根据环境变化做出必要的反应。典型应用包括机器人，特别是Brookes类型的机器昆虫［4］。
（2）社会Agent。它是多个Agent构成的一个Agent社会中的一员，各Agent之间有时存在共同利益（共同完成一项任务），有时也有利益冲突（争夺一项任务）。因此，这类Agent在协作的同时也有竞争。协作的典型例子有办公自动化Agent，竞争的典型例子是多个运输（或电信）公司Agent争夺任务承包权［4］。
（3）BDI型Agent。BDI型Agent，即有信念（belief）、愿望（desire）和意图（intention）的Agent，也称为理性Agent。在目前Agent的研究中，这是最典型的智能Agent或自治Agent。为主人在Internet网上收集信息的软件Agent及比较高级的智能机器人都是BDI型Agent的典型应用［4］。
（4）演化Agent。这类Agent具有学习能力，可以提高自身能力。单个Agent自身能力的提高借助于从与环境交互中总结经验教训，但更多的学习是在社会Agent之间进行。模拟生物社会（如蜜蜂和蚁群）的多Agent系统就是一个典型的例子［4］。
（5）人格化Agent。人格化Agent，即不仅有思想，还有情感的Agent。虽然目前对这类Agent的研究正处于起步阶段，但是较有发展前景。在故事理解研究中的故事人物Agent就是典型的人格化Agent［4］。
（三）移动Agent
移动Agent除了具有智能Agent的最基本的自主性、反应性、主动性和交互性外，还具有移动性。移动Agent技术结合了两个不同的学科：一是定义Agent概念的人工智能；二是处理流动性代码的分布式系统。移动Agent是有一系列目标和任务的自主软件实体，它们具有对环境的变化做出反应、改变它们的环境，并与其他Agent进行信息交互等能力，它们还可以自主地从网络中的一台主机移动到另一台主机上连续运行。这种灵活的网络环境，为Internet环境下的应用程序（如电子商务）提供了许多潜在的优点［1］。
移动Agent的概念是20世纪90年代初由GeneralMagic公司在推出商业系统TeleScript时提出的，TeleScrip是第一个比较著名的商业移动Agent系统，TeleScrip主要用于网络平台管理及电子商务等领域［5］，移动Agent的系统结构模型如图1-5所示。由于其自身优异的条件，移动Agent技术已成为继COR-BA、EJB后新一代分布处理的关键技术，并在很多新兴领域得到广泛的应用［1］。
三、Agent通信语言
Agent通信的基本思想来自言语行为理论。Agent之间的通信是以简明的语法和清晰的定义来准确清楚地表达每条消息的内容和意图，从而保证传递消息的高效性和明确性，这就出现了Agent的通信语言。
1.知识查询和处理语言KQML
知识查询和处理语言既是一种消息格式又是一种支持Agent之间交互行为的知识共享的消息处理协议。因此，KQML定义了常用的消息格式。一个KQML消息可能被当成是一个实体：每条消息有一个自己的原语，还有一些参数。该语言由三个层组成：通信层、消息层和内容层。通信层主要是通信的行为，定义消息的主要含义。随后是一系列的消息参数，由一个以冒号开头的参数关键字引入，其中的一个参数包含消息内容，以某种格式生成了一条表达式；其他的参数辅助实现消息传递，或辅助接受者理解消息的含义，或辅助接收者响应协作。
……
新书资讯
