基于多Agent 的矿井通风仿真系统.pdf

文章编号 1003 07942003 04 0046 03 基于多Agent 的矿井通风仿真系统* 华 臻1, 范 辉2, 李晋江3, 刘敬云3, 靳钟铭3 1 烟台大学 光电信息学院, 山东 烟台 264005; 2 烟台大学 计算机学院, 山东 烟台 264005; 3 太原理工大学 计算机系采矿工艺研究所, 山西 太原 030024 摘要 针对实时性有一定要求的通风仿真系统中必须满足的时间和空间复杂度要求, 提出 了一种基于多Agent 系统的分析和解决方案。介绍了基于多 Agent 系统仿真的特点和功能, 给出了 通风仿真系统中 Agent 的结构。最后, 采用了一种 投票 式的协同策略, 从一个新角度来解决通风 中的风网解算存在的问题, 并构筑了一个通风仿真系统。 关键词 多 Agent 系统; 仿真系统;风网解算 中图号 TP31; TP18文献标识码 A 1 引言 Agent 是人工智能中一个重要概念, 随着人工智 能及计算机网络的发展, 对 Agent 的研究及应用正 引起人们的广泛兴趣。目前, Agent 的应用已涉及个 人数字处理、 网络管理、 远程电子会议、 CAD、 医学会 诊等多个应用领域。作为人工智能的一个重要分 支, 近年来分布式人工智能 DAI 已成为一个研究 的热点。其研究 主要可分为 分布式问题 求解 DPS, distributed artificial intelligence 和多Agent 系统 MAS 。DPS 侧重于信息管理, 包括任务分解和解 答综合; MAS 侧重于行为管理, 包括如何协调各 Agent 的知识、 目标、 策略和规划, 以采取联合行动或 解决问题, 由于 MAS 比 DPS 更能体现人类社会智 能, 更加适合开放、 动态的环境, 因而越来越受到人 们的重视[ 1,2]。MAS 比单一的 Agent 更具模拟人类 社会的智能, 其核心就在于通过MAS 中的 Agent 的 彼此通讯, 可以开发新的规则或问题的求解方法, 来 处理单一 Agent 所缺乏的、 不完全的和去确定的知 识。而且通过多 Agent 间的交互和合作, 能进一步 了解多Agent 社会行为, 以达到 Agent 社会的共同目 标。MAS 在实际应用中要考虑到如何适应实际应 用环境, 根据软件需求分析, 满足在空间和时间上的 复杂性要求。特别是在一些模拟实时的仿真系统 中, 对于时间复杂性有比较严格的限制。对于下面 所提到的通风系统, 采用MAS 设计是一种很好的解 决办法。 2 基于多 Agent 的仿真系统 基于多 Agent 的仿真系统研究系统中 Agent 的 大规模的行为及它们之间的交互。这种仿真的方法 很直接也很有效, 已广泛应用于生物学、 经济学及社 会学中。 在多Agent 所组成的 Agent 社会中, 每个智能体 * 基金项目 山东省自然科学基金资助Y2002G08 具有单一 Agent 所不具有的特性。系统中的每个 Agent 都具有社会性, 虽然它们都具有自己的信念、 愿望和意图等基本的思维属性, 但是必须服从Agent 社会中所制定的规则。通信是 Agent 社会性的体 现,也是 Agent 间思维状态的传递。为了满足在仿 真系统中的时空复杂性, 多 Agent 之间必须能够体 现社会的实时性特点。因此, 在基于多 Agent 的仿 真系统除具备多 Agent 系统的特点外, 还有自己的 特点 1 分布性。随着从基于网络操作系统的分布 计算模式向基于 Internet 和 Intranet 的分布计算模式 的转移, 大多数人认为未来的计算环境将由运行于 多种异构平台上的分布软件系统组成。 2 协同性。 一般情况下, 协同是指多个主体围绕一个共同目标 而相互作用的协同过程。在MAS 开发中, 协同的高 效实现是一个核心问题。Durfee 提出了多主体协同 的 4 个基本目标[6] 通过并行性提高任务完成效率; 通过共享资源 信息、 专家知识、 物理设备等 扩展完 成任务的范围; 通过任务的重复分配增加任务完成 的可能性; 通过避免有害相互作用降低任务之间的 干扰。 3 并发性。MAS 中的 Agent 具有并发的特 性,Agent 社会中的每个Agent 随时随地在根据Agent 环境协调自己的状态和行为, 及时处理实时信息。 4 实时性。大多数仿真系统都对时间有一定要求, 要求系统能够快速地响应。 3 通风仿真系统中Agent 结构 本文以多 Agent 系统构筑了一个矿井通风仿真 系统, 该系统能够对预期的通风方案进行仿真, 并将 结果与现有的方案比较, 检查新方案是否满足要求, 或比原方案更好。实际通风系统中主要组成有 通 风网络, 包括矿井巷道的拓扑结构及巷道的风阻系 数等; 通风设备, 包括风机、 风窗、 风门等。在仿真系 统中, Agent 根据功能可分为 4 类 设备 Agent、 网络 46 煤 矿 机 械 2003 年第 4 期 Agent、 接口 Agent 和学习Agent。 31 设备Agent 结构 设备 Agent 是通风仿真系统的核心, 它的结构 包括消息队列、 方法、 属性 数据/ 知识 和接口等, 定 义为 Agent , 其中, {Msgi}i∀ N 消息队列; {Msti}i ∀ N 方法; {D/Ki}i∀ N 属性;MsgIntp 消息解释器。 Agent 自己决定对哪些事件响应以及如何进行 处理, Agent 不断学习和适应环境, 同时不断发展和 提高自己的能力。根据历史数据, 设备 Agent 通过 神经网络的训练和学习, 得到在不同时期相应方向 风量, 决定对新方案的选择。 32 网络Agent 当设备Agent 计划了某种通风方案时, 必须询 问相邻的设备Agent, 根据协同策略决定该方案是否 可行。由于设备 Agent 采用轮询方式来处理消息队 列, 因此在处理消息的过程中就有了一个时间差。 33 接口Agent 接口Agent 负责仿真程序的接口和多 Agent 社 会中共享信息的维护。仿真系统中其他Agent 通过 接口Agent 获得某一时刻系统中巷道的风量大小、 风向等。 34 学习Agent 该Agent 采用递归神经网络技术, 学习以往在 通风网络中每条巷道的实际风量, 预测将来在巷道 的风量。通过学习 Agent 提供的预测风量, 设备 Agent 可以通过协同策略, 选择最佳的通风方案, 使 整个通风系统满足生产要求、 提高通风效率。学习 Agent 由 3类功能各异的Agent 组成 神经网络 Agent NNagent 、 协 调 Agent Sagent 、 遗 传 算法 Agent GAagent 。其中 NNagent 和 GAagent 分别对应神经 网络方法库NN 方法库 和遗传算法方法库 GA 方 法库 , Sagent 有一个基于知识推理的支持库。神经 网络Agent 完成神经网络的数据选择、 方法选择、 消 息通信和状态感知, 它包括状态集、 输入输出转换、 消息的发送和处理等。遗传算法Agent 要完成的功 能大体与神经网络 Agent 类似, 其内容包括状态集、 编码解码、 消息的发送和处理。协调 Agent 主要是 协调神经网络Agent 和遗传算法Agent 两者在时间、 资源分配和具体实施 Agent 队列方面的管理, 它包 括系统状态集、 消息的接收和发送、 Agent 队列管理 等。 4 Agent 协同策略 多Agent 协同求解的方式有两种 协商式协同 求解, 分工式协同求解。协商式协同求解指多个 Agent 就某一主题, 根据各自的知识能力和工作经验 求解问题, 并进行协商讨论, 最后由协同 Agent 总结 协商结果, 确定任务的解决方案。分工式协同求解 就是将一个大的任务分解成若干粒度较小的子任 务, 并根据各 Agent 的能力调度子任务给 Agent, Agent 完成子任务之后, 由协同 Agent 进行子任务合 成, 得出最终求解结果。在 MAS 中, 大多数情况下, 一些Agent 的行为会对其他 Agent 行为的选择造成 不同程度的影响。如果 Agent 是有理性的, 那么当 它获悉其他 Agent 的行为时, 就选择能使自身获得 最大益处或效用的一个。在通风系统中, 某一地方 风量发生改变就会影响到其他地方的风量, 甚至会 发生方向逆转。但在大多数实际情况中, 某地风量 的改变仅对它附近巷道风量有较大的影响, 只要新 的通风方案能满足附近大多数巷道的通风要求, 则 该方案就是可行的。因此, 提出了一种 投票 式的 协同策略[7], 即Agents 对新方案进行投票, 以满足大 多数Agent。 定义1 设 p 为一 Agent 对新方案同意的概率。 定义 2 设 p * n 为一 Agent 对满足大多数 Agent 个数为 n方案同意的概率。 定义3 若Agent 的数目 n 为奇数时, p * n n/ 2 j nC j npjq n- j , 其中 q 1- p。 定义 4 若Agent 的数目 n 为偶数时, p * n n/ 2 1 j nC j npjq n- j 1 2 Cn/2 npn/2qn/2。 根据以上定义可得出以下定理和推论 定理 1 若Agent 的数目 n 为奇数时, p * n 2 p * n Cn/ 2 npn/21- p n/2 2p- 1, p* n 1 p * n。 定理2 若Agent 的数目 n 为偶数时, p * n 2 p * n Cn/2 np n/ 2 1- pn/2 p-1 2 , p * n 1 p * n C n- 1/ 2 n- 1p n- 1/ 21- p n- 1/22p - 1。 推论 1 若Agent 的数目 n 为偶数时, p * n 1 p * n , 当且仅当 p 1/ 2。 推论 2 若Agent 的数目 n 为奇数时, p * n p , n ∃3, 当且仅当 p 1/ 2。 推论 3 若Agent 的数目 n 为偶数时, p * n p , n ∃4, 当且仅当 p 1/ 2。 图 1给出了Agent 个数 n 为 1, 3, 5, 9 时的结果。 判断一个协同策略是否有效, 就是看它是否能使 p * n 增大。在通风仿真系统中, 设备 Agent 之间 对新方案进行投票, 使得能满足大多数设备 Agent。 47 2003 年第 4 期 基于多 Agent 的矿井通风仿真系统 华 臻, 等 不能满足的设备 Agent 再规划新的方案, 再进行投 票, 2. School of Computer, Yantai University, Yantai 264005, China 3. Taiyuan University of Technology, Department of Computer, Research Institute of Mining Craft, Taiyuan 030024, China Abstract In this paper, we present an approach to apply the Multi_Agent system into ventilation simulation system and describe some s that satisfy the spatio_temporal complexity. Also we introduce the characteristic and function of simulation system based Multi_Agent, and give out the Agent structure of ventilation simulation system. At last, using a cooperation strategy of vote, the problem of in ventilation is settled by a new way, andwe construct a ventilation simulation system. Key wordsMulti_ Agent systemMAS ; simulation system; calculation of mine ventilation 本 刊 声 明 ∋煤矿机械杂志连续三次被认定为全国中文核心期刊, 黑龙江省优秀期刊。我刊已入编∋中国学术期刊 光盘版 , 并早已加入 中国期刊网 和万方数据网, 作者稿酬由本杂志社一次付清。本杂志社属自负盈亏 单位, 在本刊发表文章收发表费, 同时也付给作者稿酬, 如有不同意上述 3 条者, 请来函说明, 本杂志社将做 适当处理。电子信箱已启用, 投稿只能用Word排双栏版, 字数在3 000 5 000 字为宜。投稿之前, 请查看本 刊网址投稿须知, 在第一作者简介文末留下联系电话、 电邮。 2003 年本刊仍为国际标准大 16 开本A4 幅面 , 96 页, 胶钉, 定价每册 10 元, 全年 12 册 120 元, 订阅者 可到当地邮局订阅, 也可来函索取征订单, 欢迎订阅、 投稿。 2003 年本刊发布广告价格如下 元/ 版 封面 彩色 4 500封二 彩色 3 800插页 彩色 3 200 封底 彩色 4 000封三 彩色 3 400插页 套色 2 000 插页 黑白半版 1 000内页 黑白 1 200内页 半版 600 48 基于多 Agent 的矿井通风仿真系统 华 臻, 等 2003 年第 4 期