基于JADE和Jess的智能agent系统开发

张冉 林杰

摘要：多agent技术在复杂建模领域具有优势，是当前研究的一个热点。但对于普通研究者来说，从底层开发多agent系统具有复杂性。因此，该文分析了多agent系统的分析和设计过程，讨论了以JADE为开发工具的多agent系统开发步骤，并设计了基于Jess的知识推理流程，增强了agent智能性。对基于JADE和Jess的智能agent系统的开发过程进行了研究。

关键词：智能agent； 多agent系统； JADE； Jess

中图分类号： TP391 文献标识码：A 文章编号：1009-3044（2014）25-5955-03

Developing Intelligent Agent System with JADE and Jess

ZHANG Ran1，2， LIN Jie1

（1.School of Economic and Management， Tongji University， Shanghai 201804， China； 2.School of Statistics and Information， Xinjiang University of Finance and Economics， Urumqi 830012， China）

Abstract： Due to developing multi-agent system from the bottom has been a very challenging task. This paper studied the development of intelligent agent system with JADE and Jess. Firstly， the analysis and design of the multi-agent system is described； then， the development steps of the multi-agent system with JADE are presented； finally， knowledge inference process with Jess is designed to enhance the intelligence of agent.

Key words： Intelligent agent； Multi-agent system； JADE； Jess

agent作为分布式人工智能概念模型，具有自己行为、目标和知识，是能感知环境[1]并在一定环境下自主运行的实体，具有主动性、独立性、反应性、交互性等特点[2]。多个agent 通过协同机制构成多agent系统（Multi-Agent System，MAS）[3]，对每个agent的目标、资源和知识等进行合理安排， 通过相互协同和协作，每个agent都能独立地运行，在实现各自的目标基础上，完成单个agent无法完成的复杂任务[4]， 从而可对复杂系统进行建模。

1 系统开发工具介绍

JADE （Java Agent DEvelopment Framework） [5]是一个用Java语言写成遵照FIPA定义的MAS开发框架，它包括一个agent 赖以生存的运行环境，开发agent应用的类库和用来调试和配置的一套图形化的工具，简化了MAS的开发过程。Jess（Java Expert System Shell）是一个由Java语言实现的专家系统外壳，使用声明式编程通过一个名为“模式匹配”的过程连续对事实的集合运用一系列规则，完成知识的推理。它小巧、灵活，并且是已知规则引擎中最快的[6]。由于JADE和Jess都是基于java语言的，因此，Jess可以集成为agent的推理组件，增强agent的智能性。

2 多agent系统的分析与设计

多agent系统的分析与设计过程如图1所示主要分为以下3个阶段。

1） 分析问题：

该阶段主要是明确系统边界和对用户的需求进行分析。定义出系统的总目标及其各子目标之间的层次关系。

2） agent建模：

该阶段主要是根据系统目标和子目标，设计各类agent，包括它们的属性和任务，并定义这些agent之间的交互关系。

3） 建立多agent系统平台：

该阶段主要是创建设计好的agent，实现它们的属性和任务，并对它们之间的交互进行控制和协调，完成各自的目标和系统的总目标。

3 基于JADE的多agent系统开发

JADE提供了遵照FIPA规范的agent开发平台和开发agent的软件包。主要包括agent管理系统（AMS）和目录服务（DF）两类特殊的agent，以及一个消息传输系统（MTS）[5]，为供应链建模层提供agent的通信和管理等基本服务。使用JADE开发MAS主要分为以下几步：

1） 创建agent：使用JADE创建agent，只需要定义一个从jade.core.Agent类继承的类即可，然后由JADE平台实时进行实例化，agent之间的引用从不在agent外部公开，它们之间通过传递消息来进行交互。每个agent实例通过agent标识符进行识别，格式为@。

2） 定义agent任务：在JADE中，agent的任务使用行为（Behaviours）来表示的，它通过一个继承jade.core.behaviour类的对象来实现。为了让agent执行由行为对象表示的任务，必须使用agent类的addBehaviour（）方法将行为添加到agent上。

3） agent的搜索：JADE平台提供了黄页服务，允许agent发布它提供的一个或多个功能，以便其它agent可以动态的发现和使用它们。在JADE中，由称为DF的agent提供黄页服务，遵守FIPA中的管理规范。

4） agent的通讯：JADE中的agent通讯是遵从FIPA标准，基于异步消息模式传递的。实时运行环境中传递的消息会先存放到agent的消息队列中，然后按照agent开发者的设计进行处理。JADE中的消息作为jade.lang.acl.ACLMessage类的一个对象，提供get方法和set方法访问ACL格式制定的所有字段。

4 基于JADE和Jess的agent知识规则集成

4.1 知识的推理流程

集成了Jess之后，agent知识推理流程如图2所示，主要过程如下：

1） 知识推理部件首先对Jess环境下的推理引擎进行一些初始化的工作，例如set_templates、set_rules等。

2） 在仿真的过程中agent的决策函数遇到决策问题时会向知识推理部件发送决策请求消息，这些请求消息里包含实时的决策参数。知识推理部件收到这些消息后，会把决策参数封装成特定的事实集，并通过set_facts方法向推理引擎发送，也就是在Jess的工作内存中声明事实。

3） 知识推理部件通过Run_engine方法启动推理引擎，Jess会根据事实集里的事实调用规则进行推理，推理结束后使用Save_facts方法保存推理结果。

知识推理部件向决策函数返回推理结果（即决策结果），并使用clean_memory方法清空Jess工作内存中的事实集。

4.2 Jess中的知识表达

Jess使用框架和产生式规则方式表示知识。例如，采购agent采用定量订货模型，存储水平小于等于再订货点就生成采购列表。其中，生成采购列表的知识用Jess表示为：

（deftemplate material （slot mid） （slot mip）） ；定义物料存储信息框架

（deftemplate materialstock （slot mid） （slot rl）） ；定义物料采购参数框架

（deftemplate buylist （slot mid）） ；定义采购申请列表框架

（defrule buyinform

（materialstock （mid ？mid）（rl ？rl）） ；查询物料的再订货点

（material （mid ？mid）（mip ？mip&：（<= ？mip ？rl）））；查询现货水平低于再订货点的物料编号

=>

（assert （buylist （mid ？mid）））；把需要订货的物料编号写入采购列表

）

...

4.3 Jess的集成

我们可以使用jess.rete包把用Jess写的规则嵌入到agent中去，首先创建一个jess.rete类的对象，然后就可以使用executeCommand（）、reset（）或run（）等方法执行Jess的推理，agent中的代码如下：

Rete engine = new Rete（this）；

engine.executeCommand（"（batch ＼"" + rulesFile + "＼"）"）；

engine.reset（）；

if （new File（factsFile）.exists（））

engine.executeCommand（"（load-facts ＼"" + factsFile + "＼"）"）；

...

5 结论

本对智能agent系统的开发进行了讨论。通过分析问题和agent建模之后，研究者可以使用JADE简化多agent系统的开发过程，同时，agent中集成基于Jess的知识规则，可以提升多agent系统的智能性。

参考文献：

[1] Russell S，Norvig P，Canny J，Malik J，Edwards D.Artificial intelligence： a modern approach[M].New Jersey： Pearson Education，2010.

[2] 屈正庚.网络交易中多Agent协商策略的研究[J].计算机技术与发展，2014（2）：111-114，119.

[3] Vila X，Schuster A，Riera A.Security for a Multi-Agent System based on JADE [J].Computers & Security， 2007（5）：391-400.

[4] 邓寒冰，张霞，刘积仁.效用驱动的多agent合作机制[J].通信学报，2013（7）：124-133，142.

[5] Fabio Bellifemine，Giovanni Caire，Dominic Greenwood.Developing multi-agent systems with JADE [M]. USA： John Wiley & Sons Ltd，2007.

[6] FRIEDMAN-HILL E. JESS in Action [M].Greenwich，CT：Manning，2003.