基于HLA的中医药学多Agent仿真体系结构的复杂系统研究*

康世瀛， 胡小梅

(1.重庆工商大学 计算机科学与信息工程学院，重庆 400067； 2.重庆市中医院，重庆 400011)

基于HLA的中医药学多Agent仿真体系结构的复杂系统研究*

康世瀛1， 胡小梅2

(1.重庆工商大学 计算机科学与信息工程学院，重庆 400067； 2.重庆市中医院，重庆 400011)

以复杂系统观点，基于HLA(High Level Architecture)仿真标准，采用复杂系统的多Agent仿真研究方法，设计出中医药多Agent仿真体系结构；以“血瘀证候辩证”邦元主体(Federate Agent)结构为例，提出了基本智能仿真主体(邦元主体)的基础——中医药智能模型；在中医八纲辨证，脏腑辩证等理论和中医各派临床经验的基础上，汲取四诊智能Agent的临床信息和微观生化基因信息，采用智能模型与算法，设计了证候机制、方剂配伍、施治协作等联邦主体；同时通过通讯Agent和运行支撑环境RTI(Run-Time Infrasturcture)建立了系统控制结构；并进一步提出了该仿真体系的复杂性研究的协调机制及智能优化功能；最后，以不同样本下专家诊断结果和仿真系统诊断结果相比较，验证了系统的正确性。

复杂系统；多Agent仿真；中医药

0 引 言

开放复杂巨系统是指由很多有层次结构的子系统组成，而且子系统之间的关联关系也极为复杂的开放系统。比如人脑、人体、人类社会、互联网等，中医药以典型的复杂的组织系统——生命系统为对象，以其证候机制、方剂配伍，中药物质药效的复杂性为特点，并且在结构、规模、开放性、内在机理的非线性、非理性、不确定性等方面极具复杂性，说明它是一个复杂巨系统。

正因为如此，直接根据西方现代医学的思路和观点来分析中医中药，往往格格不入，这也是诸如探索经络实质问题困难所在；而从实验室简单地提取中药“有效成分”也难以说明中医方剂配伍变化之机理。同时，由于中医理论方法的模糊性、复杂性和具有高级认知结构,以中医中药理论框架为主体，利用专家系统定量化技术进行研究，其技术的实现难度也是比较大的。

目前，从系统观、复杂性的角度，探索生命现象与疾病的本质已经成为国际上生命科学领域的前沿和热点。数千年来以人作为医学实验模型，以临床实效为生命力，由各代不同中医派别竞争而发展的中医药学，不碲为具有重大理论应用价值的复杂系统。随着系统科学和复杂系统的研究进展，将中医理法方药与复杂系统理论融合进行研究，已经受到越来越多的关注。

复杂系统研究理论认为：复杂系统整体大于部分之和，各部分的相互联系和作用是极为重要的。相互作用是非线性的，具有不可相加性和突现性。因此过去以“自上而下”分解处理的还原论和结构化分析理论，是不能解释复杂系统的。

目前将现代科学与中医结合进行研究已经取得不少成果。例如，查青林、陈启光[1,2]等人应用多元统计和新型统计学结构方程模型对中医证候规范标准进行了基础性研究；不少学者应用智能计算和人工智能方法研究中医诊断[3-6]，更有不少学者应用数据挖掘方法对中医定量诊断和中药配伍及制剂进行研究[7-10]。一些学者采用基因组技术、分子生物学等新技术对中医疾病病候进行研究[11-12],采用大型仪器、影像学等新技术研究新的中医诊断方法也有不少成果[13],这些表明，现代科学与中医已经在理论和实践应用上取得相当进展，然而，对于中医药这一复杂巨系统，尽管有不少人已经意识到应该以复杂系统的观点，采用先进技术对中医药系统进行研究，但是目前或者只是进行理论的探讨[14-17]，或者进行案例研究[18]，至今还没有人以复杂系统观点，结合中医理法方药及各种高技术临床诊断方法对中医药系统进行全面系统分析,并设计一个比较全面的仿真系统，以供临床及理论的系统研究。

根据复杂系统的观点，在应用多Agent仿真研究方法来研究中医药的同时，应该特别重视对中医药学的宏观整体优势与特色的发掘，注意摆脱化学合成药物的框架概念的误导，同时注意吸收现代智能仿真技术、现代微观生物学技术、功能基因组学和蛋白质组学技术以及人工智能、神经网络系统等先进技术和方法。基于这种理念，笔者借鉴在IEEE1516.X协议基础上的高级体系结构(High Level Architecture，HLA)和运行支撑环境( Run-Time Infrasturcture, RTI)[19-21]，提出了中医药多Agent智能仿真体系，它包括中医药智能模型、中医药多Agent仿真结构及其多Agent控制结构。通过该体系，将会使具有整体观的中医药与复杂性研究、现代生物学技术更加紧密结合，从而取得新的重大进展。

1 基于多Agent的中医药智能仿真模型

1.1 智能模型与邦元主体

中医药多智能仿真体系最基本的智能仿真主体是邦元主体(Federate Agent)，中医药智能模型是针对邦元主体建立的，中医药模型描述了邦元主体的学习、推理、规划及辅助决策的能力，它除了具备有智能Agent的自主性、代表性、反应性、合作性等特性外，还具有应用领域专家的知识处理和解决问题的能力。在智能仿真主体(邦元主体)中可以充分而有效地利用知识的表示方法及各种算法、推理方法等人工智能领域的成果，吸收古代和现代名医的中医理法方药理论和经验。在智能模型中，主要有推理机知识库模型库、数据库以及相应的智能决策算法。人工神经网络也是获取中医药知识、建立具有学习功能的非线性模型的常用方法，这里选用BP网络(误差逆传播网络)和Kohonen自组织特征映射神经网络[22]。

图1是邦元主体之一——中医“血瘀证候辩证”邦元主体结构示意图(简称血瘀Agent)，该主体通过自身的症状感知监听系统，从四诊Agent(望闻问切Agent)获取各种症候数据，经过解释后，传到分析推理模块，再由分析推理模块和决策模块生成决策信息。例如：是否血瘀？是哪一类血瘀程度如何？采取什么行动等，从而改变自身的属性值，改变自身状态，或执行其他行动。

图1 血淤证候机制邦元主体Fig.1 Federate agent of stasis syndrome

在分析推理模块中，采用了各种智能方法，如BP神经网络算法、遗传算法进行分析推理，或通过知识库、模型库等分析出相关信息，或通过其他邦元主体进行通信发现新知识而共享使用。

在规则模块中，根据中医血瘀理论和专家知识，定义了会话规则，这些规则使血瘀Agent能够与其他病因证候邦元主体如气滞Agent、痰饮Agent、劳伤Agent以及方剂联邦主体(Federation)的各种邦元主体，进行充分的协商，为此，规则描述了血瘀Agent进行协调所应该采取的行动，其中包括状态集合、状态转移规则和控制机理。当血瘀Agent处于某状态，并得到一定消息时就会根据规则，发出决策命令送到决策生成模块，经解释后将命令传到行动模块产生相应行动。

在中医药智能多Agent仿真体系中，邦元主体是最基本的主体单位，多个邦元主体的聚合形成一个联邦结构(Federation Sturcture, FS)。图1的血瘀证候辩证邦元主体(血瘀Agent)仅是证候机制联邦结构的一员，其他邦元主体的模型与其较相似。

1.2 联邦结构

为了更好地发掘中医药宏观整体优势和特色，以及有利于配合现代科学研究方法与手段进行有效地研究，在设计仿真结构中，特别要注意设计好联邦结构及其控制机制。

图2所示的“证候机制辩证联邦结构”是根据中医药学理论设计的，其中”病因Agent”中包括血瘀Agent、痰饮Agent、水气Agent、食滞Agent、劳伤Agent、六淫Agent、七情Agent、虫积Agent等。

图2 证候机制联邦主体Fig.2 Federate agent of syndrome mechanism

“脏腑辩证Agent”是根据中医脏腑辩证学说和中医各脏腑关系学术思想而设立的，它包含有心肝脾肺肾等脏腑邦元主体Agent，它与病因病理辩证Agent有极为密切的关系。

“卫气营血辩证Agent”是根据温病派对温病的辩证方法而设立的。

“八纲辩证Agent”起作统领各辩证Agent的作用。为了协调多Agent的众说纷纭的复杂消息，协调Agent起化解冲突，达成一致的重要作用。

2 中医药学多Agent仿真体系结构

中医药学所面对的复杂性主要包括证候机制复杂性、方剂配伍复杂性和中药药效的复杂性，对于这些问题的研究，既要吸取中医核心理论及其辩证思维模式，又要积累数千年的医学经验；既要有客观化、定量化、规范化的诊断和评价体系，又要用各种化学分析、指纹、图谱、色质谱等联合手段进行深入研究。因此，应该在此基础上，设计对应的邦元主体和联邦结构，并组合成以下体系结构。

2.1 仿真体系中的联邦结构

如图3所示，该体系结构由7个联邦结构和一个独立邦元通讯Agent主体组成一个有机体。

图3 复杂中医药系统智能Agent仿真体系结构Fig.3 Intelligent Agent simulation system structure of complex Chinese medicine system

“临床信息FS” 包含了古典诊断Agent(通过中医望闻问切所得到的各种症状体征)，病因诊断Agent(寒凝、热瘀、湿滞、气滞、情志、外伤、出血以及阴阳虚损、气血不足、虚劳久病、饮食起居等因素都会导致各种症状体征)、实验室依据Agent、治疗性诊断Agent以及实验设计样本Agent组成。

“证候机制FS”的内部结构已经在图2表达清楚。

“方剂配伍FS“包含了中医的汗法Agent、吐法Agent、下法Agent、和法Agent、温法Agent、消法Agent、补法Agent、脏腑方剂协调Agent和选药Agent；后2个Agent，协调前8个Agent，并且分别与“证候机制FS”的脏腑Agent和中药联邦结构建立联系。

“施治协作FS”则对证候、方剂、中药3个联邦结构建立直接联系，将各个结构的思维、推理搜索结果进行协调，实现辩证施治的最后处理、诠释和表达。

“中药药效FS” 包含了各派中医以及各现代名医所获取中药药效的知识库的各类Agent，他们能够通过中药物质分子的有效组合与生物信息变化(包括各种化学分析、指纹图谱、色质谱)的非线性关系中不断地发现知识，建立相应的智能决策模型。

“标准评价FS”包括了各种证候辩证标准以及各类疾病疗效评价Agent以及相应的评价Agent。

“微观生物信息FS”所包含的各种Agent能够通过各种方剂和药物干预机体所引起的生物分子的节律变化，探索、发现、存储相关的基因规律以及相关节律模式。

2.2 仿真体系的控制结构

本体系的仿真控制结构(仿真支撑平台)由图3的通讯Agent和RTI支撑平台组成。RTI包括仿真支撑邦元主体：联邦结构全局管理器、声明管理器、邦元主体管理器、邦元属性管理器、时间管理器、数据分发管理器等，通过由知识查询与操作语言(KQML)建立的专用的通讯Agent，实现了体系中绝大部分控制逻辑和通讯服务，该结构能够使不同的Agent实现各自的控制功能，同时使邦元主体之间、联邦结构之间信息交换效率提高、复杂度减低[3]。

综合管理提供以下六大服务功能。

(1) 联邦结构全局管理。主要提供全局的联邦结构服务,包括创建联邦结构、动态控制、修改联邦结构和邦元主体执行等。

(2) 声明管理。提供各种智能主体声明,希望提供和接收的交互信息。

(3) 数据分发管理。目的是限制网络上交互的流量,通信时采用组播技术。

(4) 邦元主体管理。提供邦元主体的控制服务。

(5) 邦元属性管理。对邦元主体对象属性所有权控制、迁移。

(6) 时间管理。目的是保证按照适当的方式和体系运行阶段顺序进行时间推进。

有关控制结构的具体工作序列设计原理，可以参考有关文献，这里不赘述[8]。

3 中医药学多Agent仿真体系的复杂性研究的协调机制及智能优化功能

3.1 中医药学多Agent系统的仿真运行及自学习智能优化机制

该体系的运行过程分4个阶段，其运行依次过程如下：

Ⅰ阶段：临床信息产生及证候辩证阶段。

Ⅱ阶段：方剂中药配伍及施治决策阶段。

Ⅲ阶段：生物治疗信息及临床结果反应阶段。

Ⅳ阶段：疗效评价及反馈自学习阶段。

之后又返回Ⅰ阶段继续运行。

仿真系统各联邦成员之间的交互过程比较复杂,特别是处于仿真系统的施治协作Agent,它要与证候、方剂、中药3个联邦结构不停地发生信息交互，将各个结构的思维、推理结果进行协调，实现辩证施治的最后处理、诠释和表达。对施治决策得以实现起重要作用。

通过以上反复循环，各智能主体不断地进行自学习，进而得到优化，特别是第Ⅳ阶段的“标准评价及知识发现联邦结构”(图4)在整个体系的智能模型优化中起到非常重要的作用。它从 “临床信息联邦结构”和“微观生物信息联邦结构”中(图4)获取与施治决策相对应的临床结果及生化信息，并通过自身的评价模型产生评价结果和相关解释。接着它还会将这些结果反馈到各联邦结构中，通过各联邦结构的智能模型产生自学习过程，使各智能模型得到优化，同时也使自身的智能评价模型得到优化。

图4 基于HLA 的中医药学多Agent仿真系统的工作流程图Fig.4 The work flow chart of multi-Agent simullation system of Chinese medicine based on HLA

通过以上反复运行及自学习，整个体系的智能模型不断得到优化提升，从而能够适应更多不同病征进行辩证施治，并能对更多的治疗方案预测出相应的疗效评价。

3.2 仿真系统在海量数据基础上进行中医药知识发现、知识挖掘

在图3中的“标准评价联邦结构”中，还有一个重要的功能——知识发现和知识挖掘。该功能采用了诸如关联规则、聚类分析、决策树等数据挖掘技术。利用这些技术和方法，对来自微观生物信息FS和临床信息FS(图4)的临床疗效数据、化学生物微观数据等海量数据进行知识挖掘。有助于人们透过微观生物信息，在复杂性观点指导下，洞察出隐藏的中医药治病的知识和规律。

3.3 复杂系统观点加强对证候机制，方剂配伍和中药药剂的复杂性研究功能

有了上述不断被优化的智能模型和强大的数据挖掘功能，将使本系统的证候机制、方剂配伍等智能主体的自主性、反应性、合作性等性能得到进一步提高。这有利于医学科学工作者能够在整体、动态、活性的原则下，利用该体系进行中医中药复杂性规律研究,进行诸如以下过去未曾作过或很少进行过的研究。

(1) 由于系统各智能主体能够将其动态变化、多种宏观、微观指标及其所形成的证候演变数据一一分析和存储，有利于以复杂系统的观点、稳态与瞬态相结合的观点、宏观与微观相结合的观点来分析证候机制、方剂配伍的复杂规律。

(2) 使使用者能通过各种方剂干预机体所引起的生物分子的节律变化，找出各种方剂与相关证候和临床特征变化所具有的共同节律模式。

(3) 使使用者能够知道如何通过调节中药物质分子的有效组合与生物信息变化(包括各种化学分析、指纹图谱、色质谱)的非线性关系而使中药物质药效达到最佳。

(4) 使使用者能够从中医方剂合理配伍与相关疗效的分析中(包括各种化学分析、指纹图谱、色质谱)，找出它们之间的动态非线性关系。

(5) 使使用者能够知道如何透过方剂对干预疾病有关生物分子，以及相关基因的“多因微效”整体调节作用而形成系统“涌现”效果[18]。

4 实例分析

在笔者设计的证候机制FS和方剂配伍FS中，采集了128个血淤病例数据(包括血淤眼科病、血淤头痛、血淤糖尿病，血淤慢性肝炎)，并应用均匀设计法和专家评判法，产生大量的有代表性的均匀分布的仿真样本2 000个。应用这些样本不断地对上述两个联邦结构进行训练。其中用50个病例和2 000多个均匀设计样本对血瘀Agent的BP神经网络和Kohonen自组织特征映射神经网络集成模型进行训练(并获得期望的实验训练验证)。在血瘀Agent中，采用血瘀证诊断标准(1988年血瘀研究国家会议)的11项症状指标和1项理化检查指标，中国医药学会消渴病分期辨证疗效判定标准，以及寒凝致瘀、邪热致淤、气滞血瘀、气虚血瘀、痰水致淤、出血致淤、血淤成积、血淤成痛等相关专家知识，对以上两个FS建立了专家规则库和正向推理机制。

以专家诊断意见和本系统诊断结果进行仿真比较，其结果如图5所示。在不断增加病例样本的情况下，其结果的准确率大大提高。 以上仅是实验室初步仿真实验，有待进一步验证。

图5 不同样本下专家诊断和系统诊断结果仿真比较Fig.5 Result simulation comparison between expert diagnosis and system diagnosis for different samples

5 总结及展望

设计中医药学多Agent仿真体系，其重要之处在于应该以复杂系统整体思维观点和中医八纲辨证、脏腑辩证等理论，中医各派临床经验为基础，基于HLA仿真标准，采用各种智能模型和算法，并且汲取四诊智能Agent临床信息和微观生化基因信息而进行设计。这样的体系结构不仅能够针对具体某种疾病的复杂性进行研究，而且能针对中医中药复杂整体规律进行研究，使现代中医药学理论取得理想进展。

该体系的技术关键是中医药智能模型及邦元主体的建立以及模型校核、验证及确认。为了提高系统的响应速度和仿真精度，软、硬件系统集成技术也是实现该仿真系统的技术重点。体系结构各种具体细节实现，有待在实践中进一步探索研究。

随着先进仿真技术的不断发展，多Agent仿真系统作为中医药学的重要研究手段已是发展趋势[23]，它的开发必将大大促进中医药学与现代科学的进一步融合。

[1] 查青林,林色奇,吕爱平.多元统计分析在中医证候研究中的应用探析[J].江西中医学院学报,2004(12):560 97-80

ZHA Q L，LIN S Q，LV A P.Application of Multi-statistics Analysis to Traditional Chinese Medicine[J].Journal of Jiangxi University of TCM,2004(12):560 97-80

[2] 陈启光,申春悌,张华强,等.因子分析在中医证候规范标准研究中的应用[J].中国中医基础医学杂志，2004(8):53-56

CHEN Q G,SHEN C T，ZHANG H Q,et al.Application of Factor Analysis to Traditional Chinese Medicine[J].Chinese Journal of Basic Medicine in Traditional Chinese Medicine,2004(8):53-56[3] 于彤,杨硕,李敬华,等.论中医药语义网的智能应用[J].中国中医药图书情报杂志,2015(4):5-8

YU T，YANG S,LI J H，et al.Discussion on Intelligent Applications of Semantic Web of Traditional Chinese Medicine[J].Chinese Journal of Library and Information Science for Traditional Chinese Medicine,2015(4):5-8

[4] 易钢，金敏，罗尧岳.基于智能Agent的中医药评估导学系统研究[J].信息系统工程,2009(12):25-27

YI G,JIN M,LUO Y Y.Traditional Chinese Medicine Evaluation Based on Intellingent Agent[J].China CIO News,2009(12):25-27

[5] 李红.基于机器学习的中医药配方评估研究[D],南京：南京大学，2016

LI H.Traditional Chinese Medicine Formula Evaluation Study Based on Machine Learning[D].Nanjing:Nanjing University,2016

[6] 李运贤,杜瑞卿.生物信息学中机器学习方法对中医药复杂系统的研究[J].中医药学刊,2006(7):1296-1297

LI Y X,DU R Q.Application of Bioinfomatics to Traditional Chinese Medicine[J].Chinese Archives of Traditional Chinese Medicine,2006(7):1296-1297

[7] 董雪燕,祁烁,姜苗,等.数据挖掘在中医药研究中的应用分析[J].环球中医药,2017(3):364-366

DONG X Y,QI S,JIANG M，et al.Application of Data Mining in the Research of Traditional Chinese Medicine[J].Global Traditional Chinese Medicine,2017(3):364-366

[8] 吕峰,李丽娇,高云英,等.基于Hadoop在中医药数据挖掘中的应用[J].电子设计工程,2016(11):112-114

LV F，LI L J，GAO Y Y，et al.Application of Hadoop in Traditional Chinese Medicine Based on Data Mining[J] Electronic Design Engineering,2016(11):112-114

[9] 刘冬梅,王德运.中医药治疗溃疡性结肠炎活动期的数据挖掘[J].山西中医,2016(8):48-50

LIU D M，WANG D Y.Data Mining of TCM Treatment of Ulcerative Colitis in Active Stage[J].SHANXI Journal of TCM,2016(8):48-50

[10] 张北华,高蕊,李振华,等.中医药治疗慢性胃炎的专家经验数据挖掘分析[J].中医杂志,2015(4):704-708

ZHANG B H,GAO X,LI Z H，et al.Data Mining Analysis of Chinese Medicine Experts Experiences in Treating Chronic Gastritis[J].Journal of Traditional Chinese Medicine,2015(4):704-708

[11] 童福易,赖仁胜,张树鹏.论基因组学技术在中医药学中的应用[J].中国中西医结合杂志，2011(12):53-54

TONG F Y，LAI R S，ZHANG S P.Application of Genomics to Traditional Chinese Medicine[J].Chinese Journal of Integrated Traditional and Western Medicine,2011(12):53-54

[12] 吴欣芳,李影华,王朋倩.基因组学与中医药研究[J].辽宁中医药大学学报,2012(5):1708-1713

WU X F，LI Y H，WANG P Q.Genomics and Traditional Chinese Medicine[J].Journal of Liaoning University of Traditional Chinese Medicine,2012(5):1708-1713

[13] 张庆彝,张钰泉,倪秀冬.大型精密仪器将促进中医药科研的发展[J].实验室研究与探索,1996(11):123-125

ZHANG Q Y，ZHANG Y Q,NI X D.Application of Art Equipment to Traditional Chinese Medicine[J].Laboratory Research and Exploration,1996(11):123-125

[14] 上海中医药大学中医复杂系统研究中心.从系统生物学和复杂科学视角解读中医——上海中医药大学中医复杂系统研究中心学术思想概述[J].世界科学技术-中医药现代化,2016(9):1-6

Research Center for Traditional Chinese Medicine Complexity System of Shanghai University of TCM.Inte-rpretationi of Traditional Chinese Medicint from System Biology and Complex Science[J].Modernization of Tradit-ional Chinese Medicine and Material Medical-World Science and Technology，2016(9):1-6

[15] 许舒诚,申俊龙.基于复杂自适应系统的中医药隐性知识表达路径分析[J].中医杂志,2016(2):271-275

XU S C，SHEN J L.Analysis of Chinese Medical Tacit Knowledge Representation Path Based on the Complex Self-adaptation System[J].Journal of Traditional Chinese Medicine,2016(2):271-275

[16] 王连心,孟庆刚.开放的复杂巨系统及其方法在中医药领域中的应用[J].北京中医药大学学报,2008,2(31):81-85

WANG L X，MENG Q G.Open Complex Giant System and Its Methods Applied in the Field of Chinese Medic-ine[J].Journal of Beijing University of Traditional Chinese Medici,2008,2(31):81-85

[17] 颜素容,王耘,乔延江.基于多主体的中医药复杂适应系统实现途径[J].北京中医药大学学报,2007(10):653-655

YAN S R，WANG Y,QIAO Y J.Realization of TCM Complex Adaptive System based on Multi-agent Mode-ling[J].Journal of Beijing University of Traditional Chinese Medicine,2007(10):653-655

[18] 李梢,王永炎,季梁等.复杂系统意义下的中医药学及其案例研究[J].系统仿真学报，2002,14(11):1429-1442

LI S,WANG Y Y,JI L，et al.A Discussion and Case Study of Complexities in Traditional Chinese Medicine[J].Acta Simulata Systematica Sinica,2002,14(11):1429-1442

[19] 金士尧,李宏亮,党岗等.复杂系统计算机仿真的研究与设计[J].中国工程科学,2002,4(4)：75-80

JIN S Y，LI H L，DANG G，et al.Design and Research of Computer Simulation for Complex System[J].Engineering Science,2002,4(4)：75-80

[20] KUHI F，WEATHERLY R,DAHMANN J.计算机仿真中的HLA技术[M].付正军，王永红，译，北京：国防工业出版社，2003

KUHI F，WEATHERLY R,DAHMANN J.Creating Computer Simulation Systems:An Introduction to the High Level Architecture[M].FU Z J,WANG Y H，Translate，Beijing:National Defense Industry Press,2003

[21] 迟刚，王树宗.HLA仿真技术综述[J].计算机仿真,2004(7):1-3

CHI G，WANG S Z.A HLA Simulation Technology Overview[J].Computer Simulation.2004(7):1-3

[22] 靳蕃.神经计算智能基础原理·方法[M].成都：西南交通大学出版社，2000

JIN F.Fundamentals of Computational Intelligence[M].Chengdu:Southwest Jiaotong University Press,2000

[23] 吴芸,周昌乐,张志枫.基于Agent技术的中医诊断决策支持系统初探[J].上海中医药大学学报,2005,19(1):32-34

WU Y，ZHOU C L，ZHANG Z F.An Agent-Based Chinese Medical Diagnosis Decision Support System[J].Acta Universitatis Traditionis Medicalis Sinensis Pharmacolo-giaeque Shanghai,2005,19(1):32-34

责任编辑：罗姗姗

Research on Complex System of Multi-Agent Simulation System for Traditional Chinese Medicine Based on HLA

KANG Shi-ying, HU Xiao-mei

(1.School of Computer Science and Information Engineering, Chongqing Technology and Business University,Chongqing 400067, China; 2. Chongqing Traditional Chinese Medicine Hospital, Chongqing 400011, China)

By taking complex system idea, based on HLA(High Level Architecture) standard simulation, by using multi-Agent simulation research method for complex system, this paper designs multi-Agent simulation system structure for traditional Chinese medicine, by taking federate Agent structure of stasis syndrome as an example, proposes basic intelligent simulation agent basis—Traditional Chinese Medicine Intelligent Model, based on differentiation of eight principles, theory of differentiation of Zang and Fu, and clinic experience of each school of traditional Chinese medicine, by absorbing intelligent Agent clinic information of four diagnosis methods and micro-bio-chemical gene information, by using intelligent model and computation, designs federate Agent for syndrome mechanism, compatibility of medicines in a prescription, and combination of all methods, meanwhile, by using communication Agent and RTI(Run Time Infrastructure), sets up system control structure, further puts forward the complexity research on the coordinated mechanism and intelligence function of this simulation system, and finally tests the correctness of this system by comparing the diagnosis results between experts and simulation system under different samples.

complex system; multi-Agent simulation; traditional Chinese medicine

2017-03-01；

2017-04-07.

国家自然科学基金(70901080)；重庆市自然科学基金(CSPC2004bb2007).

康世瀛(1950-)， 男，重庆人，教授，从事中医智能决策支持系统和复杂系统研究.

10.16055/j.issn.1672-058X.2017.0004.015

R2-03

A

1672-058X(2017)04-0076-08