基于本体的多Agent通信机制研究

李春生，胡亚楠，张可佳

(东北石油大学 计算机与信息技术学院，黑龙江 大庆 163318)

基于本体的多Agent通信机制研究

李春生，胡亚楠，张可佳

(东北石油大学 计算机与信息技术学院，黑龙江 大庆 163318)

利用多Agent通信系统集成与管理溅射域复杂生产数据过程中，大量数据高频变更所带来的联动影响会导致Agent通信效率与消息漏失率出现瓶颈。为满足异构异质Agent间良好的通信及交互，并提高通信Agent消息读取与解释速度，引入了C-ECM Agent本体存储方式，构建了Agent本体规则库，规范了Agent通信语言，节省了存储空间；设计了将消息转义为统一化通信语言的本体读取与解析机制，采用确信因子算法并基于Agent语言能力库来判断语言历史执行强度，提出了基于本体的Agent通信机制，以提高消息通信效率与鲁棒性，降低了消息执行漏失率。基于本体的Agent通信机制，构建了油田多Agent数据集成与管理系统进行实例验证。实验结果表明，所提出的基于本体的多Agent通信机制，有效加快了Agent消息读取与解释速度，提高了Agent间通信及交互效率。

Agent通信机制；本体读取与解析；C-ECM存储方式；确信因子算法

0 引 言

近年来，Agent技术被广泛应用于人工智能领域[1]。随着科技的发展，数据的整合与交互存在计算量大、智能化程度高、推理分析策略复杂等问题。在多Agent系统中，Agent的社会性通常受繁琐的通信背景[2-3]、语言、协议和技术等限制[4]，因此，引入了本体概念[5]，加强Agent语言表达和描述能力。

基于本体的规范化描述可以提高Agent交流与协作效率。本体提供结构化语言以明确不同术语间的关系。目前对于本体的存储主要有纯文本存储方式、关系数据库存储方式以及专门管理工具方式[6]。这些存储方式存在一定的局限性：纯文本存储方式不适合大规模本体库，且资源耗费较大；水平表模式数据库存储存在大量冗余；垂直表模式数据库搜索效率较低；专管模式的业务局限性导致扩展能力较差。

针对上述问题，引入C-ECM本体存储方式，构建了Agent本体规则库，节省了数据存储空间，增强了本体统一性；设计本体读取与解析机制输出统一化Agent通信语言，降低了访问频率；采用确信因子算法为通信机制提供了Agent通信语言执行强度；提出了基于本体的Agent通信机制，提高了消息通信效率，达到了减少Agent通信过程中消息漏失的目的。

1 Agent本体存储方式简介

为降低本体存储冗余，提高Agent语言表达能力，引入了C-ECM存储方式，屏蔽了外界因素的干扰和不确定性影响，提供更准确的本体规则。

1.1Agent本体表达结构

C-ECM作为Agent本体的逻辑表达结构，包括特征矩阵(CCM)及余项集(ECM)[7]。

CCM描述标准特征参数集结构，其一般表达式Vrm为：

Vrm={Mr,OsMr,Sep,SprMr,SprpaMr,CMr,Pac}

(1)

其中，Mr为标识矩阵行数(本体规则数量);OsMr为第Mr条本体标识;Sep为分隔符；SprMr为标准属性集;SprpaMr为标准属性参数集;CMr为属性集个数;Pac为属性C参数值。

SprpaMr可表示为：

SprpaMr={CMrSep3PacSep3}

(2)

由Vrm进行组合得到CCM特征矩阵：

CCM=

(3)

ECM描述非标准特征参数集结构，其一般表达式为：

Vgl={Mr,OsMr,Sep,UsprpaMr,CMr,Bpc,Pac}

(4)

其中,UsprpaMr为非标准属性参数集；Bpc为属性C的基本信息。

UsprpaMr可表示为：

UsprpaMr={CMrSep3BpcSep4PacSep3}

(5)

由Vgl得到ECM特征矩阵：

(6)

1.2Agent本体存储方式

Agent本体存储方式采用二进制流表示，使语言表示统一化，避免相关性弱语言干扰，降低存储空间。属性参数的每个元素均为浮点型数值，因此采用16位二进制数进行表示，0位表示属性类型，1～7位表示属性整数位，8～15位表示属性小数位。

2 Agent本体解析与判断

为提高Agent社会性交互能力，加强消息解释与判断速度设计本体规则，判断其是否符合本体统一结构，并采用确信因子算法为通信Agent调度机制提供消息执行粒度。

2.1本体的读取与解析

本体的读取与解析过程如图1所示，具体算法描述如下：

图1 模式内容的读取与解释流程

Step1：以结构标识分解本体内容，定义Vc、Ve分别表示CCM和ECM；

Step2：以分隔符2拆分Vc，得到矩阵行数Nc、标准属性集Tb及属性参数集Tc；

Step3：以分隔符3拆分Tc，得到具有Nc个标准属性参数结构体链表TPc；

Step4：以分隔符2拆分Ve，得到本体知识数量Ne及非标准属性参数集Tev；

Step5：以分隔符3拆分Tev，得到具有Ne个非标准属性结构体集Tae及本体知识K的属性数量Nec；

Step6：以分隔符4拆分Tae，得到属性基础标识集Teb及Nec个属性参数集Te；

Step7：逐一解释TPc与TPe内的属性参数元素，匹配属性参数，将消息转义成统一化通信语言。

完成转义后，利用确信因子算法，判断通信语言历史执行状态，并以此作为Agent执行依据。

2.2确信因子算法

引入确信因子算法[8]，判断Agent通信语言执行能力的算法描述如下：

定义消息执行符合率为：

f(p)={P,P|P+P=1}

其中，P为可执行实体符合率；P为不可执行实体。

Step1：若P>P，语言标记为1执行消息，反馈通信成功；

Step2：若P

Step3：若P=P，语言标记为3执行消息，若通信层调度Agent将语言传输给相应个体Agent，则将语言整合归类标记为1存入可执行语言数据实体中，否则标记为2存入不可执行实体中。

确信因子用于计算Agent通信语言执行强度[9-10]。定义语言集Kf={kf1,kf2,…,kfn}，语言可简约表述为：

kfn=→{cf}

(7)

语言在能力库中符合率包括可信度计算(正度量)及不可信计算(逆度量)，假定原始符合率范围为[0,1]。定义贝叶斯结果p'=p(H|E)，定义确信因子语言正度量函数MB(p')，逆度量函数MD(p')，则通过先验条件概率计算的语言公式为：

(8)

(9)

将MB(p')、MD(p')综合为确信因子{cf}如下所示：

(10)

因此，{cf}可以表达语言符合率。由{cf}给出包含语言能力库全集Kf={kf1,kf2,…,kfn}的满意度：

(11)

3 基于本体的Agent通信机制设计

为了降低通信时间，减少消息漏失，结合改进本体读取与解析方式[11]，重新设计Agent通信机制。Agent通信过程由语言层、协议层及通信层组成。图2介绍了Agent通信模型的组成，同时也描述了Agent消息请求的过程。

图2 Agent通信过程

语言层引入本体规则库将Agent通信消息编译与解析成标准ACL语言[12]，设计语言能力库，为Agent执行语言提供辅助分析[13]，并将分析结果连同语言编译给协议层[14]。协议层通过传输协议将语言传输给通信层。通信层设计调度Agent中转处理机制，接收协议层传输的语言，通过专家知识推理机对语言进行解析，由任务调度机制将解析转义后子语言传输给满足执行条件的个体Agent。

4 设计实例

以基于本体的Agent通信机制为基础，结合专家知识，定义Agent存储及相应解析方式为实验变量，构建本体规则库，设计多Agent数据集成与管理系统，应用在某采油厂地质大队等相关工作单位。为验证上述改进是否能有效降低存储资源损耗，提高Agent通信效率，设计如下实验。

4.1存储模式对规则库存储空间的影响

采用原始存储模式与C-ECM存储模式分别设计本体规则库，并依次存入数量相同的本体知识，统计内部存储容量，如表1所示。

表1 存储模式占有内存量

由表1可见，相同本体数量下C-ECM模式相比其他原始模式存储空间明显减少。

4.2实验对象选取

实时监测现场业务数据集成与交互情况，监测时间为连续5个工作日，监测次数为5次，截取相应时间段内用户操作日志，统计Agent通信行为，如表2所示。

表2 Agent行为统计

级联统计表示业务数据间的交互；修改、剔除与新增则为Agent基础交互行为。

由表2可知，积压井管理、动态管理及动态分析等业务均存在通信行为，其中积压井的通信行为相对于其他业务较为平均，因此选择积压井作为实验对象进行以下实验。

4.3不同模式Agent通信效率对比

为检验改进后存储模式结合相应本体读取方式是否能有效减少Agent通信时间、提高Agent通信速度，以通信方式为变量设计六组对比实验，每组实验统计天数为5天，统计次数为5次，通过监测Agent对消息执行情况进行统计。

实验后，经分析利用标志集对结果进行描述。标志集的一般描述如下：

V={Ni|i≤7,Ni≤100}

(12)

其中，Ni为承载标识下的消息数量；i为标志序号。

经统计，选定标志集V={5,10,15,20,25,50,100}。

图3描述了六组通信Agent的平均消息响应时间及Agent的计算速度。

由图3可知：

(1)单个通信Agent模式下，当i>3时，C-ECM存储模式通信Agent响应时间最短；

(2)单个通信Agent模式下，最优承载Ni为5～10个，当i>2时，平均通信速率将以几何级数增长；

(3)当i>4时，由于Agent通信过程中存储与解析方式及通信Agent数量差异，将不同程度地导致通信阻塞、行为死锁等现象，以致产生消息漏失及Agent通信停止；

图3 不同Agent通信模式下的消息计算速度对比

(4)通信Agent的运行数量越多,数据处理的效率越快。

4.4不同模式Agent通信消息漏失率对比

统计监测Agent执行结果及相应时间内用户操作日志,如图4所示。

由图4可知，原始存储模式下通信Agent的漏失率较高，最高可到21.7%，改进后C-ECM存储模式通信Agent漏失率最低。随着通信Agent数量的增多，消息漏失率明显下降，当Ni与通信Agent数量达到某比例时，可避免漏失消息。

由上述结论可得，当通信消息数量达到比例数量时，C-ECM存储模式的通信效率越高；通信Agent个数越多，Agent通信速率越大。改进的C-ECM存储模式有效地提高了消息通信效率与鲁棒性，减少了响应任务执行漏失，使用过程中受到了应用单位的较好评价。

5 结束语

为满足异构异质Agent间良好的通信及交互，以提高通信Agent消息读取与解释速度，在提出基于本体Agent通信机制的过程中，采用C-ECM存储方式构建规范本体规则库，设计相应的解析与判断机制统一通信语言，引入确信因子算法判断通信语言历史执行强度，提高了Agent消息通信效率，减少了漏失率。实验结果表明，基于本体的Agent通信机制，提高了Agent间消息读取速度与联动交互效率，且更适合应用于溅射域复杂的多Agent系统中。

[1] Kone M T,Shimazu A,Nakajima T.The state of the art in agent communication languages[J].Knowledge and Information Systems,2000,2(3):259-284.

[2] 魏晓斌,周盛宗.Agent通信机制探讨[J].计算机工程与应用,2002,38(5):66-70.

[3] 杨 博,刘大有,杨 鲲,等.移动Agent系统的主动通信机制[J].软件学报,2003,14(7):1338-1344.

[4] 马光伟,王一川,石纯一.一种Agent规范机制的设计[J].计算机研究与发展,2000,37(11):1298-1305.

[5] 李 洁.OWL本体存储模式研究[J].中国科技信息,2007(21):118-120.

[6] Bema-Koes M,Nourhakhsh I,Sycara K.Communication efficiency in multi-agent systems[C]//IEEE international conference on robotics and automation.[s.l.]:IEEE,2004.

[7] 张可佳,李春生,姜海英,等.时间序列下模式挖掘模型设计[J].计算机工程与应用,2015,51(19):146-151.

[8] 冯新宇,陶先平,曹 春,等.一种改进的移动Agent通信算法[J].计算机学报,2002,25(4):357-364.

[9] 贾志勇,李振东,谢 立.ACP-一种基于局部邮区的移动Agent通信算法[J].计算机研究与发展,2004,41(1):47-52.

[10] 邵 星,王汝传,徐小龙.一种基于Agent的Ad hoc网络路由算法[J].计算机技术与发展,2010,20(4):21-24.

[11] 范圣韬,毕鲁雁,蒋保臣.一种新的移动Agent间通信算法[J].计算机工程与设计,2005,26(7):1756-1758.

[12] Yannis L,Tim F.A semantics approach for KQML-a general purpose communication language for software agents[C]//Third international conference on information and knowledge management.Berlin:[s.n.],1994.

[13] 陈善国,高 济.一种基于Agent的工作流模型的设计与实现[J].计算机科学,2000,27(4):90-92.

[14] 王 勇,王忠群,韦良芬.移动Agent的一种支持安全与容错的迁移机制[J].计算机技术与发展,2007,17(3):169-171.

Research on Multi-Agent Communication MechanismBased on Ontology

LI Chun-sheng，HU Ya-nan，ZHANG Ke-jia

(College of Computer and Information Technology,Northeast Petroleum University,Daqing 163318,China)

In the process of using multi-Agent communication system for integration and management of complex production data of sputtering domain,the linkage influence caused by high frequency variation of massive data leads to a bottleneck in the Agent communication efficiency and the loss rate of message.In order to meet the good communication and interaction between heterogeneous Agent and increase the speed of communication Agent messages reading and interpretation,C-ECM Agent ontology storage is introduced to establish rule library of Agent ontology,standardize the Agent communication language and reduce storage space.Ontology reading and parsing mechanism is designed to unify communications language and sureness factors algorithm is employed to judge language history execution strength with Agent language capacity library.In order to raise the efficiency and robustness of message communication and reduce the loss rate of message execution,the multi-Agent communication mechanism based on ontology is proposed.Based on it,the oil-field data integration and management system supported by multi-Agent is established to verify.The experimental results show that multi-Agent communication mechanism based on ontology has effectively accelerated the speed of communication Agent messages reading and interpretation and improved the efficiency of communication and interaction among Agent.

Agent communication mechanism;ontology reading and parsing;C-ECM storage way;sureness factors algorithm

2016-07-21

：2016-10-26 < class="emphasis_bold">网络出版时间

时间：2017-07-05

黑龙江省自然科学基金面上项目(F2015020);黑龙江省教育科学技术研究项目(12511010)

李春生(1960-)，男，博士，教授，博士生导师，研究方向为人工智能及其应用、模式识别与人工智能；胡亚楠(1991-)，女，硕士研究生，通讯作者，研究方向为人工智能与信息处理技术。

http://kns.cnki.net/kcms/detail/61.1450.TP.20170705.1649.024.html

TP302

:A

:1673-629X(2017)09-0166-04

10.3969/j.issn.1673-629X.2017.09.036