第3卷第5期 智能系统学报 Vol 3 No 5 2008年10月 CAA I Transactions on Intelligent Systems 0ct2008 基于主体的智能协同决策支持系统 史忠植,张子云2 (1.中因科学院计算技术研究所,北京100080,2中国科学院研究生院,北京100039) 摘要:当今社会下,决策过程必须的信息资源和必要的决策因素越来越多地分散在较大的活动范围内,传统的集中式 的决策支持系统已经越来越无法满足这种分布式的需求.针对决策支持系统需求的现状和发展前景,首先简要分析了当 今的决策支持系统应该具有的特性,然后提出了一种基于主体的智能协同决策支持系统的模型.该模型将不同领域的专 家知识封装入多个主体推理机当中,并依靠这些主体推理机之间的协同与交互解决复杂的决策支持问题.最后结合具体 的例子介绍了该系统在实际项目中的应用」 关键词:主体;协同;决策支持;策略驱动;动态描述逻辑 中图分类号:1P391文献标识码:A文章编号:1673-4785(2008)050377-07 Agen t-ba sed n telligent collabora tive dec ision support system SHI Zhong-zhi,ZHANG Zi-yun' (1.Istitute of Computing Technolgy,Chinese Academy of Sciences,Beijing 100080,China;2 Graduate University ofChineseA- cademy of Sciences,Beijing 100039,China) Abstract:Infomation and decision factors needed in the decision making process have become increasingly scat- tered as the scope of corporate activity grows Traditional concentrated decision support systems can no lnger effec- tively deal with distributed ources After analyzing the characteristics ofpresent decision support systems we devel- oped an intelligent collaboration decision support system based on multi-agent technology It encap sulated the ex- pert knowledge of various fields into several agent reasoning machines and used collaboration and interaction be- tween the agent reasoning machines to solve complex decision-making support issues A test using an actual project was emp loyed to demonstrate the effectiveness of this system. Keywords:Agent collaboration;decision support policy driven;dynam ic description logic 决策是人们在政治、经济、技术以及日常生活中 协同决策支持系统的研究,对于当今的企业决策环 普遍遇到的一种选择方案的行为.当今社会,随着全 境具有重要的意义, 球化和技术创新的不断发展,一个企业往往会形成 主体,亦称为Agent,是一个运行于动态环境 地理位置分散的多个利润中心和决策中心,每个决 的、具有较高自治能力的实体,是一种模拟人类智能 策中心都积累了大量的知识.在这样的背景下,许多 行为并提供相应服务的计算机程序山主体具有自 大规模管理决策活动已不可能或不便于用集中的方 主性、协同性、移动性以及智能性等特点,对于构建 式进行,这些活动涉及许多承担不同责任的决策人, 符合当今企业决策环境的智能化协同决策支持系 决策过程必需的信息资源或某些必要的决策因素分 统,是一种自然的解决方案。 散在较大的活动范围.正确的决策,需要利用地理位 基于主体的智能协同决策支持,利用基于知识 置分散的多个物理节点上保存的知识和数据,解决 的特定领域的智能系统,在一个共同的环境内相互 决策群体之间的交互协同障碍.因此,进行智能化的 作用,就一个复杂的问题与一个或多个的决策者达 收稿日期:2008-03-19 成共识).它能够通过智能主体之间以及智能主体 基金项目:国家自然科学基金资助项目(90604017,60775035):田家 与人类之间的协同工作,为人类决策者提供一种解 “973资助项目(2003CB317004). 通信作者:张子云.Email hangziyun(@ics ict ac cn 决复杂问题的方法) 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net
第 3卷第 5期 智 能 系 统 学 报 Vol. 3 №. 5 2008年 10月 CAA I Transactions on Intelligent System s Oct. 2008 基于主体的智能协同决策支持系统 史忠植 1 ,张子云 1, 2 (1. 中国科学院 计算技术研究所 ,北京 100080; 2. 中国科学院 研究生院 ,北京 100039) 摘 要 :当今社会下 ,决策过程必须的信息资源和必要的决策因素越来越多地分散在较大的活动范围内 ,传统的集中式 的决策支持系统已经越来越无法满足这种分布式的需求. 针对决策支持系统需求的现状和发展前景 ,首先简要分析了当 今的决策支持系统应该具有的特性 ,然后提出了一种基于主体的智能协同决策支持系统的模型. 该模型将不同领域的专 家知识封装入多个主体推理机当中 ,并依靠这些主体推理机之间的协同与交互解决复杂的决策支持问题. 最后结合具体 的例子介绍了该系统在实际项目中的应用. 关键词 :主体 ;协同 ;决策支持 ;策略驱动 ;动态描述逻辑 中图分类号 : TP391 文献标识码 : A 文章编号 : 167324785 (2008) 0520377207 Agent2based intelligent collaborative dec ision support system SH I Zhong2zhi 1 , ZHANG Zi2yun 1, 2 (1. Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100080, China; 2. Graduate University of Chinese A2 cademy of Sciences, Beijing 100039, China) Abstract: Information and decision factors needed in the decision making p rocess have become increasingly scat2 tered as the scope of corporate activity grows. Traditional concentrated decision support system s can no longer effec2 tively dealwith distributed sources. After analyzing the characteristics of p resent decision support system swe devel2 oped an intelligent collaboration decision support system based on multi2agent technology. It encap sulated the ex2 pert knowledge of various fields into several agent reasoning machines and used collaboration and interaction be2 tween the agent reasoning machines to solve comp lex decision2making support issues. A test using an actual p roject was emp loyed to demonstrate the effectiveness of this system. Keywords:Agent; collaboration; decision support; policy driven; dynam ic descrip tion logic 收稿日期 : 2008203219. 基金项目 :国家自然科学基金资助项目 ( 90604017, 60775035) ;国家 “973”资助项目 (2003CB317004). 通信作者 :张子云. E2mail: zhangziyun@ ics. ict. ac. cn. 决策是人们在政治、经济、技术以及日常生活中 普遍遇到的一种选择方案的行为. 当今社会 ,随着全 球化和技术创新的不断发展 ,一个企业往往会形成 地理位置分散的多个利润中心和决策中心 ,每个决 策中心都积累了大量的知识. 在这样的背景下 ,许多 大规模管理决策活动已不可能或不便于用集中的方 式进行 ,这些活动涉及许多承担不同责任的决策人 , 决策过程必需的信息资源或某些必要的决策因素分 散在较大的活动范围. 正确的决策 ,需要利用地理位 置分散的多个物理节点上保存的知识和数据 ,解决 决策群体之间的交互协同障碍. 因此 ,进行智能化的 协同决策支持系统的研究 ,对于当今的企业决策环 境具有重要的意义. 主体 ,亦称为 Agent,是一个运行于动态环境 的、具有较高自治能力的实体 ,是一种模拟人类智能 行为并提供相应服务的计算机程序 [ 1 ] . 主体具有自 主性、协同性、移动性以及智能性等特点 ,对于构建 符合当今企业决策环境的智能化协同决策支持系 统 ,是一种自然的解决方案. 基于主体的智能协同决策支持 ,利用基于知识 的特定领域的智能系统 ,在一个共同的环境内相互 作用 ,就一个复杂的问题与一个或多个的决策者达 成共识 [ 2 ] . 它能够通过智能主体之间以及智能主体 与人类之间的协同工作 ,为人类决策者提供一种解 决复杂问题的方法 [ 3 ]
·378· 智能系统学报 第3卷 1主体协同工作模式 其中S是触发状态集,即触发该策略执行的状态 集合:A是动作集,即实施该策略时所需执行的动 基于主体的智能协同决策系统,通过模仿和扩 作仿案集合;S是目标状态集合,是该策略实施 展基本的人类解决问题的策略,来解决复杂的决策 后系统所达到的状态集合;而U是关于S的函数 问题.人类解决问题时,经常涉及到决策小组中专家 集,称之为目标状态效用函数集,用来评估目标状态 们的相互协作.通过把人类领域专家的知识封装进 的优劣程度 基于计算机的智能主体当中,并且允许这些主体之 每个主体推理机都拥有自己的策略库,系统中 间以及与人类用户之间互相影响,这样的系统可以 各主体间的合作和竞争行为,便是基于策略库中的 显著的提高决策制定过程的生产力 策略进行的.策略库中的策略可以分为4种,分别是 每一个智能主体,称为主体推理机,都是一个小 目标更新策略、效用更新策略、直接动作策略和规划 型的专家系统,拥有解决问题所需要的某一部分的 动作策略。 领域知识.它既拥有主体的自治性、交互性、协同性 1)目标更新策略用于更新主体的目标,它的A 等特点,又可以利用自身内含的决策推理模块,响应 和U为空集而S非空.例如,当治疗预案主体要求 用户的决策推理请求.不同领域以及相同领域但却 营养学主体计算合适的手术时间时,后者应当根据 拥有不同知识的多个主体推理机相互协作,就像由 目标更新策略,设置自身的目标为返回合适的手术 人类组成的决策小组中的领域专家一样,共同解决 时间.这条策略使用通用策略描述语言(general po 复杂的决策问题 icy specification language,.GP)s表述如下: 系统中主体推理机之间,可能存在着复杂的合 pl:(name update-goal 作和竞争关系.例如病人必须要先进行诊断,确定所 :perfomative“Achieve” 患疾病,然后才能制定治疗预案.疾病诊断主体与治 subject nutriology 疗预案主体在这里便是合作关系.又例如,一个拥有 p recondition received-request app rop riate 营养学知识的主体推理机出于对病人体力的考虑, operations tme) 认为病人最好在某个时间段内接受手术,而负责资 postcondition have-retumed app rop riate 源规划的主体推理机则认为那是不现实的,因为在 operations tme) 那段时间内没有能进行那项手术的空闲的外科医 这里的目标postcondition并非是一个动作,而 生.在这里,营养学主体和资源规划主体是一种竞争 是一个状态集合,表示“营养学主体已经返回了合 关系,竞争的结果便是某种程度上的妥协,一种各方 适手术时间这种系统状态.至于如何达到这种状 面都能够接受的、最有利于病人的解决方案 态,则需要策略引擎的规划.通常达到这种状态需要 本系统采用分层次的协同模型,这种模型类 的步骤是调用领域相关的推理机计算合适的手术时 似于人类社会的结构.较低层次的主体执行上级分 间,以及发送这个时间值 配的任务并返回结果,较高层次的主体则负责分解、 2)效用更新策略用于更新主体的效用函数,它 分配复杂任务,以及当下级主体出现冲突时的竞争 的A和S为空集,而U非空.例如,当治疗预案主 协调工作 体根据资源规划主体的报告,认为营养学主体给出 不同层次的主体推理机使用策略驱动的方式控 的手术时间不可满足时,它会通知后者,而后者根据 制自身的交互行为.策略是引导系统行为执行的手 通知更新主体的效用函数 段,指导系统部署、执行具体的行动方案.通过把主 p2:(name update-goal 体的协作协议保存在策略库中,由策略告诉主体推 :perfomative“Op tm ize” 理机应该做什么(旧标)、如何去做(行动方案)、做 subject nutriology 到什么程度(效用),从而指导主体推理机的协同 precondition received (T cannot satisfy) 行为 utilityfunction 一个策略P是一个四元组P= f(tie),while have-retumed(tme)& 1994-2009 China Academie Journal Electronic Publishing House.All rights reserved.http://www.cnki.net
1 主体协同工作模式 基于主体的智能协同决策系统 ,通过模仿和扩 展基本的人类解决问题的策略 ,来解决复杂的决策 问题. 人类解决问题时 ,经常涉及到决策小组中专家 们的相互协作. 通过把人类领域专家的知识封装进 基于计算机的智能主体当中 ,并且允许这些主体之 间以及与人类用户之间互相影响 ,这样的系统可以 显著的提高决策制定过程的生产力. 每一个智能主体 ,称为主体推理机 ,都是一个小 型的专家系统 ,拥有解决问题所需要的某一部分的 领域知识. 它既拥有主体的自治性、交互性、协同性 等特点 ,又可以利用自身内含的决策推理模块 ,响应 用户的决策推理请求. 不同领域以及相同领域但却 拥有不同知识的多个主体推理机相互协作 ,就像由 人类组成的决策小组中的领域专家一样 ,共同解决 复杂的决策问题. 系统中主体推理机之间 ,可能存在着复杂的合 作和竞争关系. 例如病人必须要先进行诊断 ,确定所 患疾病 ,然后才能制定治疗预案. 疾病诊断主体与治 疗预案主体在这里便是合作关系. 又例如 ,一个拥有 营养学知识的主体推理机出于对病人体力的考虑 , 认为病人最好在某个时间段内接受手术 ,而负责资 源规划的主体推理机则认为那是不现实的 ,因为在 那段时间内没有能进行那项手术的空闲的外科医 生. 在这里 ,营养学主体和资源规划主体是一种竞争 关系 ,竞争的结果便是某种程度上的妥协 ,一种各方 面都能够接受的、最有利于病人的解决方案. 本系统采用分层次的协同模型 [ 4 ] ,这种模型类 似于人类社会的结构. 较低层次的主体执行上级分 配的任务并返回结果 ,较高层次的主体则负责分解、 分配复杂任务 ,以及当下级主体出现冲突时的竞争 协调工作. 不同层次的主体推理机使用策略驱动的方式控 制自身的交互行为. 策略是引导系统行为执行的手 段 ,指导系统部署、执行具体的行动方案. 通过把主 体的协作协议保存在策略库中 ,由策略告诉主体推 理机应该做什么 (目标 )、如何去做 (行动方案 )、做 到什么程度 (效用 ) ,从而指导主体推理机的协同 行为. 一个策略 P是一个四元组. P = . 其中 Strigge r是触发状态集 ,即触发该策略执行的状态 集合; A是动作集 , 即实施该策略时所需执行的动 作 /方案集合; Sgoal是目标状态集合 , 是该策略实施 后系统所达到的状态集合;而 U 是关于 Sgoal的函数 集 ,称之为目标状态效用函数集 ,用来评估目标状态 的优劣程度. 每个主体推理机都拥有自己的策略库 ,系统中 各主体间的合作和竞争行为 ,便是基于策略库中的 策略进行的. 策略库中的策略可以分为 4种 ,分别是 目标更新策略、效用更新策略、直接动作策略和规划 动作策略. 1)目标更新策略用于更新主体的目标 ,它的 A 和 U为空集而 Sgoal非空. 例如 ,当治疗预案主体要求 营养学主体计算合适的手术时间时 ,后者应当根据 目标更新策略 ,设置自身的目标为返回合适的手术 时间. 这条策略使用通用策略描述语言 ( general pol2 icy specification language, GPSL) [ 5 ]表述如下 : p1: (: name update2goal : performative“Achieve” : subject nutriology : p recondition received2request( app rop riate operations time) : postcondition have2returned ( app rop riate operations time) 这里的目标 postcondition并非是一个动作 ,而 是一个状态集合 ,表示“营养学主体已经返回了合 适手术时间 ”这种系统状态. 至于如何达到这种状 态 ,则需要策略引擎的规划. 通常达到这种状态需要 的步骤是调用领域相关的推理机计算合适的手术时 间 ,以及发送这个时间值. 2)效用更新策略用于更新主体的效用函数 ,它 的 A和 Sgoal为空集 ,而 U 非空. 例如 ,当治疗预案主 体根据资源规划主体的报告 ,认为营养学主体给出 的手术时间不可满足时 ,它会通知后者 ,而后者根据 通知更新主体的效用函数. p2: (: name update2goal : performative“Op tim ize” : subject nutriology : p recondition received ( T cannot satisfy) : utilityfunction f ( time) , while have2returned ( time) & ·378· 智 能 系 统 学 报 第 3卷
第5期 史忠植,等:基于主体的智能协同决策支持系统 ·379 0,others 资料,它的Bel则可能是这样的」 T为无法满足的手术时间集合,f(tme)为选在 Bel=(N (n),Equal(n,"Agent35"), 时间tme进行手术对病人的有利程度.这仅仅是一 RL(rW,Equal(rl“A gent63”), 个非常简单的示例,实际使用的系统将有更为复杂 P(p),Equal(p."Patien12"), 的竞争策略,可能需要在治疗预案主体的主持之下, PA1 (p.a),Equal(a,xxx),. 由营养学主体与资源规划主体进行多轮协商后解 PA.(p.a),Equal(a.xxx), 决。 概念N表示营养学主体集合,概念RL表示资 3)直接动作策略反映了系统的一些反射性行 源规划主体集合;概念P表示病人集合;PAk(pa) 为.例如,较低层次的主体推理机在进行初始化的时 系表示病人p的第k个属性为a关系Equal(a,以 候,应该向它上级的主体推理机发送上线通知 表示a的值是v 4)规划动作策略与直接动作策略不同,它刻画 这个信念集表示,它知道有一个名字为 了系统中复杂的带有计划性的动作.每条规划动作 “AgenB5的营养学主体,一个名字为“Agen63”的 策略都是一个主体能够执行的原子动作,除了包括 资源规划主体,一个名字为“Patientl2的病人,以及 动作的具体行为之外,还包含了执行该条动作需要 这个病人的n个属性,这些属性可能为血压心率等 满足的前提条件,以及成功执行该动作之后将会对 指标,由领域专家指定 系统造成怎样的影响.策略引擎根据规划动作中包 在后来的某个时刻,治疗预案主体收到了来自 含的信息,制定动作计划,达成主体的目标S 上级主体的一个消息,告知这个病人将采用手术疗 2动作规划 法,希望能够为它安排手术计划.于是治疗预案主体 根据它的目标更新策略,将Goals设置为 目标更新策略不是精确地设置在当前状态下所 {OT(p,∧HR∧OR(p,V∧HR(I∧ 要执行的动作,而是声明最终达到的理想状态.系统 D (p.d)AHR (x)3 根据规划动作策略集,生成达到最终状态所需要执 关系OT(p)表示病人p的手术时间为t关 行的动作序列.这使得系统更加灵活,允许策略制定 系OR(p表示病人p在手术室进行手术;关系 者不必了解底层的系统细节.但目标策略需要复杂 D(pd)表示病人p由医生d进行手术.概念HR(x) 的规划和建模算法,为了解决这个问题,采用动态描 表示己经向上级主体返回x这个目标表示,主体应 述逻辑(dynam ic description gics,.DDL)6描述主 该找出病人p进行手术的时间、地点和主刀医生,然 体对外界环境的认识、主体的目标以及主体所能采 后向上级主体返回手术计划: 取的规划动作策略,然后使用DDL推理机进行推 确定目标之后,主体将搜索它的行为能力库,规 理,规划出为实现目标所需要的动作序列」 划达成目标的动作序列.对治疗预案主体来讲,它的 将主体推理机的心智状态表示为一个四元组 Act当中可能含有下面3个动作 .其中Bel为主体的信念 RequesOperationsTme(nutrio bg y, 集,由DDL中的RBox、Box和ABox组成,描述了 patient,attribute,,,attribute,,tme)= 主体的领域本体,以及对系统当前状态的认识.Act 据BelAct和Goals规划Intent中的元素.下面根据 一个具体的例子进一步介绍主体的动作规划」 RequesResPlan(resp lan,patient,tme, 假设某一时刻,治疗预案主体保有某个病人的 room,doctor)= 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net
0, others T为无法满足的手术时间集合 , f ( time)为选在 时间 time进行手术对病人的有利程度. 这仅仅是一 个非常简单的示例 ,实际使用的系统将有更为复杂 的竞争策略 ,可能需要在治疗预案主体的主持之下 , 由营养学主体与资源规划主体进行多轮协商后解 决. 3)直接动作策略反映了系统的一些反射性行 为. 例如 ,较低层次的主体推理机在进行初始化的时 候 ,应该向它上级的主体推理机发送上线通知. 4)规划动作策略与直接动作策略不同 ,它刻画 了系统中复杂的带有计划性的动作. 每条规划动作 策略都是一个主体能够执行的原子动作 ,除了包括 动作的具体行为之外 ,还包含了执行该条动作需要 满足的前提条件 ,以及成功执行该动作之后将会对 系统造成怎样的影响. 策略引擎根据规划动作中包 含的信息 ,制定动作计划 ,达成主体的目标 Sgoal . 2 动作规划 目标更新策略不是精确地设置在当前状态下所 要执行的动作 ,而是声明最终达到的理想状态. 系统 根据规划动作策略集 ,生成达到最终状态所需要执 行的动作序列. 这使得系统更加灵活 ,允许策略制定 者不必了解底层的系统细节. 但目标策略需要复杂 的规划和建模算法 ,为了解决这个问题 ,采用动态描 述逻辑 ( dynam ic descrip tion logics, DDL) [ 627 ]描述主 体对外界环境的认识、主体的目标以及主体所能采 取的规划动作策略 ,然后使用 DDL 推理机进行推 理 ,规划出为实现目标所需要的动作序列. 将主体推理机的心智状态表示为一个四元组 . 其中 Bel为主体的信念 集 ,由 DDL中的 RBox、TBox和 ABox组成 ,描述了 主体的领域本体 ,以及对系统当前状态的认识. Act 为主体的行为能力库 ,相当于 DDL的 ActionBox,它 当中的动作来自于策略库中的规划动作策略. Goals 为主体的目标集合 ,主体根据策略库中的目标更新 策略设置 Goals中的元素. Intent为主体的行为意 图 ,由原子动作组成 ,等待着主体依次执行 ,主体根 据 Bel、Act和 Goals规划 Intent中的元素. 下面根据 一个具体的例子进一步介绍主体的动作规划. 假设某一时刻 ,治疗预案主体保有某个病人的 资料 ,它的 Bel则可能是这样的 : Bel = {N ( n) , Equal( n,“Agent35”) , RL ( rl) , Equal( rl,“Agent63”) , P ( p) , Equal( p,“Patien12”) , PA1 ( p, a1 ) , Equal( a1 , xxx) , …, PAn ( p, an ) , Equal( an , xxx) , …} 概念 N 表示营养学主体集合;概念 RL 表示资 源规划主体集合;概念 P表示病人集合; PAk ( p, a) 系表示病人 p的第 k个属性为 a;关系 Equal( a, v) 表示 a的值是 v. 这个 信 念 集 表 示 , 它 知 道 有 一 个 名 字 为 “Agent35”的营养学主体 ,一个名字为“Agent63”的 资源规划主体 ,一个名字为“Patient12”的病人 ,以及 这个病人的 n个属性 ,这些属性可能为血压、心率等 指标 ,由领域专家指定. 在后来的某个时刻 ,治疗预案主体收到了来自 上级主体的一个消息 ,告知这个病人将采用手术疗 法 ,希望能够为它安排手术计划. 于是治疗预案主体 根据它的目标更新策略 ,将 Goals设置为 {O T ( p, t) ∧HR ( t) ∧OR ( p, r) ∧HR ( r) ∧ D ( p, d) ∧HR ( x) }. 关系 O T ( p, t)表示病人 p的手术时间为 t;关 系 OR ( p, r)表示病人 p在手术室 r进行手术;关系 D ( p, d)表示病人 p由医生 d进行手术. 概念 HR ( x) 表示已经向上级主体返回 x. 这个目标表示 ,主体应 该找出病人 p进行手术的时间、地点和主刀医生 ,然 后向上级主体返回手术计划. 确定目标之后 ,主体将搜索它的行为能力库 ,规 划达成目标的动作序列. 对治疗预案主体来讲 ,它的 Act当中可能含有下面 3个动作. RequestOperationsTime ( nutrio log y, patient, attribute1 , …, attributen , time) = RequestResPlan ( resp lan, patient, time, room, doctor) = 第 5期 史忠植 ,等 :基于主体的智能协同决策支持系统 ·379·
·380· 智能系统学报 第3卷 推理控制部件 推理模块 RetumOperations Plan(patient,tme. 金 room,doctor)= 推理结果 外部数据库管理模块 的专家系统软件工具OKPS由中科院计算所智能信 其中概念K=了Equal△'表示某个元素的取值 息处理国家重点实验室开发完成,是一个为决策支 已经确定 持、推理诊断、评估探测等智能化的知识处理提供帮 动作RequesOperationsTme表示,如果知道一 助的面向对象的专家系统开发环境.该工具将框架 个病人的属性以及一个营养学主体,则可以通过向 理论和语义网络相结合,采用面向对象的概念和技 它发送推理请求获知合适的手术时间.动作Reques- 术来实现知识的表示方法,同时引入了一种专用高 ResPlan表示,如果知道一个病人的手术时间以及 级语言—推理控制语言QL来描述和操作领域专 一个资源规划主体,则可以通过向它发送推理请求 家知识并控制推理过程 为该病人安排手术室和主刀医师.动作RetumOper 传统的专家系统只能处理简单的诸如这样的推理规则,对于保存在复杂的数 和主刀医生,则可以把它们作为一个手术计划返回 学模型中的知识则无能为力.而在实际的决策支持 给更高层次的主体推理机 环境中,对于大量数据的处理不可避免的会牵涉到 根据这3个动作,达成目标的一个明显的动作 复杂数学模型的求解.因此在决策推理模块中添加 序列是 了模型库子系统,同时扩展了基于规则推理的规则 RequesOperationsTme(n.p.a....a. 语义,引入了一种新的规则: RequestResPlan(rl p.1 r.d). 当决策推理模块处理到这样的规则时,就把这条规 RetumOperatonsPlan(p.t.d) 则委托给模型库子系统进行处理,模型库子系统与 它表示应该首先向营养学主体发送请求确定手 外部的模型库系统进行通信,读取模型元数据、加载 术时间,然后向资源规划主体发送请求,安排手术室 模型、设定模型参数,然后调用模型进行推理,接下 和主刀医生,最后向上级主体返回手术计划治疗预 来读取外部模型的运算结果,设置推理结论,最后卸 案主体将把这个动作序列放入nent当中,等待后 载模型 来调度执行 此外,知识的有效获取,一直以来都是专家系统 3决策推理 乃至决策支持系统研究的重点.有效的知识获取方 法,可以大幅降低系统的构造成本,提高推理和决策 系统中的决策推理模块保存着人类专家掌握的 精度.本系统采用与数据挖掘工具相结合的方式,提 领域知识,能够对领域相关问题做出解答.它的结构 供了2种知识获取方法.除了传统的由领域专家手 如图1所示 工录入之外,还可以由外部的数据挖掘系统对企业 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.ne
ReturnOperations Plan (patient, time, room, doctor) = 其中概念 K = ϖ Equal. Δl 表示某个元素的取值 已经确定. 动作 RequestOperationsTime表示 ,如果知道一 个病人的属性以及一个营养学主体 ,则可以通过向 它发送推理请求获知合适的手术时间. 动作 Reques2 tResPlan表示 ,如果知道一个病人的手术时间以及 一个资源规划主体 ,则可以通过向它发送推理请求 为该病人安排手术室和主刀医师. 动作 ReturnOper2 ationsPlan表示 ,如果知道病人的手术时间、手术室 和主刀医生 ,则可以把它们作为一个手术计划返回 给更高层次的主体推理机. 根据这 3个动作 ,达成目标的一个明显的动作 序列是 : RequestOperationsTime ( n, p, a1 , …, an , t) , RequestResPlan ( rl, p, t, r, d) , ReturnOperationsPlan ( p, t, r, d). 它表示应该首先向营养学主体发送请求确定手 术时间 ,然后向资源规划主体发送请求 ,安排手术室 和主刀医生 ,最后向上级主体返回手术计划. 治疗预 案主体将把这个动作序列放入 Intent当中 ,等待后 来调度执行. 3 决策推理 系统中的决策推理模块保存着人类专家掌握的 领域知识 ,能够对领域相关问题做出解答. 它的结构 如图 1所示. 图 1 决策推理模块 Fig. 1 Decision reasoning model 该模块以面向对象的专家系统软件工具 OKPS (Object2oriented knowledge p rocessing system ) 为基 础 ,结合模型库技术与数据挖掘技术构建. 面向对象 的专家系统软件工具 OKPS由中科院计算所智能信 息处理国家重点实验室开发完成 ,是一个为决策支 持、推理诊断、评估探测等智能化的知识处理提供帮 助的面向对象的专家系统开发环境. 该工具将框架 理论和语义网络相结合 ,采用面向对象的概念和技 术来实现知识的表示方法 ,同时引入了一种专用高 级语言 ———推理控制语言 ICL来描述和操作领域专 家知识并控制推理过程. 传统的专家系统只能处理简单的诸如 这样的推理规则 ,对于保存在复杂的数 学模型中的知识则无能为力. 而在实际的决策支持 环境中 ,对于大量数据的处理不可避免的会牵涉到 复杂数学模型的求解. 因此在决策推理模块中添加 了模型库子系统 ,同时扩展了基于规则推理的规则 语义 ,引入了一种新的规则 : . 当决策推理模块处理到这样的规则时 ,就把这条规 则委托给模型库子系统进行处理 ,模型库子系统与 外部的模型库系统进行通信 ,读取模型元数据、加载 模型、设定模型参数 ,然后调用模型进行推理 ,接下 来读取外部模型的运算结果 ,设置推理结论 ,最后卸 载模型. 此外 ,知识的有效获取 ,一直以来都是专家系统 乃至决策支持系统研究的重点. 有效的知识获取方 法 ,可以大幅降低系统的构造成本 ,提高推理和决策 精度. 本系统采用与数据挖掘工具相结合的方式 ,提 供了 2种知识获取方法. 除了传统的由领域专家手 工录入之外 ,还可以由外部的数据挖掘系统对企业 ·380· 智 能 系 统 学 报 第 3卷
第5期 史忠植,等:基于主体的智能协同决策支持系统 ·381 的数据库进行数据开采,然后把发现得到的知识自 类知识转化为数学模型,然后再通过模型库子系统 动导入到决策推理模块当中.然而,数据挖掘算法千 进行调用.另外,又开发了一个翻译器管理器,用来 变万化,挖掘出来的知识在表现形式上有着很大差 管理、加载、调用这些翻译器,选择适当的翻译器来 别,想要开发出一种通用的方法,将数据挖掘系统开 处理数据挖掘得出的结论 采出的知识转化为推理规则是不可能的.所以,构造 了一组翻译器,这组翻译器中的每一个分别对应一 4智能协同决策支持系统体系结构 种数据挖掘算法,如Ripper C.45、Apriori等,分别 本文以主体推理机和主体网格智能平台AGrP 可以把对应的数据挖掘算法得出的结论自动转化为 为基础,构建了一个基于多主体技术的智能协同决 推理规则.对于绝大多数的数据挖掘算法得出的结 策支持系统 论,这种转化都是自然而直接的,但是对于支持向量 机以及神经网络这类的数据挖掘算法,并没有一种 系统的结构图如图2所示,它主要由人机交互 直观的方法可以把它们转化为推理机能够识别的推 界面、一组主体推理机以及主体网格智能平台 理规则.所以在这里采用了一种迁回的方法,先把这 AGrP3个部分组成 专家、知识工程师·专家、知识工程师 C决策者 决策者 人机交互界面 交 推理模块 推理模块 推理模块 知识库 数据库 知识库 数据库 知识库 数据库 策略库心智模型 策略库心智模型 策略库心智模型 主体推理机 主体推理机 主体推理机 变 主体网格智能平台AGrIP 图2系统结构图 Fig 2 System Architecture 其中,主体网格智能平台AGP是由中科院计 计划的重要依据 算所智能信息处理国家重点实验室开发完成的主体 电力负荷预测分析实验平台PoweLab基于上 协同工作环境.它包括了主体网格的开发环境和运 面介绍的思路进行设计,是一个基于多主体技术的 行环境,采用面向智能主体的编程方法和软件方法 智能协同决策支持系统.它可以灵活设计和完成电 学,基于智能主体和多主体的技术而构建,为协同工 力负荷预测分析,能够对国家的宏观用电调控政策 作环境开发者提供一个从系统分析、设计到具体实 及财政、货币政策对电力负荷的影响进行模拟,完成 现和运行的整个过程,也能直接为终端用户提供实 不同行业、不同层次的电力负荷预测分析.为国家电 际的智能应用系统劉应用这个系统,用户可以在 力政策的决策提供支持 网络上构建和布置分布的主体推理机,每个主体推 国家各项政策如何对电力负荷造成影响的知识 理机都包含了解决问题所需要的部分知识和数据, 和数据,并没有一个统一的存放地点.因为这些政策 不同的主体推理机之间,以及主体推理机与决策者 来自于宏观用电调控、财政、货币等各个领域,不可 们之间协同工作,共同解决复杂的决策问题 能有任何一个部门拥有相关的所有数据,亦不可能 有任何一个人类专家可以了解其中的所有知识.构 5电力负荷预测分析实验平台 建传统的决策支持系统,并对如此复杂的知识进行 电力负荷预测是电力系统规划、经济运行和进 统一的维护,是非常不现实的.所以把这些知识封装 行调度管理自动化的基础,也是制定电力市场交易 入多个主体推理机当中,这些主体推理机可以基于 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net
的数据库进行数据开采 ,然后把发现得到的知识自 动导入到决策推理模块当中. 然而 ,数据挖掘算法千 变万化 ,挖掘出来的知识在表现形式上有着很大差 别 ,想要开发出一种通用的方法 ,将数据挖掘系统开 采出的知识转化为推理规则是不可能的. 所以 ,构造 了一组翻译器 ,这组翻译器中的每一个分别对应一 种数据挖掘算法 ,如 Ripper、C4. 5、Ap riori等 ,分别 可以把对应的数据挖掘算法得出的结论自动转化为 推理规则. 对于绝大多数的数据挖掘算法得出的结 论 ,这种转化都是自然而直接的 ,但是对于支持向量 机以及神经网络这类的数据挖掘算法 ,并没有一种 直观的方法可以把它们转化为推理机能够识别的推 理规则. 所以在这里采用了一种迂回的方法 ,先把这 类知识转化为数学模型 ,然后再通过模型库子系统 进行调用. 另外 ,又开发了一个翻译器管理器 ,用来 管理、加载、调用这些翻译器 ,选择适当的翻译器来 处理数据挖掘得出的结论. 4 智能协同决策支持系统体系结构 本文以主体推理机和主体网格智能平台 AGrIP 为基础 ,构建了一个基于多主体技术的智能协同决 策支持系统. 系统的结构图如图 2所示 ,它主要由人机交互 界面、一组主体推理机以及主体网格智能平台 AGrIP 3个部分组成. 图 2 系统结构图 Fig. 2 System A rchitecture 其中 ,主体网格智能平台 AGrIP是由中科院计 算所智能信息处理国家重点实验室开发完成的主体 协同工作环境. 它包括了主体网格的开发环境和运 行环境 ,采用面向智能主体的编程方法和软件方法 学 ,基于智能主体和多主体的技术而构建 ,为协同工 作环境开发者提供一个从系统分析、设计到具体实 现和运行的整个过程 ,也能直接为终端用户提供实 际的智能应用系统 [ 8 ] . 应用这个系统 ,用户可以在 网络上构建和布置分布的主体推理机 ,每个主体推 理机都包含了解决问题所需要的部分知识和数据 , 不同的主体推理机之间 ,以及主体推理机与决策者 们之间协同工作 ,共同解决复杂的决策问题. 5 电力负荷预测分析实验平台 电力负荷预测是电力系统规划、经济运行和进 行调度管理自动化的基础 ,也是制定电力市场交易 计划的重要依据. 电力负荷预测分析实验平台 PowerLab基于上 面介绍的思路进行设计 ,是一个基于多主体技术的 智能协同决策支持系统. 它可以灵活设计和完成电 力负荷预测分析 ,能够对国家的宏观用电调控政策 及财政、货币政策对电力负荷的影响进行模拟 ,完成 不同行业、不同层次的电力负荷预测分析. 为国家电 力政策的决策提供支持. 国家各项政策如何对电力负荷造成影响的知识 和数据 ,并没有一个统一的存放地点. 因为这些政策 来自于宏观用电调控、财政、货币等各个领域 ,不可 能有任何一个部门拥有相关的所有数据 ,亦不可能 有任何一个人类专家可以了解其中的所有知识. 构 建传统的决策支持系统 ,并对如此复杂的知识进行 统一的维护 ,是非常不现实的. 所以把这些知识封装 入多个主体推理机当中 ,这些主体推理机可以基于 第 5期 史忠植 ,等 :基于主体的智能协同决策支持系统 ·381·
·382· 智能系统学报 第3卷 产生式规则或数学模型对电力预测的结果进行调 2006:75-90 整.每一个主体推理机都只拥有解决问题的部分知 [2]CHA PMAN A Collaborative support systems for facility 识,例如某个主体推理机可以预测某个行业的用电 management[C]//Intemational Conference on Systems Re- 增长率,而另一个主体推理机则可以预测某项货币 search,Inomatics and Cybemetics Baden-Baden,Gema- 对某个行业的用电量影响.不同的主体推理机协同 ny,1998:132-137 工作,共同完成用户的推理请求」 [3]POHL K The 2nd generaton integrated collaborative deci 系统的一个运行实例如图3所示 sion making IDM)model:a three-tier approach to agent- based,decision-support systems[C]//Intemational Confer 克Fa@D30可xDs3回a ence on Systems Research,Infomatics and Cybemetics Baden-Baden,Gemany,1999:156-160 [4 JWANGMaoguang.SHI Zhonghi,DNG Shifei Hierarchi- cal policy for agent grid collaboraton[C]//The Sixth Inter national Conference on Grid and Cooperative Computing Beijing.2007:236-241 [5 JWANGMaoguang.SHI Zhongzhi,ZENGLi,et al A DDL based omal policy representation C]//The 9th Pacific Ri Intemational Workshop on Multi-Agents Guilin,Chi 图3 PoweLabi运行实例 na,2006:245-255 Fig 3 Runtme instance of PoweLab [6]史忠植,董明楷,蒋运承,等.语义Wb的逻辑基础 在这个例子中,用户正在考察财政政策、货币政 [J]中国科学(E)辑,2004,34(10):1124-1138 策、突发事件对未来4年内的用电量增长的影响.用 SHI zhongzhi,DONG Mingkai,JANG Yuncheng et al 户首先输入想要考察效果的财政政策和货币政策. The bgic foundaton of semantic web[J].Science in China 然后系统根据用户输入的财政政策和货币政策,向 (SerE),2004,34(10):1124-1138 财政政策主体推理机、货币政策主体推理机发出推 [7]CHANG Liang,L N Fen,SHI ZhongZhi A dynam ic de- 理任务,两者分别推理得出政策对用电量的影响,然 scrpton logic for representation and reasoning about actions 后又由综合处理主体推理机对两者的影响进行综合 [C]//The 2nd Intemational Conference on Knowledge Sci- 处理,得出次年的用电量估计.接着重复上面的步骤 ence,Engineering and Management Melboume,Austrilia, 2次,得到第3、第4年的用电量估计.用户可以根据 2007:115-127 这里得出的用电量估计值,来判断想要考察效果的 [8]史忠植,林芬,罗杰文.主体网格智能平台AGrP构建 政策是否取得了满意的结果.在这里,多个主体推理 及其应用[J1智能系统学报,2006,1(1):17-23 机协同工作,共同为用户的决策制定过程提供帮助. SHI Zhongzhi,L N Fen,LUO J iewen AGrIP-agent grid in- telligence platm [J].CAAI Transactions on Intelligence 6结束语 System s,2006,1(1):17-23 [9懂明楷,张海俊,史忠植.基于动态描述逻辑的主体模 本文以多主体技术为基础,提出了一种智能协 型[J].计算机研究与发展,2004,41(5):780-786 同决策支持系统的设计方案,并介绍了该系统在电 DONGM ingkai,ZHANG Haijun,SH I Zhongzhi An Agent 力负荷预测分析实验平台PoweLab项目中的一个 model based on dynam ic description bogic [J].Joumal of 具体应用.该系统以主体网格智能平台AGP为基 computer research and develpment,2004,41 (5):780- 础,使用策略驱动的方法,允许在空间和地理位置分 786 散的多个网络节点上的主体推理机协同工作,为企 [10]史忠植,王文杰.人工智能[M],北京:国防工业出版 业或政府的决策制定过程提供帮助 社,2007:25-29 参考文献: [11]SEMMELG S,STEVEN R D,LEUCHT K W,et al NESTA:NASA engineering shuttle telemetry Agent [J]A- [1]史忠植.高级人工智能M2版北京:科学出版社, merican A ssociation for Artificial Intelligence,2005,3:51-56 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.ne
产生式规则或数学模型对电力预测的结果进行调 整. 每一个主体推理机都只拥有解决问题的部分知 识 ,例如某个主体推理机可以预测某个行业的用电 增长率 ,而另一个主体推理机则可以预测某项货币 对某个行业的用电量影响. 不同的主体推理机协同 工作 ,共同完成用户的推理请求. 系统的一个运行实例如图 3所示. 图 3 PowerLab运行实例 Fig. 3 Runtime instance of PowerLab 在这个例子中 ,用户正在考察财政政策、货币政 策、突发事件对未来 4年内的用电量增长的影响. 用 户首先输入想要考察效果的财政政策和货币政策. 然后系统根据用户输入的财政政策和货币政策 ,向 财政政策主体推理机、货币政策主体推理机发出推 理任务 ,两者分别推理得出政策对用电量的影响 ,然 后又由综合处理主体推理机对两者的影响进行综合 处理 ,得出次年的用电量估计. 接着重复上面的步骤 2次 ,得到第 3、第 4年的用电量估计. 用户可以根据 这里得出的用电量估计值 ,来判断想要考察效果的 政策是否取得了满意的结果. 在这里 ,多个主体推理 机协同工作 ,共同为用户的决策制定过程提供帮助. 6 结束语 本文以多主体技术为基础 ,提出了一种智能协 同决策支持系统的设计方案 ,并介绍了该系统在电 力负荷预测分析实验平台 PowerLab项目中的一个 具体应用. 该系统以主体网格智能平台 AGrIP为基 础 ,使用策略驱动的方法 ,允许在空间和地理位置分 散的多个网络节点上的主体推理机协同工作 ,为企 业或政府的决策制定过程提供帮助. 参考文献 : [ 1 ]史忠植. 高级人工智能 [M ]. 2版. 北京 :科学出版社 , 2006: 75290. [ 2 ]CHAPMAN A. Collaborative support systems for facility management[ C ] / / International Conference on Systems Re2 search, Informatics and Cybernetics. Baden2Baden, Germa2 ny, 1998: 1322137. [ 3 ] POHL K. The 2nd generation integrated collaborative deci2 sion making ( ICDM) model: a three2tier app roach to agent2 based, decision2support system s[C ] / / International Confer2 ence on System s Research, Informatics and Cybernetics. Baden2Baden, Germany, 1999: 1562160. [ 4 ]WANGMaoguang, SH I Zhongzhi, D ING Shifei. H ierarchi2 cal policy for agent grid collaboration[C ] / / The Sixth Inter2 national Conference on Grid and Cooperative Computing. Beijing, 2007: 2362241. [ 5 ]WANGMaoguang, SH I Zhongzhi, ZENG L i, et al. A DDL based formal policy rep resentation [ C ] / / The 9 th Pacific Rim International Workshop on Multi2Agents. Guilin, Chi2 na, 2006: 2452255. [ 6 ]史忠植 , 董明楷 , 蒋运承 , 等. 语义 W eb 的逻辑基础 [J ]. 中国科学 (E)辑 , 2004, 34 (10) : 112421138. SH I zhongzhi, DONG M ingkai, J IANG Yuncheng, et al. The logic foundation of semantic web[J ]. Science in China ( Ser E) , 2004, 34 (10) : 112421138. [ 7 ]CHANG L iang, L IN Fen, SH I ZhongZhi. A dynam ic de2 scrip tion logic for rep resentation and reasoning about actions [C ] / /The 2nd International Conference on Knowledge Sci2 ence, Engineering and Management. Melbourne, Austrilia, 2007: 1152127. [ 8 ]史忠植 ,林 芬 ,罗杰文. 主体网格智能平台 AGrIP构建 及其应用 [J ]. 智能系统学报 , 2006, 1 (1) : 17223. SH I Zhongzhi, L IN Fen, LUO Jiewen. AGrIP2agent grid in2 telligence p latform [ J ]. CAA I Transactions on Intelligence Systems, 2006, 1 (1) : 17223. [ 9 ]董明楷 , 张海俊 , 史忠植. 基于动态描述逻辑的主体模 型 [J ]. 计算机研究与发展 , 2004, 41 (5) : 7802786. DONGM ingkai, ZHANG Haijun, SH I Zhongzhi. An Agent model based on dynamic descrip tion logic [ J ]. Journal of computer research and development, 2004, 41 ( 5 ) : 7802 786. [ 10 ]史忠植 ,王文杰. 人工智能 [M ]. 北京 :国防工业出版 社 , 2007: 25229. [ 11 ] SEMMELG S, STEVEN R D, LEUCHT K W , et al. NESTA: NASA engineering shuttle telemetry Agent [J ]. A2 merican Association for Artificial Intelligence, 2005, 3: 51256. ·382· 智 能 系 统 学 报 第 3卷
第5期 史忠植,等:基于主体的智能协同决策支持系统 ·383· 作者简介: 史忠植,男,1941年生研究员,博士 张子云,男,1983年生,硕士研究 生导师,主要研究方向为智能科学、人工 生,主要研究方向为智能决策支持系 智能、多主体系统、数据挖掘、机器学习、 统、群决策支持系统、多主体系统 知识工程等.1979年、1998年、2001年均 获中国科学院科技进步二等奖,1994年 获中国科学院科技进步特等奖,2002年 获国家科技进步二等奖,发表学术论文 400余篇,出版专著5部 2009 EEE智能系统与应用国际会议(SA2009) 2009 Iternational IEEE W orkshop on Itelligent Systems and Applica tions 2009EEE智能系统与应用国际会议(S42009)旨在为科学家工程师及学者提供一个高水平的国际论坛,以展现智能系 统的研究和智能系统在多领域的应用.42009由美国电子和电气工程师协会(EEE)和美国电子和电气工程协会哈尔滨分 会支持,将于2009年5月23日至24日在湖北工业大学召开.S42009由湖北工业大学主办,湖北工业大学计算机学院承办, 华中科技大学武汉大学,华中师范大学协办.会议语言为英语和中文,论文需英文撰写.录用论文将收录到2009年EEE电 子商务和信息系统安全国际会议论文集中(BSS2009),该会议已经进入正EE会议列表,论文集将被EEE出版社出版,并被 著名检索机构EI和SP检索.会议论文集中优秀的论文将被选入E或SC国际期刊专刊发表.会议论文主题由以下四大领 域组成,但并不局限于 高级计算理论和应用 神经网络 云计算 进化计算和基因计算 模糊计算和软计算 蚂蚁算法 粒子群优化算法 人工鱼群算法 人工免疫系统 生物和神经系统 支持向量机 粗糙和模糊粗糙集 知识发现和数据挖掘 核方法 半监督学习 进化学习系统 自动化 人机交互 计算机集成制造系统 工厂模型和仿真 仪表系统 网络系统 计划与协调系统 自动化处理 汽车电器系统 传感器融合 智能机电和机器人 智能自动控制 管理与智能决策 知识管理与知识工程 管理信息系统 管理支持链 金融数据挖掘 客户关系管 web数据挖掘 游戏理论 信息理论控制理论和应用 系统理论和控制理论 非线性系统与控制 贝叶斯网络 普适计算 模型、鉴定和信号处理 模糊系统和模糊控制 分布式控制系统 自适应控制、学习控制 可靠控制 流量控制 通信网络系统 智能系统设计 会议网站:htp:/w ieee-ais org cn 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net
作者简介 : 史忠植 ,男 , 1941年生 ,研究员 ,博士 生导师 ,主要研究方向为智能科学、人工 智能、多主体系统、数据挖掘、机器学习、 知识工程等. 1979年、1998年、2001年均 获中国科学院科技进步二等奖 , 1994年 获中国科学院科技进步特等奖 , 2002年 获国家科技进步二等奖. 发表学术论文 400余篇 ,出版专著 5部. 张子云 ,男 , 1983年生 ,硕士研究 生 ,主要研究方向为智能决策支持系 统、群决策支持系统、多主体系统. 2009 IEEE智能系统与应用国际会议 ( ISA2009) 2009 International IEEEWorkshop on Intelligent System s and Applications 2009 IEEE智能系统与应用国际会议 ( ISA2009)旨在为科学家、工程师及学者提供一个高水平的国际论坛 ,以展现智能系 统的研究和智能系统在多领域的应用. ISA2009由美国电子和电气工程师协会 ( IEEE)和美国电子和电气工程协会哈尔滨分 会支持 ,将于 2009年 5月 23日至 24日在湖北工业大学召开. ISA2009由湖北工业大学主办 ,湖北工业大学计算机学院承办 , 华中科技大学、武汉大学、华中师范大学协办. 会议语言为英语和中文 ,论文需英文撰写. 录用论文将收录到 2009年 IEEE电 子商务和信息系统安全国际会议论文集中 ( EB ISS2009) ,该会议已经进入 IEEE会议列表 ,论文集将被 IEEE出版社出版 ,并被 著名检索机构 EI和 ISTP检索. 会议论文集中优秀的论文将被选入 EI或 SCI国际期刊专刊发表. 会议论文主题由以下四大领 域组成 ,但并不局限于 : 高级计算理论和应用 神经网络 云计算 进化计算和基因计算 模糊计算和软计算 蚂蚁算法 粒子群优化算法 人工鱼群算法 人工免疫系统 生物和神经系统 支持向量机 粗糙和模糊粗糙集 知识发现和数据挖掘 核方法 半监督学习 进化学习系统 自动化 人机交互 计算机集成制造系统 工厂模型和仿真 仪表系统 网络系统 计划与协调系统 自动化处理 汽车电器系统 传感器融合 智能机电和机器人 智能自动控制 管理与智能决策 知识管理与知识工程 管理信息系统 管理支持链 金融数据挖掘 客户关系管 web数据挖掘 游戏理论 信息理论、控制理论和应用 系统理论和控制理论 非线性系统与控制 贝叶斯网络 普适计算 模型、鉴定和信号处理 模糊系统和模糊控制 分布式控制系统 自适应控制、学习控制 可靠控制 流量控制 通信网络系统 智能系统设计 会议网站 : http: / /www. ieee2ais. org. cn 第 5期 史忠植 ,等 :基于主体的智能协同决策支持系统 ·383·