第11卷第2期 智能系统学报 Vol.11 No.2 2016年4月 CAAI Transactions on Intelligent Systems Apr.2016 D0I:10.11992/is.201506008 网络出版地址：http://www.cnki.net/kcms/detail/23.1538.TP.20160315.1051.004.html 基于多Agent的面向订单的 离散制造系统建模与仿真研究 郭红康1，赵军2 (1.宁夏大学数学计算机学院，宁夏银川750021；2.宁夏大学经济管理学院，宁夏银川750021) 摘要：针对离散制造企业复杂性和对制造系统的特殊要求，构建了基于多Agt的面向订单的离散制造系统结构 模型，采用统一的个体Agent结构，简化了基于Agent的制造系统设计和开发。并对生产过程的复杂性导致的生产 任务分配困难的问题提出了以Agt负载、能力和信任度为指标进行综合考虑和评价，并结合合同网机制有效提高 Agent任务分配和协作效率，简化任务分配过程。最后以控制阀生产企业A为例采用Swam仿真工具进行仿真实 验，对所提出结构模型及任务分配策略的合理性和有效性进行验证，结果证明提出的Ag©t结构模型和分配策略能 够有效提高企业生产效率。 关键词：离散制造；Agent结构；多Agent;任务分配；建模；仿真 中图分类号：TP18;TH128文献标志码：A文章编号：1673-4785(2016)02-0233-08 中文引用格式：郭红康，赵军.基于多Aget的面向订单的离散制造系统建模与仿真研究[J].智能系统学报，2016,11(2)：233- 240. 英文引用格式：GUO Hongkang,ZHAO Jun..Modeling and simulation of order-oriented discrete manufacturing system based on multi-Agent[J].CAAI transactions on intelligent systems,2016,11(2):233-240. Modeling and simulation of order-oriented discrete manufacturing system based on multi-Agent GUO Hongkang',ZHAO Jun2 (1.College of Mathematics and Computer Science,Ningxia University,Yinchuan 750021,China;2.College of Economics and Manage- ment,Ningxia University,Yinchuan 750021,China) Abstract:For the complexity of discrete manufacturing enterprises and special requirements of a manufacturing sys- tem,an order-oriented discrete manufacturing system model based on Multi-Agent was constructed.This model a- dopts a unified individual Agent structure,which simplifies the design and development of the manufacturing system based on Agent.The indexes of Agent loads,ability,and confidence were considered and evaluated comprehensive- ly to solve the complexity of production that causes difficulties in task assignments.The CNP mechanism was com- bined to effectively improve Agent assignment and collaboration efficiency,as well as simplify the task process.Fi- nally,with the control valve manufacturer A as an example,the simulation tool Swarm was used to validate the ra- tionality and effectiveness of the structure model and the task assignment strategy.Results showed that the proposed Agent structure model and allocation strategy could effectively improve the production efficiency of enterprises. Keywords:discrete manufacturing;Agent structure;multi-Agent;modeling;simulation 随着市场环境的复杂多变和竞争的日益加剧， 收稿日期：2015-06-04.网络出版日期：2016-03-15. 基金项目：国家自然科学基金项目(71461025)：国家科技支撑项目产品多样化给制造与管理带来一系列问题，导致零 (2013BAF02B05). 通信作者：赵军.E-mail:wwwzhaojun@(163.com 件种类和装配工作复杂性的迅速增加，使得传统的
第 １１ 卷第 ２ 期 智 能 系 统 学 报 Ｖｏｌ．１１ №．２ ２０１６ 年 ４ 月 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ Ａｐｒ． ２０１６ ＤＯＩ：１０．１１９９２ ／ ｔｉｓ．２０１５０６００８ 网络出版地址：ｈｔｔｐ： ／ ／ ｗｗｗ．ｃｎｋｉ．ｎｅｔ ／ ｋｃｍｓ／ ｄｅｔａｉｌ ／ ２３．１５３８．ＴＰ．２０１６０３１５．１０５１．００４．ｈｔｍｌ 基于多 Ａｇｅｎｔ 的面向订单的 离散制造系统建模与仿真研究 郭红康１ ，赵军２ （１．宁夏大学 数学计算机学院，宁夏 银川 ７５００２１； ２． 宁夏大学 经济管理学院，宁夏 银川 ７５００２１） 摘 要：针对离散制造企业复杂性和对制造系统的特殊要求，构建了基于多 Ａｇｅｎｔ 的面向订单的离散制造系统结构 模型，采用统一的个体 Ａｇｅｎｔ 结构，简化了基于 Ａｇｅｎｔ 的制造系统设计和开发。 并对生产过程的复杂性导致的生产 任务分配困难的问题提出了以 Ａｇｅｎｔ 负载、能力和信任度为指标进行综合考虑和评价，并结合合同网机制有效提高 Ａｇｅｎｔ 任务分配和协作效率，简化任务分配过程。 最后以控制阀生产企业 Ａ 为例采用 Ｓｗａｒｍ 仿真工具进行仿真实 验，对所提出结构模型及任务分配策略的合理性和有效性进行验证，结果证明提出的 Ａｇｅｎｔ 结构模型和分配策略能 够有效提高企业生产效率。 关键词：离散制造；Ａｇｅｎｔ 结构；多 Ａｇｅｎｔ；任务分配；建模；仿真 中图分类号： ＴＰ１８；ＴＨ１２８ 文献标志码：Ａ 文章编号：１６７３⁃４７８５（２０１６）０２⁃０２３３⁃０８ 中文引用格式：郭红康，赵军． 基于多 Ａｇｅｎｔ 的面向订单的离散制造系统建模与仿真研究［ Ｊ］． 智能系统学报， ２０１６， １１（２）： ２３３⁃ ２４０． 英文引用格式：ＧＵＯ Ｈｏｎｇｋａｎｇ， ＺＨＡＯ Ｊｕｎ． Ｍｏｄｅｌｉｎｇ ａｎｄ ｓｉｍｕｌａｔｉｏｎ ｏｆ ｏｒｄｅｒ⁃ｏｒｉｅｎｔｅｄ ｄｉｓｃｒｅｔｅ ｍａｎｕｆａｃｔｕｒｉｎｇ ｓｙｓｔｅｍ ｂａｓｅｄ ｏｎ ｍｕｌｔｉ⁃Ａｇｅｎｔ［Ｊ］． ＣＡＡＩ ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｉｎｔｅｌｌｉｇｅｎｔ ｓｙｓｔｅｍｓ， ２０１６， １１（２）： ２３３⁃２４０． Ｍｏｄｅｌｉｎｇ ａｎｄ ｓｉｍｕｌａｔｉｏｎ ｏｆ ｏｒｄｅｒ⁃ｏｒｉｅｎｔｅｄ ｄｉｓｃｒｅｔｅ ｍａｎｕｆａｃｔｕｒｉｎｇ ｓｙｓｔｅｍ ｂａｓｅｄ ｏｎ ｍｕｌｔｉ⁃Ａｇｅｎｔ ＧＵＯ Ｈｏｎｇｋａｎｇ １ ， ＺＨＡＯ Ｊｕｎ ２ （１．Ｃｏｌｌｅｇｅ ｏｆ Ｍａｔｈｅｍａｔｉｃｓ ａｎｄ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ， Ｎｉｎｇｘｉａ Ｕｎｉｖｅｒｓｉｔｙ，Ｙｉｎｃｈｕａｎ ７５００２１， Ｃｈｉｎａ； ２． Ｃｏｌｌｅｇｅ ｏｆ Ｅｃｏｎｏｍｉｃｓ ａｎｄ Ｍａｎａｇｅ⁃ ｍｅｎｔ， Ｎｉｎｇｘｉａ Ｕｎｉｖｅｒｓｉｔｙ，Ｙｉｎｃｈｕａｎ ７５００２１， Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｆｏｒ ｔｈｅ ｃｏｍｐｌｅｘｉｔｙ ｏｆ ｄｉｓｃｒｅｔｅ ｍａｎｕｆａｃｔｕｒｉｎｇ ｅｎｔｅｒｐｒｉｓｅｓ ａｎｄ ｓｐｅｃｉａｌ ｒｅｑｕｉｒｅｍｅｎｔｓ ｏｆ ａ ｍａｎｕｆａｃｔｕｒｉｎｇ ｓｙｓ⁃ ｔｅｍ， ａｎ ｏｒｄｅｒ⁃ｏｒｉｅｎｔｅｄ ｄｉｓｃｒｅｔｅ ｍａｎｕｆａｃｔｕｒｉｎｇ ｓｙｓｔｅｍ ｍｏｄｅｌ ｂａｓｅｄ ｏｎ Ｍｕｌｔｉ⁃Ａｇｅｎｔ ｗａｓ ｃｏｎｓｔｒｕｃｔｅｄ． Ｔｈｉｓ ｍｏｄｅｌ ａ⁃ ｄｏｐｔｓ ａ ｕｎｉｆｉｅｄ ｉｎｄｉｖｉｄｕａｌ Ａｇｅｎｔ ｓｔｒｕｃｔｕｒｅ， ｗｈｉｃｈ ｓｉｍｐｌｉｆｉｅｓ ｔｈｅ ｄｅｓｉｇｎ ａｎｄ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｔｈｅ ｍａｎｕｆａｃｔｕｒｉｎｇ ｓｙｓｔｅｍ ｂａｓｅｄ ｏｎ Ａｇｅｎｔ． Ｔｈｅ ｉｎｄｅｘｅｓ ｏｆ Ａｇｅｎｔ ｌｏａｄｓ， ａｂｉｌｉｔｙ， ａｎｄ ｃｏｎｆｉｄｅｎｃｅ ｗｅｒｅ ｃｏｎｓｉｄｅｒｅｄ ａｎｄ ｅｖａｌｕａｔｅｄ ｃｏｍｐｒｅｈｅｎｓｉｖｅ⁃ ｌｙ ｔｏ ｓｏｌｖｅ ｔｈｅ ｃｏｍｐｌｅｘｉｔｙ ｏｆ ｐｒｏｄｕｃｔｉｏｎ ｔｈａｔ ｃａｕｓｅｓ ｄｉｆｆｉｃｕｌｔｉｅｓ ｉｎ ｔａｓｋ ａｓｓｉｇｎｍｅｎｔｓ． Ｔｈｅ ＣＮＰ ｍｅｃｈａｎｉｓｍ ｗａｓ ｃｏｍ⁃ ｂｉｎｅｄ ｔｏ ｅｆｆｅｃｔｉｖｅｌｙ ｉｍｐｒｏｖｅ Ａｇｅｎｔ ａｓｓｉｇｎｍｅｎｔ ａｎｄ ｃｏｌｌａｂｏｒａｔｉｏｎ ｅｆｆｉｃｉｅｎｃｙ， ａｓ ｗｅｌｌ ａｓ ｓｉｍｐｌｉｆｙ ｔｈｅ ｔａｓｋ ｐｒｏｃｅｓｓ． Ｆｉ⁃ ｎａｌｌｙ， ｗｉｔｈ ｔｈｅ ｃｏｎｔｒｏｌ ｖａｌｖｅ ｍａｎｕｆａｃｔｕｒｅｒ Ａ ａｓ ａｎ ｅｘａｍｐｌｅ， ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｔｏｏｌ Ｓｗａｒｍ ｗａｓ ｕｓｅｄ ｔｏ ｖａｌｉｄａｔｅ ｔｈｅ ｒａ⁃ ｔｉｏｎａｌｉｔｙ ａｎｄ ｅｆｆｅｃｔｉｖｅｎｅｓｓ ｏｆ ｔｈｅ ｓｔｒｕｃｔｕｒｅ ｍｏｄｅｌ ａｎｄ ｔｈｅ ｔａｓｋ ａｓｓｉｇｎｍｅｎｔ ｓｔｒａｔｅｇｙ． Ｒｅｓｕｌｔｓ ｓｈｏｗｅｄ ｔｈａｔ ｔｈｅ ｐｒｏｐｏｓｅｄ Ａｇｅｎｔ ｓｔｒｕｃｔｕｒｅ ｍｏｄｅｌ ａｎｄ ａｌｌｏｃａｔｉｏｎ ｓｔｒａｔｅｇｙ ｃｏｕｌｄ ｅｆｆｅｃｔｉｖｅｌｙ ｉｍｐｒｏｖｅ ｔｈｅ ｐｒｏｄｕｃｔｉｏｎ ｅｆｆｉｃｉｅｎｃｙ ｏｆ ｅｎｔｅｒｐｒｉｓｅｓ． Ｋｅｙｗｏｒｄｓ： ｄｉｓｃｒｅｔｅ ｍａｎｕｆａｃｔｕｒｉｎｇ； Ａｇｅｎｔ ｓｔｒｕｃｔｕｒｅ； ｍｕｌｔｉ⁃Ａｇｅｎｔ； ｍｏｄｅｌｉｎｇ； ｓｉｍｕｌａｔｉｏｎ 收稿日期：２０１５⁃０６⁃０４． 网络出版日期：２０１６⁃０３⁃１５． 基金项目：国家自然科学基金项目（ ７１４６１０２５）；国家科技支撑项目 （２０１３ＢＡＦ０２Ｂ０５）． 通信作者：赵军． Ｅ⁃ｍａｉｌ：ｗｗｗｚｈａｏｊｕｎ＠ １６３．ｃｏｍ． 随着市场环境的复杂多变和竞争的日益加剧， 产品多样化给制造与管理带来一系列问题，导致零 件种类和装配工作复杂性的迅速增加，使得传统的
·234· 智能系统学报 第11卷 大批量生产模式已不能满足顾客对产品品种、交货 面向订单的离散制造系统结构模型，采用统一的个 期、价格和质量的要求，为解决这一问题，多品种、小 体Agent结构，并提出了以Agent负载、能力和信任 批量、按订单生产的生产组织方式出现，能够适应市 度为指标进行综合考虑，结合合同网机制来有效提 场复杂多变和难以预测的问题，按需求、按订单，保 高Agent任务分配和协作效率，减少生产过程中存 质、适量、准时地生产，是以缩短交货期、降低库存为 在的冲突问题。 目的生产体制。为提高多品种小批量生产效率唯有 1 减少零件变化、提高生产系统的柔性和企业竞争力， Agent与多Agent 离散制造执行系统(MES)为这一问题的解决提供 Agent技术来源于分布式人工智能DAI领域，它 了方法。但是目前大多数生产制造企业信息化程度 的概念由Minsky在其1986年出版的《思维的社会》 不高，如计划的下达、调度任务的安排等都还依赖于 一书中提出，Minsky认为社会中的某些个体经过协商 人工分配，这就造成了生产管理层与生产控制层的 之后可求得问题的解。Agent是一种在分布式系统或 脱节，使得企业在完成企业资源管理的同时无法对 协作系统中能持续自主地发挥作用的计算实体[2] 企业生产过程进行有效控制，这就需要一个合理的 所研究系统的某种抽象，它能够在一定的环境中为了 制造执行系统并能够容易地与企业资源计划、车间 满足其设定的目标而采取一定的自主行为，能够感知 控制系统及其他制造系统相集成来建起企业生产活 环境并且适应环境变化。Agent具有4个特征o):I) 动与企业管理活动信息化之间的桥梁。 Agent是一个具有明确边界和界面的问题求解实体： 分布式制造是制造系统的关键技术之一，离散 2)具有智能性，通过感知器来感知所处环境，并通过 制造企业与传统流程企业相比，产品种类多样化且 效应器及时地对环境刺激做出反应，以适应环境变 结构复杂、物料多样化、生产过程控制复杂多变、小 化：3)具有自治性，Aget的行为应是主动的、自发的， 批量、工艺结构复杂、加工环境复杂多变，使得制造 有自己的目标和意图：4)具有社会性，通过某种Agent 工艺、流程和生产调度十分复杂。这无疑给离散制 交互语言与其他Agent进行交互，能有效与其他A- 造业MES结构模型提出了挑战。面对制造系统外 gent协作。除了上述特征外，Agent还具有推理能力、 部环境的异构性、不稳定性、变化性和不可预测性， 规划能力、学习和适应能力，适合于解决模块化、分散 要求制造系统快速适应环境变化并对其自身做出适 化、可变性、复杂性问题。 时调整，从而实现对市场环境的灵活应变、新产品的 MAS(多Agent系统)是一个松散耦合的Agent 快速开发及经营过程的动态重组2]，而传统的面 求解网络山，研究在逻辑上或物理上分离的多个 向对象、Petri网等技术已无法满足离散制造系统对 Agent通过交互、协作、自主协调其智能行为（知识、 其自适应性、动态性、集成性、分布性等的要求。多 目标、意图及规划等)，进行问题求解。多Agent Agent技术最适用于具有模块化、分散的、变化的、 子系统即相互独立，又相互协同交互。 分布性、结构信息不完整以及复杂等特征的领域，能 够为离散制造系统建模提供一个有效途径。因此， 2系统的结构模型 离散制造业EMS应该是分布式的自治系统，通过采 2.1个体Agent结构 用模块化的分布式、可集成、可扩展的多Agent协作 主体是DAI和CAS中最重要的模型构建，强调 协同模式[2)，能够为离散制造系统提供一个合理 主体自治性和协作协商能力。因此，设计一个具有 的模型结构。 一定自适应能力、自治能力、交互协商能力、规划能 目前对离散制造系统的研究主要集中在生产能 力和计算能力的主体模型，对离散制造系统的构建 力与自组织模型、生产控制过程中死锁、冲突问题的 至关重要。 解决及系统框架的研究，对系统整体模型结构及系 MAS研究重点在于个体Agent个体结构的设计 统内部成员间的协作协同的研究较少或停留在语义 和多Agent交互，即Agent心智状态的描述和内部 分析、理论研究及本体建模方面，其次每一功能模块 实现框架的构建方面。个体Agent的设计是整个系 的设计相互分离[4】，这无疑增加了建模的复杂性， 统设计的关键，文中结合多功能型Agent定义，在文 并且缺乏对系统的约束，往往假设系统环境不变、资 献[1314]基础上给出了离散制造系统个体Agent的结 源、设备产能等无限，这是不符合实际生产需要 构，如图1所示。 的)，文中针对存在的问题，构建了基于多Agent的 各功能模块的解释：I)身份信息，名称(Agent在
大批量生产模式已不能满足顾客对产品品种、交货 期、价格和质量的要求，为解决这一问题，多品种、小 批量、按订单生产的生产组织方式出现，能够适应市 场复杂多变和难以预测的问题，按需求、按订单，保 质、适量、准时地生产，是以缩短交货期、降低库存为 目的生产体制。 为提高多品种小批量生产效率唯有 减少零件变化、提高生产系统的柔性和企业竞争力， 离散制造执行系统（ＭＥＳ） 为这一问题的解决提供 了方法。 但是目前大多数生产制造企业信息化程度 不高，如计划的下达、调度任务的安排等都还依赖于 人工分配，这就造成了生产管理层与生产控制层的 脱节，使得企业在完成企业资源管理的同时无法对 企业生产过程进行有效控制，这就需要一个合理的 制造执行系统并能够容易地与企业资源计划、车间 控制系统及其他制造系统相集成来建起企业生产活 动与企业管理活动信息化之间的桥梁。 分布式制造是制造系统的关键技术之一，离散 制造企业与传统流程企业相比，产品种类多样化且 结构复杂、物料多样化、生产过程控制复杂多变、小 批量、工艺结构复杂、加工环境复杂多变，使得制造 工艺、流程和生产调度十分复杂。 这无疑给离散制 造业 ＭＥＳ 结构模型提出了挑战。 面对制造系统外 部环境的异构性、不稳定性、变化性和不可预测性， 要求制造系统快速适应环境变化并对其自身做出适 时调整，从而实现对市场环境的灵活应变、新产品的 快速开发及经营过程的动态重组［１⁃２］ ，而传统的面 向对象、Ｐｅｔｒｉ 网等技术已无法满足离散制造系统对 其自适应性、动态性、集成性、分布性等的要求。 多 Ａｇｅｎｔ 技术最适用于具有模块化、分散的、变化的、 分布性、结构信息不完整以及复杂等特征的领域，能 够为离散制造系统建模提供一个有效途径。 因此， 离散制造业 ＥＭＳ 应该是分布式的自治系统，通过采 用模块化的分布式、可集成、可扩展的多 Ａｇｅｎｔ 协作 协同模式［２⁃３］ ，能够为离散制造系统提供一个合理 的模型结构。 目前对离散制造系统的研究主要集中在生产能 力与自组织模型、生产控制过程中死锁、冲突问题的 解决及系统框架的研究，对系统整体模型结构及系 统内部成员间的协作协同的研究较少或停留在语义 分析、理论研究及本体建模方面，其次每一功能模块 的设计相互分离［４⁃８］ ，这无疑增加了建模的复杂性， 并且缺乏对系统的约束，往往假设系统环境不变、资 源、设备产能等无限， 这是不符合实际生产需要 的［９］ ，文中针对存在的问题，构建了基于多 Ａｇｅｎｔ 的 面向订单的离散制造系统结构模型，采用统一的个 体 Ａｇｅｎｔ 结构，并提出了以 Ａｇｅｎｔ 负载、能力和信任 度为指标进行综合考虑，结合合同网机制来有效提 高 Ａｇｅｎｔ 任务分配和协作效率，减少生产过程中存 在的冲突问题。 １ Ａｇｅｎｔ 与多 Ａｇｅｎｔ Ａｇｅｎｔ 技术来源于分布式人工智能 ＤＡＩ 领域，它 的概念由 Ｍｉｎｓｋｙ 在其 １９８６ 年出版的《思维的社会》 一书中提出，Ｍｉｎｓｋｙ 认为社会中的某些个体经过协商 之后可求得问题的解。 Ａｇｅｎｔ 是一种在分布式系统或 协作系统中能持续自主地发挥作用的计算实体［２⁃３］ ， 所研究系统的某种抽象，它能够在一定的环境中为了 满足其设定的目标而采取一定的自主行为，能够感知 环境并且适应环境变化。 Ａｇｅｎｔ 具有 ４ 个特征［１０］ ：１） Ａｇｅｎｔ 是一个具有明确边界和界面的问题求解实体； ２）具有智能性，通过感知器来感知所处环境，并通过 效应器及时地对环境刺激做出反应，以适应环境变 化；３）具有自治性，Ａｇｅｎｔ 的行为应是主动的、自发的， 有自己的目标和意图；４）具有社会性，通过某种 Ａｇｅｎｔ 交互语言与其他 Ａｇｅｎｔ 进行交互，能有效与其他 Ａ⁃ ｇｅｎｔ 协作。 除了上述特征外，Ａｇｅｎｔ 还具有推理能力、 规划能力、学习和适应能力，适合于解决模块化、分散 化、可变性、复杂性问题。 ＭＡＳ（多 Ａｇｅｎｔ 系统）是一个松散耦合的 Ａｇｅｎｔ 求解网络［１１］ ，研究在逻辑上或物理上分离的多个 Ａｇｅｎｔ 通过交互、协作、自主协调其智能行为（知识、 目标、意图及规划等），进行问题求解［１２］ 。 多 Ａｇｅｎｔ 子系统即相互独立，又相互协同交互。 ２ 系统的结构模型 ２．１ 个体 Ａｇｅｎｔ 结构 主体是 ＤＡＩ 和 ＣＡＳ 中最重要的模型构建，强调 主体自治性和协作协商能力。 因此，设计一个具有 一定自适应能力、自治能力、交互协商能力、规划能 力和计算能力的主体模型，对离散制造系统的构建 至关重要。 ＭＡＳ 研究重点在于个体 Ａｇｅｎｔ 个体结构的设计 和多 Ａｇｅｎｔ 交互，即 Ａｇｅｎｔ 心智状态的描述和内部 实现框架的构建方面。 个体 Ａｇｅｎｔ 的设计是整个系 统设计的关键，文中结合多功能型 Ａｇｅｎｔ 定义，在文 献［１３⁃１４］基础上给出了离散制造系统个体 Ａｇｅｎｔ 的结 构，如图 １ 所示。 各功能模块的解释：１）身份信息，名称（Ａｇｅｎｔ 在 ·２３４· 智 能 系 统 学 报 第 １１ 卷
第2期 郭红康，等：基于多Aget的面向订单的离散制造系统建模与仿真研究 ·235. 模型中的唯一标示)，职责(Agent所承担的业务)，状 表1离散制造业MES中Agent分类 态(Agent当前所处的工作状态)：2)通信管理模块， Table I Classification of Agent in discrete manufacturing MES 由传感器(Agent感知外界环境变化的部件，根据预先 层次 类型 功能 设定好的规则工作)、信箱（存储消息序列）和消息发 在系统中起到总管的作用， 送器（向其他成员Agent发送消息）组成：3)协商管理 管理层 管理Agent 承担协作管理、任务管理、 模块，负责Agent之间的协作协调活动，与智能模块 资源管理三项职能 交互，进行招标、投标决策和标书评估，与通信模块交 订单Agent 对客户订单、客户需求进行 互，进行招标、投标处理和协商结果发送：4)智能模 计划层 管理和下达订单计划 块，Agent的核心，直接或间接指挥其他模块的活动， 库存Agent 确定物料信息和库存储备 根据主体接收的环境信息，结合Nom库中的规范，指 导主体做出适应性反应：5)Nom库，存储Agent的行 调度Aget根据任务要求和状态确定任务计划 为规范，表现为Agent所具有的知识，完成Agent行为 (零部件数目)，并与策略Agent共 调度 同确定调度目标将任务 匹配：6)执行模块，模拟业务处理，管理Agent行为， 决策层 零部件将订单任务细化到工序级，并向任务 并实现对相关资源的调用。 Agent Agent提供实际生产的信息 各模块间相互配合，能够实现Agent自适应、自 任务Agent 将生产任务下达到设备并执行 协作，并结合规范来约束Agent行为，能够有效提高 离散制造系统中主体自治性和协作协商能力。 负责车间计划资源能力评估，为 成员名称 职责 状态 设备Agent 任务Agent决策提供依据，提供 加工类型、当前状态等信息，并执 执行层 内部 伙伴 orm 行任务 资源 信息 库 工人Agent 提供工人基本信息，包括姓名、 环境信息 资源 伙伴管理 操作机床类型、成本和当前状态 管理 能 摸 冒 提供相应调度算法和调度规则，与 其他Agent交互，对生产过程进行 策略层 策略Agent 协调，处理生产过程中插单、急单、 集合 执行模块 输出信息 短交期订单等，实现动态实时调度 测 基于Agent的制造系统结构的信息交互和协商 图1 离散制造系统个体Agent的结构 协作是系统的关键，服务于系统决策和执行全过程。 Fig.1 Structure of single-Agent in discrete manufac- 根据划分Agent类型，文中提出一种面向功能层次 turing system 的多Agent离散制造系统结构模型，如图2所示。 2.2离散制造业Agent类型 ERP/MRPIL/接口Agent 根据离散制造业的生产特点和管理特殊要 求，将MES中的Agent类型按功能层次划分[2-3]， 管理Agent 调度 协作管理 Agent 见表1。 库存 单 任务管奥 Agent 2.3基于多Agent的面向订单的离散制造系统结 gent 零部件 策略 资源管理 Agent Agent 构模型 在制造系统中，不同的Agent可能具有不同 任务Agent 的结构，针对不同的需要可能需要采用不同的A 设备Agent gent结构，各Agent通过协商、合作来解决复杂制 造问题，这些Agent类型千差万别，实际设计过程 工人Agent 十分繁杂，文中采用统一的个体Agent结构，简化 PCS接口Agent 了基于Agent的制造系统设计和开发，包括通信 图2基于多Agent的离散制造系统结构模型 管理模块、智能模块、执行模块、协商管理模块和 Fig.2 Structure model of discrete manufacturing 规范库模块。 syste based on Multi-Agent
模型中的唯一标示），职责（Ａｇｅｎｔ 所承担的业务），状 态（Ａｇｅｎｔ 当前所处的工作状态）；２）通信管理模块， 由传感器（Ａｇｅｎｔ 感知外界环境变化的部件，根据预先 设定好的规则工作）、信箱（存储消息序列）和消息发 送器（向其他成员 Ａｇｅｎｔ 发送消息）组成；３）协商管理 模块，负责 Ａｇｅｎｔ 之间的协作协调活动，与智能模块 交互，进行招标、投标决策和标书评估，与通信模块交 互，进行招标、投标处理和协商结果发送；４）智能模 块，Ａｇｅｎｔ 的核心，直接或间接指挥其他模块的活动， 根据主体接收的环境信息，结合 Ｎｏｒｍ 库中的规范，指 导主体做出适应性反应；５）Ｎｏｒｍ 库，存储 Ａｇｅｎｔ 的行 为规范，表现为 Ａｇｅｎｔ 所具有的知识，完成 Ａｇｅｎｔ 行为 匹配；６） 执行模块，模拟业务处理，管理 Ａｇｅｎｔ 行为， 并实现对相关资源的调用。 各模块间相互配合，能够实现 Ａｇｅｎｔ 自适应、自 协作，并结合规范来约束 Ａｇｅｎｔ 行为，能够有效提高 离散制造系统中主体自治性和协作协商能力。 图 １ 离散制造系统个体 Ａｇｅｎｔ 的结构 Ｆｉｇ．１ Ｓｔｒｕｃｔｕｒｅ ｏｆ ｓｉｎｇｌｅ⁃Ａｇｅｎｔ ｉｎ ｄｉｓｃｒｅｔｅ ｍａｎｕｆａｃ⁃ ｔｕｒｉｎｇ ｓｙｓｔｅｍ ２．２ 离散制造业 Ａｇｅｎｔ 类型 根据离散制造业的生产特点和管理特殊要 求，将 ＭＥＳ 中的 Ａｇｅｎｔ 类型按功能层次划分［ ２⁃３］ ， 见表 １。 ２．３ 基于多 Ａｇｅｎｔ 的面向订单的离散制造系统结 构模型 在制造系统中，不同的 Ａｇｅｎｔ 可能具有不同 的结构，针对不同的需要可能需要采用不同的 Ａ⁃ ｇｅｎｔ 结构，各 Ａｇｅｎｔ 通过协商、合作来解决复杂制 造问题，这些 Ａｇｅｎｔ 类型千差万别，实际设计过程 十分繁杂，文中采用统一的个体 Ａｇｅｎｔ 结构，简化 了基于 Ａｇｅｎｔ 的制造系统设计和开发，包括通信 管理模块、智能模块、执行模块、协商管理模块和 规范库模块。 表 １ 离散制造业 ＭＥＳ 中 Ａｇｅｎｔ 分类 Ｔａｂｌｅ １ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ Ａｇｅｎｔ ｉｎ ｄｉｓｃｒｅｔｅ ｍａｎｕｆａｃｔｕｒｉｎｇ ＭＥＳ 层次 类型 功能 管理层 管理 Ａｇｅｎｔ 在系统中起到总管的作用， 承担协作管理、任务管理、 资源管理三项职能 计划层 订单 Ａｇｅｎｔ 库存 Ａｇｅｎｔ 对客户订单、客户需求进行 管理和下达订单计划 确定物料信息和库存储备 调度 决策层 调度 Ａｇｅｎｔ 零部件 Ａｇｅｎｔ 任务 Ａｇｅｎｔ 根据任务要求和状态确定任务计划 （零部件数目），并与策略 Ａｇｅｎｔ 共 同确定调度目标将任务 将订单任务细化到工序级，并向任务 Ａｇｅｎｔ 提供实际生产的信息 将生产任务下达到设备并执行 执行层 设备 Ａｇｅｎｔ 工人 Ａｇｅｎｔ 负责车间计划资源能力评估，为 任务 Ａｇｅｎｔ 决策提供依据，提供 加工类型、当前状态等信息，并执 行任务 提供工人基本信息，包括姓名、 操作机床类型、成本和当前状态 策略层 策略 Ａｇｅｎｔ 提供相应调度算法和调度规则，与 其他 Ａｇｅｎｔ 交互，对生产过程进行 协调，处理生产过程中插单、急单、 短交期订单等，实现动态实时调度 基于 Ａｇｅｎｔ 的制造系统结构的信息交互和协商 协作是系统的关键，服务于系统决策和执行全过程。 根据划分 Ａｇｅｎｔ 类型，文中提出一种面向功能层次 的多 Ａｇｅｎｔ 离散制造系统结构模型，如图 ２ 所示。 图 ２ 基于多 Ａｇｅｎｔ 的离散制造系统结构模型 Ｆｉｇ． ２ Ｓｔｒｕｃｔｕｒｅ ｍｏｄｅｌ ｏｆ ｄｉｓｃｒｅｔｅ ｍａｎｕｆａｃｔｕｒｉｎｇ ｓｙｓｔｅ ｂａｓｅｄ ｏｎ Ｍｕｌｔｉ⁃Ａｇｅｎｔ 第 ２ 期 郭红康，等：基于多 Ａｇｅｎｔ 的面向订单的离散制造系统建模与仿真研究 ·２３５·
·236· 智能系统学报 第11卷 系统从ERP获得生产任务和订单信息传递给 Protected void Update(result);//更新函数根据决策 管理Agent,.管理Agent记录订单信息并向调度A- 函数执行的结果更新本Agent的属性和规则。 gent发送消息，调度Agent对生产任务进行分解，生 {…} 成零部件Agent,.与库存Agent交互确定物料信息和 年年年卡4 库存储备，并通过接口Agent获取产品设计图纸、工 艺路线等信息，根据工艺路线信息细化生产任务为 2.4基于合同网的任务分配模型 工序级，产生各个任务Agent,任务Agent根据生产 生产运作环境的多变性和系统成员能力的变 要求，采用招标一投标一中标机制选择完成该任 化都会给任务分配带来困难，合理的任务分配能够 务的设备Agent,.设备Agent需要与工人Agent交互 有效提高系统运行效率。合同网技术是多Agent系 确定相应的操作工人信息，然后与任务Agent签订 统中解决任务分配问题的经典策略，其基本原理是 合同，完成任务生产。在生产的每个环节，若出现订 Agent之间通过“招标-投标-中标”这一市场竞争 单变更、插单、急单、设备故障、设备冲突和人员冲突 机制进行任务分配，使系统能以较低的代价、较高 等情况时，各个Agent则反馈至策略Agent,策略A- 的质量完成任务分配的合同关系[5)。在制造执 gent为之提供解决方案，协调生产任务的进行。 行系统中，任务分配需要考虑任务特性、系统成员 为了减少Agent设计过程中的重复劳动，文中 负载情况及生产能力，合理的任务分配策略是解决 设计了基类Agent,不同类型Agent可以继承Agent 任务分配问题的关键。因此，在基于合同网的任务 来生成，并且根据各自所具有的功能构建自身功能 分配模型中，管理者Agent应根据任务本身的约束 模块，从而形成具体类型的Agent。基类Agent的具 和Agent相关属性（如Agent的能力、Agent当前状 体设计如下： 态、Agent的承诺和成员Agent负载等)进行综合评 public class BasicAgent 价来选择合适的Agent来完成任务。文中从Agent public static string AgentID;/Agent名称。 负载、Agent能力和Agent信任度这几个方面来构建 protected static List attributes_list;//Agent 任务分配模型6-。形式化表达为：〈A,T,L,CA, 属性（职责、知识列表、工作状态、任务列表等）。 CO),A为完成生产任务的Agent序列，T代表待分 public class CommunicationManageBlock 配的任务序列，L为投标Agent的当前负载，CA为 {…} Agent完成任务T,的能力，CO为Agent对任务T的 public class sourceManageBlock 信任度。 {…} 2.4.1 Agent负载评价 public class normLib 实际生产中影响Agent负载的因素很多，文中 {…} 以完成某项任务的平均时间来衡量某项任务的工 public class intelligenceContrBlock 作负载。Agent A:的总负载ZLA,为待完成任务负 {…} 载L任务T时间V:的总和，则有： public class excuteBlock · ZLAg=Lu+Vg=∑4+V protected static List rules_list;/条件一动作规 式中t对应任务T成完成时间。 则集合。 2.4.2 Agent能力评价 Protected void Exchange Function message, Agent能力的大小决定着Agent分配到任务的 otherAgent);/交互协商函数接收、存储和读取与 大小，文中用Agent完成任务的时间来刻画Agent 该Agent相关消息，负责向其他Agent发送消息，接 的能力。若投标Agent A:完成任务T的时间为 收其他Agent发送过来的消息，并将其转化为自身 TA,所有投标Agent完成任务T的最大时间为 所能理解的消息形式。 Max TA;,最小时间为Min TA,则投标Agent A:完 {…} 成任务T的能力Ca为 Protected void Execute_Function(attributes, TA-Min TA rules,message);/决策机构函数根据Agent自身属 Ca=Max TA,-Min TA 性、交互协商函数和动作规则得到Agent能理解的 2.4.3 Agent信任度评价 消息并执行相应决策动作。 信任度也是决定Agent分配任务的重要影响
系统从 ＥＲＰ 获得生产任务和订单信息传递给 管理 Ａｇｅｎｔ，管理 Ａｇｅｎｔ 记录订单信息并向调度 Ａ⁃ ｇｅｎｔ 发送消息，调度 Ａｇｅｎｔ 对生产任务进行分解，生 成零部件 Ａｇｅｎｔ，与库存 Ａｇｅｎｔ 交互确定物料信息和 库存储备，并通过接口 Ａｇｅｎｔ 获取产品设计图纸、工 艺路线等信息，根据工艺路线信息细化生产任务为 工序级，产生各个任务 Ａｇｅｎｔ，任务 Ａｇｅｎｔ 根据生产 要求，采用招标—投标—中标机制［１３］选择完成该任 务的设备 Ａｇｅｎｔ，设备 Ａｇｅｎｔ 需要与工人 Ａｇｅｎｔ 交互 确定相应的操作工人信息，然后与任务 Ａｇｅｎｔ 签订 合同，完成任务生产。 在生产的每个环节，若出现订 单变更、插单、急单、设备故障、设备冲突和人员冲突 等情况时，各个 Ａｇｅｎｔ 则反馈至策略 Ａｇｅｎｔ，策略 Ａ⁃ ｇｅｎｔ 为之提供解决方案，协调生产任务的进行。 为了减少 Ａｇｅｎｔ 设计过程中的重复劳动，文中 设计了基类 Ａｇｅｎｔ，不同类型 Ａｇｅｎｔ 可以继承 Ａｇｅｎｔ 来生成，并且根据各自所具有的功能构建自身功能 模块，从而形成具体类型的 Ａｇｅｎｔ。 基类 Ａｇｅｎｔ 的具 体设计如下： ｐｕｂｌｉｃ ｃｌａｓｓ ＢａｓｉｃＡｇｅｎｔ｛ ｐｕｂｌｉｃ ｓｔａｔｉｃ ｓｔｒｉｎｇ ＡｇｅｎｔＩＤ； ／ ／ Ａｇｅｎｔ 名称。 ｐｒｏｔｅｃｔｅｄ ｓｔａｔｉｃ Ｌｉｓｔ ａｔｔｒｉｂｕｔｅｓ＿ｌｉｓｔ； ／ ／ Ａｇｅｎｔ 相关 属性（职责、知识列表、工作状态、任务列表等）。 ｐｕｂｌｉｃ ｃｌａｓｓ ＣｏｍｍｕｎｉｃａｔｉｏｎＭａｎａｇｅＢｌｏｃｋ ｛……｝ ｐｕｂｌｉｃ ｃｌａｓｓ ｓｏｕｒｃｅＭａｎａｇｅＢｌｏｃｋ ｛……｝ ｐｕｂｌｉｃ ｃｌａｓｓ ｎｏｒｍＬｉｂ ｛……｝ ｐｕｂｌｉｃ ｃｌａｓｓ ｉｎｔｅｌｌｉｇｅｎｃｅＣｏｎｔｒＢｌｏｃｋ ｛……｝ ｐｕｂｌｉｃ ｃｌａｓｓ ｅｘｃｕｔｅＢｌｏｃｋ ｛……｝ ｐｒｏｔｅｃｔｅｄ ｓｔａｔｉｃ Ｌｉｓｔ ｒｕｌｅｓ＿ｌｉｓｔ； ／ ／ 条件—动作规 则集合。 Ｐｒｏｔｅｃｔｅｄ ｖｏｉｄ Ｅｘｃｈａｎｇｅ ＿ Ｆｕｎｃｔｉｏｎ （ ｍｅｓｓａｇｅ， ｏｔｈｅｒＡｇｅｎｔ）； ／ ／ 交互协商函数接收、存储和读取与 该 Ａｇｅｎｔ 相关消息，负责向其他 Ａｇｅｎｔ 发送消息，接 收其他 Ａｇｅｎｔ 发送过来的消息，并将其转化为自身 所能理解的消息形式。 ｛……｝ Ｐｒｏｔｅｃｔｅｄ ｖｏｉｄ Ｅｘｅｃｕｔｅ＿Ｆｕｎｃｔｉｏｎ（ａｔｔｒｉｂｕｔｅｓ， ｒｕｌｅｓ，ｍｅｓｓａｇｅ）； ／ ／ 决策机构函数根据 Ａｇｅｎｔ 自身属 性、交互协商函数和动作规则得到 Ａｇｅｎｔ 能理解的 消息并执行相应决策动作。 Ｐｒｏｔｅｃｔｅｄ ｖｏｉｄ Ｕｐｄａｔｅ （ｒｅｓｕｌｔ）； ／ ／ 更新函数根据决策 函数执行的结果更新本 Ａｇｅｎｔ 的属性和规则。 ｛……｝ …… ｝ ２．４ 基于合同网的任务分配模型 生产运作环境的多变性和系统成员能力的变 化都会给任务分配带来困难，合理的任务分配能够 有效提高系统运行效率。 合同网技术是多 Ａｇｅｎｔ 系 统中解决任务分配问题的经典策略，其基本原理是 Ａｇｅｎｔ 之间通过“招标－投标－中标” 这一市场竞争 机制进行任务分配，使系统能以较低的代价、较高 的质量完成任务分配的合同关系［１４⁃１５］ 。 在制造执 行系统中，任务分配需要考虑任务特性、系统成员 负载情况及生产能力，合理的任务分配策略是解决 任务分配问题的关键。 因此，在基于合同网的任务 分配模型中，管理者 Ａｇｅｎｔ 应根据任务本身的约束 和 Ａｇｅｎｔ 相关属性（如 Ａｇｅｎｔ 的能力、Ａｇｅｎｔ 当前状 态、Ａｇｅｎｔ 的承诺和成员 Ａｇｅｎｔ 负载等）进行综合评 价来选择合适的 Ａｇｅｎｔ 来完成任务。 文中从 Ａｇｅｎｔ 负载、Ａｇｅｎｔ 能力和 Ａｇｅｎｔ 信任度这几个方面来构建 任务分配模型［１６⁃１７］ 。 形式化表达为： 〈Ａ，Ｔ，Ｌ，ＣＡ， ＣＯ〉 ， Ａ 为完成生产任务的 Ａｇｅｎｔ 序列， Ｔ 代表待分 配的任务序列， Ｌ 为投标 Ａｇｅｎｔ 的当前负载，ＣＡ 为 Ａｇｅｎｔ 完成任务 Ｔｊ 的能力，ＣＯ 为 Ａｇｅｎｔ 对任务 Ｔ 的 信任度。 ２．４．１ Ａｇｅｎｔ 负载评价 实际生产中影响 Ａｇｅｎｔ 负载的因素很多，文中 以完成某项任务的平均时间来衡量某项任务的工 作负载。 Ａｇｅｎｔ Ａｉ 的总负载 ＺＬＡｉｊ 为待完成任务负 载 ＬＡｉ 任务 Ｔｊ 时间 Ｖｉｊ 的总和，则有： ＺＬＡｉｊ ＝ ＬＡｉ ＋ Ｖｉｊ ＝ ∑ ｉ Ｋ ＝ １ ｔ ｉｋ ＋ Ｖｉｊ 式中 ｔ ｉｋ 对应任务 Ｔｉｋ 完成时间。 ２．４．２ Ａｇｅｎｔ 能力评价 Ａｇｅｎｔ 能力的大小决定着 Ａｇｅｎｔ 分配到任务的 大小，文中用 Ａｇｅｎｔ 完成任务的时间来刻画 Ａｇｅｎｔ 的能力。 若投标 Ａｇｅｎｔ Ａｉ 完成任务 Ｔｊ 的时间为 ＴＡｉｊ， 所有投标 Ａｇｅｎｔ 完成任务 Ｔｊ 的最大时间为 Ｍａｘ ＴＡｊ， 最小时间为 Ｍｉｎ ＴＡｊ ，则投标 Ａｇｅｎｔ Ａｉ 完 成任务 Ｔｊ 的能力 ＣａＡｉｊ 为 ＣａＡｉｊ ＝ ＴＡｉｊ － Ｍｉｎ ＴＡｊ Ｍａｘ ＴＡｊ － Ｍｉｎ ＴＡｊ ２．４．３ Ａｇｅｎｔ 信任度评价 信任度也是决定 Ａｇｅｎｔ 分配任务的重要影响 ·２３６· 智 能 系 统 学 报 第 １１ 卷
第2期 郭红康，等：基于多Aget的面向订单的离散制造系统建模与仿真研究 ·237· 因素之一。假设投标Agent A:完成任务T的总 3 系统实例仿真 数为CT,其中成功完成任务的次数为ST,,完 成T,的质量评价值为Ty,则完成了，的信任度 3.1应用实例 Trust4,y为 A企业是一家控制阀生产、研发基地，主营业务 为工业自动化仪表、调节阀、球阀、碟阀、闸阀、特种阀 Trust4y=6×Ty+(1-)× CT 及其附件、配件的设计、制造、销售及检修服务等。为 式中0<0<1。 应对市场竞争需求，在生产过程中采用多品种、小批 2.4.4 Agent综合评价 量、按订单生产的生产组织方式，其在选型、设计、工 对Agent负载、能力、信任度进行综合评价的时， 艺流程、物料准备到生产制造的过程非常复杂，产品 首先对3个量采用线性归一化公式对其进行归一化， 的多样化也给企业的生产制造带来了困难，不同型 以保证3个量处于同一量纲级别，归一化公式为 号的产品涉及不同工艺、不同的工序、不同工序时间、 -min y=- 不同的加工流程，这对对制造企业的协调性和制造 max min 系统结构的有效性及合理性提出了更高要求。该企 任务分配过程中，每一方面因素对任务分配决 业关注的核心如何高效完成订单，提高协作效率。 策的影响力不同，文中定义因素影响因子α、B、Y A企业Agent类型为文中所分类的3个层次的 分别作为Agent负载、能力、信任度的影响力因子， Agent类型，并以A企业为例对提出的制造系统结 且a+B+y=1。对于任一投标AgentA:,综合评价 构模型有效性进行验证。 值为 3.2仿真评价指标 Com4y=a×*ZLAg+B×*Ca4与+y×*Trust4,g 针对A企业对成员Agent协作协同和生产任务 式中：*ZLAg、*Ca与、*Trust与分别为Agent负 分配合理性要求，文中通过综合评价Agent能力、负 载、能力和信任度归一化后的结果。对任务T,进 行所有投标Agent A,综合评价值进行计算后，值最 载和信任度，以Agent对订单的执行效率、Agent订单 大的分配到该任务。 接受率、Agent协作效率为指标构建仿真平台对提出 2.4.5基于合同网的任务分配协作过程 的基于多Agent的面向订单的离散制造系统结构模 文中在基于合同网模型120]和前文描述的基础 型合理性及任务分配策略的有效性进行验证。 上给出了离散制造系统任务分配协作过程，如图3。 订单期望时间 订单执行效率= 管理 调度 策略 任务 设备 订单实际完成时间 Agent Agent Agent gent e 接受任务数 确认调 生产任务接受= 1订单 接受任务数+拒绝任务数 度策略 生产 多主体协作次数 计划 返间调 度目标 多主体协作效率=多主体协作时间 分解订斗为工序级门任务发布】 3.3 仿真结果分析 招标 本文采用Swam仿真工具对A企业采用企业 投标 原方法和具有代表性的文献[2,7.2]所提供的方法分 修改调度方案 负载评价 能力评价 别与本文提出的制造企业结构模型及任务分配机 信任度评价 制进行仿真对比分析。仿真结果如图4~9，通过对 新的调冂 中标 更新调 度方案 度策略 任务 仿真结果的分析得到： 确认变更 1)采用本文所提出的Agent结构模型及任务 返回调 下迭任务 分配策略，企业订单执行效率有所提高，如图4 T度策略 任务确认 和图5.2)采用本文提出的企业内部协作结构 调确认 模型，通过企业内部协调协作，生产任务接受率 完生产计划 明显提高，订单拒绝率下降，说明本文提出的基 于评价Agent负载、Agent能力和Agent信任度的 图3基于合同网的任务分配协作过程 协作机制能够有效提高生产任务分配效率。如 Fig.3 Task allocation and coordination process 图6和图7.3)通过对比分析，发现多Agent协 based on contract net 作效率明显提高，说明本文提出的企业结构模型
因素之一。 假设投标 Ａｇｅｎｔ Ａｉ 完成任务 Ｔｊ 的总 数为 ＣＴｉｊ ，其中成功完成任务的次数为 ＳＴｉｊ ，完 成 Ｔｊ 的质量评价值为 ＴＱｕａｉｊ ，则完成 Ｔｊ 的信任度 ＴｒｕｓｔＡｉｊ 为 ＴｒｕｓｔＡｉｊ ＝ θ × ＴＱｕａｉｊ ＋ （１ － θ） × ＳＴｉｊ ＣＴｉｊ 式中 ０ ＜ θ ＜ １。 ２．４．４ Ａｇｅｎｔ 综合评价 对 Ａｇｅｎｔ 负载、能力、信任度进行综合评价的时， 首先对 ３ 个量采用线性归一化公式对其进行归一化， 以保证 ３ 个量处于同一量纲级别，归一化公式为 ｙ ＝ ｘ － ｍｉｎ ｍａｘ － ｍｉｎ 任务分配过程中，每一方面因素对任务分配决 策的影响力不同，文中定义因素影响因子 α 、 β 、 γ 分别作为 Ａｇｅｎｔ 负载、能力、信任度的影响力因子， 且 α ＋ β ＋ γ ＝ １。 对于任一投标 Ａｇｅｎｔ Ａｉ ，综合评价 值为 ＣｏｍＡｉｊ ＝ α × ∗ＺＬＡｉｊ ＋ β × ∗ＣａＡｉｊ ＋ γ × ∗ＴｒｕｓｔＡｉｊ 式中： ∗ＺＬＡｉｊ 、 ∗ＣａＡｉｊ 、 ∗ＴｒｕｓｔＡｉｊ 分别为 Ａｇｅｎｔ 负 载、能力和信任度归一化后的结果。 对任务 Ｔｊ ，进 行所有投标 Ａｇｅｎｔ Ａｉ 综合评价值进行计算后，值最 大的分配到该任务。 ２．４．５ 基于合同网的任务分配协作过程 文中在基于合同网模型［１８⁃２０］和前文描述的基础 上给出了离散制造系统任务分配协作过程，如图 ３。 图 ３ 基于合同网的任务分配协作过程 Ｆｉｇ． ３ Ｔａｓｋ ａｌｌｏｃａｔｉｏｎ ａｎｄ ｃｏｏｒｄｉｎａｔｉｏｎ ｐｒｏｃｅｓｓ ｂａｓｅｄ ｏｎ ｃｏｎｔｒａｃｔ ｎｅｔ ３ 系统实例仿真 ３．１ 应用实例 Ａ 企业是一家控制阀生产、研发基地，主营业务 为工业自动化仪表、调节阀、球阀、碟阀、闸阀、特种阀 及其附件、配件的设计、制造、销售及检修服务等。 为 应对市场竞争需求，在生产过程中采用多品种、小批 量、按订单生产的生产组织方式，其在选型、设计、工 艺流程、物料准备到生产制造的过程非常复杂，产品 的多样化也给企业的生产制造带来了困难，不同型 号的产品涉及不同工艺、不同的工序、不同工序时间、 不同的加工流程，这对对制造企业的协调性和制造 系统结构的有效性及合理性提出了更高要求。 该企 业关注的核心如何高效完成订单，提高协作效率。 Ａ 企业 Ａｇｅｎｔ 类型为文中所分类的 ３ 个层次的 Ａｇｅｎｔ 类型，并以 Ａ 企业为例对提出的制造系统结 构模型有效性进行验证。 ３．２ 仿真评价指标 针对 Ａ 企业对成员 Ａｇｅｎｔ 协作协同和生产任务 分配合理性要求，文中通过综合评价 Ａｇｅｎｔ 能力、负 载和信任度，以 Ａｇｅｎｔ 对订单的执行效率、Ａｇｅｎｔ 订单 接受率、Ａｇｅｎｔ 协作效率为指标构建仿真平台对提出 的基于多 Ａｇｅｎｔ 的面向订单的离散制造系统结构模 型合理性及任务分配策略的有效性进行验证。 订单执行效率 ＝ 订单期望时间 订单实际完成时间 生产任务接受 ＝ 接受任务数 接受任务数 ＋ 拒绝任务数 多主体协作效率 ＝ 多主体协作次数 多主体协作时间 ３．３ 仿真结果分析 本文采用 Ｓｗａｒｍ 仿真工具对 Ａ 企业采用企业 原方法和具有代表性的文献［２，７，２１］ 所提供的方法分 别与本文提出的制造企业结构模型及任务分配机 制进行仿真对比分析。 仿真结果如图 ４ ～ ９，通过对 仿真结果的分析得到： １）采用本文所提出的 Ａｇｅｎｔ 结构模型及任务 分配策略，企业订单执行效率有所提高，如图 ４ 和图 ５。 ２）采用本文提出的企业内部协作结构 模型，通过企业内部协调协作，生产任务接受率 明显提高，订单拒绝率下降，说明本文提出的基 于评价 Ａｇｅｎｔ 负载、Ａｇｅｎｔ 能力和 Ａｇｅｎｔ 信任度的 协作机制能够有效提高生产任务分配效率。 如 图 ６ 和图 ７。 ３） 通过对比分析，发现多 Ａｇｅｎｔ 协 作效率明显提高，说明本文提出的企业结构模型 第 ２ 期 郭红康，等：基于多 Ａｇｅｎｔ 的面向订单的离散制造系统建模与仿真研究 ·２３７·
238 智能系统学报 第11卷 和内部协作机制能够有效消解系统成员协作时 7 multi-Agent efficency 产生的冲突，满足离散制造系统对系统成员有效 multi-Agent collaboration emciency 协作和任务分配的要求，如图8、9。 e回X Operational Efficiency vs.Operation 15 图8原协作模式与现协作模式Agent协作效率对比 Fig.8 Contrast between the original mode and the 200 4 present mode of the Agent collaboration effi- Oeemn ciency 图4原方法与现方法订单执行效率对比 7multi-Agent collaboration efficiency Fig.4 Contrast between the original method and the multi-Agent colaboration efficiency present method of order execution efficiency 回X Operational Efficiency vs.Operation t5- 05 图9文献协作模式与现协作模式Agent协作效率对比 0 Fig.9 Contrast between the document mode and pres- Opersicn ent mode of the Agent collaboration efficiency 图5文献方法与现方法订单执行效率对比 Fig.5 Contrast between the document method and 4 结束语 present method of order execution efficiency 本文在对多Agent系统研究的基础上，提出基 7Order Acceptance vs.Operation 回X 于多Agent的面向订单的离散制造系统结构模型， Order Acceptance vs.Operation 是现代先进制造系统的一种体现，并采用了统一的 个体Agent结构，简化系统设计过程。在合同网模 05 型的基础上，从投标Agent的负载、能力和信任度， 这3个方面进行综合考虑和权衡，有效提高了任务 分配和任务执行效率，使制造系统模型模型具有适 应性、自治性、智能化和协作性等特点，增强了企业 图6原方法与现方法企业订单接受率对比 运作能力和竞争力。最后将所提出的结构模型在 Fig.6 Contrast between between the original method 实际企业中进行了应用，仿真研究表明，文中所提 and the present method of the enterprise order 出的多Agent结构模型和协作方法在企业订单执行 acceptance rate 效率和企业内部协作方面是有效的，但是文中对A Order Acceptance vs Operation gent规范的设计、系统资源约束问题和制造企业自 Order Acceptance vs.Operation 组织研究还尚欠缺，需进一步研究和完善。 参考文献： [1]朱剑英.智能制造的意义、技术与实现[J].机械制造与 自动化，2013,42(3)：1-6,10. ZHU Jianying.The significance,technologies and imple- 图7：文献方法与现方法企业订单接受率对比 mentation of intelligent manufacturing[].Machine build- Fig.7 Contrast between the document method and ing and automation,2013,42(3):1-6,10. present method of the enterprise order accept- [2]潘颖，张文孝.基于多agent的离散制造业制造执行系统框 ance rate 架研究[J].计算机应用研究，2009,26(1)：244-246,249
和内部协作机制能够有效消解系统成员协作时 产生的冲突，满足离散制造系统对系统成员有效 协作和任务分配的要求，如图 ８、９。 图 ４ 原方法与现方法订单执行效率对比 Ｆｉｇ．４ Ｃｏｎｔｒａｓｔ ｂｅｔｗｅｅｎ ｔｈｅ ｏｒｉｇｉｎａｌ ｍｅｔｈｏｄ ａｎｄ ｔｈｅ ｐｒｅｓｅｎｔ ｍｅｔｈｏｄ ｏｆ ｏｒｄｅｒ ｅｘｅｃｕｔｉｏｎ ｅｆｆｉｃｉｅｎｃｙ 图 ５ 文献方法与现方法订单执行效率对比 Ｆｉｇ． ５ Ｃｏｎｔｒａｓｔ ｂｅｔｗｅｅｎ ｔｈｅ ｄｏｃｕｍｅｎｔ ｍｅｔｈｏｄ ａｎｄ ｐｒｅｓｅｎｔ ｍｅｔｈｏｄ ｏｆ ｏｒｄｅｒ ｅｘｅｃｕｔｉｏｎ ｅｆｆｉｃｉｅｎｃｙ 图 ６ 原方法与现方法企业订单接受率对比 Ｆｉｇ．６ Ｃｏｎｔｒａｓｔ ｂｅｔｗｅｅｎ ｂｅｔｗｅｅｎ ｔｈｅ ｏｒｉｇｉｎａｌ ｍｅｔｈｏｄ ａｎｄ ｔｈｅ ｐｒｅｓｅｎｔ ｍｅｔｈｏｄ ｏｆ ｔｈｅ ｅｎｔｅｒｐｒｉｓｅ ｏｒｄｅｒ ａｃｃｅｐｔａｎｃｅ ｒａｔｅ 图 ７ 文献方法与现方法企业订单接受率对比 Ｆｉｇ． ７ Ｃｏｎｔｒａｓｔ ｂｅｔｗｅｅｎ ｔｈｅ ｄｏｃｕｍｅｎｔ ｍｅｔｈｏｄ ａｎｄ ｐｒｅｓｅｎｔ ｍｅｔｈｏｄ ｏｆ ｔｈｅ ｅｎｔｅｒｐｒｉｓｅ ｏｒｄｅｒ ａｃｃｅｐｔ⁃ ａｎｃｅ ｒａｔｅ 图 ８ 原协作模式与现协作模式 Ａｇｅｎｔ 协作效率对比 Ｆｉｇ． ８ Ｃｏｎｔｒａｓｔ ｂｅｔｗｅｅｎ ｔｈｅ ｏｒｉｇｉｎａｌ ｍｏｄｅ ａｎｄ ｔｈｅ ｐｒｅｓｅｎｔ ｍｏｄｅ ｏｆ ｔｈｅ Ａｇｅｎｔ ｃｏｌｌａｂｏｒａｔｉｏｎ ｅｆｆｉ⁃ ｃｉｅｎｃｙ 图 ９ 文献协作模式与现协作模式 Ａｇｅｎｔ 协作效率对比 Ｆｉｇ．９ Ｃｏｎｔｒａｓｔ ｂｅｔｗｅｅｎ ｔｈｅ ｄｏｃｕｍｅｎｔ ｍｏｄｅ ａｎｄ ｐｒｅｓ⁃ ｅｎｔ ｍｏｄｅ ｏｆ ｔｈｅ Ａｇｅｎｔ ｃｏｌｌａｂｏｒａｔｉｏｎ ｅｆｆｉｃｉｅｎｃｙ ４ 结束语 本文在对多 Ａｇｅｎｔ 系统研究的基础上，提出基 于多 Ａｇｅｎｔ 的面向订单的离散制造系统结构模型， 是现代先进制造系统的一种体现，并采用了统一的 个体 Ａｇｅｎｔ 结构，简化系统设计过程。 在合同网模 型的基础上，从投标 Ａｇｅｎｔ 的负载、能力和信任度， 这 ３ 个方面进行综合考虑和权衡，有效提高了任务 分配和任务执行效率，使制造系统模型模型具有适 应性、自治性、智能化和协作性等特点，增强了企业 运作能力和竞争力。 最后将所提出的结构模型在 实际企业中进行了应用，仿真研究表明，文中所提 出的多 Ａｇｅｎｔ 结构模型和协作方法在企业订单执行 效率和企业内部协作方面是有效的，但是文中对 Ａ⁃ ｇｅｎｔ 规范的设计、系统资源约束问题和制造企业自 组织研究还尚欠缺，需进一步研究和完善。 参考文献： ［１］朱剑英． 智能制造的意义、技术与实现［Ｊ］． 机械制造与 自动化， ２０１３， ４２（３）： １⁃６， １０． ＺＨＵ Ｊｉａｎｙｉｎｇ． Ｔｈｅ ｓｉｇｎｉｆｉｃａｎｃｅ， ｔｅｃｈｎｏｌｏｇｉｅｓ ａｎｄ ｉｍｐｌｅ⁃ ｍｅｎｔａｔｉｏｎ ｏｆ ｉｎｔｅｌｌｉｇｅｎｔ ｍａｎｕｆａｃｔｕｒｉｎｇ［ Ｊ］． Ｍａｃｈｉｎｅ ｂｕｉｌｄ⁃ ｉｎｇ ａｎｄ ａｕｔｏｍａｔｉｏｎ， ２０１３， ４２（３）： １⁃６， １０． ［２］潘颖， 张文孝． 基于多 ａｇｅｎｔ 的离散制造业制造执行系统框 架研究［Ｊ］． 计算机应用研究， ２００９， ２６（１）： ２４４⁃２４６， ２４９． ·２３８· 智 能 系 统 学 报 第 １１ 卷
第2期 郭红康，等：基于多Aget的面向订单的离散制造系统建模与仿真研究 ·239. PAN Ying,ZHANG Wenxiao.Research on multi-agent- agent system[J].Application research of computers,2003 based MES structure of discrete manufacturing industry[J]. (4)：31-34. Application research of computers,2009,26(1):244- [l3]张少苹，戴锋，王成志，等.多Agent系统研究综述 246,249. [J].复杂系统与复杂性科学，2011,8(4)：1-8. [3]甄彩霞，侯宇彬，林兰，等.柔性制造系统的改进措施 ZHANG Shaoping,DAI Feng,WANG Chengzhi,et al. [J].江西建材，2015(3)：53. Summary on research of multi-agent system[J].Complex [4]陈学海.基于语义网关的离散制造企业异构系统集成框 systems and complexity science,2011,8(4):1-8. 架研究[D].重庆：重庆大学，2009 [14]吴菊华，吴丽花，甘仞初.基于规范的多gent协同机 CHEN Xuehai.Research on semantic gateways-based heter- 制研究[J].计算机应用研究，2009,26(5)：1778- ogeneous integration framework for intermittent manufactur- 1781. ing[D].Chongqing:Chongqing University,2009. WU Juhua,WU Lihua,GAN Renchu.Norm-based con- [5]马建强.基于Petri网的制造系统建模仿真及调度研究 tract net protocol for coordination in multi-Agent system [D].金华：浙江师范大学，2010. [J].Application research of computers.2009.26(5): 1778-1781 MA Jiangiang.The study of modeling,simulation and scheduling of manufacturing system based on Petri Nets [15]李洪磊，甘仞初.面向实体的企业建模及仿真系统框 [D].Jinhua:Zhejiang Normal University,2010 架设计[J].系统仿真学报，2005,17(1)：108-110. [6]张于贤，王立甫，叶冰冰，等.面向对象Petr网在制造 LI Honglei,GAN Renchu.Entity-oriented business model- 系统建模中的应用[J].科技广场，2011(3)：91-95. ing simulation system framework design[J].Journal of ZHANG Yuxian,WANG Lifu,YE Bingbing,et al.Appli- system simulation,2005,17(1):108-110. [16]丁芝琴，刘永，王凯.多Aget系统中基于招投标的任 cation of object-oriented Petri net in manufacturing system 务分配优化[J].计算机应用，2010,30(7)：1906- modeling[J].Science mosaic,2011(3):91-95. 1908 [7]张路亚.敏捷制造企业的MES设计[D].洛阳：河南科 DING Zhiqin,LIU Yong,WANG Kai.Bidding-based op- 技大学，2014. timization of task allocation in multi-Agent system[J]. [8]李春玲.基于多色图理论的离散制造企业生产物流系统 Journal of computer applications,2010,30(7):1906- 建模与优化[D].沈阳：沈阳大学，2014. 1908. LI Chunling.Discrete manufacturing industry production lo- [17]LUO He,HU Xiaojian,HU Xiaoxuan.Multi agent negoti- gistics system modeling and optimization based on the theory ation model for distributed task allocation C//Proceed- of polychromatic graph[D].Shenyang:Shenyang Universi- ings of the 2nd IEEE International Conference on Informa- ty,2014. tion Management and Engineering.Chengdu,China: [9]胡俊，姚锡凡，颜亮，等.基于多Ag©nt的制造执行系统 IEEE,2010:54-57. 架构的研究[J].制造技术与机床，2008(12)：48-51. [18]裘杭萍，罩垚，胡讷，等.多Aget系统中基于改进合 HU Jun,YAO Xifan,YAN Liang,et al.Research on man- 同网模型的任务分配研究[J].计算机科学，2012,39 ufacturing execution system framework based on multi-a- (6A):279-282. gents[J].Manufacturing technology machine tool,2008 QIU Hangping,QIN Yao,HU Rui,et al.Study on the task (12):48-51. allocation based on improved contract net in multi-agent sys- [10]王建彬，马芷蔷，许金元，等.基于Ptmi网的多智能 tem[J].Computer science,2012,39(6A):279-282. 体制造系统建模[J].安徽工程大学学报，2013,28 [19]郭锐锋，于东，刘明烈，等.基于合同网的任务分配方 (4)：47-50. 法的研究[J].小型微型计算机系统，1999,20(10)： WANG Jianbin,MA Zhiqiang,XU Jinyuan,et al.The 740-743. modeling of multi-agent manufacturing system based on pe- GUO Ruifeng,YU Dong,LIU Minglie,et al.Research of tri net[J].Journal of Anhui polytechnic university,2013. task allocation based on contract netJ.Mini-Micro Sys- 28(4):47-50. tems,1999,20(10):740-743. [11]廖守亿.复杂系统基于Agent的建模与仿真方法研究 [20]GU P,BALASUBRAMANIAN S,NORRIE D H.Bidding- 及应用[D].长沙：国防科学技术大学，2005. based process planning and scheduling in a multi-agent LIAO Shouyi.Research on methodology of agent-based system[].Computers and industrial engineering,1997, modeling and simulation for complex systems and applica- 32(2):477-496. tion D].Changsha:National University of Defense Tech- [21]吴昌生，姚锡凡，陈伟雄，等.基于PDI原则和多A nology,2005. ent的制造系统建模研究[J].机电工程技术，2009， [12]蒋云良，徐从富.智能Agent与多Agent系统的研究 38(1):70-74. [J].计算机应用研究，2003(4)：31-34. WU Changsheng,YAO Xifan,CHEN Weixiong,et al. JIANG Yunliang,XU Congfu.Intelligent agent and multi- Research on manufacturing system modeling based on IPDI
ＰＡＮ Ｙｉｎｇ， ＺＨＡＮＧ Ｗｅｎｘｉａｏ． Ｒｅｓｅａｒｃｈ ｏｎ ｍｕｌｔｉ⁃ａｇｅｎｔ⁃ ｂａｓｅｄ ＭＥＳ ｓｔｒｕｃｔｕｒｅ ｏｆ ｄｉｓｃｒｅｔｅ ｍａｎｕｆａｃｔｕｒｉｎｇ ｉｎｄｕｓｔｒｙ［Ｊ］． Ａｐｐｌｉｃａｔｉｏｎ ｒｅｓｅａｒｃｈ ｏｆ ｃｏｍｐｕｔｅｒｓ， ２００９， ２６ （ １）： ２４４⁃ ２４６， ２４９． ［３］甄彩霞， 侯宇彬， 林兰， 等． 柔性制造系统的改进措施 ［Ｊ］． 江西建材， ２０１５ （３）： ５３． ［４］陈学海． 基于语义网关的离散制造企业异构系统集成框 架研究［Ｄ］． 重庆： 重庆大学， ２００９． ＣＨＥＮ Ｘｕｅｈａｉ． Ｒｅｓｅａｒｃｈ ｏｎ ｓｅｍａｎｔｉｃ ｇａｔｅｗａｙｓ⁃ｂａｓｅｄ ｈｅｔｅｒ⁃ ｏｇｅｎｅｏｕｓ ｉｎｔｅｇｒａｔｉｏｎ ｆｒａｍｅｗｏｒｋ ｆｏｒ ｉｎｔｅｒｍｉｔｔｅｎｔ ｍａｎｕｆａｃｔｕｒ⁃ ｉｎｇ［Ｄ］． Ｃｈｏｎｇｑｉｎｇ： Ｃｈｏｎｇｑｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ， ２００９． ［５］马建强． 基于 Ｐｅｔｒｉ 网的制造系统建模仿真及调度研究 ［Ｄ］． 金华： 浙江师范大学， ２０１０． ＭＡ Ｊｉａｎｑｉａｎｇ． Ｔｈｅ ｓｔｕｄｙ ｏｆ ｍｏｄｅｌｉｎｇ， ｓｉｍｕｌａｔｉｏｎ ａｎｄ ｓｃｈｅｄｕｌｉｎｇ ｏｆ ｍａｎｕｆａｃｔｕｒｉｎｇ ｓｙｓｔｅｍ ｂａｓｅｄ ｏｎ Ｐｅｔｒｉ Ｎｅｔｓ ［Ｄ］． Ｊｉｎｈｕａ： Ｚｈｅｊｉａｎｇ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ， ２０１０． ［６］张于贤， 王立甫， 叶冰冰， 等． 面向对象 Ｐｅｔｒｉ 网在制造 系统建模中的应用［Ｊ］． 科技广场， ２０１１（３）： ９１⁃９５． ＺＨＡＮＧ Ｙｕｘｉａｎ， ＷＡＮＧ Ｌｉｆｕ， ＹＥ Ｂｉｎｇｂｉｎｇ， ｅｔ ａｌ． Ａｐｐｌｉ⁃ ｃａｔｉｏｎ ｏｆ ｏｂｊｅｃｔ⁃ｏｒｉｅｎｔｅｄ Ｐｅｔｒｉ ｎｅｔ ｉｎ ｍａｎｕｆａｃｔｕｒｉｎｇ ｓｙｓｔｅｍ ｍｏｄｅｌｉｎｇ［Ｊ］． Ｓｃｉｅｎｃｅ ｍｏｓａｉｃ， ２０１１（３）： ９１⁃９５． ［７］张路亚． 敏捷制造企业的 ＭＥＳ 设计［Ｄ］． 洛阳： 河南科 技大学， ２０１４． ［８］李春玲． 基于多色图理论的离散制造企业生产物流系统 建模与优化［Ｄ］． 沈阳： 沈阳大学， ２０１４． ＬＩ Ｃｈｕｎｌｉｎｇ． Ｄｉｓｃｒｅｔｅ ｍａｎｕｆａｃｔｕｒｉｎｇ ｉｎｄｕｓｔｒｙ ｐｒｏｄｕｃｔｉｏｎ ｌｏ⁃ ｇｉｓｔｉｃｓ ｓｙｓｔｅｍ ｍｏｄｅｌｉｎｇ ａｎｄ ｏｐｔｉｍｉｚａｔｉｏｎ ｂａｓｅｄ ｏｎ ｔｈｅ ｔｈｅｏｒｙ ｏｆ ｐｏｌｙｃｈｒｏｍａｔｉｃ ｇｒａｐｈ［Ｄ］． Ｓｈｅｎｙａｎｇ： Ｓｈｅｎｙａｎｇ Ｕｎｉｖｅｒｓｉ⁃ ｔｙ， ２０１４． ［９］胡俊， 姚锡凡， 颜亮， 等． 基于多 Ａｇｅｎｔ 的制造执行系统 架构的研究［Ｊ］． 制造技术与机床， ２００８（１２）： ４８⁃５１． ＨＵ Ｊｕｎ， ＹＡＯ Ｘｉｆａｎ， ＹＡＮ Ｌｉａｎｇ， ｅｔ ａｌ． Ｒｅｓｅａｒｃｈ ｏｎ ｍａｎ⁃ ｕｆａｃｔｕｒｉｎｇ ｅｘｅｃｕｔｉｏｎ ｓｙｓｔｅｍ ｆｒａｍｅｗｏｒｋ ｂａｓｅｄ ｏｎ ｍｕｌｔｉ⁃ａ⁃ ｇｅｎｔｓ［Ｊ］． Ｍａｎｕｆａｃｔｕｒｉｎｇ ｔｅｃｈｎｏｌｏｇｙ ＆ ｍａｃｈｉｎｅ ｔｏｏｌ， ２００８ （１２）： ４８⁃５１． ［１０］王建彬， 马芷蔷， 许金元， 等． 基于 Ｐｅｔｒｉ 网的多智能 体制造系统建模［ Ｊ］． 安徽工程大学学报， ２０１３， ２８ （４）： ４７⁃５０． ＷＡＮＧ Ｊｉａｎｂｉｎ， ＭＡ Ｚｈｉｑｉａｎｇ， ＸＵ Ｊｉｎｙｕａｎ， ｅｔ ａｌ． Ｔｈｅ ｍｏｄｅｌｉｎｇ ｏｆ ｍｕｌｔｉ⁃ａｇｅｎｔ ｍａｎｕｆａｃｔｕｒｉｎｇ ｓｙｓｔｅｍ ｂａｓｅｄ ｏｎ ｐｅ⁃ ｔｒｉ ｎｅｔ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ａｎｈｕｉ ｐｏｌｙｔｅｃｈｎｉｃ ｕｎｉｖｅｒｓｉｔｙ， ２０１３， ２８（４）： ４７⁃５０． ［１１］廖守亿． 复杂系统基于 Ａｇｅｎｔ 的建模与仿真方法研究 及应用［Ｄ］． 长沙： 国防科学技术大学， ２００５． ＬＩＡＯ Ｓｈｏｕｙｉ． Ｒｅｓｅａｒｃｈ ｏｎ ｍｅｔｈｏｄｏｌｏｇｙ ｏｆ ａｇｅｎｔ⁃ｂａｓｅｄ ｍｏｄｅｌｉｎｇ ａｎｄ ｓｉｍｕｌａｔｉｏｎ ｆｏｒ ｃｏｍｐｌｅｘ ｓｙｓｔｅｍｓ ａｎｄ ａｐｐｌｉｃａ⁃ ｔｉｏｎ［Ｄ］． Ｃｈａｎｇｓｈａ： Ｎａｔｉｏｎａｌ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｄｅｆｅｎｓｅ Ｔｅｃｈ⁃ ｎｏｌｏｇｙ， ２００５． ［１２］蒋云良， 徐从富． 智能 Ａｇｅｎｔ 与多 Ａｇｅｎｔ 系统的研究 ［Ｊ］． 计算机应用研究， ２００３（４）： ３１⁃３４． ＪＩＡＮＧ Ｙｕｎｌｉａｎｇ， ＸＵ Ｃｏｎｇｆｕ． Ｉｎｔｅｌｌｉｇｅｎｔ ａｇｅｎｔ ａｎｄ ｍｕｌｔｉ⁃ ａｇｅｎｔ ｓｙｓｔｅｍ［Ｊ］． Ａｐｐｌｉｃａｔｉｏｎ ｒｅｓｅａｒｃｈ ｏｆ ｃｏｍｐｕｔｅｒｓ， ２００３ （４）： ３１⁃３４． ［１３］张少苹， 戴锋， 王成志， 等． 多 Ａｇｅｎｔ 系统研究综述 ［Ｊ］． 复杂系统与复杂性科学， ２０１１， ８（４）： １⁃８． ＺＨＡＮＧ Ｓｈａｏｐｉｎｇ， ＤＡＩ Ｆｅｎｇ， ＷＡＮＧ Ｃｈｅｎｇｚｈｉ， ｅｔ ａｌ． Ｓｕｍｍａｒｙ ｏｎ ｒｅｓｅａｒｃｈ ｏｆ ｍｕｌｔｉ⁃ａｇｅｎｔ ｓｙｓｔｅｍ［ Ｊ］． Ｃｏｍｐｌｅｘ ｓｙｓｔｅｍｓ ａｎｄ ｃｏｍｐｌｅｘｉｔｙ ｓｃｉｅｎｃｅ， ２０１１， ８（４）： １⁃８． ［１４］吴菊华， 吴丽花， 甘仞初． 基于规范的多 ａｇｅｎｔ 协同机 制研究［ Ｊ］． 计算机应用研究， ２００９， ２６ （ ５）： １７７８⁃ １７８１． ＷＵ Ｊｕｈｕａ， ＷＵ Ｌｉｈｕａ， ＧＡＮ Ｒｅｎｃｈｕ． Ｎｏｒｍ⁃ｂａｓｅｄ ｃｏｎ⁃ ｔｒａｃｔ ｎｅｔ ｐｒｏｔｏｃｏｌ ｆｏｒ ｃｏｏｒｄｉｎａｔｉｏｎ ｉｎ ｍｕｌｔｉ⁃Ａｇｅｎｔ ｓｙｓｔｅｍ ［Ｊ］． Ａｐｐｌｉｃａｔｉｏｎ ｒｅｓｅａｒｃｈ ｏｆ ｃｏｍｐｕｔｅｒｓ， ２００９， ２６ （ ５）： １７７８⁃１７８１． ［１５］李洪磊， 甘仞初． 面向实体的企业建模及仿真系统框 架设计［Ｊ］． 系统仿真学报， ２００５， １７（１）： １０８⁃１１０． ＬＩ Ｈｏｎｇｌｅｉ， ＧＡＮ Ｒｅｎｃｈｕ． Ｅｎｔｉｔｙ⁃ｏｒｉｅｎｔｅｄ ｂｕｓｉｎｅｓｓ ｍｏｄｅｌ⁃ ｉｎｇ ＆ ｓｉｍｕｌａｔｉｏｎ ｓｙｓｔｅｍ ｆｒａｍｅｗｏｒｋ ｄｅｓｉｇｎ［ Ｊ］． Ｊｏｕｒｎａｌ ｏｆ ｓｙｓｔｅｍ ｓｉｍｕｌａｔｉｏｎ， ２００５， １７（１）： １０８⁃１１０． ［１６］丁芝琴， 刘永， 王凯． 多 Ａｇｅｎｔ 系统中基于招投标的任 务分配优化［ Ｊ］． 计算机应用， ２０１０， ３０ （ ７）： １９０６⁃ １９０８． ＤＩＮＧ Ｚｈｉｑｉｎ， ＬＩＵ Ｙｏｎｇ， ＷＡＮＧ Ｋａｉ． Ｂｉｄｄｉｎｇ⁃ｂａｓｅｄ ｏｐ⁃ ｔｉｍｉｚａｔｉｏｎ ｏｆ ｔａｓｋ ａｌｌｏｃａｔｉｏｎ ｉｎ ｍｕｌｔｉ⁃Ａｇｅｎｔ ｓｙｓｔｅｍ ［ Ｊ］． Ｊｏｕｒｎａｌ ｏｆ ｃｏｍｐｕｔｅｒ ａｐｐｌｉｃａｔｉｏｎｓ， ２０１０， ３０ （ ７）： １９０６⁃ １９０８． ［１７］ＬＵＯ Ｈｅ， ＨＵ Ｘｉａｏｊｉａｎ， ＨＵ Ｘｉａｏｘｕａｎ． Ｍｕｌｔｉ ａｇｅｎｔ ｎｅｇｏｔｉ⁃ ａｔｉｏｎ ｍｏｄｅｌ ｆｏｒ ｄｉｓｔｒｉｂｕｔｅｄ ｔａｓｋ ａｌｌｏｃａｔｉｏｎ［ Ｃ］ ／ ／ Ｐｒｏｃｅｅｄ⁃ ｉｎｇｓ ｏｆ ｔｈｅ ２ｎｄ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｎｆｏｒｍａ⁃ ｔｉｏｎ Ｍａｎａｇｅｍｅｎｔ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ． Ｃｈｅｎｇｄｕ， Ｃｈｉｎａ： ＩＥＥＥ， ２０１０： ５４⁃５７． ［１８］裘杭萍， 覃垚， 胡汭， 等． 多 Ａｇｅｎｔ 系统中基于改进合 同网模型的任务分配研究［ Ｊ］． 计算机科学， ２０１２， ３９ （６Ａ）： ２７９⁃２８２． ＱＩＵ Ｈａｎｇｐｉｎｇ， ＱＩＮ Ｙａｏ， ＨＵ Ｒｕｉ， ｅｔ ａｌ． Ｓｔｕｄｙ ｏｎ ｔｈｅ ｔａｓｋ ａｌｌｏｃａｔｉｏｎ ｂａｓｅｄ ｏｎ ｉｍｐｒｏｖｅｄ ｃｏｎｔｒａｃｔ ｎｅｔ ｉｎ ｍｕｌｔｉ⁃ａｇｅｎｔ ｓｙｓ⁃ ｔｅｍ［Ｊ］． Ｃｏｍｐｕｔｅｒ ｓｃｉｅｎｃｅ， ２０１２， ３９（６Ａ）： ２７９⁃２８２． ［１９］郭锐锋， 于东， 刘明烈， 等． 基于合同网的任务分配方 法的研究［Ｊ］． 小型微型计算机系统， １９９９， ２０（ １０）： ７４０⁃７４３． ＧＵＯ Ｒｕｉｆｅｎｇ， ＹＵ Ｄｏｎｇ， ＬＩＵ Ｍｉｎｇｌｉｅ， ｅｔ ａｌ． Ｒｅｓｅａｒｃｈ ｏｆ ｔａｓｋ ａｌｌｏｃａｔｉｏｎ ｂａｓｅｄ ｏｎ ｃｏｎｔｒａｃｔ ｎｅｔ［ Ｊ］． Ｍｉｎｉ⁃Ｍｉｃｒｏ Ｓｙｓ⁃ ｔｅｍｓ， １９９９， ２０（１０）： ７４０⁃７４３． ［２０］ＧＵ Ｐ， ＢＡＬＡＳＵＢＲＡＭＡＮＩＡＮ Ｓ， ＮＯＲＲＩＥ Ｄ Ｈ． Ｂｉｄｄｉｎｇ⁃ ｂａｓｅｄ ｐｒｏｃｅｓｓ ｐｌａｎｎｉｎｇ ａｎｄ ｓｃｈｅｄｕｌｉｎｇ ｉｎ ａ ｍｕｌｔｉ⁃ａｇｅｎｔ ｓｙｓｔｅｍ［Ｊ］． Ｃｏｍｐｕｔｅｒｓ ａｎｄ ｉｎｄｕｓｔｒｉａｌ ｅｎｇｉｎｅｅｒｉｎｇ， １９９７， ３２（２）： ４７７⁃４９６． ［２１］吴昌生， 姚锡凡， 陈伟雄， 等． 基于 ＩＰＤＩ 原则和多 Ａ⁃ ｇｅｎｔ 的制造系统建模研究［ Ｊ］． 机电工程技术， ２００９， ３８（１）： ７０⁃７４． ＷＵ Ｃｈａｎｇｓｈｅｎｇ， ＹＡＯ Ｘｉｆａｎ， ＣＨＥＮ Ｗｅｉｘｉｏｎｇ， ｅｔ ａｌ． Ｒｅｓｅａｒｃｈ ｏｎ ｍａｎｕｆａｃｔｕｒｉｎｇ ｓｙｓｔｅｍ ｍｏｄｅｌｉｎｇ ｂａｓｅｄ ｏｎ ＩＰＤＩ 第 ２ 期 郭红康，等：基于多 Ａｇｅｎｔ 的面向订单的离散制造系统建模与仿真研究 ·２３９·
.240. 智能系统学报 第11卷 principle and multi-agents[].Mechanical and electrical engineering technology,2009,38(1):70-74. 赵军，男，1971年生，教授，博士，主 作者简介： 要研究方向为信息系统工程、信息管理 郭红康，女，1990年生，硕士研究 的理论与方法，近年来主持国家自然科 生，主要研究方向为信息系统工程，参 学基金2项，参与国家自然科学基金项 与国家自然科学基金项目、国家科技支 目1项，主持完成宁夏科技攻关软科学 撑项目多项。 课题2项，发表学术论文多篇。 2016年国际神经影像机器学习的研讨会 International Workshop on Machine Learning Approaches in Neuroimaging (IWMLAN) International Workshop on Machine Learning for Understanding the Brain MLUB)welcomes original and unpub- lished work on theory,systems,algorithms and applications related to Machine Learning and understanding techniques for modeling and analysis of brain in various modalities,such as,fMRI,sMRI,EEG,MEG,fNIRS,and various forms of microscopy. The workshop focuses on but is not limited to the following topics: Learning and inference on neuroimaging data Vision Models of the Brain Cognitive state classification Memory Model of the Brain Functional Connectivity Neural Models of the Brain Sparse Techniques Visualization Multimodal Learning High-Dimensional Neuroimaging Data Visualization Multi-Subject Learning Brain Network Visualization Efficient Algorithms for Large-Scale Data Network Summarization Brain Network Embedding Applications Cognitive Computing Resting-State Data Analysis Software Simulation of the Brain Task-Based Data Analysis Pattern and Object Recognition Diagnosis of Diseases Cognitive Machine Learning Brain Computer Interface Modeling Website:http://mlub.ceng.metu.edu.tr/
ｐｒｉｎｃｉｐｌｅ ａｎｄ ｍｕｌｔｉ⁃ａｇｅｎｔｓ［ Ｊ］． Ｍｅｃｈａｎｉｃａｌ ａｎｄ ｅｌｅｃｔｒｉｃａｌ ｅｎｇｉｎｅｅｒｉｎｇ ｔｅｃｈｎｏｌｏｇｙ， ２００９， ３８（１）： ７０⁃７４． 作者简介： 郭红康，女，１９９０ 年生，硕士研究 生，主要研究方向为信息系统工程，参 与国家自然科学基金项目、国家科技支 撑项目多项。 赵军，男，１９７１ 年生，教授，博士，主 要研究方向为信息系统工程、信息管理 的理论与方法，近年来主持国家自然科 学基金 ２ 项，参与国家自然科学基金项 目 １ 项，主持完成宁夏科技攻关软科学 课题 ２ 项，发表学术论文多篇。 ２０１６ 年国际神经影像机器学习的研讨会 Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｗｏｒｋｓｈｏｐ ｏｎ Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ Ａｐｐｒｏａｃｈｅｓ ｉｎ Ｎｅｕｒｏｉｍａｇｉｎｇ （ ＩＷＭＬＡＮ） Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｗｏｒｋｓｈｏｐ ｏｎ Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ ｆｏｒ Ｕｎｄｅｒｓｔａｎｄｉｎｇ ｔｈｅ Ｂｒａｉｎ （ＭＬＵＢ） ｗｅｌｃｏｍｅｓ ｏｒｉｇｉｎａｌ ａｎｄ ｕｎｐｕｂ⁃ ｌｉｓｈｅｄ ｗｏｒｋ ｏｎ ｔｈｅｏｒｙ， ｓｙｓｔｅｍｓ， ａｌｇｏｒｉｔｈｍｓ ａｎｄ ａｐｐｌｉｃａｔｉｏｎｓ ｒｅｌａｔｅｄ ｔｏ Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ ａｎｄ ｕｎｄｅｒｓｔａｎｄｉｎｇ ｔｅｃｈｎｉｑｕｅｓ ｆｏｒ ｍｏｄｅｌｉｎｇ ａｎｄ ａｎａｌｙｓｉｓ ｏｆ ｂｒａｉｎ ｉｎ ｖａｒｉｏｕｓ ｍｏｄａｌｉｔｉｅｓ， ｓｕｃｈ ａｓ， ｆＭＲＩ， ｓＭＲＩ， ＥＥＧ， ＭＥＧ， ｆＮＩＲＳ， ａｎｄ ｖａｒｉｏｕｓ ｆｏｒｍｓ ｏｆ ｍｉｃｒｏｓｃｏｐｙ． Ｔｈｅ ｗｏｒｋｓｈｏｐ ｆｏｃｕｓｅｓ ｏｎ ｂｕｔ ｉｓ ｎｏｔ ｌｉｍｉｔｅｄ ｔｏ ｔｈｅ ｆｏｌｌｏｗｉｎｇ ｔｏｐｉｃｓ： Ｌｅａｒｎｉｎｇ ａｎｄ ｉｎｆｅｒｅｎｃｅ ｏｎ ｎｅｕｒｏｉｍａｇｉｎｇ ｄａｔａ Ｃｏｇｎｉｔｉｖｅ ｓｔａｔｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ Ｆｕｎｃｔｉｏｎａｌ Ｃｏｎｎｅｃｔｉｖｉｔｙ Ｓｐａｒｓｅ Ｔｅｃｈｎｉｑｕｅｓ Ｍｕｌｔｉｍｏｄａｌ Ｌｅａｒｎｉｎｇ Ｍｕｌｔｉ⁃Ｓｕｂｊｅｃｔ Ｌｅａｒｎｉｎｇ Ｅｆｆｉｃｉｅｎｔ Ａｌｇｏｒｉｔｈｍｓ ｆｏｒ Ｌａｒｇｅ⁃Ｓｃａｌｅ Ｄａｔａ Ｂｒａｉｎ Ｎｅｔｗｏｒｋ Ｅｍｂｅｄｄｉｎｇ Ｃｏｇｎｉｔｉｖｅ Ｃｏｍｐｕｔｉｎｇ Ｓｏｆｔｗａｒｅ Ｓｉｍｕｌａｔｉｏｎ ｏｆ ｔｈｅ Ｂｒａｉｎ Ｐａｔｔｅｒｎ ａｎｄ Ｏｂｊｅｃｔ Ｒｅｃｏｇｎｉｔｉｏｎ Ｃｏｇｎｉｔｉｖｅ Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ Ｍｏｄｅｌｉｎｇ Ｖｉｓｉｏｎ Ｍｏｄｅｌｓ ｏｆ ｔｈｅ Ｂｒａｉｎ Ｍｅｍｏｒｙ Ｍｏｄｅｌ ｏｆ ｔｈｅ Ｂｒａｉｎ Ｎｅｕｒａｌ Ｍｏｄｅｌｓ ｏｆ ｔｈｅ Ｂｒａｉｎ Ｖｉｓｕａｌｉｚａｔｉｏｎ Ｈｉｇｈ⁃Ｄｉｍｅｎｓｉｏｎａｌ Ｎｅｕｒｏｉｍａｇｉｎｇ Ｄａｔａ Ｖｉｓｕａｌｉｚａｔｉｏｎ Ｂｒａｉｎ Ｎｅｔｗｏｒｋ Ｖｉｓｕａｌｉｚａｔｉｏｎ Ｎｅｔｗｏｒｋ Ｓｕｍｍａｒｉｚａｔｉｏｎ Ａｐｐｌｉｃａｔｉｏｎｓ Ｒｅｓｔｉｎｇ⁃Ｓｔａｔｅ Ｄａｔａ Ａｎａｌｙｓｉｓ Ｔａｓｋ⁃Ｂａｓｅｄ Ｄａｔａ Ａｎａｌｙｓｉｓ Ｄｉａｇｎｏｓｉｓ ｏｆ Ｄｉｓｅａｓｅｓ Ｂｒａｉｎ Ｃｏｍｐｕｔｅｒ Ｉｎｔｅｒｆａｃｅ Ｗｅｂｓｉｔｅ：ｈｔｔｐ： ／ ／ ｍｌｕｂ．ｃｅｎｇ．ｍｅｔｕ．ｅｄｕ．ｔｒ／ ·２４０· 智 能 系 统 学 报 第 １１ 卷