。1062 北京科技大学学报 第29卷 DKD中.领域模板封装了基本的组合逻辑，对领 end for 域的共性需求进行了抽象，这样当一个请求的服务 if tem<>Ohen任意选定一个tem. 是一个组合服务时，就不必用户自己重新组合这些 Temld:∥也可以按a十B的和来选取最大值，依照 服务，只要在DKD中查找所需的模板即可. tem.TemStru提供服务； SMM/SCM是决定中介服务性能高低的关键. end 下面给出领域自适应的服务匹配/组合算法.为了 3.3理性化协商机制 更好地理解该算法，首先介绍几个概念. 在CIG中，agent既可以是服务的提供者，又可 定义1领域模板是指一种指定了顺序、结构 以是服务的请求者.agent隐去本地资源的异质特 及内部属性，通过裁剪、配置而直接套用的业务过程 征，提供透明的服务.agent独立负责各自的资源调 框架，可以形式化描述如下： 度，并按照“因需(as-needed)”模式提供服务，对CIG Template=(Temld,TemNam,TemInfo,TemStru) 中的共享资源具有对等权限，即在满足各种协议和 (4) 操作规程的前提下同等地使用CIG中的共享资源. 式中，Temld为模板唯一标识，用以区分不同的模 agent能够利用知识修改自己的心智状态，以适应环 板；TemNam为模板名称；TemInfo为模板的描述信 境的变化和协作求解.一旦建立连接，不再需要服 息，包括模板的功能、输入，输出等；TemStru为模板 务中介的干预，所有事务就由双方相互协作、相互协 的结构，表示模板涉及到的服务及其之间的逻辑关 商来完成.两agent间的协商可以通过建立心理模 系，是最重要的部分 型(MM)来实现.心理模型能够使agent理性决策 定义2模板匹配是指GS与领域模板中 应采取的协商行为和内容山，可表示为四元组： Tem Info匹配断言： MM=SB,BD,NS,CK) (6 match(RGS,TemInfo)=(matchba(RGS,TemInfo), 式中，$B为社交信念，包括行为约束条件和当前社 matchsig(RGS,TemInfo)) (5) 交环境的信息等；BD为基本愿望，描述本agent拟 式中，matchas(RGS,TemInfo)为基本匹配，表示比 开展的活动及需求或动作过程等：NS为协商状况， 较RGS和TemInfo中服务功能的相关性： 记载协商过程的动态信息：CK为关于协商行为和 matcha(RGS,TemInfo)为基调匹配，表示比较RGS 内容的推理知识，旨在应用SB、BD、NS来决策agent 和TemInfo中输入（输出）类型和方向的相关性. 应该采用的协商态势和协作合同条款的内容取值. 定义3相似度(D)是指RGS与领域模板中 推理知识又可分为评价知识，战略知识和战术知识. TemInfo相匹配的程度.可以采用数值计算来度 BDI(信念、愿望、意图)模型是agent领域中最 量，包括基本匹配相似度和基调匹配相似度.基本 著名、最有影响力的心智模型，信念描述agent的领 匹配相似度可以采用关键字匹配方法来计算，取值 域知识模型，愿望表示agent希望达到的某种状态， 0~1之间；基调匹配相似度可以采用集合论和关键 意图是gent决定（或承诺）做的事13.BDI agent 字匹配方法来计算，取值0~1之间（基本匹配相似 是一种实用推理结构，其推理过程和人们日常使用 度和基调匹配相似度的计算方法可参考文献10])· 的方法类似，这里参照其推理方法对理性决策过程 服务匹配/组合算法具体描述如下： 描述如下： procedure SMA-SCA(RGS:WS) procedure MM(si:Message)//si-sensor input, begin 感知输入 teme=:设置候选的模板集为空. begin for each tem in BKD∥对在背景知识库BKD sb=create():∥信念生成函数，建立当前 中每个模板 的社交信念集合sb RDis=matchi(RGS,tem.TemInfo)；∥ bd=generate(sb,s);∥愿望生成函数，根 计算基本匹配相似度 据当前的社交信念和感知输入生成可能的选择bd RDig=matchig RGS,tem.TemInfo):/ nbd=filter(sb,bd,ck,ns);过滤函数，应 计算基调匹配相似度 用CK进行推理、慎思，确定新的nbd If(RDba>a)and RDigB)then tem"ect action=act(nbd);∥决策函数，确定要采 =temseeUtem.Temlds:∥a,B可以根据实际情况 取的动作/意图 选定确定的值，当其值为1时为完全匹配 ns=Register()；协商状况记载函数，记DKD 中) .领域模板封装了基本的组合逻辑, 对领 域的共性需求进行了抽象, 这样当一个请求的服务 是一个组合服务时, 就不必用户自己重新组合这些 服务, 只要在 DKD 中查找所需的模板即可. SMM/SCM 是决定中介服务性能高低的关键 . 下面给出领域自适应的服务匹配/组合算法.为了 更好地理解该算法, 首先介绍几个概念 . 定义 1 领域模板是指一种指定了顺序 、结构 及内部属性, 通过裁剪、配置而直接套用的业务过程 框架, 可以形式化描述如下: Template ={TemId , TemNam, TemInfo, TemStru} ( 4) 式中, TemId 为模板唯一标识, 用以区分不同的模 板;TemNam 为模板名称;TemInfo 为模板的描述信 息, 包括模板的功能 、输入 、输出等;TemStru 为模板 的结构, 表示模板涉及到的服务及其之间的逻辑关 系, 是最重要的部分 . 定义 2 模板匹配是指 RGS 与领域模板中 TemInfo 匹配断言: match( RGS, TemInfo ) ={matchbas( RGS, TemInfo ) , matchsig( RGS, TemInfo )} ( 5) 式中, matchbas( RGS, TemInfo) 为基本匹配, 表示比 较 RGS 和 TemInfo 中 服 务 功 能 的 相 关 性 ; matchsig ( RGS, TemInfo ) 为基调匹配, 表示比较 RGS 和 TemInfo 中输入( 输出) 类型和方向的相关性 . 定义 3 相似度( RD) 是指 RGS 与领域模板中 TemInfo 相匹配的程度.可以采用数值计算来度 量, 包括基本匹配相似度和基调匹配相似度.基本 匹配相似度可以采用关键字匹配方法来计算, 取值 0 ～ 1 之间;基调匹配相似度可以采用集合论和关键 字匹配方法来计算, 取值 0 ～ 1 之间( 基本匹配相似 度和基调匹配相似度的计算方法可参考文献[ 10] ) . 服务匹配/组合算法具体描述如下 : procedure SMA -SCA( RGS :WS) begin tem select = ;∥设置候选的模板集为空 . for each tem in BKD ∥对在背景知识库 BKD 中每个模板 RDbas =matchbas( RGS, tem .TemInfo) ;∥ 计算基本匹配相似度 RDsig =matchsig ( RGS, tem .TemInfo) ;∥ 计算基调匹配相似度 If( RDbas >α) and ( RDsig >β) then tem select =tem select ∪tem .TemId ;∥α, β 可以根据实际情况 选定确定的值, 当其值为 1 时为完全匹配 end fo r if tem select < > then 任意选定一个 tem . TemId ;∥也可以按 α+β 的和来选取最大值, 依照 tem .TemStru 提供服务; end 3.3 理性化协商机制 在 CIG 中, agent 既可以是服务的提供者, 又可 以是服务的请求者.agent 隐去本地资源的异质特 征, 提供透明的服务.agent 独立负责各自的资源调 度, 并按照“因需( as-needed)”模式提供服务, 对 C IG 中的共享资源具有对等权限, 即在满足各种协议和 操作规程的前提下同等地使用 CIG 中的共享资源. agent 能够利用知识修改自己的心智状态, 以适应环 境的变化和协作求解 .一旦建立连接, 不再需要服 务中介的干预, 所有事务就由双方相互协作、相互协 商来完成 .两 agent 间的协商可以通过建立心理模 型( MM ) 来实现.心理模型能够使 agent 理性决策 应采取的协商行为和内容[ 11] , 可表示为四元组: MM ={SB, BD, NS, CK} ( 6) 式中, SB 为社交信念, 包括行为约束条件和当前社 交环境的信息等 ;BD 为基本愿望, 描述本 agent 拟 开展的活动及需求或动作过程等;NS 为协商状况, 记载协商过程的动态信息 ;CK 为关于协商行为和 内容的推理知识, 旨在应用 SB 、BD 、NS 来决策agent 应该采用的协商态势和协作合同条款的内容取值. 推理知识又可分为评价知识 、战略知识和战术知识. BDI( 信念、愿望 、意图) 模型是 agent 领域中最 著名、最有影响力的心智模型, 信念描述 agent 的领 域知识模型, 愿望表示 agent 希望达到的某种状态, 意图是 agent 决定( 或承诺) 做的事 [ 12] .BDI agent 是一种实用推理结构, 其推理过程和人们日常使用 的方法类似, 这里参照其推理方法对理性决策过程 描述如下: procedure MM ( si:Message) ∥si —sensor input, 感知输入 begin sb =create( ) ;∥信念生成函数, 建立当前 的社交信念集合 sb bd =generate( sb, si) ;∥愿望生成函数, 根 据当前的社交信念和感知输入生成可能的选择 bd nbd =filter( sb, bd, ck, ns) ;∥过滤函数, 应 用 CK 进行推理、慎思, 确定新的 nbd action =act( nbd) ;∥决策函数, 确定要采 取的动作/意图 ns =Register( ) ;∥协商状况记载函数, 记 · 1062 · 北 京 科 技 大 学 学 报 第 29 卷