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 <Bel,Act,Goals,Intent>.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 <{W(nutrio bg y以，K(nutrio log y以， 为主体的行为能力库，相当于DDL的ActionBox,它 P(patient),K(patient), 当中的动作来自于策略库中的规划动作策略.Goals PA (patient,attribute )K(attribute ),. 为主体的目标集合，主体根据策略库中的目标更新 PA (patient,attribute),K(attribute), 策略设置Goals中的元素.Intent为主体的行为意 -OT(patient,tie)), 图，由原子动作组成，等待着主体依次执行，主体根 K(tme),OT(patient,tme)> 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.net0, 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 <Bel, Act, Goals, Intent >. 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) = < {N ( nutrio log y) , K ( nutrio log y) , P (patient) , K (patient) , PA1 (patient, attribute1 ) , K ( attribute1 ) , …, PAn (patient, attributen ) , K ( attributen ) , - O T (patient, time) } , { K ( time) , OT (patient, 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·