蔣 勛，高 翔，冷艷萍

（1.無錫城市學院 電子信息工程系，江蘇 無錫 214000；2.河海大學 商學院，江蘇 南京 210098）

一、引言

在經(jīng)濟全球化和網(wǎng)絡(luò)技術(shù)迅猛發(fā)展的背景下，組織的網(wǎng)絡(luò)化已經(jīng)成為組織模式的一種必然選擇[1]7。協(xié)同網(wǎng)絡(luò)的發(fā)展是組織對知識、信息等智力資本進行整合創(chuàng)新的要求，組織內(nèi)部及組織之間的協(xié)同網(wǎng)絡(luò)快速發(fā)展，已經(jīng)成為一種必然趨勢。對協(xié)同網(wǎng)絡(luò)理論和實踐的研究也就成了當今企業(yè)界與學術(shù)界一個非常重要的課題。

一個協(xié)同網(wǎng)絡(luò)若想實現(xiàn)預期的收益，就需要所有網(wǎng)絡(luò)主體的有效協(xié)同。不僅包括各主體間的協(xié)調(diào)、互補、一致，還包括它們合作交互過程的深度和效度等。協(xié)同網(wǎng)絡(luò)主體的協(xié)同情況對協(xié)同網(wǎng)絡(luò)收益的影響是顯而易見的。在協(xié)同網(wǎng)絡(luò)中，網(wǎng)絡(luò)主體之間的密切合作與交互使得主體在協(xié)同網(wǎng)絡(luò)交互合作中形成了豐富的協(xié)同信息?；趨f(xié)同信息的決策需要同時考慮網(wǎng)絡(luò)主體的個體績效和主體間的協(xié)同績效，最具代表性的研究背景是虛擬團隊，它包括為完成一項復雜業(yè)務而形成的各類聯(lián)盟和團隊。

協(xié)同網(wǎng)絡(luò)的主體可以是人或智能代理，本文以智能代理Agent為載體。Agent是一類在特定環(huán)境下能感知環(huán)境，并能靈活、自主地運行以實現(xiàn)一系列設(shè)計目標的、自主的計算實體。[2]單個Agent所擁有的資源、能力有限，由多Agent構(gòu)建的虛擬團隊是一種以Agent為網(wǎng)絡(luò)主體構(gòu)成的協(xié)同網(wǎng)絡(luò)組織。協(xié)同網(wǎng)絡(luò)組織通過各個Agent的良好協(xié)作、彼此學習可以實現(xiàn)資源、能力與優(yōu)勢的互補，并能實現(xiàn)僅靠單個Agent力量難以達到的目標，獲得1+1＞2的協(xié)同效應。

二、相關(guān)文獻

協(xié)同信息決策是一個嶄新的研究課題，相關(guān)文獻從理論層面提煉并分類了基于協(xié)同信息的決策問題，給出了形式化的描述，并提出了基于協(xié)同信息的決策問題的決策框架、問題結(jié)構(gòu)模型與問題分析的判斷模型。[3]為探討基于協(xié)同信息的決策問題奠定了理論基礎(chǔ)，并為基于協(xié)同信息的決策方法研究提供理論框架及方向指導。樊治平和馮博系統(tǒng)介紹了基于協(xié)同信息的決策方法，詳細分析了基于協(xié)同信息的團隊成員選擇的決策方法，并按照從簡單到復雜的情形，研究了三類經(jīng)典的決策問題，分別給出了考慮協(xié)同信息的團隊選擇方法。[1]154-156利用Agent作為網(wǎng)絡(luò)主體進行動態(tài)服務目前已經(jīng)有許多研究，在多數(shù)研究（例如文獻[4]223）中，Agent被看作智能處理中心負責服務組合或相關(guān)業(yè)務的查找，一組Agent能就定量化、具有偏好的業(yè)務需求進行對等協(xié)商。而在處理一些復雜業(yè)務時，文獻[2]11-34已注意到單個Agent能力有限，能解決問題的規(guī)模、復雜程度也比較有限，因此一方面將復雜業(yè)務分割成一系列簡單且獨立的子業(yè)務，另一方面將多個Agent組建成MAS（Multi-A-gent System，MAS），以聯(lián)盟的形式完成 Agent個體能力不及的業(yè)務。文獻[5]在此基礎(chǔ)上，更進一步在MAS的背景下研究多個具有不同能力的Agent如何尋找一個最合理的業(yè)務分配方案，以達到提高效率、節(jié)約成本、合理配置資源的目的。

綜觀已有研究成果，大多數(shù)關(guān)于多個Agent組建成MAS模型或方法中，考慮的決策信息多是基于Agent的個體信息，如考慮在一些指標體系下Agent的個體優(yōu)劣表現(xiàn)，通常是Agent當前負載狀況與執(zhí)行能力水平。需要指出的是，已有的MAS選擇方法大多沒有考慮各Agent間的以往協(xié)同或合作信息，而考慮Agent間的以往合作情況對整個虛擬團隊的組建是非常重要的。另外，A-gent雖是具有計算能力的網(wǎng)絡(luò)主體，但卻是可調(diào)用的有限資源，且它的使用也將產(chǎn)生成本。單方面由業(yè)務驅(qū)動組建MAS，勢必有個別Agent的能力未完全挖掘，造成浪費，在保證業(yè)務完成的前提下，減少多余的Agent就提高了效率。因此，期望由多Agent組建的虛擬團隊的整體能力與業(yè)務需求完美匹配。所以，一個有效的多Agent虛擬團隊選擇對于實現(xiàn)Agent間的高效配合，充分發(fā)揮A-gent的個體潛力，提升團隊整體的協(xié)同績效，具有重要的意義。本文正是基于以上認識，從基于協(xié)同信息的多Agent虛擬團隊的全新視角出發(fā)，先考察Agent的個體結(jié)構(gòu)并給出能力模型，再針對不同業(yè)務的領(lǐng)域及Agent的偏好提出個體績效的選擇模型，最后結(jié)合Agent的個體績效的選擇模型和業(yè)務的需求，以及彼此間協(xié)同關(guān)系，提出基于協(xié)同信息的Agent選擇模型。

三、多Agent優(yōu)選模型

單個Agent具備有限的資源和問題求解能力[6]，且各Agent所擅長求解問題的領(lǐng)域存在差異，當某個Agent發(fā)現(xiàn)自己不能獨立對一項業(yè)務做出承諾時[7]，就必須由多Agent協(xié)同完成超出Agent個體能力的大規(guī)模復雜業(yè)務?；趨f(xié)同信息的多Agent優(yōu)選模型需要考慮個體績效與協(xié)同績效兩個維度的均衡，要求Agent在兩個維度下都有最優(yōu)的表現(xiàn)。

多Agent協(xié)同的前提是假定每個Agent都具備獨立完成某項業(yè)務的能力，通常這些業(yè)務為原子業(yè)務，并且每個Agent都相信其他Agent也如同自己一樣，一致合作地追求最大利益[8]。在多Agent優(yōu)選模型中，選擇合適的Agent承擔合適的業(yè)務是問題的關(guān)鍵，關(guān)系到各Agent是否最大限度發(fā)揮自身的潛力，避免占用過多的資源。為此，首先研究Agent的個體能力模型。

（一）Agent個體能力模型

Agent的個體能力由它所具備的資源與結(jié)構(gòu)決定，表現(xiàn)在效用結(jié)構(gòu)、基本能力和行為執(zhí)行能力三個方面：效用結(jié)構(gòu)反映Agent的理性特征，是一個 Agent的“頭腦”。文章在 BDI（Belief， Desire，Intention）Agent的基礎(chǔ)上提出一種 BDIPA（Belief，Desire， Intention， Plan&Action）Agent模型，并用于Agent個體能力建模，其結(jié)構(gòu)如圖1所示。

圖1 Agent結(jié)構(gòu)

Agent的信念（Belief）集合構(gòu)成了 Agent的知識內(nèi)涵，包括基本知識與約束知識。基本知識是Agent已獲得的先驗事實，通常以一組命題的方式出現(xiàn)；約束知識則是描述的這些基本知識的一系列關(guān)系。愿望（Desire）代表了Agent要實現(xiàn)的目標。意圖（Intention）定義了Agent當前要執(zhí)行的操作。規(guī)劃（Plan）用于產(chǎn)生復雜的活動序列并轉(zhuǎn)化為意圖，在每一個規(guī)劃中各個活動（Action）依據(jù)一定的控制流和數(shù)據(jù)流進行組合?？刂屏鞫x了活動執(zhí)行的先后順序，而數(shù)據(jù)流則定義了從某一活動產(chǎn)生的數(shù)據(jù)作為哪一個活動的輸入。當Agent需要與其余Agent溝通時，將消息發(fā)送到消息隊列，而后由消息隊列發(fā)送出去；當Agent發(fā)現(xiàn)消息隊列有新的消息時，把它從消息隊列中取出，然后轉(zhuǎn)換成一個事件放入事件池等待處理。

基本能力反映的是Agent的生存基礎(chǔ)，體現(xiàn)在Agent擁有的自治能力、反映能力和協(xié)同能力。自治能力指Agent沒環(huán)境干預下能進行自主行動且能控制自身的行為與內(nèi)部狀態(tài)，表現(xiàn)出目標驅(qū)動行為，例如Agent在個體信念的支持下，根據(jù)對業(yè)務的偏好，可以發(fā)展和實踐新的策略；反映能力描述了Agent能感知環(huán)境的變化，并由目標驅(qū)動意圖改變環(huán)境；協(xié)同能力指Agent為達成系統(tǒng)總體目標相互溝通，共同創(chuàng)造價值的過程，單獨為每一個業(yè)務選擇最合適的Agent未必對整體業(yè)務群的執(zhí)行流程是最佳的。

Agent的行為執(zhí)行能力由最多可接受業(yè)務數(shù)max_capacity、業(yè)務執(zhí)行速度speed、當前處理業(yè)務狀態(tài)load。針對上述討論，Agent的個體能力模型可形式化描述為：

其中，Utility=f（Belief，Desire，Intention，Plan，Action）

值得指出的是，在下面介紹的基于個體績效的Agent選擇模型中，Agent的信念將從自身知識的約束判定業(yè)務的偏好，自主地釋放不同的權(quán)重；Agent的行為執(zhí)行能力將實時反饋load信息，從而影響Agent的意圖，最終對權(quán)重的設(shè)置進行修正，回歸理性。

（二）基于個體績效的Agent選擇模型

在多Agent虛擬團隊組建時，期望被選的各個Agent都能釋放自身最大的潛力完成業(yè)務，以達到強強聯(lián)手的效果。我們假定Agent都是對等的，Agent的差異可以完全反映到各個體指標下的能力表現(xiàn)，以及Agent在個體績效下愿意釋放出的權(quán)重。

設(shè)個體績效指標 I={Ik∣k=1，…，l}，由 l個獨立個體指標集合，在I下Agent表現(xiàn)出對應的能力矩陣為：

而對不同的業(yè)務，Agent將根據(jù)自身的信念給出一組符合自身利益的權(quán)向量：

通過Agent設(shè)置權(quán)重，可以有效地傳遞A-gent的私有價值信息，而且這種信息的披露符合Agent維護或爭取其自身利益最大化的目的。每個Agent提供的權(quán)重設(shè)置信息將共同決定最終的權(quán)重設(shè)置，本文為取其平均值：

通過簡單線性加權(quán)方法，得到Agenti的個體表現(xiàn)：

φi越大表示Agenti的個體績效越好，Agenti對某項業(yè)務表現(xiàn)出強烈獲得意圖，設(shè)Agenti的決策向量 X=（x1，x2，……，xn）T，得到基于個體績效的多Agent選擇模型：

決定Agenti能否被選中，還需進一步考察協(xié)同績效。

（三）基于協(xié)同績效的Agent選擇模型

一個好的虛擬團隊依賴于所有Agent的個體能力與合作經(jīng)驗的組合。良好的協(xié)同關(guān)系能減少合作的沖突和不確定性、縮短相互適應的時間，最終實現(xiàn)較高的團隊合作績效。[10]

設(shè)Agent的協(xié)同績效評價指標集為C={Cg∣g=1，…，m}，用協(xié)同績效矩陣Ag來描述n個Agent之間的協(xié)同情況：

協(xié)同績效矩陣Ag中表示指標Cg下Agenti與Agentj的協(xié)同績效。不失一般性，設(shè)0≤≤1（通常可以通過規(guī)范化處理來實現(xiàn)），的值越大說明Agenti與Agentj在指標Cg下的協(xié)同績效越高，兩者越容易合作；=1表示 Agenti與Agentj在指標Cg下的協(xié)同績效最好；agij=0表示 Agenti與 Agentj在指標Cg下的沒產(chǎn)生協(xié)同，即不合作，這種情況下無論Agenti與Agentj能力再強都不入選虛擬團隊；=“-”即Agent不存在與自己的協(xié)同績效。設(shè)協(xié)同績效評價指標權(quán)重向量 W=（w1，w2，…，wm）T，其中wg表示協(xié)同指標Cg的權(quán)向量，且1，0≤wg≤1。依據(jù)協(xié)同績效矩陣Ag與協(xié)同指標的權(quán)向量 W，可計算綜合協(xié)同效應矩陣 A=[Φij]n×n，其中的計算公式如下：

同樣，設(shè) Agenti的決策向量 X=（x1，x2，……，xn）T，得到基于協(xié)同績效的多Agent選擇模型：

（四）決策模型

考慮一個多Agent虛擬團隊形成問題，從n個相關(guān)Agent中選出q個Agent形成一個虛擬團隊（2≤q＜n），協(xié)同完成一項復雜業(yè)務，且使總體的協(xié)同表現(xiàn)綜合值最大。

為此，構(gòu)建了多Agent選擇的指標體系，各指標及指標含義如表1所示，本文各選定了四個個體績效與協(xié)同績效的指標對多Agent團隊進行考察。

基于本文前述各節(jié)的分析，一個基于協(xié)同信息的決策模型包括了個體績效與協(xié)同績效兩個維度，為進一步明確基于個體績效與協(xié)同績效的多Agent虛擬團隊形成問題，本文給出了問題的結(jié)構(gòu)框架，如圖1所示。

圖2所示的框架包括四層，即目標層、子目標層、指標層和主體層。

1.目標層：是從n個Agent中選出q個Agent形成一個虛擬團隊。

2.子目標層：包括個體績效與協(xié)同績效兩個子目標，即為選出q個Agent需考察各Agent這兩類指標。

3.指標層：能有效測度個體績效與協(xié)同績效的屬性與準則。

表1 多Agent虛擬團隊的個體與協(xié)同指標描述

圖2 基于協(xié)同信息的多Agent選擇的結(jié)構(gòu)框架

4.主體層：被考察的各Agent都存在著協(xié)同關(guān)系。

再綜合基于個體績效和基于協(xié)同績效，將兩個模型進行集成，在2≤q＜n的約束下得到最終的決策模型：

上式（8）中，表示個體表現(xiàn)最優(yōu)與協(xié)同表現(xiàn)最優(yōu)，約束（9）表示從n個候選Agent中選出q個期望成員。且模型（8）與約束約束（9）都是線性的，可通過線性規(guī)劃的方法進行求解。這樣，可以使用Cplex9.0和WinQSB2.0等專門的優(yōu)化軟件包求解該線性規(guī)劃模型。

四、算例分析

為了說明本文方法的有效性，構(gòu)造一個算例?？紤]一個商業(yè)銀行有5個企業(yè)客戶信用評價專家系 統(tǒng) Agent（Agent_1、Agent_2、Agent_3、Agent_4、Agent_5），規(guī)定對任一企業(yè)進行信用評價時至少有3個專家系統(tǒng)協(xié)同參與?？紤]到不同企業(yè)所屬的行業(yè)不同，因此5個Agent在個體績效上存在差異，且每次參與的3個（或更多）Agent都是臨時組建的虛擬團隊，在協(xié)同合作上需要磨合。

為更簡潔說明本文提出的模型，現(xiàn)將問題抽象為：在5個候選Agent中，考察個體績效與協(xié)同績效兩個維度從中選出3個期望成員。注意到，針對某一企業(yè)進行評價，5個Agent的個體績效的排序是固定的，不失一般性，假設(shè)：Agent_1＜A-gent_2＜Agent_3＜Agent_4＜Agent_5，即該 5 個專家系統(tǒng)都具備評價這一企業(yè)的能力但能力存在一定的差異，將問題轉(zhuǎn)換為對5個Agent彼此的協(xié)同績效的考察。

計算式（6），得到綜合協(xié)同效應矩陣

由此給出各Agent的協(xié)同績效的排序：（A-gent_1&Agent_5） ＞（Agent_1&Agent_4） ＞（A-gent_2&Agent_3） ＞（Agent_3& Agent_4） ＞（A-gent_3& Agent_5） ＞（Agent_2& Agent_4） ＞（A-gent_2& Agent_5）＞（Agent_3& Agent_5）（A-gent_4& Agent_5）＞（Agent_1&Agent_2）＞（A-gent_1&Agent_3）。 通過計算由 Agent_1、Agent_4和Agent_5組建的虛擬團隊的協(xié)同績效是最好。

通過算例可以發(fā)現(xiàn)，若由個體績效考察候選Agent則Agent_3、Agent_4與Agent_5的組合是最合適的，但考慮到5個專家系統(tǒng)都具備評價這一企業(yè)的能力，從協(xié)同績效的視角考察候選Agent得出Agent_3、Agent_4與Agent_5的組合的績效為 1.6 （0.33+0.66+0.61）；Agent_1、Agent_4 和 A-gent_5 的組合的績效為 2.05（0.33+0.76+0.96），顯然Agent_1、Agent_4和 Agent_5三者的配合更加默契。

五、余論

基于協(xié)同信息的決策問題的研究是一項探索性研究，本文提出的協(xié)同信息多Agent虛擬團隊組建中，考慮到個體績效與協(xié)同績效集結(jié)模式，以及考慮兩個維度指標績效的均衡，并最終提出了多Agent虛擬團隊組建的決策模型。通過一個簡單的算例說明了模型的可行性，但是也存在不足之處，在今后的工作中，需繼續(xù)在以下兩點展開研究：一是針對基于協(xié)同信息的虛擬團隊的組建中，可以進一步從排序優(yōu)勢度的角度，研究協(xié)同信息的集結(jié)方法；二是本文給出的模型中僅考慮了個體績效與協(xié)同績效的最優(yōu)兩個目標，以及最基本的約束條件。而針對一些情形更復雜的基于協(xié)同信息的決策問題，可以增加目標和約束條件。

[1]樊治平，馮博.基于協(xié)同網(wǎng)絡(luò)信息的多指標決策方法[M].北京：科學出版社，2009.

[2]李勇.多Agent系統(tǒng)聯(lián)盟及業(yè)務分配的研究[D].安徽：合肥工業(yè)大學，2008.

[3]Camarinha-Matos L M，Afsarmanesh H.Collaborative networks:A new scientific discipline[J].Journal of Intelligent Manufacturing，2005，16（4/5）：439-452.

[4]陳麗.基于共同價值的多維度組織協(xié)同機理與方法研究[D].天津大學，2010.

[5]Ermolayev V，Keberle N，et.al，Towards a framework for agent-enabled semantic web service composition[J].International Journal of Web Service Research，2004，1 （3）：63-87.

[6]李為相，張廣明，李幫義.一種多屬性的MAS業(yè)務分配機制研究[J].系統(tǒng)工程與電子技術(shù)，2009，31（5）:1113-1116.

[7]李一軍，丁偉，曹榮增.交互式多目標協(xié)商模型在談判領(lǐng)域中的應用研究[J].管理工程學報，2002（4）:1-3.

[8]曾廣周，楊公平，王曉琳.基于Agent能力自信度的業(yè)務分配問題研究[J].計算機學報，2007，30（11）:1922-1929.

[9]朱閣，呂廷杰，付瑞雪，Sangwan S.基于多Agent的在線多屬性采購拍賣的機制設(shè)計[J].管理科學，2009，22（1）:78-85.

[10]趙楊.國家創(chuàng)新系統(tǒng)中的信息資源協(xié)同配置研究[D].武漢大學，2010.