張 立，王茜竹，趙春江，汪 霞，姜大立

（1.后勤工程學(xué)院 現(xiàn)代物流研究所，重慶 401311；2.重慶郵電大學(xué) 電子信息與網(wǎng)絡(luò)工程研究院，重慶 400065；3.后勤工程學(xué)院 基礎(chǔ)部，重慶 401311）

0 引言

近年來，隨著產(chǎn)品協(xié)同設(shè)計、網(wǎng)絡(luò)化制造、虛擬企業(yè)聯(lián)盟等協(xié)同計算理論與應(yīng)用的快速發(fā)展，任務(wù)分配問題倍受關(guān)注。任務(wù)分配的關(guān)鍵是分配方法，不同的工業(yè)應(yīng)用背景催生不同的任務(wù)分配方法，例如面向靜態(tài)確定環(huán)境的集中式任務(wù)分配方法［1］、面向柔性不確定條件的動態(tài)任務(wù)分配方法［2］以及各種優(yōu)化算法在任務(wù)分配問題上的應(yīng)用［3-5］。與傳統(tǒng)的任務(wù)分配方法相比，基于多智能體系統(tǒng)（Multiagent System，MAS）的任務(wù)分配方法［6］具有獨(dú)特優(yōu)勢：一方面，任務(wù)候選Agent可以被賦予更多的理性與智能，使得其具有自治能力、主動參與決策；另一方面，當(dāng)單個任務(wù)候選Agent能力不足時，可以通過MAS的協(xié)調(diào)機(jī)制請求其他任務(wù)候選Agent進(jìn)行協(xié)作。由于Agent的自治特性和MAS的分布式自組織能力非常適合刻畫網(wǎng)絡(luò)化制造環(huán)境下的多實(shí)體協(xié)同生產(chǎn)模式，MAS模型常常被用于網(wǎng)絡(luò)化制造及云制造背景下的任務(wù)分配計算［7-8］。

在MAS 任務(wù)分配系統(tǒng)中，合同網(wǎng)（contract net）［9］是其中非常重要的協(xié)調(diào)機(jī)制。傳統(tǒng)的合同網(wǎng)機(jī)制雖然給基于MAS的任務(wù)分配協(xié)調(diào)帶來了諸多優(yōu)勢，但其純分布式結(jié)構(gòu)所固有的控制復(fù)雜、通信量大、耗費(fèi)資源多、不確定性突出等缺陷依然限制了實(shí)際場景下的有效應(yīng)用，因此基于合同網(wǎng)機(jī)制的擴(kuò)展成為研究熱點(diǎn)。近年來，在合同網(wǎng)擴(kuò)展研究領(lǐng)域涌現(xiàn)出若干新穎的思路與方法并應(yīng)用于工業(yè)實(shí)踐。例如：Hsieh等［10］提出兩層合同網(wǎng)協(xié)議并將其應(yīng)用于人類心智系統(tǒng)（Human Mind System，HMS）的工作流規(guī)劃中；Billington等［11］應(yīng)用有色Petri網(wǎng)技術(shù)擴(kuò)展了合同網(wǎng)協(xié)議以支持多管理Agent的并發(fā)控制；Raza等［12］將質(zhì)量評價因素加入合同網(wǎng)協(xié)議中，稱之為Q-Contract Net，并將其應(yīng)用于數(shù)字業(yè)務(wù)生態(tài)系統(tǒng)中。類似的研究還包括擴(kuò)展合同網(wǎng)ECNP［13］、基于閾值和可用度的合同網(wǎng)［14］、基于熟人聯(lián)盟的合同網(wǎng)［15］、基于信任協(xié)議的合同網(wǎng)［16］、基于共享心智模型的合同網(wǎng)［17］、動態(tài)合同網(wǎng)［18］等。

上述文獻(xiàn)中，引入心智概念以提高合同網(wǎng)的協(xié)調(diào)效率、降低通信開銷是一種重要的改進(jìn)思路［15-18］。但是，此類合同網(wǎng)協(xié)議改進(jìn)主要集中于從招標(biāo)Agent的角度討論熟人關(guān)系、信任度等心智狀態(tài)參數(shù)，未見到從競標(biāo)Agent的意愿進(jìn)行研究的文獻(xiàn)。事實(shí)上，競標(biāo)Agent的風(fēng)險承受能力、繁忙狀況、參加任務(wù)時間緊迫性等因素將同樣決定其競標(biāo)的態(tài)度，因此，需要考慮實(shí)際場景中競標(biāo)Agent的半自治性并綜合招投標(biāo)的整個過程對心智參數(shù)進(jìn)行系統(tǒng)化設(shè)計；在中標(biāo)決策函數(shù)方面，典型的研究［11-14］均以競標(biāo)Agent的報價作為其決策依據(jù)，忽略了在網(wǎng)絡(luò)化制造背景下同樣重要的競標(biāo)Agent間的協(xié)作代價和任務(wù)距離代價，因此需要改進(jìn)中標(biāo)決策目標(biāo)函數(shù)，以使其更符合實(shí)際網(wǎng)絡(luò)化制造的需求。著眼上述問題，本文以MAS任務(wù)分配為研究對象，結(jié)合網(wǎng)絡(luò)化制造條件下制造商與供應(yīng)商的非對等博弈應(yīng)用背景改進(jìn)合同網(wǎng)運(yùn)行機(jī)制，提出一種基于心智與擴(kuò)展合同網(wǎng)的多Agent任務(wù)分配協(xié)調(diào)方法。

1 基于心智模型的MAS任務(wù)分配機(jī)制

基于心智模型的MAS任務(wù)分配機(jī)制的描述如圖1所示。圖中存在一個管理Agent和多個競標(biāo)Agent，管理Agent與競標(biāo)Agent之間通過基于合同網(wǎng)的方法進(jìn)行任務(wù)分配協(xié)調(diào)控制。心智模型是基礎(chǔ)，基于心智狀態(tài)的招標(biāo)優(yōu)化、競標(biāo)報價和中標(biāo)優(yōu)化將支持MAS 任務(wù)分配協(xié)調(diào)關(guān)鍵步驟的控制與決策。其任務(wù)分配的具體過程如下：①管理Agent對任務(wù)進(jìn)行分解、組合、排序等預(yù)處理；②管理Agent將利用基于心智的競標(biāo)Agent優(yōu)選算法，從所有可承擔(dān)該任務(wù)的Agent集中優(yōu)選Agent、形成競標(biāo)Agent集并發(fā)送招標(biāo)書；③競標(biāo)Agent通過招標(biāo)書屬性及競標(biāo)決策函數(shù)計算成本，結(jié)合期望的利潤率進(jìn)行報價、發(fā)送競標(biāo)書；④管理Agent收集競標(biāo)書并按照中標(biāo)選擇算法選擇承擔(dān)任務(wù)Agent；⑤簽訂任務(wù)合同，完成任務(wù)分配。

該MAS任務(wù)分配過程設(shè)立管理Agent，由管理Agent對任務(wù)本身的要求與競標(biāo)Agent的能力、資源進(jìn)行集中規(guī)劃后分配給相應(yīng)的競標(biāo)Agent，這與集中式任務(wù)分配決策實(shí)施方式相吻合；在此基礎(chǔ)上，該任務(wù)分配過程充分考慮心智的特點(diǎn)，既包括管理Agent對任務(wù)承擔(dān)Agent的信任度、忠誠度、積極度的評價，也考慮競標(biāo)Agent對自身風(fēng)險承受度、繁忙度以及對任務(wù)緊迫度的評價，保持了競標(biāo)Agent的半自治性。這種集中與半自治相結(jié)合的MAS任務(wù)分配過程更加適用于具有較強(qiáng)時效要求的松散耦合節(jié)點(diǎn)聯(lián)盟任務(wù)分配，如云制造、應(yīng)急物資籌措等環(huán)境。

2 心智模型與心智參數(shù)

定義1 基于擴(kuò)展合同網(wǎng)的MAS心智模型，定義為四元組〈agent＿relation，Mental＿parameter，Call＿for＿bidder，Bid〉。其中：agent＿relation=〈agentm，agentp〉，分別表示管理Agent與任務(wù)候選Agent；Mental＿parameter=〈B，L，A，RT，BD，UD〉，分別表示信任度、忠誠度、積極度、風(fēng)險承受度、繁忙度和緊迫度等Agent心智參數(shù)；Call＿for＿bidder=〈Cfb＿df，Cfb＿ca〉表示發(fā)標(biāo)決策函數(shù)與算法；Bid=〈Bid＿df，Bid＿ca〉表示投標(biāo)決策函數(shù)與算法。

心智參數(shù)Mental＿parameter中各心智參數(shù)的具體符號表示、含義、范圍和更新公式如下：

（1）信任度B表示agentm對agentp歷史任務(wù)完成情況的評價，B∈［0…1］。其更新函數(shù)為

式中：L表示agentp完成任務(wù)ti-1的質(zhì)量，質(zhì)量越好L越臨近1；P表示agentp執(zhí)行任務(wù)ti-1的失敗程度，失敗得越徹底P越臨近1；δ與ε分別是任務(wù)完成的獎勵因子與任務(wù)失敗的懲罰因子。

（2）忠誠度L表示agentm與agentp隸屬關(guān)系的反映，L∈［0…1］。其更新函數(shù)為

忠誠度以組織結(jié)構(gòu)樹進(jìn)行量化。式（2）中，忠誠度為1表示絕對服從，此時agentp是agentm的直系子女；忠誠度為0 表示無隸屬，此時agentp與agentm不連通或者agentp是agentm的上層節(jié)點(diǎn)；否則，忠誠度為節(jié)點(diǎn)間距離的倒數(shù)；設(shè)定忠誠度在確定的MAS任務(wù)求解環(huán)境中保持不變。

（3）積極度A表示agentp的競標(biāo)積極性，A∈［0…1］。其更新函數(shù)為

式中：Nmax為準(zhǔn)備分配任務(wù)ti時agentp收到的招標(biāo)總次數(shù)，Nti為agentp的中標(biāo)次數(shù)，令Nmax=0時A=0。

（4）風(fēng)險承受度RT表示agentp承受風(fēng)險的能力，RT∈［0…1］。其更新函數(shù)為

式中：σ與φ分別是任務(wù)完成的風(fēng)險承受度變化因子與任務(wù)失敗時的變化因子；timei-1為任務(wù)ti-1的執(zhí)行時間，τ為執(zhí)行任務(wù)累計時間增加而產(chǎn)生的風(fēng)險承受度變化因子。

風(fēng)險承受度的變化依賴于歷史任務(wù)的完成情況和參與時間兩個要素。歷史任務(wù)完成得越好，agentp風(fēng)險承受度越高；累計參與任務(wù)時間越長，agentp風(fēng)險承受度越低。

（5）繁忙度BD表示agentp當(dāng)前的忙碌狀況，BD∈［0…1］。其更新函數(shù)為

（6）緊迫度UD表示agentp對任務(wù)時間緊迫性的評估，UD∈［0…1］。其更新函數(shù)為

式中：ti.start＿deadline為任務(wù)的最遲執(zhí)行時間，ET為評估函數(shù)，ti.start＿deadline越小，UD越大。

3 基于心智模型的發(fā)標(biāo)決策

3.1 發(fā)標(biāo)適合度

定義2 發(fā)標(biāo)適合度。當(dāng)準(zhǔn)備分配任務(wù)ti時，發(fā)標(biāo)適合度表示管理agentm對任務(wù)候選agentp是否適合參與競標(biāo)的綜合評價值，記為Cf＿Bidder＿fitness（agentp，ti），

式中：B，L和A分別為信任度、忠誠度、積極度三種心智參數(shù)；α，β，γ，μ，σ，ρ，φ為權(quán)重系數(shù)。當(dāng)ti為普通任務(wù)NOR 時，發(fā)標(biāo)決策參考的心智參數(shù)按權(quán)重從高到低分別為信任度、積極度、忠誠度；當(dāng)ti為重要任務(wù)IMP時，發(fā)標(biāo)決策參考的心智參數(shù)按權(quán)重從高到低分別為信任度、忠誠度；當(dāng)ti為緊急任務(wù)ARD時，發(fā)標(biāo)決策參考的心智參數(shù)按權(quán)重從高到低分別為忠誠度、信任度。

3.2 發(fā)標(biāo)決策算法

算法1 Call＿for＿bidder（）。

步驟1 算法初始化。

定義一維數(shù)組T，C，A分別存儲任務(wù)、能力與Agent；定義一維數(shù)組Cand＿bidder存儲待分配任務(wù)的候選Agent集；定義二維數(shù)組TC，AC分別存儲任務(wù)—能力、Agent—能力之間關(guān)系；定義三維數(shù)組TCA存儲任務(wù)與Agent之間關(guān)系；定義BD＿limit表示發(fā)標(biāo)限額。

步驟2 算法輸入。

輸入T，C，A，TC，AC；輸入任務(wù)、能力、Agent的數(shù)量。

步驟3 產(chǎn)生矩陣TCA。

步驟4 產(chǎn)生競標(biāo)候選Agent集。

承蒙大冶市烹飪行業(yè)協(xié)會秘書長羅文兄的安排，在暖如春陽般的冬日，一位漂亮的導(dǎo)游姑娘帶領(lǐng)我們參觀了銅綠山古銅礦遺址博物館和至今仍在開采的天坑般的銅綠山銅礦礦區(qū)。

選取發(fā)標(biāo)適合度值大的前BD＿limit個Agent組成競標(biāo)候選集Cand＿bidder。步驟5 發(fā)送標(biāo)書給競標(biāo)候選Agent集Cand＿bidder。

4 基于心智模型的競標(biāo)

4.1 任務(wù)（能力）預(yù)計開銷

定義3 任務(wù)消耗預(yù)期。當(dāng)準(zhǔn)備分配任務(wù)ti某能力cj時，任務(wù)消耗預(yù)期表示agentp對執(zhí)行該需求耗費(fèi)的預(yù)估值，記為Cost（agentp，ti，cj），

式中：RT，BD和UD分別為風(fēng)險承受度、繁忙度、緊迫度三種心智參數(shù)；penalty／reward表示任務(wù)能力／資源執(zhí)行的懲獎比；α，β，γ和δ為權(quán)重系數(shù)。待分配任務(wù)ti的性質(zhì)可為普通任務(wù)NOR、重要任務(wù)IMP、緊急任務(wù)ARD 三類，權(quán)重系數(shù)關(guān)系互異。

4.2 任務(wù)（能力）競標(biāo)報價

定義4 任務(wù)競標(biāo)報價。當(dāng)agentp對任務(wù)ti的某能力cj競標(biāo)時，任務(wù)能力競標(biāo)報價表示agentp對執(zhí)行任務(wù)ti需要的某能力cj所期望的價格，記為Price（agentp，ti，ci），

式中φ為利潤系數(shù)，根據(jù)任務(wù)ti的性質(zhì)以及agentp對任務(wù)的渴望程度進(jìn)行設(shè)置。

每個競標(biāo)Agent計算得到自己的任務(wù)競標(biāo)開價后，將其封裝進(jìn)競標(biāo)書并發(fā)送給管理agentm，然后等待競標(biāo)結(jié)果。

5 MAS任務(wù)分配模型與求解

5.1 MAS任務(wù)分配模型

5.1.1 問題假設(shè)

在網(wǎng)絡(luò)化制造MAS 任務(wù)分配環(huán)境中，假設(shè)所有任務(wù)與Agent按照分布的地理位置構(gòu)成連通的拓?fù)渚W(wǎng)絡(luò)；任務(wù)ti所需的所有能力位于同一節(jié)點(diǎn)，而任務(wù)候選agentp的每個能力可分布在不同的節(jié)點(diǎn)中。假設(shè)為任務(wù)ti所需能力對應(yīng)的所有候選（競標(biāo)）Agent集。

定義5 基于心智與擴(kuò)展合同網(wǎng)的MAS分布式任務(wù)分配模型。對于任意待分配任務(wù)ti，在其對應(yīng)的競標(biāo)Agent集中搜索某個Agent子集以組成任務(wù)分配Agent集RS｝，使得任務(wù)分配的總成本Cost（ti）最小。

Cost（ti）由三部分成本構(gòu)成：①執(zhí)行任務(wù)距離成本，表示RS中每個agent提供給任務(wù)ti的能力位置到任務(wù)節(jié)點(diǎn)所在位置的拓?fù)渚嚯x之和；②執(zhí)行任務(wù)的協(xié)作成本，表 示RS中agent間的協(xié)作距離之和（協(xié)作距離的概念見定義6）；③執(zhí)行任務(wù)的價格成本，表示RS中每個agent對任務(wù)ti中能力的競標(biāo)報價。

定義6 組織結(jié)構(gòu)樹OS＿Tree 和協(xié)作距離Col＿distance。組織結(jié)構(gòu)樹OS＿Tree是將現(xiàn)實(shí)中的各級實(shí)體組織描述成節(jié)點(diǎn)，并按隸屬關(guān)系映射形成的特殊樹狀結(jié)構(gòu)；協(xié)作距離Col＿distance是OS＿Tree 中任意兩點(diǎn)間協(xié)作代價的衡量標(biāo)準(zhǔn)，其值等于連接兩節(jié)點(diǎn)路徑中邊的數(shù)目。節(jié)點(diǎn)與自身的Col＿distance定義為0。兩點(diǎn)間的Col＿distance越大，協(xié)作代價就越大。

任務(wù)分配總Cost（ti）的計算式如下：

5.2 MAS任務(wù)分配協(xié)調(diào)算法

算法2 Operation＿agent＿volting（Taskti）。

步驟1 算法初始化。

定義：二維數(shù)組CA存儲任務(wù)ti中能力集與其對應(yīng)的競標(biāo)Agent集，即用CA存儲；變量min＿cost存儲任務(wù)分配的最小代價值；一維數(shù)組RS存儲MAS任務(wù)分配協(xié)調(diào)的結(jié)果集。

步驟2 算法輸入。

輸入CA；min＿cost賦值為一大數(shù)；RS=?。

步驟3 任務(wù)分配協(xié)調(diào)計算。

／＊ 算法中Calculate＿cost函數(shù)計算承擔(dān)任務(wù)Agent集為｛ac1，ac2，…，acn｝時的任務(wù)分配總代價，其計算見式（10）＊／

步驟4 返回任務(wù)分配結(jié)果。

return（RS）。

5.3 任務(wù)后處理

（1）管理agentm對任務(wù)實(shí)施agentp的任務(wù)執(zhí)行狀況進(jìn)行評價，并重置心智參數(shù)B，A。

（2）任務(wù)實(shí)施agentp對自身任務(wù)執(zhí)行狀況進(jìn)行評價，并重置相關(guān)心智參數(shù)RT，BD。

（3）Agent能力矩陣及拓?fù)湮恢酶?。?dāng)任務(wù)分配后，需刪除相應(yīng)的agentp已分配的能力ci；當(dāng)任務(wù)成功執(zhí)行后，需恢復(fù)對應(yīng)能力；類似地，還需修改能力ci的拓?fù)湮恢藐P(guān)系。

6 算例仿真—企業(yè)原材料采購任務(wù)分配決策

6.1 算例設(shè)置

某制造企業(yè)需要制訂原材料采購計劃（任務(wù)t）：需要采購的物資集Rt=｛r2，r4，r6，r8｝，需要供應(yīng)商提供的能力如包裝、運(yùn)輸、加工和裝卸等，形式化為需求集Ct=｛c1，c3，c5，c8｝；待選供應(yīng)商Agent集A=｛a1，a3，a4，a5，a6，a8，a9，a11，a13，a14，a16｝。

供應(yīng)商Agent集與擬采購物資的關(guān)系為：Ar2=｛a1，a3，a4，a6，a11，a14，a16｝，Ar4=｛a1，a5，a8，a9，a11，a14｝，Ar6=｛a4｝，Ar8=｛a4，a5，a8，a11，a13，a14｝；供應(yīng)商Agent集與所需能力的關(guān)系為：Ac1=｛a1，a3，a6，a9，a11，a13，a14｝，Ac3=｛a1，a4，a6，a8，a11，a16｝，Ac5=｛a1，a3，a4，a9，a14｝，Ac8=｛a9，a14｝。

求解供應(yīng)商Agent集RT：RT=｛ac1，ac3，ac5，ac8，ar2，ar4，ar6，ar8｝，使得任務(wù)分配的總成本Cost（t）最小（該例中的能力集與物資集均屬于agent的能力范疇，處理方式相同）。

6.2 初始數(shù)據(jù)

擬分配原材料采購計劃任務(wù)t時，待選供應(yīng)商Agent的心智狀態(tài)設(shè)置如表1所示；與任務(wù)分配相關(guān)的系數(shù)與常數(shù)設(shè)置如表2所示；采購企業(yè)與供應(yīng)商間的拓?fù)渚嚯x如圖2所示；供應(yīng)商間的組織結(jié)構(gòu)如圖3所示。

表1 擬分配任務(wù)t時各候選Agent的心智狀態(tài)

表2 相關(guān)系數(shù)及常數(shù)設(shè)置情況

6.3 基于心智模型的發(fā)標(biāo)決策

6.3.1 發(fā)標(biāo)適合度CF＿Bidder＿fitness計算

由于任務(wù)t的性質(zhì)為普通任務(wù)，采購企業(yè)Agent根據(jù)式（7）以及表1、表2的初始值得到待分配任務(wù)Agent的發(fā)標(biāo)適合度CF＿Bidder＿fitness的計算結(jié)果，如表3所示。

6.3.2 優(yōu)化發(fā)標(biāo)Agent集并發(fā)標(biāo)

采購企業(yè)Agent根據(jù)算法1 和發(fā)標(biāo)限額常量BD＿limit，選擇CF＿Bidder＿fitness值較大的供應(yīng)商Agent形成擬發(fā)標(biāo)Agent集；然后組織競標(biāo)書并將其發(fā)給對應(yīng)的擬發(fā)標(biāo)Agent集。

表3 待分配任務(wù)Agent發(fā)標(biāo)適合度Cf＿Bidder＿fitness的計算結(jié)果

6.4 考慮價格、距離與協(xié)作的MAS任務(wù)分配協(xié)調(diào)

由于任務(wù)t的性質(zhì)為普通任務(wù)，根據(jù)式（8）、式（9）以及表1、表2的相應(yīng)初始值得到待分配任務(wù)Agent對承擔(dān)任務(wù)（能力）的預(yù)計開銷值Cost與競標(biāo)報價Price，如表4所示。

表4 任務(wù)（能力）預(yù)計開銷Cost及競標(biāo)報價Price 計算結(jié)果（Cost／Price）

根據(jù)采購企業(yè)與供應(yīng)商網(wǎng)絡(luò)拓?fù)渚嚯x圖（如圖2）即可計算采購企業(yè)Agent與供應(yīng)商Agent間的距離成本。

根據(jù)供應(yīng)商組織結(jié)構(gòu)圖（如圖3）即可計算供應(yīng)商Agent節(jié)點(diǎn)兩兩間的協(xié)作距離，從而計算得到各任務(wù)分配候選Agent集合的總協(xié)作成本。

6.4.4 MAS任務(wù)分配協(xié)調(diào)

在Visual Studio 2008 環(huán)境下，基于Visual C++語言，以表1 和表2 中的數(shù)據(jù)為初始值，實(shí)現(xiàn)算法1和算法2，其用戶界面和運(yùn)算結(jié)果如圖4所示。運(yùn)算結(jié)果說明，將企業(yè)采購任務(wù)t的能力／物資子任務(wù)集｛c1，c3，c5，c8，r2，r4，r6，r8｝對 應(yīng)分配給供應(yīng)商Agent集｛a3，a1，a3，a14，a3，a5，a4，a5｝，其任務(wù)分配的綜合成本最低。該算例仿真程序驗(yàn)證了所提MAS任務(wù)分配算法的有效性。通過參數(shù)化的方法對程序的初始變量進(jìn)行處理，即可實(shí)現(xiàn)支持基于不同初始數(shù)據(jù)集的MAS任務(wù)分配協(xié)調(diào)，從而進(jìn)一步提高程序的通用性。

7 結(jié)束語

本文綜合Agent心智建模的經(jīng)典文獻(xiàn)并針對網(wǎng)絡(luò)化制造背景下的實(shí)際需求，提出心智模型，包括信任度、忠誠度、積極度、風(fēng)險承受度、繁忙度和緊迫度等心智因素，分別從管理Agent和競標(biāo)Agent兩個角度進(jìn)行應(yīng)用，使心智模型更具系統(tǒng)性和實(shí)用性；另一方面，采用集中與分布結(jié)合的混合方式設(shè)計MAS任務(wù)分配協(xié)調(diào)，管理Agent利用心智模型對競標(biāo)Agent進(jìn)行優(yōu)選，反映了競標(biāo)Agent的績效；競標(biāo)Agent利用心智模型進(jìn)行競標(biāo)報價，體現(xiàn)了競標(biāo)Agent的績效；MAS 任務(wù)分配模型算法采用價格、協(xié)作與距離作為優(yōu)化代價的多目標(biāo)因素，更能反映網(wǎng)絡(luò)化制造的需求。整個任務(wù)分配協(xié)調(diào)以任務(wù)所需的能力而不是整個任務(wù)作為處理的基礎(chǔ)，具有更精細(xì)的粒度與合理性。下一步工作中，將采用多屬性優(yōu)化方法對該機(jī)制中的重要參數(shù)權(quán)重取值進(jìn)行研究，進(jìn)一步提高本MAS 任務(wù)分配協(xié)調(diào)機(jī)制的實(shí)用性。

［1］PAPANTONOPOULOS S.System design in normative and actual practice：a comparative study of cognitive task allocation in advanced manufacturing systems［J］.Human Factors and Ergonomics in Manufacturing &Service Industries，2004，14（2）：181-196.

［2］LIU Hong，LIN Zongkai.A cooperative design approach supporting dynamic task assignation ［J］.Journal of Software，2001，12（12）：1830-1836（in Chinese）.［劉 弘，林宗楷.一種支持動態(tài)任務(wù)分配的協(xié)同設(shè)計方法［J］.軟件學(xué)報，2001，12（12）：1830-1836.］

［3］ZHONG Qiuxi，XIE Tao，CHEN Huowang.Task matching and scheduling by using genetic algorithms［J］.Journal of Computer Research Development，2000，37（10）：1197-1203（in Chinese）.［鐘求喜，謝 濤，陳火旺.基于遺傳算法的任務(wù)分配與調(diào)度［J］.計算機(jī)研究與發(fā)展，2000，37（10）：1197-1203.］

［4］ALEKSANDAR J，ALVARO G，DIEGO A，et al.Distributed bees algorithm for task allocation in swarm of robots［J］.IEEE Systems Journal，2012，6（2）：296-304.

［5］ZHAO F Q，HONG Y，YU D M，et al.A hybrid algorithm based on particle swarm optimization and simulated annealing to holon task allocation for holonic manufacturing system［J］.International Journal of Advanced Manufacturing Technology，2007，32（9／10）：1021-1032.

［6］FATIMA S S，WOOLDRIDGE M.Adaptive task resources allocation in multi-agent systems［C］／／Proceedings of the 5th International Conference on Autonomous Agents.New York，N.Y.，USA：ACM，2001：537-544.

［7］MONOSTORI L，VáNCZA J，KUMARA S R T.Agent-based systems for manufacturing［J］.CIRP Annals-Manufacturing Technology，2006，55（2）：697-720.

［8］XU X.From cloud computing to cloud manufacturing［J］.Robotics and Computer-Integrated Manufacturing，2012，28（1）：75-86.

［9］DAVIS R，SMITH R G.Negotiation as a metaphor for distributed problem solving［J］.Artificial Intelligence，1983，20（1）：63-109.

［10］HSIEH F S，CHIANG C Y.Workflow planning in holonic manufacturing systems with extended contract net protocol［C］／／Proceedings of Next-Generation Applied Intelligence.Berlin，Germany：Springer-Verlag，2009：701-710.

［11］BILLINGTON J，GUPTA A K，GALLASCH G E.Modelling and analysing the contract net protocol-extension using coloured petri nets［C］／／Proceedings of the 28th International Conference on Formal Techniques for Networked and Distributed Systems.Berlin，Germany：Springer-Verlag，2008：169-184.

［12］RAZA M，HUSSAIN F K，HUSSAIN O K，et al.Q-Contract net：a negotiation protocol to enable quality-based negotiation in digital business ecosystems［C］／／Proceedings of 2010 International Conference on Complex，Intelligent and Soft-ware Intensive Systems.Washington，D.C.，USA：EEE，2010：161-167.

［13］FISCHER K，MüLLER J R G P，PISCHEL M.Cooperative transportation scheduling：an application domain for DAI［J］.Applied Artificial Intelligence，1996，10（1）：1-34.

［14］YANG Jian，LI Wenli，HONG Chunyu.Improvement to contract net protocol based on threshold and availability［J］.Computer Integrated Manufacturing Systems，2009，15（5）：1017-1022（in Chinese）.［楊 件，李文立，洪春宇.基于閾值和可用度的合同網(wǎng)協(xié)議改進(jìn)方案研究［J］.計算機(jī)集成制造系統(tǒng)，2009，15（5）：1017-1022.］

［15］TAO Haijun，WANG Yadong，GUO Maozu，et al.A multiagent negotiation model based on acquaintance coalition and extended contract net protocol［J］.Journal of Computer Research and Development，2006，43（7）：1155-1160（in Chinese）.［陶海軍，王亞東，郭茂祖，等.基于熟人聯(lián)盟及擴(kuò)充合同網(wǎng)協(xié)議的多智能體協(xié)商模型［J］.計算機(jī)研究與發(fā)展，2006，43（7）：1155-1160.］

［16］YU Zhenhua，LIU Yu，CAI Yuanli.On wireless sensor networks collaboration based on an extended contract net protocol［J］.Control and Decision，2009，24（1）：61-65（in Chinese）.［于振華，劉 宇，蔡遠(yuǎn)利.基于擴(kuò)展合同網(wǎng)協(xié)議的無線傳感器網(wǎng)絡(luò)協(xié)作方法研究［J］.控制與決策，2009，24（1）：61-65.］

［17］CHEN Ming，JIAN Yumei.Research on mental-coefficient based multi-agent contract net collaborative model［J］.Computer Application and Software，2013，30（6）：46-51（in Chinese）.［陳 明，簡玉梅.基于心智系數(shù)的多Agent合同網(wǎng)協(xié)作模型研究［J］.計算機(jī)應(yīng)用與軟件，2013，30（6）；46-51.］

［18］ZHANG Haijun，SHI Zhongzhi.Dynamic contract net protocol［J］.Computer Engineering，2004，30（21）：44-46（in Chinese）.［張?？。分抑?動態(tài)合同網(wǎng)協(xié)議［J］.計算機(jī)工程，2004，30（21）：44-46.］