论文部分内容阅读
【摘要】本文针对目前地图位置信息获取较低智的特点和群体行为处理及时性的要求，提出一种基于Agent的位置信息智能服务系统方案，该方案基于Agent的自治与协作特点，提高了群体行为处理的效率。该系统通过利用终端平台Android上提供的地理定位功能，通过Google提供的Map服务来实现位置数据的实时采集。它不仅价格低廉，界面友好从而使用简单，更因为Android基于Linux开源操作系统，所以跨平台，同一个应用完全可以移植到不同厂商的Android智能手机上，适用于绝大多数移动互联网环境，性能稳定可靠。
【关键词】移动互联网；Agent
1.引言
随着3G技术的日臻成熟，高数据吞吐的优势使得无线网络与移动手机的融合成为必然趋势，目前智能手机的不断普及，移动应用的需求也与日俱增。移动互联网因其具有随身性、可鉴权、可身份识别等独特优势，为传统的互联网类业务提供了新的发展空间和可持续发展的新商业模式。但移动互联网业务在便携的同时，也受到了无线网络传输环境、技术能力、终端大小、处理能力、电池容量等的限制。目前，基于人们社会生活节奏越来越快，一种从Android平台提供的地理位置服务的基础上延伸出来的更多顾及人们生活的智能服务平台应运而生。
2.移动agent
移动agent是一类特殊的软件agent它除具有软件agent的基本特性、即自主性、协作性、安全性、智能性、还具有移动性、即它可以在网络上从一台主机自主地移动到另一台主机，代表用户完成指定的任务。由于移动agent可以在异构的软、硬件网络环境中自由移动_因此这种新的计算模式能有效地降低分布式计算中的网络负载，充分利用网络资源，提高网络通信效率，动态适应变化的网络环境，并具有很好的安全性和容错能力。在LBS应用平台中采用基于移动agent的分布计算方式，目的就是要利用移动agent的自主移动性及智能性，克服基于客户/服务器（C/S）和浏览器/服务器（B/S）体系结构的分布式LBS系统在internet环境下的缺陷。建立一个更加稳健、高效、可伸缩的跨平台LBS平台。采用这种设计方式的LBS平台与现有的基于中间件或组件模式的LBS应用平台相比_具有减轻网络负担、克服网络延迟、能够异步执行、更大的灵活性等优势。
3.移动Agent技术在位置信息智能服务中的应用研究
3.1 系统整体结构
由于位置服务系统协商的需求，将系统划分为多个身份Agent。这些Agent的分别负责群体不同的个体，每个身份Agent是相对独立但功能相同的实体，它们共同在宿主手机平台上完成生命周期。系统中的身份Agent共享系统的资源、进行通讯，并彼此协调完成整个系统的控制任务。如下图1。
3.2 知识库的构建
为了使群体位置智能服务系统具备完备性和系统性，知识库的构建相当关键。身份Agent通过知识库的构建可以提高识别周围环境群聚特征的效率。此外，由于部分知识稳定性较高且容易维护，对其结构化，采用二维表示行存储，可以使知识库更加灵活、高效，一个知识库是否健全也很大程度上决定了整个系统的查全率与查准率。如何构建一个完整的知识库需要遵循以下四个原则：
①知识足够丰富，要达到一定的规模，否则所提供的服务非常受限，满足的对象面也非常狭窄。
②知识的正确性要高，否则误导用户。
③知识的标志要清晰，简单明了。
④增量化知识库管理，信息变换速度很快，必须随时增加信息量。在群聚特征信息提取中，很多关于群聚特征提取的经验都是从日常生活以及工作经历中积累的，但是这些经验零散分布在我们生活和工作的各个方面中，难以共享，但这些知识与经验通常是系统评价产生的重要依据，因此不可或缺。
3.3 个体控制与相互协作策略
（1）个体控制
通常，Agent应该能够感知特定的环境，通过灵活自主地运行，实现一系列的目标。作为自主的个体，Agent在受到特定目标的驱动时，应该能够对其自身行为和内部状态进行自我控制，即Agent可以不受他人或其他Ageni的直接干预，而通过采取由目标驱动的、积极主动的行为（如社交、学习、合作等）并有效利用环境中各类资源来感知、适应并运行于复杂的动态环境。因此，Agent的自治能力具有重要作用。
Agent的结构表明Agent的自治能力依赖于两类知识系统：分别是知识库（KnowledgeBase）与策略库（PolieyBase）。Agent知识库储存了Agent对外界环境的理解与认识，是特定领域的基本知识和行为规则，它为Agent推理和决策提供基本的事实依据；策略库则储存的是Agent对外界环境的一种期待和判断，表示为Agent希望达到的结果状态或希望保持的状态。
（2）协作策略
很多情况下，单个纯Agent都无法独立完成复杂的任务。比如，信息的不完整或不确定导致吨ent计算无法继续或Agent需要等待其他Agent的求解结果等等。在这样的情况下，傀ent之间的协作便非常重要。管理Agent保存着系统中其他Agent的相关信息，它通过任务库来存放需要协作的Agent任务，知识库来存放各Agent的标识、负责的群体、能力以及正在完成的任务等信息。此外，除管理Agent之外的每个Agent也拥有各自的小知识库，用来记录对应Agent的能力和状态（标识是否有任务进行）。
Agent间的协作策略如下：
Agent在接收到一个新任务后，首先查看状态值。若不忙，则将任务与自身知识库比对，判断自己是否有能力完成，若有则接受，否则要求协作，将任务交还给管理Agent统一协调；若忙，则直接将忙的状态告知给管理纯ent。
管理Agent在接到转交的任务后，即将该任务加入任务库。同时，记录下有关该任务的信息（如任务的属性等）。然后，通过与知识库中各Agent的属性进行比较，选出最恰当的Agent，将任务下传给该Agent并要求其与原Agent进行协作完成。基于管理Agent的协作策略流程图如图2。
4.小结
本论文主要介绍了移动互联网领域中Agent技术的应用，通过分析位置服务系统的多Agent整体结构，建立了基于管理Agent的协作模型。基于管理Agent的协作模型不仅可以作为本系统中提到的群聚控制多Agent协作的基础框架，同时也可以被当作独立于具体领域的协作模型，具有一般性。这个协作模型不仅吸取了集中控制与分散控制各自的优点，还另外提供了主动协作的机制。将Agent技术与位置处理相结合，是整个位置服务系统的一个重要创新，不仅提高了整个系统的自主性，而且也兼顾了各个Agent处理群聚意向的效率。通过各个身份Agent之间的协调与合作，很好得满足了生活实践中位置服务系统对位置智能处理的要求。
作者简介：孙兰兰（1981—），女，浙江金华人，硕士，讲师，现供职于浙江工业职业技术学院，主要研究方向：人工智能、计算机信息管理，计算机软件与理论。
【关键词】移动互联网；Agent
1.引言
随着3G技术的日臻成熟，高数据吞吐的优势使得无线网络与移动手机的融合成为必然趋势，目前智能手机的不断普及，移动应用的需求也与日俱增。移动互联网因其具有随身性、可鉴权、可身份识别等独特优势，为传统的互联网类业务提供了新的发展空间和可持续发展的新商业模式。但移动互联网业务在便携的同时，也受到了无线网络传输环境、技术能力、终端大小、处理能力、电池容量等的限制。目前，基于人们社会生活节奏越来越快，一种从Android平台提供的地理位置服务的基础上延伸出来的更多顾及人们生活的智能服务平台应运而生。
2.移动agent
移动agent是一类特殊的软件agent它除具有软件agent的基本特性、即自主性、协作性、安全性、智能性、还具有移动性、即它可以在网络上从一台主机自主地移动到另一台主机，代表用户完成指定的任务。由于移动agent可以在异构的软、硬件网络环境中自由移动_因此这种新的计算模式能有效地降低分布式计算中的网络负载，充分利用网络资源，提高网络通信效率，动态适应变化的网络环境，并具有很好的安全性和容错能力。在LBS应用平台中采用基于移动agent的分布计算方式，目的就是要利用移动agent的自主移动性及智能性，克服基于客户/服务器（C/S）和浏览器/服务器（B/S）体系结构的分布式LBS系统在internet环境下的缺陷。建立一个更加稳健、高效、可伸缩的跨平台LBS平台。采用这种设计方式的LBS平台与现有的基于中间件或组件模式的LBS应用平台相比_具有减轻网络负担、克服网络延迟、能够异步执行、更大的灵活性等优势。
3.移动Agent技术在位置信息智能服务中的应用研究
3.1 系统整体结构
由于位置服务系统协商的需求，将系统划分为多个身份Agent。这些Agent的分别负责群体不同的个体，每个身份Agent是相对独立但功能相同的实体，它们共同在宿主手机平台上完成生命周期。系统中的身份Agent共享系统的资源、进行通讯，并彼此协调完成整个系统的控制任务。如下图1。
3.2 知识库的构建
为了使群体位置智能服务系统具备完备性和系统性，知识库的构建相当关键。身份Agent通过知识库的构建可以提高识别周围环境群聚特征的效率。此外，由于部分知识稳定性较高且容易维护，对其结构化，采用二维表示行存储，可以使知识库更加灵活、高效，一个知识库是否健全也很大程度上决定了整个系统的查全率与查准率。如何构建一个完整的知识库需要遵循以下四个原则：
①知识足够丰富，要达到一定的规模，否则所提供的服务非常受限，满足的对象面也非常狭窄。
②知识的正确性要高，否则误导用户。
③知识的标志要清晰，简单明了。
④增量化知识库管理，信息变换速度很快，必须随时增加信息量。在群聚特征信息提取中，很多关于群聚特征提取的经验都是从日常生活以及工作经历中积累的，但是这些经验零散分布在我们生活和工作的各个方面中，难以共享，但这些知识与经验通常是系统评价产生的重要依据，因此不可或缺。
3.3 个体控制与相互协作策略
（1）个体控制
通常，Agent应该能够感知特定的环境，通过灵活自主地运行，实现一系列的目标。作为自主的个体，Agent在受到特定目标的驱动时，应该能够对其自身行为和内部状态进行自我控制，即Agent可以不受他人或其他Ageni的直接干预，而通过采取由目标驱动的、积极主动的行为（如社交、学习、合作等）并有效利用环境中各类资源来感知、适应并运行于复杂的动态环境。因此，Agent的自治能力具有重要作用。
Agent的结构表明Agent的自治能力依赖于两类知识系统：分别是知识库（KnowledgeBase）与策略库（PolieyBase）。Agent知识库储存了Agent对外界环境的理解与认识，是特定领域的基本知识和行为规则，它为Agent推理和决策提供基本的事实依据；策略库则储存的是Agent对外界环境的一种期待和判断，表示为Agent希望达到的结果状态或希望保持的状态。
（2）协作策略
很多情况下，单个纯Agent都无法独立完成复杂的任务。比如，信息的不完整或不确定导致吨ent计算无法继续或Agent需要等待其他Agent的求解结果等等。在这样的情况下，傀ent之间的协作便非常重要。管理Agent保存着系统中其他Agent的相关信息，它通过任务库来存放需要协作的Agent任务，知识库来存放各Agent的标识、负责的群体、能力以及正在完成的任务等信息。此外，除管理Agent之外的每个Agent也拥有各自的小知识库，用来记录对应Agent的能力和状态（标识是否有任务进行）。
Agent间的协作策略如下：
Agent在接收到一个新任务后，首先查看状态值。若不忙，则将任务与自身知识库比对，判断自己是否有能力完成，若有则接受，否则要求协作，将任务交还给管理Agent统一协调；若忙，则直接将忙的状态告知给管理纯ent。
管理Agent在接到转交的任务后，即将该任务加入任务库。同时，记录下有关该任务的信息（如任务的属性等）。然后，通过与知识库中各Agent的属性进行比较，选出最恰当的Agent，将任务下传给该Agent并要求其与原Agent进行协作完成。基于管理Agent的协作策略流程图如图2。
4.小结
本论文主要介绍了移动互联网领域中Agent技术的应用，通过分析位置服务系统的多Agent整体结构，建立了基于管理Agent的协作模型。基于管理Agent的协作模型不仅可以作为本系统中提到的群聚控制多Agent协作的基础框架，同时也可以被当作独立于具体领域的协作模型，具有一般性。这个协作模型不仅吸取了集中控制与分散控制各自的优点，还另外提供了主动协作的机制。将Agent技术与位置处理相结合，是整个位置服务系统的一个重要创新，不仅提高了整个系统的自主性，而且也兼顾了各个Agent处理群聚意向的效率。通过各个身份Agent之间的协调与合作，很好得满足了生活实践中位置服务系统对位置智能处理的要求。
作者简介：孙兰兰（1981—），女，浙江金华人，硕士，讲师，现供职于浙江工业职业技术学院，主要研究方向：人工智能、计算机信息管理，计算机软件与理论。