基于Agent的复杂系统建模仿真方法研究进展

2003年1月第14卷第1期装备指挥技术学院学报

JournaloftheAcademyofEquipmentCommand&TechnologyJanuary 2003Vol.14 No11

基于Agent的复杂系统建模仿真方法研究进展

罗 批, 司光亚, 胡晓峰, 杨镜宇

(国防大学训练模拟中心,北京100091)

摘 要:由于传统建模方法难于适应复杂系统规模大、结构和层次复杂以及非线性等特点,需要采用新的建模理论和方法。基于Agent的复杂模型构建技术是目前最具活力的方法之一。首先简要介绍了Agent的基本概念及其一般结构,并讨论了基于Agent建模仿真方法的基本思路与特点;然后,综述了基于Agent复杂模型构建技术的研究现状;最后,指出了该建模仿真方法的主要发展趋势。

关 键 词:复杂系统;Agent;建模仿真

中图分类号:E911

文献标识码:A 文章编号:CN1123987(2003)0120078205

所谓的复杂系统是指系统具有大量交互成

分,其内部关联复杂、不确定、总体行为具有非线性,即不能通过系统的局部特性,形式地或者抽象地描述整个系统特性的系统。复杂系统涉及范围很广,包含自然现象、生物、经济、军事、政治、社会等各个方面,如经济领域的宏观经济、金融证券市场,生物领域的种群消长过程、胚胎形成过程、生命起源、物种进化,环境和生态领域沙尘暴的形成、水土流失、厄尔尼诺现象以及军事领域的政治军事对抗的相互影响,不同武器装备的综合作战效能,武器装备体系论证,高层决策中的问题等[1~5]。

由于复杂系统是一个无法重现,不可计算的系统。对这样不可计算系统的研究,系统仿真是一个重要的、甚至是唯一的研究手段。而建模理论与仿真方法是核心问题,即如何对目标系统建立仿真模型。国内外研究表明,传统的建模方法(诸如还原论方法、归纳推理方法等)已经不能很好地刻画复杂系统,需要采用新的建模理论与仿真方法。而基于Agent的建模理论和仿真技术是最具活力、最有影响的方法之一。其基本思想是通过模拟现实世界,将复杂系统划分为与之相应的Agent(每个Agent具有各自的数据、知识、模型以及接口等),以自底向上的方式,从研究个体

收稿日期:2002210209

基金项目:国家/8630计划资助项目

作者简介:罗 批(1974-),男(汉族),重庆人,博士后.

微观行为着手,进而获得系统宏观行为

[6~10]

。

1 Agent

Agent理论与技术的研究最早源于分布式人工智能(DAI),但从80年代末开始,对其研究拓

展到DAI领域之外,并与许多其他领域相互借鉴和融合,在许多不同于最初DAI的领域中得到广泛地应用。

1.1 Agent的基本概念[7~13]

Agent是一个使用广泛的概念,在不同的学科领域、甚至在同一学科中,对其都有着不同的理解,至今没有一个确切的概念,其中文术语有/智能体0、/代理人0、/主体0、/代理商0、/代理0以及/结点0等。可以这样描述:Agent是指在一定的环境下能自主地运行,作用于自身生成的环境也受到外部环境的影响,并能不断地从环境中获取知识以提高自身能力,且将推理和知识表示相结合的智能实体,具有自治性、反应性、自适应性、可通信性以及自学习性等特点。1.2 Agent的一般结构[12,13]

Agent通常由6个部分组成:

1)知识库。存储Agent的知识,知识来源有2个途径:一是由用户增加,二是通过学习模块获

第1期 罗 批,等:基于Agent的复杂系统建模仿真方法研究进展79

得;

2)推理机。利用已有知识控制通讯模块、事件处理模块以及学习模块;

3)用户界面。用户可以利用该界面维护知识库,并通过推理机控制通讯模块、事件处理模块和学习模块;

4)通讯模块。负责Agent与外界(环境或别的Agent)的通讯;

5)事件处理模块。是Agent要实现目标的事件处理方法的集合;

7)将系统宏观和微观行为有机地联系起来。极端的还原论观点将宏观现象的原因简单地归结为微观,否认从微观到宏观存在着质的变化;另一种比较普遍的观念是:将统计方法当作从微观向宏观跨越的唯一途径或唯一手段。而基于Agent的建模仿真技术提供了既别于极端还原论又别于单纯统计思想的新方法,将系统宏观和微观行为有机地结合起来。

3 研究现状

6)学习模块。从Agent的不断运行过程中总结经验,为知识库增加新的知识。

2 基于Agent的建模技术及其特

点

[3,7,8,10,11,14] 基于Agent的建模仿真是利用Agent思想对复杂系统中各个仿真实体(诸如,经济系统中的家庭、企业、银行等组织)构建模型,通过对Agent个体及其相互之间(包括与环境)的行为进行刻画,描述复杂系统的宏观行为,其包括以下7个特点:

1)系统描述自然性。即在一定层次上对目标复杂系统进行自然分类,然后建立一一对应的Agent模型。

2)采用自底向上的方式。在建模过程中强调对复杂系统中个体行为的刻画和对个体间通信、合作和交流的描述,试图通过对微观(底层)行为的刻画来获得系统宏观(上层)行为。

3)适合分布计算。将Agent分布到多个结点上,支持复杂系统的分布或并行仿真,但必须考虑通信开销。

4)模型重用性。基于Agent思想建立的复杂系统各仿真实体模型,由于其封装性和性较强,可以使一些成熟、典型的Agent模型得到广泛地应用,以提高建立目标应用系统的效率。

5)支持对主动行为的仿真。Agent是描述个体主动性的有效方法,Agent可以接收其它Agent和外界环境的信息,并且按照自身规则和约束对信息进行处理,然后修改自己的规则和内部状态,并发送信息到其它Agent或环境中,Agent的这种行为模式适合对主动行为的仿真。

6)仿真的动态性和灵活性。表现在2个方面:一方面,Agent实体在仿真过程中可以与用户进行实时交互;另一方面,在仿真过程中具有增加和删除实体的能力。

基于Agent的建模仿真方法已经广泛地应用到复杂系统所涉及的各领域如经济、军事、社会、工业等。3.1 经济领域

美国Sandia国家实验室开发了一种美国经济的仿真模型)))Aspen,它是基于Agent建模仿真方法在经济领域最为典型的应用。Aspen以居民(household)、工业(industry)、银行(bank)、(government)等微观单位作为描述和模拟对象,建立了各自的Agent模型。通过这些仿真模型来模拟现实社会经济系统中的某些过程(诸如,某种的实施过程,以分析该对微观单元的影响及引起的宏观效果)。另外,Aspen融合了Sandia实验室的进化学习和并行计算等最新技术,与传统的经济模型相比具有许多明显优势:¹能在单一和一致的计算环境中模拟经济;º在模拟过程中,允许诸如货币、税法和贸易等法律、法规以及变化以分析其对宏观经济的影响;»允许对经济系统中不同部门进行单独分析以便与其它部门一起进行综合分析,以更好地分析整个经济进程;¼建立了经济系统中基本决策部门行为的准确模型。目前,Aspen已经应用到美国经济的简单仿真、过渡经济仿真以及电力系统仿真等方面。值得指出的是其可以扩展应用到诸如货币(monetarypolicy)、机构(infrastructuredisruptions)、外汇汇率(foreignexchangerates)、DOD问题(DODproblem)、生化战争(Bio/Chemwarfare)、能源(energypolicy)以及金融市场(financialmarkets)等领域[15~

21]

。

另外,Lettau构造了一个较为简单的,基于Agent组成的人工金融市场,在市场中每个交易者由Agent来代替[22]。此外,SantaFe研究所在Swarm平台上开发的虚拟股市,成功地将基于

80装备指挥技术学院学报 2003年

Agent的建模思想和遗传算法应用到股市仿真中。同样,Iowa州立大学经济系的LeighTesfatsion教授也采用Agent的建模方法去分析劳动力市场、失业情况等问题[24]。

同样,国内研究人员诸如天津大学的刘豹

[25,26]

及上海交通大学的胡代平等人建立了基于Agent模型的股票预测支持系统。此外,国防科技大学的金士尧[11]等在自行开发的仿真平台上建立基于Agent的金融证券市场模型,其包括投资者Agent、基金组织Agent、企业Agent、交易所[12]

[23]

Agent建模方法应用到多机空战的仿真分析中,从个体和编队两个层面对多机空战决策过程进行建模:用BDIAgent描述指挥所的慎思决策行为,用混合型Agent描述飞行员的直觉、反应混合决策行为;同时,用编队结构和编队战术来构造编队的结构要素和行为要素,模拟多个飞行员Agent之间的协同决策行为。3.3 其它领域

洛斯阿拉莫斯实验室和SantaFe研究所在仿真城市交通和环境状况中引入了Agent的建模仿Agent、证券公司Agent以及Agent模型等。而东南大学的曹文彬[27]

等人则在电子商务的供应链管理中建立了Agent的模型,提出了适合电子商务环境下动态供应链管理中基于Agent的多目标决策方法。中国人民大学的陈禹等人利用Swarm平台在经济领域中对基于Agent的建模方法进行了积极而卓有成效的研究和探索,建立了阿克罗夫、Aspen的仿制、国会山保姆公司以及任务分配等模型[3]

。3.2 军事领域

军事领域中较为成功的应用之一是研究战斗涌现行为的工具EINSTein,其基本单元是ISAACAgent,每个Agent代表一个战斗单元)))步兵、坦克、运输车辆等,即采用Agent的方式建立了这些战斗单元的模型,其希望通过仿真揭示出高层战术行为(突破、侧面机动、牵制等)和底层战斗动作(运动、通信、开火等)之间的基本关系[28]。国防科技大学的王怀民[29]等人提出了基于联合意图理论(jointintension)的Agent小组工作模型,用以支持虚拟战场中自主Agent的协作行为,建立了Agent间合作研讨与冲突对抗的理论框架,并通过对Agent及Agent小组活动的行为跟踪来推测高层目标和行为。空军指挥学院的战晓苏[30]

等人则将Agent建模思想引入作战计划协同生成中,提出了基于MAS和Web技术为核心的战斗计划推理分析环境系统结构,给出了系统原型。装备指挥技术学院的宋华文[31]

等人在弹药供应控制智能决策支持系统中,采用Agent建立了装备部首长、军械科、以及弹药助理员等弹药供应过程中参与决策的客观主体模型,运用这些模型模拟实际的弹药供应过程。国防大学训练模拟中心的黄谦[32]等人将Agent建模思想引入危机决策对抗模拟等问题中,提出了基于双层黑板模型的危机决策对抗模拟智能求解框架。此后,空军指挥学院的徐邦年[33]等人将

真思想[34]。生物领域中最具有代表性的是LorcanCoyle采用Swarm平台研究Darwinian进化论,采用Agent来模拟Bug(即物种),通过Bug的基因来研究物种进化[35]

。另外,装备指挥技术学院的唐跃平[36]等人在航天无线电测控模拟训练系统中也引入了Agent的建模思想。此外,中国中医研究院中药研究所黄璐琦等人也在中医/脏腑0关系的研究中引入了Agent的建模思想[37]。同时,基于Agent的建模仿真方法在企业管理、工业控制、信息、化工等其它领域也得到了不同程度地应用[37~40]。

值得指出的是,由SantaFe研究所人工生命小组开发完成的基于Agent建模仿真平台Swarm,其是基于霍兰1994年提出复杂适应系统(CAS)理论(基本思想是/适应性造就复杂性0)构建起来的。Swarm的建立为某些复杂问题的研究提供了一个公共的仿真平台,目的是减少研究者建立与模拟现实人工世界的工作量,为仿真调试、运行和结果分析提供一个标准化的工具包[3,23]。应该指出的是,本节提及的系统大多都是基于CAS理论或与之非常接近的思想。

4 发展趋势

由上可知,从基于Agent建模仿真方法研究和应用的深度和广度来看,国内外都将其作为研究复杂系统强有力的工具之一,希望通过该建模技术的研究,寻求复杂系统建模的突破口。但可以清晰地看到,其理论和方法还不够成熟,仍停留在理论和模型的探索阶段,大多数是概念框架的研究(尤其国内的研究),基本上没有成型实用系统或属于概念演示,并不能真正、具体地对现实中特定复杂系统进行描述、分析和控制。因此,为了更好地研究和应用基于Agent的建模仿真方法,应开展以下4个方面的工作:

1)基于Agent的建模理论的研究。这种建模

第1期 罗 批,等:基于Agent的复杂系统建模仿真方法研究进展81

理论不同于传统的建模理论,它是一种具有整体涌现性、非还原性或非相加性的复杂模型构建理论。对其研究越深入,不仅有助于基于Agent建模仿真方法的进一步应用,还有助于对复杂系统及其复杂性的进一步理解和认识。

2)基于Agent的建模仿真平台的研究。目前,基于Agent建模的仿真平台除了上述的Aspen、Swarm、EINSTein以外,还有IMT、MAML、Evo、Repast以及StarLogo等,以及国内国防科技大学金士尧等开发的分布仿真平[23,43,44]

[41,42]

参考文献:

[1]王寿云,于景元,戴汝为,等.开放的复杂巨系统[M].杭州:

浙江科学技术出版社,1996.

[2]戴汝为.智能系统的综合集成[M].杭州:浙江科学技术出版

社,1995.

[3]许国志,顾基发,车宏安,等.系统科学[M].上海:上海科技

教育出版社,2000.

[4]徐瑞恩.战争:复杂、非线性和混沌)))21世纪军事运筹学

发展方向之一[J].论证与研究,2000,(3):1n6,40.[5]RonSun.CognitiveScienceMeetsmulti2agentsystems:A

台[11]。这些平台中大多数适合规模不大、结构简单的复杂系统建模仿真,且许多尚未成熟。另外,利用仿真平台进行目标应用系统的开发,可以减少许多基础性工作,有利于加快复杂应用系统的研制速度,可以提高模型的重用程度以及研究实验结果的可比性。因此开展对仿真平台的研究,对复杂系统本身的认识以及复杂应用系统的开发都具有很现实的意义。

3)基于Agent建模仿真的应用系统开发研究。基于Agent建模仿真方法研究的最终目的就是应用,而目前的应用很不成熟和深入。因此,必须大力开展基于这种最具发展潜力、最具应用前景的建模方法的研究,在应用中进一步理解和认识它的精髓。

4)基于Agent建模过程中某些特定问题的研究。诸如,正反馈或报酬递增(IncreasingReturn)、随机性以及环境对个体Agent复杂行为影响的理解等[1,3,4]。

5 结束语

复杂系统的研究被誉为21世纪的核心科学

问题之一,其涵盖之广几乎涉及所有学科。由于其具有规模大、结构和层次复杂以及非线性等特点,导致采用传统建模方法为力,需要采用新的建模理论和方法。基于Agent的复杂模型构建技术是目前最具活力的方法之一,现已经广泛地应用到复杂系统涉及的各领域中。对它的研究,有望获得复杂系统建模的突破。值得指出的是:我们目前已经开始以典型复杂系统)))战争系统为应用背景,研究基于Agent的建模理论和仿真技术,旨在为战争系统中许多尚未或采用传统建模仿真方法不易解决的问题提供一条崭新的思路和方法,其研究成果将另文论述。

prolegomenon[J].PhilosophicalPsychology.2001,14(1):5n28.

[6]RonSun.Individualactionandcollectivefunction:From

sociologytomulti2agentlearning[J].JournalofCognitiveSystemsResearch,2001,(2):1n3.

[7]董红斌,孙 羽.多Agent系统的现状与进展[J].计算机应

用研究,2001,(1):54n56.

[8]刘大有,杨 鲲,陈建中.Agent研究现状与发展趋势[J].软

件学报,2000,11(3):315n321.

[9]胡朝晖,陈 奇,俞瑞钊.移动Agent系统概述[J].计算机应

用研究,2000,(10):1n3,27.

[10]刘 琼,杨红杰,汪永琳.Agent与基于Agent系统[J].常州

师范学院学报(自然科学版),2000,12(1):54n56.

[11]李宏亮.基于Agent的复杂系统分布仿真[D].长沙:国防科

技大学,2000.

[12]李 英,刘 豹.预测支持系统中的人机界面Agent及其机

器学习[J].系统工程理论与实践,2000,(12):73n76.[13]杜军平,BrianMayoh.智能体在自然界建模中的应用研究

[J].计算机工程,2000,26(12):75n76.

[14]程显毅,董红斌.设计Agent系统应注意的问题[J].计算机

工程与应用,2000,(11):n65.

[15]SandiaNationalLaboratory.Aspen.sinformationpage[DB/

OL].http://www.cs.sandia.gov,2002211206.

[16]SandiaNationalLaboratory.Aspen.sinformationpage:

Aspen.smicrosimulationeconomicsmodel[DB/OL].http://www.aspen.cs.sandia.gov/index.html,2002211206.

[17]RichPryor.Overviewpresentation[EB/OL].ftp://ftp.cs.

sandia.gov/pub/rjpryor/Overview_Presentation.pdf,2002209205.

[18]PryorRJ,BasuN,QuintT.Developmentofaspen:A

microanalyticsimulationmodeloftheU.S.economy[EB/OL].ftp://ftp.cs.sandia.gov/pub/rjpryor/SAND96-0434.pdf,2002209205.[19]

BasuN,PryorRJ,QuintT.Aspen:Amicroanalyticsimulationmodeloftheeconomy[EB/OL].ftp://ftp.cs.sandia.gov/pub/rjpryor/SAND96-2459.pdf,2002209205.[20]BasuN,PryorRJ.Growingamarketeconomy[EB/OL].

ftp://ftp.cs.sandia.gov/pub/rjpryor/SAND9722093.pdf,2002209205.

[21]PryorRJ,MarozasD,AllenM,etal.Modelingrequirements

forsimulatingtheeffectsofextremeactsofterrorism:AWhitePaper[EB/OL].

ftp://ftp.cs.sandia.gov/pub/rjpryor/

82

Terrorism_Paper.pdf,2002209205.

装备指挥技术学院学报

指挥学院,2002.

2003年

[22]LettauM.Explainingthefactswithadaptiveagents:thecase

ofmutualfundflows[J].JournalofEconomicDynamicsandcontrol,1997,21:1117n1148.

[23]Theswarmdcvelopmentgroup.Swarm[DB/OL].http://

www.swarm.org,2002209205..

[24]TesfatsionL.Teachingagent2basedcomputationaleconomics

tograduatestudents[A].ISUEconomicReport45[C].IowaStateUniversity,1998.

[25]胡代平,刘 豹.多Agent股票预测支持系统的设计[J].系

统工程,2001,19(2):54n57.

[26]胡代平,王浣尘.预测模型Agent的实现方法[J].系统工程

学报,2001,16(5):330n334,381.

[27]曹文斌,何建敏.供应链管理的多Agent系统模型及其决策

方法[J].系统工程理论方法应用,2001,10(1):32n35.[28]Ccnterfornavalanalyses(CNA)andtheofficcofnavalrcscarch

[EB/OL].EINStein.http://www.cna.org/isaac,2001209205..

[29]王怀民,刘 越.多Agent系统的体系结构和协作机制的研

究[R].GF-A0026522G,1998.

[30]战晓苏,徐 光,林宗楷.基于CSCW技术的作战计划协同

设计环境的系统结构[J].指挥技术学院学报,1999,10(5):95298.

[31]宋华文,王凭慧,王 钰.基于Agent的弹药供应控制智能

决策支持系统研究[J].指挥技术学院学报,2001,12(4):86n90.

[32]黄 谦.危机决策对抗模拟及其智能求解框架研究[D].北

京:国防大学,2001.

[33]杨镜宇.多机空战分布式智能决策问题研究[D].北京:空军

[34]约翰#L#卡斯蒂.虚实世界)))计算机仿真如何改变科学

的疆域[M].王千详,权利宁译.上海:上海科技教育出版社,1998.

[35]LorcanCoyle.Demonstratingdarwinianevolutionusingswarm

[DB/OL].

http://www.cs.tcd.ie/Lorcan.Coyle/FYP/

DESwarm.pdf,2002205205.

[36]唐跃平,李咏强,刘志勇.一种面向Agent的建模方法的研

究[J].指挥技术学院学报,2000,11(3):53n56.

[37]国家自然科学基金委员会.资助项目查询[DB/OL].

http://www.nsfc.gov.cn,2002209205..

[38]KyoichiKijima.Generalizedlandscapetheory:Agent2based

applicationallianceformationsincivilaviationindustry[J].JournalofSystemsScienceandComplexity,2001,14(2):113n123.

[39]BollackerKD.Citeseer:Anautonomouswebagentfor

automaticretrievalandidentificationofinterestingpublications.Proceedingsofthe2ndInternationalConferenceonAutonomousAgents,ACMPress,NewYork.1998:116n123.

[40]胡 斌,黎志成.基于Agent的企业市场战略系统研究

[J].华中科技大学学报,2001,29(5):43n45.

[41]毛新军,王怀民,陈火旺.Agent计算的理论框架[J].计算机

研究与发展,1999,36(11):1310n1316.

[42]范 辉,李晋江,张 晖.Agent计算的理论[J].系统仿真学

报,2001,13(Suppl.):250n252.

[43]Opensourccdevelopmentnetwork,repast[EB/OL].http://

repast.sourceforge.net,2002209205.

[44]Starlogogroups.Starlogo[EB/OL].http://www.media.mit.

edu/starlogo.2002209205.

ReviewofAgent2basedModelingandSimulationinComplexSystem

LUOPi, SIGuang2ya, HUXiao2feng, YANGJing2yu

(CenterofTraining&Simulation,NationalUniversityofDefenseTechnology,Beijing100091,China)

Abstract:Thecomplexsystemwiththecharacteristicsoflarge2scale,complicated2structure,multi2levelandnonnlinearityresultinnotbeingeasytomodelwiththetraditionalmethods,whichneedsnewtheoryandmethodsofmodelingandsimulation.Agentnbasedmodelingandsimulationmethodologyistheoneofhottopics.Inthepaper,thebasicconceptionandthegeneralstructureofagentareintroducedbriefly;andthemainideaandcharacteristicofagent2basedmodelingandsimulationaregiven.Finally,themainresearchtrendsofthismethodologyarepointedout.

Keywords:complexsystem;Agent;modeling&simulation

(责任编校:程万鑫)