摘  要: 為了提高可拓策略生成系統(tǒng)的能力,，探討了可拓策略生成系統(tǒng)與Agent技術(shù)結(jié)合的問(wèn)題。介紹了Agent在可拓策略生成中可以結(jié)合的幾個(gè)方面,，重點(diǎn)介紹Agent控制可拓變換發(fā)散與收斂過(guò)程的作用,，以克服計(jì)算中容易出現(xiàn)的“組合爆炸”困難，使可拓策略生成系統(tǒng)得到效率較高的策略輸出,。
關(guān)鍵詞：可拓策略生成; Agent; 發(fā)散; 收斂

    根據(jù)基元的可拓性,，對(duì)其進(jìn)行拓展,，然后利用合適的評(píng)價(jià)方法進(jìn)行篩選,，從而收斂少量基元，這種思維方式稱(chēng)為菱形思維方法[1],。菱形思維的特點(diǎn)是發(fā)散與收斂,，可拓策略生成系統(tǒng)[2]采用了菱形思維方法解決矛盾。它將定性分析方法與定量計(jì)算方法相結(jié)合,根據(jù)基元的可拓性,，在解決矛盾的過(guò)程中,，當(dāng)目標(biāo)實(shí)現(xiàn)與約束條件之間發(fā)生沖突時(shí)，運(yùn)用基元的發(fā)散性,、共軛性,、相關(guān)性、蘊(yùn)含性和可擴(kuò)性等,，拓展出候選策略集,，然后進(jìn)入收斂階段，通過(guò)優(yōu)度計(jì)算評(píng)價(jià)出較優(yōu)的策略推薦給決策者參考,。人工控制發(fā)散與收斂過(guò)程是比較靈活的,，但是，普通計(jì)算機(jī)系統(tǒng)缺乏自主性,，控制不好發(fā)散過(guò)程就容易產(chǎn)生計(jì)算“組合爆炸”問(wèn)題,，計(jì)算效率大大降低。Agent是有一定自主性的計(jì)算實(shí)體,，如何運(yùn)用可拓學(xué)和Agent技術(shù)這兩種不同領(lǐng)域的知識(shí),發(fā)揮各自的優(yōu)勢(shì),，克服“組合爆炸”問(wèn)題而有效地生成策略，是本文探討的主要議題,。    
1 Agent與可拓策略生成系統(tǒng)結(jié)合的幾個(gè)方面
    可以結(jié)合可拓學(xué)與Agent兩種學(xué)科領(lǐng)域的技術(shù)優(yōu)勢(shì),在可拓學(xué)的菱形思維方法中加入軟件Agent技術(shù),，使其具有策略生成機(jī)制,在無(wú)人的情況下自主代替人解決問(wèn)題,。利用Agent的自主性和預(yù)動(dòng)性以確保在變化多端的客觀環(huán)境下生成解決問(wèn)題的較優(yōu)策略，增強(qiáng)策略生成的靈活性和科學(xué)性,。
    Agent與可拓策略生成系統(tǒng)結(jié)合可以有界定問(wèn)題,、協(xié)助分析核問(wèn)題、維護(hù)知識(shí)庫(kù)(本體進(jìn)化),、控制發(fā)散與收斂及其他幾個(gè)方面,。
    本節(jié)只介紹前三個(gè)方面。
1.1 利用Agent界定問(wèn)題的方法
    為了用軟件Agent解決問(wèn)題,，必須首先建立問(wèn)題的數(shù)學(xué)模型,，把問(wèn)題數(shù)值化，再界定問(wèn)題是否矛盾,。然而,，問(wèn)題的表述經(jīng)常是用自然語(yǔ)言完成的，如果直接讓軟件理解這些自然語(yǔ)言信息是很困難的,。該方案是讓Agent處理半結(jié)構(gòu)化信息,，而不涉及自然語(yǔ)言理解?？梢匝芯咳绾卫肁gent的通信能力和反應(yīng)性在人機(jī)交互界面設(shè)法將人們用自然語(yǔ)言描述的問(wèn)題引導(dǎo)出目標(biāo)和條件,從而建立可拓模型,。
     可以采用如下方法實(shí)現(xiàn)其目的：
    (1)建立以復(fù)合元為基本結(jié)構(gòu)的本體，作為Agent的知識(shí)庫(kù),。利用本體支持語(yǔ)義互操作的優(yōu)勢(shì),使Agent能夠在本體的支持下對(duì)語(yǔ)義模糊的問(wèn)題信息進(jìn)行分析處理,排除語(yǔ)義沖突,，得到語(yǔ)義正確的待求解問(wèn)題后再建立其可拓模型。
    (2)建立人機(jī)交互界面,，讓用戶(hù)與Agent進(jìn)行交互,，試圖發(fā)現(xiàn)表層問(wèn)題，作為Agent解決問(wèn)題的開(kāi)始,。利用Agent的通信能力和反應(yīng)性界定問(wèn)題,需要設(shè)定會(huì)話策略,。
1.2 協(xié)助分析核問(wèn)題
    讓Agent根據(jù)可拓模型識(shí)別問(wèn)題類(lèi)型和核問(wèn)題(關(guān)鍵問(wèn)題)，減輕人的勞動(dòng),，讓Agent從表層問(wèn)題推出深層核問(wèn)題,復(fù)雜問(wèn)題轉(zhuǎn)換為可計(jì)算的簡(jiǎn)單問(wèn)題,。
    以旅游問(wèn)題為例,如果用戶(hù)告訴Agent他想在40 min內(nèi)到達(dá)大學(xué)城，同時(shí)Agent問(wèn)清楚用戶(hù)目前位置（如東風(fēng)路)與交通工具（自行車(chē)),，而Agent的知識(shí)庫(kù)里說(shuō)明東風(fēng)路距大學(xué)城20多公里,計(jì)算機(jī)計(jì)算之后就知道問(wèn)題的核心是距離與速度矛盾,，那么提高速度就可以解決問(wèn)題。
    計(jì)算機(jī)需要有領(lǐng)域知識(shí),，才能解決某個(gè)領(lǐng)域問(wèn)題,。本文利用信息-知識(shí)-策略形式化體系來(lái)提高系統(tǒng)分析問(wèn)題的能力[3]。
1.3 維護(hù)知識(shí)庫(kù)(本體進(jìn)化)
    由于知識(shí)不斷更新,需要研究如何對(duì)本體進(jìn)行進(jìn)化,，才能更有效地進(jìn)行策略生成,?？梢杂萌藱C(jī)交互方式輸入新信息到本體中，更新之前創(chuàng)建的本體庫(kù),。也可利用Agent的學(xué)習(xí)能力以及自主性不斷發(fā)現(xiàn)新知識(shí),并把學(xué)習(xí)到的知識(shí)及時(shí)存儲(chǔ)進(jìn)本體中,，支持本體進(jìn)化，以提高問(wèn)題建模能力,，從而為建立正確的問(wèn)題模型奠定基礎(chǔ),。
    因?yàn)楸倔w是樹(shù)狀的，與數(shù)據(jù)庫(kù)維護(hù)不同,。這就必須告訴Agent目前哪個(gè)概念要更新,，出現(xiàn)哪個(gè)新概念，屬于哪種類(lèi)型,，有什么屬性,，這樣Agent才能把某個(gè)概念更新或添加。利用Agent的學(xué)習(xí)能力,，特別是其主動(dòng)學(xué)習(xí)[4]能力,，實(shí)現(xiàn)知識(shí)進(jìn)化; 也可以是統(tǒng)計(jì)學(xué)習(xí)，比如將數(shù)據(jù)挖掘發(fā)現(xiàn)的變化知識(shí)存儲(chǔ)在本體中,，實(shí)現(xiàn)本體進(jìn)化; 還可以利用Agent的通信能力進(jìn)行會(huì)話,，學(xué)習(xí)其他Agent的經(jīng)驗(yàn),。
    Agent還可以協(xié)助控制菱形思維方法的發(fā)散與收斂過(guò)程,。
2 Agent協(xié)助控制發(fā)散與收斂
    在建立可拓策略生成系統(tǒng)時(shí)，經(jīng)常遇到發(fā)散分析不能及時(shí)收斂而計(jì)算速度急劇下降的現(xiàn)象,。人工控制發(fā)散與收斂是比較靈活的,，根據(jù)基元的發(fā)散性(一物多征、一征多物,、一值多物等),，利用可拓變換拓展目的基元;根據(jù)事物的共軛性(虛實(shí)、軟硬,、潛顯,、負(fù)正)，利用變換分析目的基元的物質(zhì)性,、系統(tǒng)性,、 動(dòng)態(tài)性、 對(duì)立性;根據(jù)基元的可擴(kuò)性(可加性,、可積性,、可分性)，利用可拓變換對(duì)條件基元進(jìn)行重新整合;根據(jù)決策問(wèn)題的需要,，還可以由基元的可擴(kuò)性對(duì)目標(biāo)進(jìn)行開(kāi)拓,，由基元的發(fā)散性,、可擴(kuò)性、 相關(guān)性,、 蘊(yùn)含性對(duì)條件進(jìn)行開(kāi)拓,，以形成更多可供選擇的策略,用以解決矛盾或偽矛盾的決策問(wèn)題。人的思維發(fā)散到一定程度不想再發(fā)散下去時(shí),，就能迅速轉(zhuǎn)向收斂過(guò)程,。但計(jì)算機(jī)通常是在不斷窮舉發(fā)散出來(lái)的各種新組合，控制不好就產(chǎn)生計(jì)算組合爆炸,。因此,，必須研究如何充分發(fā)揮Agent的自主性、反應(yīng)性,、預(yù)動(dòng)性,、學(xué)習(xí)能力等特性，控制可拓策略生成系統(tǒng)的發(fā)散與收斂過(guò)程,。
    本文采用如下的技術(shù)方案：
    首先建立關(guān)聯(lián)函數(shù),，解決問(wèn)題的前期主要是進(jìn)行發(fā)散計(jì)算，根據(jù)用戶(hù)的目標(biāo)和條件進(jìn)行拓展分析,，利用可拓變換和可拓推理,，根據(jù)本體提供給Agent的知識(shí)，找出可以使關(guān)聯(lián)函數(shù)從小于零到大于零可拓變換,，然后進(jìn)入菱形思維的收斂階段,，建立評(píng)價(jià)策略的基本方法，得到較優(yōu)的策略輸出,。
　發(fā)散階段是Agent監(jiān)視計(jì)算過(guò)程的重要階段,。計(jì)算關(guān)聯(lián)函數(shù)一般沒(méi)有組合爆炸問(wèn)題，組合爆炸通常出現(xiàn)在根據(jù)拓展分析尋找能使關(guān)聯(lián)函數(shù)大于零的可拓變換(策略)中,。在算法上采用深度優(yōu)先遍歷,，先找到一個(gè)能解決問(wèn)題的策略，再找其他策略,，不能窮舉,。Agent通過(guò)監(jiān)視策略數(shù)的多少及時(shí)停止發(fā)散，比如旅行線路問(wèn)題,，可以變換酒店,、交通工具、景點(diǎn)等,，Agent控制先輸出幾個(gè)能使關(guān)聯(lián)函數(shù)大于零的策略就停止,，試問(wèn)用戶(hù)滿(mǎn)意與否。如果不滿(mǎn)意再進(jìn)行其他變換,，Agent監(jiān)視運(yùn)算速度(如計(jì)算產(chǎn)生一條策略的時(shí)間),，超過(guò)時(shí)間限制就停止繼續(xù)發(fā)散,，轉(zhuǎn)向收斂階段。
　在收斂階段Agent根據(jù)優(yōu)度評(píng)價(jià)規(guī)則對(duì)策略評(píng)價(jià)擇優(yōu),，評(píng)價(jià)因子可以人機(jī)交互輸入,，也可以預(yù)先設(shè)定評(píng)價(jià)因子的初值，允許用戶(hù)修改,。這一階段一般沒(méi)有組合爆炸問(wèn)題,，Agent主要判斷評(píng)價(jià)因子的合理值范圍就可以了。
　筆者在自助游可拓策略生成系統(tǒng)中就采用了Agent監(jiān)控可拓策略生成系統(tǒng)的發(fā)散與收斂過(guò)程的方案,，使得策略生成的效率在用戶(hù)可以容忍的速度下進(jìn)行,。
3 Agent與可拓策略生成系統(tǒng)結(jié)合的其他方面
　Agent還可以在其他方面與可拓策略生成系統(tǒng)結(jié)合，例如,，根據(jù)用戶(hù)問(wèn)題協(xié)助選定關(guān)聯(lián)函數(shù),，而不是像目前需要靠人預(yù)先設(shè)定好，以增加系統(tǒng)的靈活性,。再如,，可以利用Agent進(jìn)行智能引導(dǎo)，分析用戶(hù)輸入的語(yǔ)義信息,，提高可拓策略生成系統(tǒng)的語(yǔ)義處理能力,。
　本文探討了可拓策略生成系統(tǒng)與Agent 技術(shù)兩種不同領(lǐng)域的知識(shí)相結(jié)合問(wèn)題，研究如何充分發(fā)揮這二門(mén)學(xué)科的優(yōu)勢(shì),，提高可拓策略生成系統(tǒng)的能力,。重點(diǎn)探討了Agent控制可拓策略生成中解決矛盾時(shí)可拓變換發(fā)散與收斂過(guò)程的技術(shù)方案，使系統(tǒng)能夠在計(jì)算效率比較高的情況下,，生成解決矛盾的策略,。
參考文獻(xiàn)
[1]  蔡文,，楊春燕,，林偉初．可拓工程方法[M].北京:科學(xué)出版社，1997.
[2]  李立希,，楊春燕,，李鏵汶.可拓策略生成系統(tǒng)[M]. 北京：科學(xué)出版社，2006.
[3]  李衛(wèi)華．Agent協(xié)助建立矛盾問(wèn)題的可拓模型研究[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí), 2009:39(4):173-177.
[4] 周鳴爭(zhēng), 楊益民. 菱形思維的可拓神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)[J].系統(tǒng)工程理論與實(shí)踐,，2000,，20(6):123-125,130.