学文网[摘要]把网络决策服务予以概念化，进而构成服务本体，设计服务本体活动的服务平台。基于服务本体、服务平台和Web服务技术，提出服务本体驱动的基于移动Agent的分布式决策支持系统(MA-DDSS)模型，并给出该模型中各部分功能描述以及移动Agent的抽象结构和执行过程描述。该模型可有效解决MA－DDSS模型难扩展、Agent结构灵活性差和网络服务资源利用率低的问题。
[关键词]服务本体 服务平台 Web服务 服务本体驱动 MA-DDSS模型
[分类号]TP315
1 引 言
传统基于Mobile-Agent或Multi-Agent的分布式决策支持系统(DDSS)模型都是基于数量和种类固定的A－gent群及国内外流行的三库／四库结构，其驱动方式一般采用关系驱动、知识驱动、文档驱动、模型驱动和数据驱动等。但是这种模型不利于扩展，模型中的A-gent的可重用性、结构灵活性差，不能充分利用网络上的资源，特别是Intemet网上的资源，容易导致决策结果的局限性和不确定性。虽然基于组件的Agent模型对其进行了改进，但仍不能适应网络环境，尤其是Intemet环境下松散耦合的集成需求。并且，这种模型所采用的驱动方式也存在一定的局限性和弊端：如关系驱动型中决策者间的通信，过渡依赖于硬件设备；知识驱动型中完备的知识库很难建立；文档驱动型只能提供对文档的处理，使用范围狭窄；模型驱动型中的数学模型难以确定，即使数学模型能确定，模型的形式和参数无法确定；数据驱动型过度依赖数据库技术的发展，对数据处理性能要求太高，且决策过程不符合决策流程。鉴于以上情况，本文将服务本体、服务平台和Web Service的理念引入到DDSS中，提出服务本体驱动的MA-DDSS模型，该模型使DDSS具有很好的可扩展性，同时提高了Agent的可重用性及结构灵活性。
2 服务本体与服务平台
2.1 服务本体设计
本体是共享概念模型的形式化显示规范说明。DDSS中的本体是对网络决策服务进行概念化的抽象描述，称其为服务本体(SO)，它为构建Agent实体所需服务提供了抽象化知识结构。作为一个通用本体，SO表达了网络决策服务的一般概念，支持对异构服务概念的具体解释。SO采用***1所示的层次化组织方式。动态服务描述具有动态特性的服务，静态服务概念化相对静态的服务，操作符服务为应用环境的运行提供相关参数，***1中给出的是SO的高级分类，细粒度服务可按客户的需求进行细分。
2.2 服务本体描述
SO表示为SO={S，R，ω}的形式，其中S为决策服务概念；R为决策服务关系n阶矩阵；ω为决策服务权重，由SO基于关系学习和贝叶斯网络的权重自学习方法确定，并被存储到表1所示服务权重参照表中。S可进一步描述为二元组S(SA，SF)，其中SA是决策属性集，包括服务名称、注解信息。SF是决策功能集，包括输入、输出和预期结果。
SO采用OWL-S进行语义描述。下面以资源发现服务本体为例，利用OWL-S说明其描述方法：通过"profile"标签，描述服务名称、服务权重及服务的输入、输出、注解信息；通过"model"标签，描述资源锁定、资源匹配、资源选择及资源集成等资源发现过程，每个过程都调用CV中的类执行；通过"grounding"标签，描述调用CV中类的接口的方式。
>
(service：profile rdf：id="profile"／>
zyFinderService_Agent
weightValue
‘profile：hasOutput rdf：property="object"／>
query resources over network
2.3服务平台设计
服务本体的生存活动空间，称为服务平台(sP)，它是由服务本体库(SOB)、本体管理器、代码容器(CV)、移动Agent及服务队列(sQ)等构成的Agent运行环境，其基本结构***如***2所示：
SOB是存储SO的数据库。CV是装载服务代码的容器，为服务提供接口和统一的接口适配器，实现服务集成。移动Agent可自主移动到多个站点，通过Web Service技术调用Web服务，并封装其计算代码返回服务平台，将代码存储在CV中。本体管理器根据Agent获取的网络决策服务，创建服务本体，更新服务本体库，实现服务平台的实时更新。SQ存储每次决策任务涉及到的所有SO，SO按照服务权重大小，依次入
队，如***3所示：
3 服务本体驱动的MA-DDSS模型
本文基于将服务本体与服务平台的概念引入到MA-DDSS中的设计理念，给出的服务本体驱动的MA―DDSS模型如***4所示：
首先，决策者通过问题接收结果展示Agem收集相关信息初始化决策任务，决策任务由问题理解Agent解析和形式化描述；然后，问题理解Agent访问服务平台，查询SOB，根据需要去网络获取决策服务；接下来，服务平台创建SQ，驱动Agent Manager封装SQ，访问CV，加载server类，创建服务Agent，执行决策；最后，决策结果由问题接收结果展示Agem展示给决策者。
3.1 问题接收结果展示Asent
在决策初始阶段，辅助决策者收集信息初始化决策任务，决策任务执行结束，向决策者展示决策问题的处理结果。
3.2 问题理解Agent
问题理解Agent对决策问题利用神经网络和机器学习技术进行服务解析，确定该问题涉及的所有服务，并通过本体概念和描述逻辑形式化描述服务。比如，描述煤炭销售量超过10000吨的订单，描述为：
R=Sheet ∩>10000 hasSale ∩ (hasContain，Mine)
3.3 Agent Manager
封装SQ，访问CV，加载Server类，创建服务Agent。
3.4 决策服务、决策资源与Web Service平台
决策资源主要包括模型、数据及知识等。决策服务主要是决策资源运行算法实现分布式求解。Web Service平台是服务、服务注册和服务绑定的平台。
3.5 移动服务Agent
3.5.1 基础结构国内外许多学者对Agent结构模型进行了广泛的研究，建立了如BDI模型、混合式模型等通用的Agent结构模型。这里综合这几种模型的优点提出了一种扩展性、适用性强，基于SO的移动服务Agent基础结构。
移动服务Agent基础结构形式化描述为：A=(Am，States，SQ，estimateQueue，needInteraet)
式中Am是Agent标识；States={ready，travel。block，execute，end}，描述Mobile Agent当前所处状态；SQ是服务队列；estimateQueue是服务评价队列；needInteract=(need，needless)描述与其它Agent交互状态，需要或不需要。
3.5.2 执行过程移动服务Agent成功创建以后，执行决策服务，具体执行过程伪码描述如下：
Begin
Query SQ；
While(SQ){
currentNode=SQ，getFimtNode()；
If(currentNode!=null){
Class，forName(serverClass)；
Exec Action；
estimatQueue，put(estimate)；
If(end(Action)){
Exit Action；
Delete eurrentNode from SQ；
}
End If
}
End If
J
EndWhile
If(this，needInteract=“needless”)
Destroy Agent；
End
每次循环从SQ中取队头结点，加载Server类，执行服务，服务执行完毕，该结点从SQ中删除，如果SQ不空，循环继续，直到SQ为空循环结束。如果此Agent不需与其他Agent交互，执行自销毁操作。
4 服务本体驱动的MA-DDSS模型应用
多年的电子***务建设，各级***府积累了大量电子***务项目案例，记录业务需求、经费预算、跟踪过程、评估方法及项目实施结果等信息。本节根据前文提出的模型，结合电子***务项目审批问题，给出服务本体驱动的基于MA的电子***务项目审批决策支持系统框架，如***5所示：
系统完成决策支持流程如下：首先，用户输入电子***务项目信息，由问题理解Agent对其进行本体化语言形式化描述；然后，查询SOB，判断决策任务与sO的相似度，若需要派遣MA查询网络服务资源，如项目分类服务、***府职能部门分类服务、信息技术与产品分类服务、项目实施评估服务等，调用SP API(sP API是在IBM公司的本体集成开发工具集IODT的基础上，对本体操作API进行封装，完成特定功能的中间件)对服务进行本体建模、维护、储存、代码传输与储存及SQ管理等，通知Agent Manager根据sQ组建审批Agent，完成项目检索、项目匹配、项目评估等工作，最后将检索信息展示给用户，整个过程检索效率会大大提高。
以上是电子***务项目审批决策支持系统的简单实现方案，旨在说明具体实现方法。虽涉及人工智能、移动Agent、网络技术、WebService及编程语言等多个领域，但每个领域的理论和技术都比较成熟，具有可行性。
5 结 语
服务本体驱动的MA-DDSS模型与传统模型相比最大特点在于：①通过OWL-S对SO进行概念化描述，实现对异构服务概念的具体解释，便于Internet环境下资源服务的集成；②利用较成熟的Web服务和Agent技术，实现服务平台的实时更新，符合松散耦合、可复用的软件架构要求；③服务本体能利用cv提供的统一接口适配器，对分布在Internet上的服务资源进行集成；@Agent Manager能根据s0和CV，动态创建移动服务Agent，提高了Agent的可重用性及结构灵活性；⑤移动Agent根据sQ自动执行，不需要Agent Manager控制，克服了Agent Manager因任务过重难实现难设计的问题；⑥充分利用Intemet上丰富的决策服务资源，提高了资源的利用率。