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)合的問題。介紹了Agent在可拓策略生成中可以結(jié)合的幾個方面,，重點介紹Agent控制可拓變換發(fā)散與收斂過程的作用,，以克服計算中容易出現(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,，對其進行拓展，然后利用合適的評價方法進行篩選,，從而收斂少量基元,，這種思維方式稱為菱形思維方法[1]。菱形思維的特點是發(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算方法相結(jié)合,根據(jù)基元的可拓性，在解決矛盾的過程中,，當目標實現(xiàn)與約束條件之間發(fā)生沖突時,，運用基元的發(fā)散性、共軛性,、相關(guān)性,、蘊含性和可擴性等，拓展出候選策略集,，然后進入收斂階段,，通過優(yōu)度計算評價出較優(yōu)的策略推薦給決策者參考。人工控制發(fā)散與收斂過程是比較靈活的,，但是,，普通計算機系統(tǒng)缺乏自主性,，控制不好發(fā)散過程就容易產(chǎn)生計算“組合爆炸”問題，計算效率大大降低,。Agent是有一定自主性的計算實體,，如何運用可拓學和Agent技術(shù)這兩種不同領(lǐng)域的知識,發(fā)揮各自的優(yōu)勢，克服“組合爆炸”問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)合的幾個方面
    可以結(jié)合可拓學與Agent兩種學科領(lǐng)域的技術(shù)優(yōu)勢,在可拓學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制,在無人的情況下自主代替人解決問題,。利用Agent的自主性和預動性以確保在變化多端的客觀環(huán)境下生成解決問題的較優(yōu)策略,，增強策略生成的靈活性和科學性。
    Agent與可拓策略生成系統(tǒng)結(jié)合可以有界定問題,、協(xié)助分析核問題,、維護知識庫(本體進化)、控制發(fā)散與收斂及其他幾個方面,。
    本節(jié)只介紹前三個方面,。
1.1 利用Agent界定問題的方法
    為了用軟件Agent解決問題，必須首先建立問題的數(shù)學模型,，把問題數(shù)值化,，再界定問題是否矛盾。然而,，問題的表述經(jīng)常是用自然語言完成的,，如果直接讓軟件理解這些自然語言信息是很困難的,。該方案是讓Agent處理半結(jié)構(gòu)化信息,，而不涉及自然語言理解?？梢匝芯咳绾卫肁gent的通信能力和反應(yīng)性在人機交互界面設(shè)法將人們用自然語言描述的問題引導出目標和條件,從而建立可拓模型,。
     可以采用如下方法實現(xiàn)其目的：
    (1)建立以復合元為基本結(jié)構(gòu)的本體，作為Agent的知識庫,。利用本體支持語義互操作的優(yōu)勢,使Agent能夠在本體的支持下對語義模糊的問題信息進行分析處理,排除語義沖突,，得到語義正確的待求解問題后再建立其可拓模型。
    (2)建立人機交互界面,，讓用戶與Agent進行交互,，試圖發(fā)現(xiàn)表層問題，作為Agent解決問題的開始,。利用Agent的通信能力和反應(yīng)性界定問題,需要設(shè)定會話策略,。
1.2 協(xié)助分析核問題
    讓Agent根據(jù)可拓模型識別問題類型和核問題(關(guān)鍵問題)，減輕人的勞動,，讓Agent從表層問題推出深層核問題,復雜問題轉(zhuǎn)換為可計算的簡單問題,。
    以旅游問題為例,如果用戶告訴Agent他想在40 min內(nèi)到達大學城,，同時Agent問清楚用戶目前位置（如東風路)與交通工具（自行車)，而Agent的知識庫里說明東風路距大學城20多公里,計算機計算之后就知道問題的核心是距離與速度矛盾,，那么提高速度就可以解決問題,。
    計算機需要有領(lǐng)域知識，才能解決某個領(lǐng)域問題,。本文利用信息-知識-策略形式化體系來提高系統(tǒng)分析問題的能力[3],。
1.3 維護知識庫(本體進化)
    由于知識不斷更新,需要研究如何對本體進行進化，才能更有效地進行策略生成,?？梢杂萌藱C交互方式輸入新信息到本體中，更新之前創(chuàng)建的本體庫,。也可利用Agent的學習能力以及自主性不斷發(fā)現(xiàn)新知識,并把學習到的知識及時存儲進本體中,，支持本體進化，以提高問題建模能力,，從而為建立正確的問題模型奠定基礎(chǔ),。
    因為本體是樹狀的，與數(shù)據(jù)庫維護不同,。這就必須告訴Agent目前哪個概念要更新,，出現(xiàn)哪個新概念，屬于哪種類型,，有什么屬性,，這樣Agent才能把某個概念更新或添加。利用Agent的學習能力,，特別是其主動學習[4]能力,，實現(xiàn)知識進化; 也可以是統(tǒng)計學習，比如將數(shù)據(jù)挖掘發(fā)現(xiàn)的變化知識存儲在本體中,，實現(xiàn)本體進化; 還可以利用Agent的通信能力進行會話,，學習其他Agent的經(jīng)驗。
    Agent還可以協(xié)助控制菱形思維方法的發(fā)散與收斂過程,。
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,，經(jīng)常遇到發(fā)散分析不能及時收斂而計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,、軟硬、潛顯、負正),，利用變換分析目的基元的物質(zhì)性,、系統(tǒng)性、 動態(tài)性,、 對立性;根據(jù)基元的可擴性(可加性,、可積性、可分性),，利用可拓變換對條件基元進行重新整合;根據(jù)決策問題的需要,，還可以由基元的可擴性對目標進行開拓，由基元的發(fā)散性,、可擴性,、 相關(guān)性、 蘊含性對條件進行開拓,，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題,。人的思維發(fā)散到一定程度不想再發(fā)散下去時，就能迅速轉(zhuǎn)向收斂過程,。但計算機通常是在不斷窮舉發(fā)散出來的各種新組合,，控制不好就產(chǎn)生計算組合爆炸。因此,，必須研究如何充分發(fā)揮Agent的自主性,、反應(yīng)性、預動性,、學習能力等特性,，控制可拓策略生成系統(tǒng)的發(fā)散與收斂過程。
    本文采用如下的技術(shù)方案：
    首先建立關(guān)聯(lián)函數(shù),，解決問題的前期主要是進行發(fā)散計算,，根據(jù)用戶的目標和條件進行拓展分析，利用可拓變換和可拓推理,，根據(jù)本體提供給Agent的知識,，找出可以使關(guān)聯(lián)函數(shù)從小于零到大于零可拓變換,，然后進入菱形思維的收斂階段,，建立評價策略的基本方法，得到較優(yōu)的策略輸出,。
　發(fā)散階段是Agent監(jiān)視計算過程的重要階段,。計算關(guān)聯(lián)函數(shù)一般沒有組合爆炸問題，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,，先找到一個能解決問題的策略，再找其他策略,，不能窮舉,。Agent通過監(jiān)視策略數(shù)的多少及時停止發(fā)散,，比如旅行線路問題，可以變換酒店,、交通工具,、景點等，Agent控制先輸出幾個能使關(guān)聯(lián)函數(shù)大于零的策略就停止,，試問用戶滿意與否,。如果不滿意再進行其他變換，Agent監(jiān)視運算速度(如計算產(chǎn)生一條策略的時間),，超過時間限制就停止繼續(xù)發(fā)散,，轉(zhuǎn)向收斂階段。
　在收斂階段Agent根據(jù)優(yōu)度評價規(guī)則對策略評價擇優(yōu),，評價因子可以人機交互輸入,，也可以預先設(shè)定評價因子的初值，允許用戶修改,。這一階段一般沒有組合爆炸問題,，Agent主要判斷評價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)散與收斂過程的方案,，使得策略生成的效率在用戶可以容忍的速度下進行,。
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)用戶問題協(xié)助選定關(guān)聯(lián)函數(shù),，而不是像目前需要靠人預先設(shè)定好，以增加系統(tǒng)的靈活性,。再如,，可以利用Agent進行智能引導，分析用戶輸入的語義信息,，提高可拓策略生成系統(tǒng)的語義處理能力,。
　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)域的知識相結(jié)合問題，研究如何充分發(fā)揮這二門學科的優(yōu)勢,，提高可拓策略生成系統(tǒng)的能力,。重點探討了Agent控制可拓策略生成中解決矛盾時可拓變換發(fā)散與收斂過程的技術(shù)方案，使系統(tǒng)能夠在計算效率比較高的情況下,，生成解決矛盾的策略,。
參考文獻
[1]  蔡文，楊春燕,，林偉初．可拓工程方法[M].北京:科學出版社,，1997.
[2]  李立希，楊春燕，李鏵汶.可拓策略生成系統(tǒng)[M]. 北京：科學出版社,，2006.
[3]  李衛(wèi)華．Agent協(xié)助建立矛盾問題的可拓模型研究[J].數(shù)學的實踐與認識, 2009:39(4):173-177.
[4] 周鳴爭, 楊益民. 菱形思維的可拓神經(jīng)網(wǎng)絡(luò)實現(xiàn)[J].系統(tǒng)工程理論與實踐,，2000，20(6):123-125,130.