[0001] 本发明一种新型分布式Agent的云资源可信数据获取方法属于电通讯领域。

[0002] Agent技术在90年代成为热门话题,甚至被一些文献称为软件领域下一个意义深远的 突破,其重要原因之一在于,该技术在一种新型网络的分布计算这一当今计算机主流技术领域 中,正发挥着越来越重要的作用。一方面,Agent技术为解决新的分布式应用问题提供了有 效途径;另一方面,Agent技术为全面准确地研究分布计算系统的特点提供了合理的概念模 型。 一、问题 目前,常规的分布计算技术是一种新型经典的客户/服务器计算模型的,即将分布式应用分 解为客户和服务器两大部分,服务器只有在接到客户的请求后方能提供服务。这些技术是 在共享分布资源的应用背景下形成的,在解决新的分布式应用方面存在诸多局限性。从以 下几个目前人们较为关心的分布式应用需求中,我们不难发现问题所在。 1. 从"人找信息"到"信息找人" 目前绝大多数的Internet应用是建立在客户/服务器计算模型基础上的,这就使得通 过Internet进行信息分布和查找的应用不可避免地存在以下问题:一方面,信息提供者不 能适时地将信息主动提供给最需要的用户;另一方面,信息使用者不知道到哪里能够找到 急需的信息。越来越多的人开始为Internet上形形色色的庞杂信息所累,"逛"Internet的 感觉真有点象逛商业街的感觉:疲劳、茫然;需要的东西不知道在何处寻找,不需要的东西 却强烈地冲击人们的视野。盲目被动的搜寻导致网上流动的有效信息占有率大大降低,使 已经十分紧俏的网络带宽被浪费。人们希望服务器能够根据客户的需求主动提供信息,实 现"信息找人"。然而,常规的分布计算技术却难以胜任,原因之一就是经典的客户/服务器 计算技术不支持主动服务机制。 2. 并行工程 尽管现代企业在其产品设计制造过程的诸多环节上,卓有成效地采用了各种计算机辅 助工具,但各环节之间仍存在着数据共享和部门协同的沟痕,影响了产品设计制造的整体 进度和质量。为此,人们提出了并行工程(CE)的概念,其核心思想就是以分布式的企业计 算环境为基础设施,实现产品设计制造全过程以及相关资源的优化组合,使各部门最大限 度地协同工作,减少中间环节对产品设计制造的进度和质量的影响。然而,常规的分布计 算技术同样难以胜任此类协同工作的应用。因为经典的客户/服务器计算技术不支持服务 器对客户的直接控制,也不支持客户应用之间直接的群体感知。 3. 分布式交互仿真 仿真器早已在教育、训练、制造和娱乐等诸多领域的应用中显示出其重要的价值。 但是单一仿真器的应用局限性很大,例如孤立的军用仿真器,不能适应现代战争环境对武 器系统综合效能分析的需要,或对战斗人员进行接近战场环境训练的要求。为了更好地发 挥现有仿真器的作用,减少训练费用,美国国防部支持了称为分布式交互仿真(DIS)的研究 ,其初衷是将各类仿真器和计算机通过网络连接起来,在此基础上建立虚拟的战场环境,以 提高仿真训练的实效性。显然,常规的分布计算技术更难以胜任此类应用。因为,DIS中的 行为实体是不能简单地用"客户"和"服务器"两类角色来刻划的。 概括地讲,常规的分布计算技术的局限源于经典的客户/服务器计算模型的局限,即: 将分布式应用中的自主行为实体简单地划分为"客户"和"服务器"两类; 客户与服务 器之间的交互关系仅限于客户主动请求/服务器被动响应的非对等关系。 二、应用 Agent的概念和技术出现在分布式应用系统的开发之中,并表现出明显的实效性。以 下列举几项人们在分布式应用方面所从事的涉及Agent的研究和开发工作,从中我们可以 初步体会到Agent概念和技术的意义。 1. 利用Agent技术改善Internet应用 例如,研制"信息找人"的Agent。它具有"需求"与"服务"的集散能力,它接受信息分布 者有关信息要点的注册,以及信息查询者有关信息需求要点的注册。该Agent根据这些信 息,主动通知用户谁能够提供其所需信息,或主动通知信息提供者谁目前需要其所能提供 的信息。 2. 利用Agent技术实现并行工程的思想 例如,利用Agent技术开发工作流管理者。它能够向各工作站下达工作流程和进度计 划,主动引导各工作站按照工作流程和进度计划推进工作,受理并评价各工作站工作进展 情况的报告,以及集中管理各类数据等等。 3. 利用Agent技术开发分布式交互仿真环境 例如,将飞行训练仿真器与计算机网络上的若干工作站连接起来,在工作站上实现多 个模拟飞机的Agent,与仿真器构成可交互的空战仿真环境。受训人员操作这种置于交互 仿真环境中的仿真器,不仅能够体验各种操纵飞机的技能,而且能够通过与智能化的自主 模拟战机的交互,实践各种空战战术行为(单一飞行训练仿真器能支持前者,但不能支持后 者)。 实际上,Agent的概念并非是今天才出现在分布计算领域的,它在分布式系统自身的管 理中早已被使用了。例如,在80年代形成的一种新型TCP/IP的互联网络管理技术SNMP中就采用 了manager/agent模型。在该模型中,agent是运行在被管理单元上的自主行为实体,它能 够对被管理单元上的相关事件作出反应、响应manager发来的管理命令等等。然而直到今 天,Agent的概念和技术在分布计算领域才引起人们的重视,因为它在解决当今分布式应用 面临的普遍问题上产生了实际效果。 三、概念 在分布计算领域,人们通常把在分布式系统中持续自主发挥作用的、具有以下特征的 活着的计算实体称为Agent。 1. 自主性 Agent具有属于其自身的计算资源和局部于自身的行为控制机制,能够在没有外界直 接操纵的情况下,根据其内部状态和感知到的环境信息,决定和控制自身的行为。例如,S NMP中的agent就是独立运行在被管理单元上的自主进程。 2. 交互性 Agent能够与其他Agent(包括人),用Agent通信语言实施灵活多样的交互,能够有效地 与其他Agent协同工作。例如,一个Internet上的用户需要使用Agent通信语言向主动服务 Agent陈述信息需求。 3. 反应性 Agent能够感知所处的环境(可能是物理世界,操纵 形界面的用户,或其他Agent等) ,并对相关事件作出适时反应。例如,一个模拟飞机的Agent能够对用户的操纵作出适时反 应。 4. 主动性 Agent能够遵循承诺采取主动行动,表现出面向目标的行为。例如,一个Internet上的 主动服务Agent,在获得新的信息之后能够按照约定主动将其提交给需要的用户;一个工作 流管理Agent,能够按照约定将最新的工作进展情况主动通报给有关的工作站。 具有上述特性的计算实体可以是类Unix进程(或线程)、计算机系统、仿真器、机器 人。 从系统实现的层次上分析,在上面列举的应用中,纯软件形态的Agent就是指具有上述 特性的类Unix进程。在上述4个特性中,前3个是基本的。人们也称具有上述前3个特性的 计算实体为反应式Agent。在经典的客户/服务器计算模型中,服务器就是一种典型的反应 式Agent。一些学者对Agent概念赋予了更拟人化的要求,例如分布式人工智能领域的学者 ,要求Agent具有知识、信念、意 等认知特性;CSCW领域的学者,要求Agent具有更友好的 人-机交互方式。
当然,目前在主流的分布计算领域为人们广泛认同的Agent概念,是具有 上述4个特性的计算实体。 四、结构 当初,人们在研究并发计算的过程中,为了刻划若干个同时处于执行过程中的计算单 位,引入了"进程"的概念,并逐步形成了具有特定技术内涵的进程结构。当今,人们在研究 分布计算的过程中发现,分布式系统中广泛存在着用已有的计算机概念难以准确描述的自 主行为实体,于是引入了"Agent"的概念。因此研究Agent的体系结构成为分布计算领域的 重要课题。 Agent的体系结构是指构造Agent的特殊方法学,它描述了组成Agent的基本成分及其 作用、各成分的联系与交互机制、如何通过感知到的内外部状态确定Agent应采取的不同 行动的算法,以及Agent的行为对其内部状态和外部环境的影响等等。目前,人们已提出的 Agent的体系结构大致可分为以下三类。
1. 审慎式体系结构(Deliberative Architecture) 该体系结构的特点是Agent中包含了显式表示的世界符号模型,Agent的决策是通过基 于模板匹配和符号操作的逻辑(或准逻辑)推理作出的,如同人们通过"深思熟虑"后作出决 定一样,因此被称为审慎式的体系结构。该体系结构在(分布式)人工智能领域占主导地位 。我们可以认为构造经典的一种新型知识的系统,就是按照这种体系结构构造Agent的雏形的 。因此,也可以说该体系结构的存在与现代人工智能的历史一样长。 2. 反应式体系结构(Reactive Architecture) 该体系结构的特点是Agent中包含了感知内外部状态变化的感知器、一组对相关事件 作出反应的过程,和一个依据感知器激活某过程执行的控制系统,Agent的活动是由于受到 内外部某种"刺激"而发生的,因此被称为反应式的体系结构。该体系结构在目前主流的分 布式系统中占主导地位。本文列举的分布式应用中所涉及的Agent基本上是反应式体系结 构。 我们甚至可以认为一个计算机基本系统,也是一个按照这种体系结构构造的Agent的 雏形。 因此,也可以说该体系结构的存在与现代计算机系统的历史一样长。 3. 混合式体系结构(Hybrid Architecture) 该体系结构的特点是Agent中包含了审慎式和反应式两个子系统,通常这两个子系统 是分层次的,前者建立在后者的基础之上。这种体系结构的研究与实验目前在人工智能领 域较为活跃,我们认为有关成果将对分布式系统中Agent应用功能的增强产生直接影响。 例如,已经有研究工作在模拟飞行员的Agent中加入一种新型符号表示和推理的各种规划与决 策能力,以提高模拟飞行员的适应性。 目前,我们正在研究开发一种具体的反应式Agent体系结构。在该结构中,Agent由事 件处理系统、方法集和内部状态集三个主要成分构成。其中,事件处理系统是Agent的行 为控制系统。Agent的活性表现为它的事件处理系统,在该Agent的生命期内始终持续自主 地工作着。在该结构中,事件是与Agent有特定关联的特殊状态(如外部某服务请求到达、 内部某特定状态被修改或超过设定的阈值等)。事件处理系统涉及事件感知、事件适配和 事件处理分发3个环节的活动。Agent的事件感知器时刻捕捉其所关注的事件状态的出现 ,并根据事件状态的类型启动相应的事件适配器工作;事件适配器获取相关事件信息作识 别,并将识别结果提交给相应的事件处理分发器,启动有关的事件处理方法执行。Agent的 方法集体现了该Agent事件处理能力的成分,描述了Agent处理相关事件的方法。方法的执 行由事件处理分发器引发,在其执行过程中可能影响Agent的内部状态,从而导致新事件的 发生。Agent的内部状态集是表现该Agent当前状态的成分,其中包括表征事件的状态。在 Agent的行为过程中,该Agent的内部状态可能会不断发生变化。 Agent之间的消息传递机制通过消息事件的处理实现。假设Agent A具有消息事件的 处理能力,其接收服务请求的典型工作过程如下:一个传递给A的服务请求导致消息事件的 发生。A的(消息)事件感知器将及时检测该事件的发生,从而引发A的(消息)事件适配器接 收此消息;消息事件适配器按照Agent之间的消息传递协议,分析识别该消息为服务请求类 型,进而引发A的(请求)事件处理分发器,并将有关适配信息提交给该分发器;(请求)事件 处理分发器则根据适配信息选择相应的服务方法执行。 Agent的事件处理机制不仅可以有效地实现客户/服务器计算中传统的客户直接请求 /服务器被动服务的机制,而且为实现Agent之间以及Agent与外部环境之间更为主动灵活 的交互机制奠定了基础。例如,通过定义特定的故障事件,使担负系统管理的Agent能够主 动向Manager报告关键故障的发生,甚至独自处理故障;通过定义特定的时钟事件,可以实 现Agent之间以及Agent与用户之间的定时服务;通过定义特定的内部状态修改事件,实现 Agent之间共有信息副本的一致性维护;通过定义特定的信息查询事件,使Agent在收到与 查询相关的信息后,主动向信息需求者提供信息服务等等。 五、环境 如同主流操作系统都提供了多进程的并发系统开发和运行环境一样,为多Agent的分 布式应用系统的运行开发和建立分布计算环境也日显重要。按照此类环境承诺的Agent的 体系结构分类,相关的支持环境也可分为三大类。 1. 面向审慎式体系结构的支持环境 此类支持环境通常建立在知识系统支持技术和主流网络计算技术的基础上,进一步提 供了Agent程序设计语言和Agent通信语言等工具。 2. 面向反应式体系结构的支持环境 此类支持环境通常建立在分布式对象技术的基础上。因为反应式Agent的体系结构与 对象的结构存在很大的相似性,利用带有专门控制器的对象可以实现反应式Agent。在此 类支持环境中提供各种控制器的框架,以及一种新型框架的Agent定义与生成工具。 3. 面向混合式体系结构的支持环境 此类支持环境可以建立在层次化的分布式对象技术和知识系统技术的基础上。 从主流的分布计算技术和应用角度分析,我们认为发展分布式对象技术对多Agent应 用系统的支持,将是一项十分有意义的工作。我们正在研究如何在ORB(对象请求中介)技 术的基础上,通过纵向或横向扩展实现主动服务机制,使其在分布式对象环境中能够方便 地实现具有自主性、交互性、反应性和主动性的Agent。 六、影响 一个新的概念和技术在计算机领域能够引起广泛关注,甚至"火"起来,通常是由于以 下因素所至: (1)它在解决计算机主流技术及其应用的瓶颈问题上提供了有效的途径。 (2)它在开拓计算机技术新的应用领域方面发挥了关键的作用。 进入80年代,个人计算机和工作站的普及以及网络通信技术的迅速发展,使拥有个人 计算机或工作站的广大用户,迫切需要共享或集成分布于网络上的丰富信息资源,用以廉 价获得超出局部计算机能力的高品质服务,并逐步实现计算机支持的协同工作。在这样的 需求驱动下,分布计算成为影响当今计算机技术发展的关键技术力量。分布计算目前还处 于客户/服务器计算的中间阶段,由于受到新的应用需求的冲击,开始向分散对等的协同计 算方向发展,将Agent的概念和技术引入分布计算已成为这一发展阶段的重要特征。 从逻辑上讲,一个分布式系统可以定义为由多个相互作用的Agent组成的系统,各种分 布式系统的差异主要表现为其中Agent的角色和交互方式上的差别。例如分布式客户/服 务器系统是这样的分布式系统,其中的Agent或为客户或为服务器,交互关系仅限于客户主 动请求/服务器被动服务的交互方式。然而,这种一种新型Agent的分布式系统观使人们跳出了 客户/服务器系统的局限,适应了应用需求的发展。从发展的角度看,我们认为,"Agent"的 概念在分布计算中的地位和作用,可以与"进程"的概念在并发计算中的地位和作用相类比 。Agent是分布式人工智能和现代计算机、通信技术发展的必然结果。给Agent下一个确切的定义很困难，一般都是根据自己的研究领域和需求进行定义。最经典和广为授受的是Wooldridge等人的“弱定义”和“强定义”[104]。1）弱定义：Agent一般用以说明一个具有自主能力、社交能力、反应能力和预动能力的软硬件系统。2）强定义：Agent不仅具有以上的特性，而且具有知识、信念、目的、义务等人类才具有的特性，还具有流动性，诚实性和理性等特性。一般而言，可以认为Agent是一类在特定环境下能感知环境，并能灵活、自主地运行以实现一系列设计目标的、自主的计算实体或程序。在一定的目标驱动下并具有某种对其自身行为和内部状态的自我控制能力，准确理解用户的真实意 ，运行于复杂和不断变化的动态环境，有效的利用环境中各种可以利用的数据、知识、信息和计算资源，为用户提供迅捷、准确和满意的服务。 Agent具有的属性尚无定论。Wooldridge和Jennings等人提出的Agent应具有自主性、反应性、社会能力与主动性四个基本属性[105]，大多数的Agent研究者认为Agent除了满足一些最基本特性外，还应该包括如移动性、适应性、学习性等特性[106]。Agent的特性使得它表现出类似人的特性，为解决企业复杂问题提供了新的途径。虽然Agent可能具有多种属性，但是研究和开发人员没有必要构建一个拥有所有以上描述特性的Agent，而是从实际企业需求出发，开发包含所需特性的Agent企业系统。 现有的Agent应用都是以Agent的某几个属性作为关键属性，进行Agent结构设计，Agent结构大体上可以分为以下几类。 （1）思考型Agent [106] 思考型Agent将Agent看作是一种意识系统，一种特殊的知识系统，即通过符号AI的方法来实现Agent的表示和推理。思考型Agent的结构直接反映了Agent作为意识系统的理性本质，是支撑Agent进行行为推理、思维判断等意识活动的关键，也是构造各类复合型Agent个体的基础。 示4-2给出了思考型Agent基本结构。 选择什么样的意识态度来刻画Agent是构造思考型Agent首先要考虑的问题。根据Agent理性的不同实现方式，有以下几种典型的思考型Agent结构，一种新型经典逻辑的Agent结构，一种新型BDI框架的Agent结构和一种新型决策理论的Agent结构等。 1）一种新型经典逻辑的Agent 一种新型经典逻辑的Agent以经典逻辑公式表述Agent状态和行为，以在一定推理规则下演绎推理表述Agent的思维决策过程，将推理求得的结果公式作为输出动作。由于经典逻辑具有严密的语法和直观、简洁的语义，因此一种新型经典逻辑的Agent结构也相应地具有这些优点。但同时，由于经典逻辑本身的局限性，使得问题复杂度增加时，推理过程的计算复杂度呈指数上升，因此在很多情况下失去了实用价值。另外，经典逻辑的表达能力有限，对复杂环境状态难以建立相应的逻辑表达式，更难以表示信念、意愿等反映思维意识的概念。 2）BDI结构的Agent BDI是思考型Agent结构的典型代表，反映了人们为了实现一定的目标而采取一系列行动的过程，具有深刻的认知心理学和哲学基础[108]。BDI模型由信念、愿望、和意 三个基本概念构成的。信念是Agent所掌握的关于当前世界状况以及为达到某种效果可能采取的行为路线的估计，表示Agent对环境和自身的了解；愿望描述了Agent对未来实际状况以及可能采取的行为路线的喜好。Agent可以是不相容的，也允许存在不可达的愿望，其中相容且可达的部分构成目标集；由于资源的有限性，Agent不可能一次追求所有的目标，它选择目标集中的一部分作出承诺，从而形成意 。信念、愿望、意 等概念通过人们的日常生活可建立起一些非形式化的概念，同时为分布式环境中的Agent交互打下基础。但也应该注意到BDI模型存在以下的问题： a.通过逻辑描述的方法表达信念、愿望、意 等反映思维状态的概念，并合理完成相应的推理转化，还有很大的困难。 b.BDI实际上可以说是个体Agent思维属性，描述Agent之间的社会层面的交互还存在一定的局限性。如何与MAS中的协调、合作、协商、组织规范等宏观理论结合，人们已认识到将诸如联合意 、集体承诺等群体概念直接归结为个体思维属性的组合做法的缺陷，提出要使Agent具有社会层面的思维属性，但在实用化方面仍然有很多困难。 3）一种新型决策理论的Agent结构 Agent观察外部环境，然后通过自身的预测、思考或规则匹配，最后输出行为的过程可以看作是Agent求解问题并追求效用最大化的过程。因此，Agent 理性行为可以从描述理论出发，通过一种新型效用评价的决策过程来刻画。一种新型决策理论的Agent结构较好的反映了人们求解问题的实际过程，可以在决策理论的指导下综合运用数学、逻辑、人工智能等多种技术加以实现。同时，可用对方案结果的估计来表示“信念”，用各个可能结果状态的效用来反映“愿望”，可较好的实现Agent的BDI框架结构。 同时，由于决策Agent的资源有限性和客观世界无限性的矛盾，决策者不可能尝试所有的方案，于是从两个方面寻求解决途径：一是对真实环境的简化，用较小的问题空间代替实际的问题空间，形成以估算和最优为特征的经典决策理论方法；二是以满意替代最优，形成以搜索和满意为特征的现代决策理论方法。满意法则并不需要严格估计或计算后果的发生概率及相应的效用，而只需要一个相对范围，整个决策过程是一个逐步细化的搜索过程，但如果过程控制不好，也可能导致过多开销。 （2）反应式Agent[107] 反应式Agent结构更加强调交互行为本身对产生智能和理性行为的作用，Agent的智能、理性的行为不是在其所处的环境单独存在的，而只能在现实世界与周围环境的交互中表现出来。Agent不依赖于任何符号表示，直接根据感知输入反射行动。如 4-3所示反应型Agent基本结构，该结构只是简单的对外部刺激发生反应，没有使用符号表示的世界模型，也没有复杂的符号推理。在决定如何行动时并不参考历史信息，它们的决策完全一种新型当前状态。 相对于逻辑推理和效用计算，反应式Agent结构在响应速度上具有优势。尤其是在动态、时变环境中其重要性更得以体现。但是反应式Agent结构的局限性也很明显，比如，只根据当前环境状态决定自身行为，缺乏对整个环境以及环境变化历史的了解，因此其行为缺乏中长期规划。决策是以局部信息为基础的，不能考虑整体和其他部分的信息，也无法预测其决策对整体行为的影响，这种没有远见的行为可能导致系统行为的不可预测性和不稳定性。反应式Agent模型依赖于一定的设计者经验基础之上的行为规则和优先级规则，很难形成系统的方法。另外，反应型Agent没有任何学习能力，表现出Agent的适应能力比较差。 （3）混合式Agent[107] 思考型Agent具有较高的智能，但无法对环境的变化做出快速响应，而且运行效率较低。反应型Agent能及时而快速地响应外来信息和环境的变化，但其智能程度较低，也缺乏足够的灵活性。纯粹的思考型Agent和反应型Agent对于大多数的实际问题都不是十分合适，实用的方法是综合两者的优点，把以上两类Agent结合起来，构造混合体系结构的Agent，通常被设计成至少包括如下两部分的层次结构：高层是一个包含符号世界模型的认知层，用传统符号处理规划和进行决策；低层是一个快速响应和处理环境中突发事件的反应层，不使用任何符号表示和推理系统，反映层通常具有更高的优先权。 过程推理系统(Procedure Reasoning System)PRS体系是混合式Agent结构的一个典型实例。PRS有一个计划库以及显式表示的信念、愿望和目标：信念是一些事实，包括外部世界和Agent的内部状态，它们是用经典的一阶逻辑表示；愿望由系统行为来表示；
PRS计划库包含一些不完整的计划，称为知识区(KA)，一个KA都和一个激活状态相连，这个状态决定KA什么时候被激活。德国Fischer和Muller等人提出的INTERRAP结构，更是层