摘要：介紹了一種多智能Agent模型，用于解決用戶個性化信息的聚合問題。該模型采用的運(yùn)算法則是改進(jìn)型的蒙特卡羅方法，并接合了Hopfield網(wǎng)絡(luò)模型和Suffix Tree的特點，較準(zhǔn)確有效地實現(xiàn)了對用戶愛好信息的聚合。
關(guān)鍵詞：多智能Agent信息聚合智能模型 20世紀(jì)90年代以來，隨著計算機(jī)網(wǎng)絡(luò)、通信等技術(shù)的快速發(fā)展，網(wǎng)絡(luò)環(huán)境正由Client／Server發(fā)展到Client／Network，并向Client／Virtual Environment發(fā)展，分布式人工智能DAI(Distributed Artificial Intelligence)受到了人們的廣泛關(guān)注，對智能Agent的研究又是其中的一個熱點。多智能Agent降低了對集中式、順序控制的限制，提供了移動控制、應(yīng)急和并行處理，不僅為用戶提供了一種遠(yuǎn)程智能程序設(shè)計的方法，實現(xiàn)了更加快捷的問題求解，而且將用戶從紛繁的信息海洋中解放出來，可以集中精力關(guān)注他們感興趣的信息。

用戶對網(wǎng)絡(luò)感興趣的并不是網(wǎng)絡(luò)資源所蘊(yùn)含數(shù)據(jù)量的大小．而是那些可以在一定程度上能夠滿足自己需要的個性化信息，他們都希望能在最短的時間內(nèi)掌握這些信息的分布情況。用傳統(tǒng)的的方法來解決這個問題時，用戶的代理服務(wù)器往往會遇到許多質(zhì)疑，例如在無法深入調(diào)查用戶坦率度的情況下如何準(zhǔn)確把握用戶的興趣；如何保證對用戶興趣的模擬是準(zhǔn)確的；如何保證聚合信息能滿足用戶的需求等。本文就如何準(zhǔn)確模擬用戶興趣，并依此聚合用戶的個性化信息作了嘗試性研究，對常用的運(yùn)算法則和模型的設(shè)計思想作了一定的改進(jìn)．收到了良好效果。

1 智能Agent
Wooldridge等人對智能Agent的“弱定義”和“強(qiáng)定義”廣為人們接受。智能Agent不僅具有反應(yīng)性、自治性、面向目標(biāo)和環(huán)境性四個基本特征，還具有理性、善意和學(xué)習(xí)等特點。因此可以認(rèn)為智能Agent是指能為用戶執(zhí)行某些特定的任務(wù)且具有心智狀態(tài)(mental state)，能自主地根據(jù)需要進(jìn)行分析推理、自我完善的軟件體，是一個具有一定智能行為的概念“人”。智能Agent既是人工智能的最初目標(biāo)，也是人工智能的最終目標(biāo)。
2 模型設(shè)計
2.1 智能Agent模型
模型選用了1998年中國科學(xué)院計算技術(shù)研究所研制的多主體系統(tǒng)開發(fā)工具AOSDE(Agent Oriented SoftwareDeveloping Environment)。該系統(tǒng)用Java編寫，可以保證Agent的可移植性和異構(gòu)環(huán)境下的互操作性。在此基礎(chǔ)上設(shè)計了智能Agent的統(tǒng)一結(jié)構(gòu)模型，包括五個模塊：管理模塊、自檢模塊、任務(wù)模塊、儲存模塊和通信模塊，如圖1所示。管理模塊是核心模塊，它負(fù)責(zé)監(jiān)控其他四個模塊，負(fù)責(zé)智能Agent的自我保護(hù)和自我完善；自檢模塊負(fù)責(zé)智能Agent的初始化和性能檢測；任務(wù)模塊負(fù)責(zé)接收任務(wù)、解釋任務(wù)、執(zhí)行任務(wù)并返回執(zhí)行結(jié)果；儲存模塊負(fù)責(zé)存儲備用數(shù)據(jù)和執(zhí)行結(jié)果；通信模塊負(fù)責(zé)智能Agent間、智能Agent與Agent平臺間的數(shù)據(jù)交換。

2．2 智能Agent設(shè)計
模型中用到的智能Agent按功能分作四類：用戶Agent、描述Agent、匯總Agent和學(xué)習(xí)Agent，它們的協(xié)作關(guān)系如圖2所示。

(1)用戶Agent，它是一個界面Agent，扮演“眼睛”的角色，完成用戶與系統(tǒng)間的對話。

系統(tǒng)運(yùn)行期間，用戶Agent觀察用戶行為，并將觀察到的行為信息傳遞給學(xué)習(xí)Agent和描述Agent。例如記錄用戶的ID號、文檔的關(guān)鍵詞，用戶是否下載了文檔、是否在文檔中添加了書簽或者建立了超鏈接等。用戶通過它可以隨時調(diào)用或更改用戶側(cè)面中儲存的興趣主題(副主題)，整個系統(tǒng)對用戶是透明的。

(2)描述Agent，它采用語義網(wǎng)絡(luò)的表示方法來描述用戶興趣，并與學(xué)習(xí)Agent協(xié)作完成對用戶興趣的模擬。

用戶的興趣可以是單個主題，也可以是多個主題的結(jié)合體。描述Agent在對概念、行為描述的過程中考慮了合取概念聚類問題和主題間的相關(guān)性，用副主題來描述多個主題的聚臺概念，主題和副主題都儲存在用戶側(cè)面中。

描述Agent還負(fù)責(zé)描述用戶對聚合信息的反映，并把結(jié)果作為計算主題(副主題)優(yōu)先級變化量的一個參數(shù)。法則如下：用戶對聚合信息中與主題(副主題)n相關(guān)文檔j的反映可以分作四類：不喜歡、希望了解、比較感興趣、喜歡。參數(shù)依次設(shè)定為一l、0、l、2，分類的依據(jù)是時間利用率β，β=tn/T，其中，用戶訪問網(wǎng)絡(luò)的時間為T，用戶瀏覽j所用時間為tn，n的優(yōu)先級變化量記為δmn。定義：β≥0.5時，用戶對文檔j喜歡，δmn=2；0.5>β≥O.3時。用戶對文檔j比較感興趣，δmn=l；0.3>β≥0.15時，用戶對文檔j只是希望了解，δmn=0；β<0.15時，用戶對文檔j不喜歡，δmn=一1。用戶退出用戶Agent時，描述Agent將δmn作為更新值傳遞給用戶側(cè)面。描述法則偽程序如下：

①接收用戶對聚合信息的反映；
②對于每個主題(副主題)n

③將δmn傳到用戶側(cè)面并更新mn mn+δmn；
④if mn≥50 then mn=50
if mn≤0 then從用戶側(cè)面中刪除n
(3)匯總Agent，它是模型的“雙手”，通過搜索和匯總來完成信息的聚合。

模型選用Google Web Service來完成搜索任務(wù)，應(yīng)用程序接口選用Googte API。匯總Agent將搜