2.2 面向制造資源的Agent結構模型設計

當今時代正處于傳統車間制造向智能制造轉型的關鍵時期，而向智能制造轉型的關鍵一步就是車間制造單元智能化。制造單元智能化最具有潛力的解決方案是將具有知識庫、信息交互、決策推理和設備控制等功能的 Agent 軟件系統與物理車間制造裝備相結合構成裝備智能體。良好、多樣的Agent映射方式和規范的Agent結構設計是建立有效的作業車間多Agent調度模型的基礎。傳統MAS調度模型Agent映射方式單一、Agent結構設計不清晰，嚴重制約了模型的運行效率。

2.2.1 Agent的基本特性

Agent 是一種為實現特定功能而設計的獨立的軟件或硬件實體，并封裝了推理決策、通信和知識庫等模塊以解決特定問題。包振強等人將 Agent 描述成在動態復雜的環境中能自我感知周邊環境并能通過外部動作改變環境，從而完成預設目標或任務的計算系統。基于 Agent 的思想，只需對系統對象中的各個功能模塊和物理實體進行簡單的抽象和映射，建立起對應的 Agent 實體，就可以方便地對復雜系統進行描述、降低其建模難度，并預測其行為。而MAS則是一系列相互協作的Agent組成的松散耦合系統。目前，學術界對Agent還未形成統一的定義標準，Agent 的結構也缺乏建模標準。但是，幾乎目前所有的 Agent定義都包含以下四個Agent基本特征。

1.自治性（autonomous）

Agent 具有自己的數據庫、知識庫、計算資源和控制自己外部行為的能力，能夠在脫離外界控制的情況下，根據自身知識庫自主地實現某些行為。

2.反應性（reactive）

反應性是指Agent具有感知周圍環境信息的能力。當Agent收到感知設備感知到的信號或者收到其他 Agent 發送的信息時，會將其存儲到自身數據庫中，并根據知識庫中的規則進行響應。

3.主動性（proactive）

主動性是指 Agent 內部預設了很多目標，Agent 能夠主動采取行動來實現這些目標。這說明，Agent 不僅能夠被動地通過接收信息來執行動作，也能夠主動地改變外部環境。主動性是Agent最重要的特點。

4.社會性（social）

社會性是指單個Agent的存在是沒有意義的，必須與其他Agent組合形成多Agent網絡。Agent網絡中的Agent個體之間可以進行信息共享和通信互知，并且能夠以協作的方式一起實現特定的任務或功能。

除了以上基本特性外，學者們還為Agent定義了其他一些特性，如移動性、進化性、善意性等。研究者可根據實際需要為所設計的Agent添加特性，但是要實現MAS的基本功能，所設計的Agent模型必須同時具備上述四個特性。

2.2.2 Agent的映射方式

Agent的映射方式、映射粒度決定了整個系統的結構和性能。將什么樣的功能實體（包括邏輯功能和物理實體）映射（或稱封裝）為Agent，決定了Agent的粒度，同時也會影響整個系統的功能。當前，缺乏系統而完善的理論和工程方法來指導 Agent 的映射工作，從而精簡 MAS 模型同時保證運行效率。通常使用自然的方法對系統對象進行功能分解和Agent映射，但這要依賴設計人員的經驗。

在MAS研究及應用領域，將功能實體封裝為Agent主要存在以下兩種方式。

1.按照功能模塊來進行映射

在基于功能的分解中，Agent 的映射對象為制造系統中的各個功能模塊，如物流優化模塊、系統資源規劃、作業調度計算等。Agent 和制造系統中的生產資源實體，如機床、自動化立體倉庫（Automated Storage and Retrival System，AS/RS）等之間沒有明確的對應關系，Agent通過感知系統中的各種變量、狀態進行運算，這注定了其成為多Agent系統信息交互和數據處理的中心。

2.按照物理實體進行映射

制造車間存在很多制造裝備。制造裝備具備自治性、社會性、反應性和主動性等特征，將不同的制造裝備映射成不同的Agent是非常簡單而又自然的。在基于物理的分解中，Agent的映射對象為制造系統中的生產資源實體，如加工中心、工件、AGV、AS/RS 等。Agent和生產資源實體存在簡單而明確的一一對應關系。通過此類映射獲得的 Agent，其自身狀態定義和信息管理相對獨立，在網絡中的信息負載也相對較小。

上述兩種映射方式中，按照功能模塊來進行映射需要開發人員具備良好的系統模塊化能力，難度相對較高，而且在車間系統規模比較龐大的情況下，單個功能模塊所承載的負載壓力會比較高。按照物理實體進行映射是傳統MAS車間常用的Agent映射方式，將制造裝備與 Agent 一一對應，具有建模簡單、擴展性強和容錯性好等優點，適合大規模分布式制造系統，但也因為Agent多使用簡單、單一的物理分解，造成MAS調度模型缺乏統一規劃和全局優化能力。因此，筆者將這兩種映射方式相結合，以基于物理實體進行映射方式為主，同時基于功能特點構建專門用于動態擾動事件感知和生產過程全局優化的監控Agent，用于提升系統的全局優化能力和穩定性。

2.2.3 Agent的基本結構

進行Agent結構模型設計需要解決以下問題：Agent具有哪些功能模塊？Agent如何感知外界信息？如何通過感知到的信息來影響內部狀態和行為？以及如何把多個功能模塊組合起來形成整體？Agent根據邏輯結構和功能特性可以分為智能型Agent（Smart Agent）、思考型Agent（Deliberative Agent）、反應型Agent（Reactive Agent）和混合型Agent（Hybrid Agent）。

1.智能型Agent

智能型Agent是由Rao等人設計的一種最具智能性的Agent。其結構如圖2-5所示。其結構設計基于BDI的思想，即信念（Belief），表示Agent對環境的理解；愿望（Desire），表示Agent要實現的目標；意圖（Intention），表示Agent為實現自身目標而主動執行的動作。解釋器負責實現信念、愿望和意圖的聯通和整合。智能型Agent也稱為BDI型Agent。但是，智能驅動的設計理念限制了Agent對環境變化的適應能力，且執行效率不高。

2.思考型Agent

思考型Agent通過感知設備來接收外界環境的信息，并與Agent內部狀態進行信息融合，產生當前狀態變更的描述信息，接著在知識庫的作用下形成一系列描述動作，通過執行裝置對外界環境產生作用。其結構如圖2-6所示。基于上面的描述可以發現，思考型Agent類似于專家系統，是一種基于知識庫的系統。它根據感知得到的外部環境信息，從知識庫中生成對應的處理策略。但是，Agent 中知識庫包括的策略集合相對比較固定，遇到未記錄在內的緊急事件，難以做出合理的應急策略，往往會造成難以彌補的損失，因此不適用于環境復雜的離散制造車間。

3.反應型Agent

反應型Agent不同于思考型Agent，其核心是“感知—動作”機制，Agent的動作受到某種信息刺激而引發，所以被稱為反應型Agent。其結構如圖2-7所示。當外部環境發生變化時，反應型 Agent 能夠快速做出反應，但其規則比較單一、固定，而且智能性、自治性相對于思考型Agent較低。因此在復雜場景下該類型Agent應用較少。

4.混合型Agent

純粹的智能型Agent、思考型Agent和反應型Agent結構均存在一定的缺陷，各具有其局限性，無法適應復雜應用場合的建模要求。實際上在調度模型設計中，比較好的方法是將這三種結構結合起來，形成混合型Agent。混合型Agent既保留了智能型Agent和思考型Agent的智能性，又具備了反應型Agent應對外部環境變化的快速響應能力，更加適合在實際車間中實施落地。混合型Agent由兩層結構組成，高層是實現智能型Agent和思考型Agent功能的決策層，底層則模擬反應型Agent，構建對環境的快速響應能力的反應層。

典型的混合型Agent結構是一個Agent中包含兩個（或以上）子Agent。其中，處于高層的是思考型 Agent，根據外部信息和知識庫進行邏輯推理與決策，負責處理抽象性較高的數據；處于底層的則是反應型 Agent，用來處理復雜度較低、緊急異常的事件，不用進行復雜邏輯運算就生成處理策略，側重于Agent的短期目標。

通過對上述四種常用Agent結構的研究，對比、分析其性能優劣，并在參考混合型Agent設計思路的基礎上，將在后續章節中設計出改進型MAS車間調度模型的統一Agent結構。改進后的 Agent 結構模型既能滿足多智能體制造系統的自組織生產需求，又能即時感知、處理隨機性動態擾動問題。

2.2.4 Agent結構模型設計

在第2.2.2節內容中提到了主要按照物理實體即生產資源來對Agent進行映射，而對于生產資源來說，作為生產制造任務的實際執行者，其主要功能可以總結為以下幾個。

（1）能夠保存和管理制造裝備的基本屬性信息。

（2）能夠通過知識庫中的控制指令來操作制造裝備執行相應動作，并通過相關接口對制造裝備的運行狀態進行監控與管理。

（3）能夠通過既定的通信協議與其他智能體進行正常通信與信息交互。

（4）能夠根據當前物理設備的運行狀態、歷史數據和生產能力，識別出其他智能體發出的通信信息，并對具體信息內容做出判斷、分析與決策。

由于制造裝備的復雜性，多智能體制造系統中Agent既能實時監測制造裝備的運行參數，判斷其當前運行狀態，并在設備故障時及時調整生產策略，又要能夠根據自身知識庫、數據庫等數據信息，通過協商機制與其他智能體進行協商，最終在動態擾動下生成重調度決策結果。因此，基于MAS的物聯制造車間中的智能體主要包括以下幾個模塊：知識庫、數據庫、學習與進化模塊、通信模塊、事件感知模塊、設備操作與監控模塊、推理與決策模塊、人機交互接口等。

其各功能模塊分別介紹如下。

（1）數據庫。數據庫存儲裝備智能體本身的屬性數據和運行狀態數據，如制造裝備的型號、名稱和加工能力等基本屬性信息，完工件、在制品和緩存區任務等狀態數據。

（2）知識庫。知識庫存儲裝備智能體進行調度決策時所使用到的規則和策略。知識庫中的內容經學習與進化模塊的學習和邏輯推理不斷豐富。

（3）學習與進化模塊。借助于自學習模塊的學習規則，Agent 對已有的知識進行不斷更新，更好地指導自身的行為，實現預定的目標。其中知識源有兩個：Agent 已實現的成功事件；上個環節未達成預期目標的失敗事件。此外，該模塊會不斷通過感知到的信息來豐富數據庫和知識庫。

（4）通信模塊。通信模塊在邏輯模塊的控制下實現Agent與網絡內其他Agent的通信，是 Agent 與外界信息交互的通道；通過特定的智能體間通信協議與其他裝備智能體接收和發送消息，并能夠屏蔽操作系統的差異。

（5）事件感知模塊。該模塊通過從通信模塊傳來的消息和自身狀態來判斷事件的類型，從而實現從消息到事件的轉化。

（6）設備操作與監控模塊。該模塊可以監控和記錄制造裝備的運行狀態，根據決策結果向制造裝備發出特定控制信號，實現裝備的動作操控，是連接制造裝備和上層軟件的橋梁。

（7）推理與決策模塊。該模塊根據感知到的事件查詢知識庫，確定響應事件的策略和方法，計算得到系統的響應輸出。

（8）人機交互接口。操作人員可以通過該接口直接進行系統干預和調整。

改進型MAS調度模型的Agent設計采用如圖2-8所示的統一的Agent結構，降低了軟件設計的復雜程度，提高了 MAS 的可重構性和設備的互換性。但針對不同功能和優化目標的Agent，其內部結構會略有差別，如監控Agent不需要設備接口模塊。