2.3 MAS組織架構(gòu)與協(xié)商方式

多智能體制造系統(tǒng)進(jìn)行任務(wù)調(diào)度分配時(shí)，提出以交貨期、利潤(rùn)率、客戶等級(jí)和工藝難度為生產(chǎn)指標(biāo)的訂單優(yōu)先級(jí)排序規(guī)則，并設(shè)計(jì)了一種考慮 AGV 配送時(shí)間的多目標(biāo)優(yōu)化調(diào)度模型。選擇合同網(wǎng)協(xié)議作為智能體間合作分工的協(xié)商機(jī)制，并針對(duì)經(jīng)典合同網(wǎng)協(xié)議存在的標(biāo)書無限制發(fā)布、僅進(jìn)行單步調(diào)度優(yōu)化等問題進(jìn)行改進(jìn)優(yōu)化，最終減輕了通信網(wǎng)絡(luò)負(fù)載和提升了全局優(yōu)化性能。將功能實(shí)體抽象、封裝成Agent并確定Agent功能結(jié)構(gòu)，是MAS調(diào)度模型設(shè)計(jì)的第一步。如何將各Agent有效地組織在一起并實(shí)現(xiàn)Agent間的高效協(xié)商，則是MAS調(diào)度模型設(shè)計(jì)的另一個(gè)內(nèi)容和重點(diǎn)，對(duì)MAS調(diào)度模型的運(yùn)行性能具有十分重要的影響。這部分內(nèi)容又涉及兩個(gè)細(xì)分研究?jī)?nèi)容：MAS組織結(jié)構(gòu)設(shè)計(jì)和MAS協(xié)商機(jī)制設(shè)計(jì)。

2.3.1 MAS基本組織結(jié)構(gòu)

本書將 MAS 的組織結(jié)構(gòu)分為三種基本類型，分別是集中式組織結(jié)構(gòu)、層級(jí)式組織結(jié)構(gòu)和分布式組織結(jié)構(gòu)。三者的結(jié)構(gòu)體系如圖2-9所示。

1.集中式組織結(jié)構(gòu)（centralized organization）

集中式組織結(jié)構(gòu)由一個(gè)總控Agent負(fù)責(zé)整個(gè)MAS模型的控制決策，主控Agent和其他Agent 構(gòu)成主從關(guān)系，如圖 2-9（a）所示。顯然，由于集中式組織結(jié)構(gòu)下的總控 Agent 擁有 MAS 模型的全部信息，故容易獲得全局最優(yōu)解。但是，集中式組織結(jié)構(gòu)的缺點(diǎn)也是顯而易見的。首先，主控Agent處于多Agent網(wǎng)絡(luò)的核心節(jié)點(diǎn)，系統(tǒng)內(nèi)其他Agent的運(yùn)行都要依靠總控Agent的正常運(yùn)轉(zhuǎn)，屬于單點(diǎn)集中控制，一旦總控Agent出現(xiàn)故障，整個(gè)MAS將崩潰；此外，當(dāng)系統(tǒng)中Agent的粒度較小時(shí)，總控Agent的運(yùn)算負(fù)荷將增大。在環(huán)境穩(wěn)定、規(guī)模較小的應(yīng)用場(chǎng)景下，集中式組織結(jié)構(gòu)獲得了較為廣泛的運(yùn)用。

2.層級(jí)式組織結(jié)構(gòu)（hierarchical organization）

層級(jí)式組織結(jié)構(gòu)是依據(jù)MAS中各Agent的控制范圍及包容性關(guān)系而逐層劃分的一種組織結(jié)構(gòu)，如圖2-9（b）所示。在層級(jí)式組織結(jié)構(gòu)中，上層Agent生成決策并對(duì)其所屬的下一層子系統(tǒng)進(jìn)行控制，同層以及非相鄰層之間無法直接通信。層次式組織結(jié)構(gòu)分散了控制職責(zé)，降低了系統(tǒng)的設(shè)計(jì)復(fù)雜程度，但對(duì)于某個(gè)位于非底層的單個(gè) Agent 來說，其及其下屬的Agent之間仍然是簡(jiǎn)單的集中式組織結(jié)構(gòu)，集中式組織結(jié)構(gòu)的固有弊端仍然存在。

3.分布式組織結(jié)構(gòu)（distributed organization）

分布式組織結(jié)構(gòu)由一系列平等的自治Agent組成，該組織結(jié)構(gòu)中沒有層次劃分和集中控制，所有的決策來自個(gè)體Agent間的交互協(xié)商，如圖2-9（c）所示。分布式組織結(jié)構(gòu)具有高度的柔性和穩(wěn)健性，但是由此付出的代價(jià)是系統(tǒng)通信量大，個(gè)體 Agent 固有的貪婪性得不到抑制，往往導(dǎo)致Agent的決策是局部最優(yōu)。該結(jié)構(gòu)是傳統(tǒng)基于MAS的作業(yè)車間調(diào)度研究常采用的MAS組織方式。

2.3.2 MAS協(xié)商機(jī)制概述

在多智能體制造系統(tǒng)中，Agent之間良好的協(xié)商機(jī)制是實(shí)現(xiàn)系統(tǒng)高效運(yùn)行的重要保障。一方面，單個(gè)Agent的處理、分析能力往往是有限的，為解決超出單個(gè)Agent執(zhí)行能力的復(fù)雜任務(wù)，必須同其他Agent協(xié)作完成。例如，某個(gè)加工單元Agent需要對(duì)某一工件進(jìn)行加工，但是其不具備運(yùn)輸工件的能力，因此必須請(qǐng)求AGV Agent與其進(jìn)行協(xié)作共同完成對(duì)該工件的運(yùn)輸、加工。另一方面，單個(gè) Agent 所擁有的計(jì)算資源、所能接觸到的環(huán)境是有限的，因此單個(gè)Agent的優(yōu)化目標(biāo)必然是局部?jī)?yōu)化的。這就導(dǎo)致了不同Agent之間、單個(gè)Agent與整個(gè)系統(tǒng)之間的目標(biāo)不一致。因此必須通過協(xié)調(diào)Agent之間的目標(biāo)和資源，才能實(shí)現(xiàn)整個(gè)MAS的全局優(yōu)化。例如，為實(shí)現(xiàn)制造系統(tǒng)全局的最優(yōu)化目標(biāo)，加工單元Agent可以放棄選擇滿足自身最優(yōu)化目標(biāo)的工件而選取其他次優(yōu)方案。

Agent 之間的協(xié)商機(jī)制涉及社會(huì)學(xué)、博弈論等多個(gè)學(xué)科的交叉領(lǐng)域，是 Agent 社會(huì)性的體現(xiàn)。許多學(xué)者對(duì)MAS模型進(jìn)行了研究，并提出了很多不同的MAS協(xié)商機(jī)制。其中最具代表性、應(yīng)用最為廣泛的三種協(xié)商機(jī)制分別為合同網(wǎng)協(xié)議、黑板模型和群體智能機(jī)制。

1.合同網(wǎng)協(xié)議

合同網(wǎng)協(xié)議（Contract Net Protocol，CNP）由Smith在20世紀(jì)80年代提出。CNP引入市場(chǎng)中的招標(biāo)—投標(biāo)—競(jìng)標(biāo)機(jī)制，網(wǎng)絡(luò)中的任務(wù)發(fā)起節(jié)點(diǎn)和任務(wù)執(zhí)行節(jié)點(diǎn)之間構(gòu)成合同關(guān)系，用于分布式問題求解過程中節(jié)點(diǎn)之間的任務(wù)動(dòng)態(tài)分配，是MAS最主要的協(xié)商機(jī)制，并且已經(jīng)成功應(yīng)用于生產(chǎn)制造系統(tǒng)。合同網(wǎng)協(xié)議流程如圖2-10所示。合同網(wǎng)協(xié)議中參與交互協(xié)商的Agent分為兩種角色：發(fā)起者Agent（Initiator Agent，IA）和參與者Agent（Participator Agent，PA）。當(dāng)使用合同網(wǎng)協(xié)議的多Agent系統(tǒng)中某個(gè)Agent存在需要進(jìn)行協(xié)調(diào)處理的任務(wù)時(shí)，該Agent便會(huì)成為一個(gè)發(fā)起者。發(fā)起者會(huì)通過廣播向系統(tǒng)內(nèi)的其他Agent發(fā)布包含任務(wù)各項(xiàng)要求的招標(biāo)信息。其他 Agent 作為參與者收到招標(biāo)信息后，會(huì)根據(jù)自身能力、負(fù)載等情況決定是否參與該任務(wù)競(jìng)標(biāo)。決定參加競(jìng)標(biāo)的參與者將自身狀態(tài)封裝成標(biāo)書，回復(fù)給發(fā)起者。發(fā)起者對(duì)所有收到的標(biāo)書進(jìn)行評(píng)估，選出最適合的參與者，并向其發(fā)送確認(rèn)信息。參與者收到確認(rèn)信息后決定是否接受本次合作，若接受則回復(fù)確認(rèn)信息，完成合同簽訂。

合同網(wǎng)協(xié)議采用了招標(biāo)—投標(biāo)—競(jìng)標(biāo)的方式進(jìn)行Agent之間的協(xié)商。整個(gè)過程與現(xiàn)實(shí)生活中簽署合同的方式比較貼近，易于理解與實(shí)現(xiàn)，便于異構(gòu)型多 Agent 系統(tǒng)中實(shí)現(xiàn)資源的優(yōu)化配置。但是合同網(wǎng)協(xié)議也存在通信量較大、協(xié)商效率較低等問題。

2.黑板模型

黑板模型是專家系統(tǒng)在 MAS 上的一種實(shí)現(xiàn)方式。黑板模型由黑板、知識(shí)源和控制機(jī)構(gòu)組成，如圖2-11所示。在黑板模型中，黑板是一個(gè)全局動(dòng)態(tài)數(shù)據(jù)庫(kù)，存放有系統(tǒng)的原始數(shù)據(jù)以及各個(gè)知識(shí)源所獲得的局部解。知識(shí)源是一個(gè)獨(dú)立的知識(shí)庫(kù)，擁有一定的資源和局部問題的求解能力。在MAS中，知識(shí)源對(duì)應(yīng)的是自治的Agent實(shí)體。控制機(jī)構(gòu)負(fù)責(zé)監(jiān)控、更新黑板數(shù)據(jù)狀態(tài)，并根據(jù)黑板數(shù)據(jù)激活相應(yīng)的知識(shí)源進(jìn)行問題求解。

與合同網(wǎng)協(xié)議不同，黑板模型中各個(gè)Agent之間不能直接通信。各個(gè)Agent通過訪問黑板獲取所需數(shù)據(jù)進(jìn)行問題求解或任務(wù)執(zhí)行，并將結(jié)果發(fā)送至黑板供其他 Agent 使用。黑板上的內(nèi)容可以不斷添加、刪除、修改。當(dāng)控制機(jī)構(gòu)檢測(cè)到某項(xiàng)觸發(fā)條件達(dá)成時(shí)，便會(huì)通知相應(yīng)的Agent執(zhí)行任務(wù)。MAS通過不斷重復(fù)上述步驟，最終實(shí)現(xiàn)整個(gè)系統(tǒng)的調(diào)度運(yùn)行控制。

由于黑板模型中全局?jǐn)?shù)據(jù)庫(kù)的存在，系統(tǒng)易于實(shí)現(xiàn)全局優(yōu)化調(diào)度。此外，所有 Agent只需要同黑板 Agent 進(jìn)行通信，減少了系統(tǒng)中的通信量。但是黑板模型的缺點(diǎn)也很明顯。黑板和控制機(jī)構(gòu)的 Agent 模型結(jié)構(gòu)非常復(fù)雜，涉及的知識(shí)源以及相關(guān)設(shè)備過多，導(dǎo)致在解決具體問題時(shí)實(shí)現(xiàn)難度大。而且系統(tǒng)中所有的Agent都由控制機(jī)構(gòu)Agent進(jìn)行統(tǒng)一調(diào)度，系統(tǒng)剛度大，只能適用于集中式組織結(jié)構(gòu)，易導(dǎo)致單點(diǎn)故障、中心節(jié)點(diǎn)負(fù)荷大等問題。而集中式組織結(jié)構(gòu)在計(jì)算大規(guī)模、復(fù)雜度高的調(diào)度問題時(shí)，求解時(shí)間太長(zhǎng)，不適用于動(dòng)態(tài)調(diào)度模型。

3.群體智能機(jī)制

群體智能機(jī)制是如蟻群算法等群體智能算法在 MAS 上的應(yīng)用。由于群體智能算法源于對(duì)自然界蟻群、鳥群、蜂群等群體行為的模擬，若將其中的個(gè)體視為Agent，那么多Agent算法則是群體智能算法的自然實(shí)現(xiàn)。以蟻群智能機(jī)制在制造系統(tǒng)的應(yīng)用為例，將工件Agent視為螞蟻，加工單元 Agent 視為路徑節(jié)點(diǎn)。工件的每次加工會(huì)在加工單元上留下一定的信息素，信息素會(huì)隨時(shí)間消散。信息素濃度越高的加工單元越能吸引工件選擇其進(jìn)行加工。通過上述正反饋環(huán)節(jié)，最終實(shí)現(xiàn)最優(yōu)加工路線。

群體智能算法與 MAS 結(jié)合度高，實(shí)現(xiàn)容易，且在靜態(tài)調(diào)度中已經(jīng)體現(xiàn)出分布式并行計(jì)算的優(yōu)勢(shì)。但是其運(yùn)行初始階段優(yōu)化性和對(duì)擾動(dòng)響應(yīng)性差，而且由于實(shí)現(xiàn)正反饋需要假設(shè)路徑節(jié)點(diǎn)的容量無限大，這在實(shí)際車間生產(chǎn)調(diào)度系統(tǒng)中難以實(shí)現(xiàn)。因此多用于物流調(diào)度或加工路徑規(guī)劃，而很少用于車間層的實(shí)際生產(chǎn)調(diào)度。

2.3.3 MAS組織結(jié)構(gòu)設(shè)計(jì)

為了適應(yīng)物聯(lián)制造車間多品種、小批量、柔性化的生產(chǎn)模式，解決擾動(dòng)事件頻發(fā)、動(dòng)作響應(yīng)不及時(shí)、優(yōu)化性能低等問題，分別基于功能映射與物理映射對(duì)車間制造資源進(jìn)行Agent 結(jié)構(gòu)建模，并采用層級(jí)式組織結(jié)構(gòu)和分布式組織結(jié)構(gòu)混合的設(shè)計(jì)思想來設(shè)計(jì)改進(jìn)型MAS車間動(dòng)態(tài)調(diào)度模型，具有全局優(yōu)化、擾動(dòng)及時(shí)響應(yīng)等優(yōu)勢(shì)。針對(duì)制造車間中的現(xiàn)場(chǎng)復(fù)雜環(huán)境，為動(dòng)態(tài)調(diào)度模型建立了異常事件擾動(dòng)的驅(qū)動(dòng)策略，擾動(dòng)發(fā)生時(shí)可及時(shí)做出合理應(yīng)對(duì)措施，以維持制造系統(tǒng)正常生產(chǎn)。改進(jìn)后的 MAS 車間調(diào)度模型既能在復(fù)雜的車間制造環(huán)境下實(shí)現(xiàn)自組織生產(chǎn)，又能及時(shí)處理隨機(jī)性動(dòng)態(tài)擾動(dòng)問題。

離散制造車間具有信息量大、設(shè)備種類多、異常事件頻發(fā)等特點(diǎn)，因此集中式組織結(jié)構(gòu)不適用于離散制造車間建模，易出現(xiàn)響應(yīng)不及時(shí)、單點(diǎn)故障等問題。為兼具 MAS 模型的全局優(yōu)化性能和最優(yōu)解求解速度，同時(shí)保證 MAS 的穩(wěn)健性，本節(jié)將采用層級(jí)式組織結(jié)構(gòu)和分布式組織結(jié)構(gòu)混合的設(shè)計(jì)思想來設(shè)計(jì)改進(jìn)型MAS車間調(diào)度模型。基于MAS的改進(jìn)型車間調(diào)度模型的基本構(gòu)架和組成如圖2-12所示。

基于MAS的物聯(lián)制造車間中，主要的制造資源包括AGV小車、原料庫(kù)、成品庫(kù)和加工設(shè)備四種，分別映射為A_AGV（AGV智能體）、A_MW（原料庫(kù)智能體）、A_PW（成品庫(kù)智能體）和A_M（機(jī)床智能體）。此外，出于對(duì)動(dòng)態(tài)擾動(dòng)事件監(jiān)控和全局性能優(yōu)化的考慮設(shè)置了A_C（監(jiān)控智能體）。

其中，A_AGV、A_MW、A_PW、A_M都是基于物理映射，分別對(duì)應(yīng)于車間內(nèi)的生產(chǎn)實(shí)體物料運(yùn)輸設(shè)備、原料庫(kù)、成品庫(kù)和加工設(shè)備；A_C為功能映射，沒有與之對(duì)應(yīng)的車間生產(chǎn)實(shí)體，其內(nèi)部封裝了多目標(biāo)優(yōu)化算法和擾動(dòng)事件處理策略庫(kù)（優(yōu)化算法部分將在第 6 章詳細(xì)介紹）。A_C和A_MW位于資源規(guī)劃層，多個(gè)A_AGV和A_M位于任務(wù)生產(chǎn)層和任務(wù)執(zhí)行層，每一層均為分布式組織結(jié)構(gòu)，層與層之間形成集中式組織結(jié)構(gòu)，即資源規(guī)劃層決定資源生產(chǎn)層的作業(yè)生產(chǎn)調(diào)度序列。改進(jìn)型MAS模型中的五類Agent主要模塊的功能介紹如表2-1所示。其中邏輯模塊功能較為復(fù)雜，將對(duì)其進(jìn)行詳細(xì)論述。

2.3.4 Agent邏輯模塊

此處所設(shè)計(jì)的MAS調(diào)度模型的五類Agent中，邏輯模塊負(fù)責(zé)通過信息分析、產(chǎn)生執(zhí)行決策，以管理、控制整個(gè) Agent 單元運(yùn)行和動(dòng)作。但是由于其軟硬件結(jié)構(gòu)設(shè)計(jì)復(fù)雜，功能繁多，難以用較短篇幅詳細(xì)敘述全部決策過程。因此，對(duì)模型中各個(gè) Agent 邏輯模塊的主要功能進(jìn)行簡(jiǎn)單介紹。

1.原料庫(kù)智能體（A _MW）

A _MW的邏輯模塊主要負(fù)責(zé)訂單處理、設(shè)備選擇和工件出庫(kù)。其流程如圖2-13所示。A _MW通過向云平臺(tái)發(fā)送請(qǐng)求來獲得新增訂單。由于客戶所下訂單一般包含多種類型的工件，每種工件需要進(jìn)行多種工序加工，所以將訂單拆分成工序任務(wù)，根據(jù)交貨期和客戶重要程度等指標(biāo)計(jì)算任務(wù)的優(yōu)先級(jí)，最后將任務(wù)根據(jù)優(yōu)先級(jí)插入任務(wù)隊(duì)列中。接著A _MW從任務(wù)隊(duì)列中取出優(yōu)先級(jí)最高的任務(wù)，收集執(zhí)行調(diào)度算法所需信息后選擇一組 AGV 和機(jī)床來完成任務(wù)的運(yùn)輸和加工。選中的AGV來到A _MW出庫(kù)口后，A _MW控制機(jī)械結(jié)構(gòu)將原料從庫(kù)位運(yùn)送到RFID讀寫器處進(jìn)行標(biāo)簽信息初始化，接著再將原料輸送至AGV上。

2.成品庫(kù)智能體（A_PW）

A_PW的邏輯模塊只負(fù)責(zé)控制工件入庫(kù)。其流程如圖2-14所示。當(dāng)某個(gè)工件的所有工序全部加工完成后，接收運(yùn)輸任務(wù)的AGV將工件成品運(yùn)送至A_PW入庫(kù)口，A_PW協(xié)同AGV將工件輸送至 RFID 讀寫器處進(jìn)行信息狀態(tài)讀取、存儲(chǔ)和上傳至云端，最后通過A_PW機(jī)械裝置將工件輸送至成品庫(kù)中對(duì)應(yīng)位置處。

3.機(jī)床智能體（A _M）

A _M的邏輯模塊負(fù)責(zé)任務(wù)工件的加工和競(jìng)標(biāo)。其流程如圖2-15所示。當(dāng)收到招標(biāo)書時(shí)，A_M會(huì)根據(jù)自身加工能力和緩沖區(qū)是否有空位再?zèng)Q定是否投標(biāo)，如果招標(biāo)方選中該A_M，A_M收到選標(biāo)書之后會(huì)再次確認(rèn)緩沖區(qū)是否有空位再回復(fù)是否應(yīng)標(biāo)。A_M也負(fù)責(zé)工件的加工，當(dāng)工件工序加工完成后，需要對(duì)工件 RFID 芯片數(shù)據(jù)進(jìn)行讀取，判斷是否還有下一道工序需要完成，如果工序已經(jīng)全部完成，則通知 AGV 入庫(kù)，否則針對(duì)下一道工序向其他智能體發(fā)送招標(biāo)書，進(jìn)行招標(biāo)。

4.AGV智能體（A_AGV）

A_AGV的邏輯模塊主要負(fù)責(zé)物流任務(wù)的接收和執(zhí)行。其流程如圖2-16所示。A_AGV接收到物流任務(wù)后根據(jù)任務(wù)優(yōu)先級(jí)大小插入到優(yōu)先級(jí)隊(duì)列中。A_AGV在執(zhí)行物流任務(wù)時(shí)先根據(jù)物流任務(wù)的起點(diǎn)和終點(diǎn)查詢離線路徑庫(kù)，按照查到的最優(yōu)路徑執(zhí)行任務(wù)，如果執(zhí)行任務(wù)期間碰到路徑?jīng)_突，通過查詢沖突事件策略庫(kù)搜索對(duì)應(yīng)的解決策略，重新規(guī)劃路線，完成物流任務(wù)。

5.監(jiān)控智能體（A_C）

由于A_C主要負(fù)責(zé)車間動(dòng)態(tài)擾動(dòng)事件的監(jiān)控和處理，所以A_C的邏輯模塊就是根據(jù)感應(yīng)到的擾動(dòng)事件來匹配和執(zhí)行知識(shí)庫(kù)中對(duì)應(yīng)的擾動(dòng)處理策略。具體的擾動(dòng)事件和擾動(dòng)處理策略將在第4.2.2等節(jié)中詳細(xì)介紹。