基于Jade的多Agent對話系統(tǒng)的設(shè)計與實現(xiàn)_圖文

1、湖北工業(yè)大學(xué)碩士學(xué)位論文基于Jade的多Agent對話系統(tǒng)的設(shè)計與實現(xiàn)姓名：司彥峰申請學(xué)位級別：碩士專業(yè)：計算機(jī)應(yīng)用技術(shù)指導(dǎo)教師：熊才權(quán)20100501摘 要多Agent 是人工智能領(lǐng)域一個重要的研究方向。目前，關(guān)于多Agent 的技術(shù)研究已經(jīng)深入到社會的各個方面，但對多Agent 對話系統(tǒng)的研究還較少。多Agent 對話系統(tǒng)是一個能夠模仿該領(lǐng)域?qū)＜疫M(jìn)行辯論的計算機(jī)程序。它可以根據(jù)當(dāng)前用戶輸入的信息進(jìn)行邏輯分析和判斷，最終通過辯論得出對該領(lǐng)域某一具體問題的建議。其基本過程是參與對話的Agent 根據(jù)系統(tǒng)的知識庫圍繞主題構(gòu)造出爭議，通過對話構(gòu)造爭議之間的攻擊關(guān)系，最后根據(jù)辯論算法確定可接受爭議集

2、，該系統(tǒng)能夠模擬專家進(jìn)行分析和決策，以解決那些需要專家才能做出決策的復(fù)雜問題。本文用Jade 作為開發(fā)平臺，以辯論模型為理論基礎(chǔ)，對多Agent 對話系統(tǒng)進(jìn)行了設(shè)計與實現(xiàn)。采用的辯論模型是以簡化的Toulmin 模型和改進(jìn)的Dung 方法為理論基礎(chǔ)，其中，簡化的Toulmin 模型表示爭議的內(nèi)部結(jié)構(gòu)，用改進(jìn)的Dung 方法表示爭議之間的攻擊和支援關(guān)系。采用具有推理機(jī)制和反應(yīng)性的混合式Agent 體系結(jié)構(gòu)，這樣可以使Agent 能夠在環(huán)境變化的條件下靈活、自主地控制自己的行為。由于多Agent 系統(tǒng)是若干個具有自治性的Agent 組成，可以看出Agent 的通信是實現(xiàn)相互合作的重要方式，所以，我

3、們采用能夠支持分布式問題求解的黑板結(jié)構(gòu)通信方式，用能夠支持多Agent 之間協(xié)調(diào)、信息傳遞和合作等活動的ACL 通信語言。從知識的內(nèi)容、性質(zhì)、可靠性、邏輯抽象的角度來分析之后，采用語義網(wǎng)絡(luò)表示方法對知識進(jìn)行表示。為了提高對復(fù)雜問題的求解，我們從主題的基本事實出發(fā)進(jìn)行不確定性推理?？紤]到求解問題本身的特點，在系統(tǒng)中采用了啟發(fā)式搜索來提高搜索的效率。最后對系統(tǒng)的設(shè)計與實現(xiàn)進(jìn)行了分析，確定了系統(tǒng)的主要用戶有：系統(tǒng)管理員、知識管理員和主題管理員。采用了用例圖、順序圖和協(xié)作圖及活動圖分析了系統(tǒng)的主要功能模塊，構(gòu)建了數(shù)據(jù)庫表的結(jié)構(gòu)，并展示了系統(tǒng)部分模塊的實現(xiàn)。關(guān)鍵詞：多Agent 通信，知識表示，知識推理

4、，JADEAbstractMulti-Agent is an important field of artificial intelligence research. At present, research on multi-Agent technology has been deep into all aspects of society, but which for multi-Agent dialogue system is also less.Multi-Agent dialogue system is a computer program can mimic the debate

5、experts in the field. It can analyze and judge the logic based on the Information current user input, and eventually come to a recommendation about specific issues in the area through debate. The basic process is involved in the dialogue Agent, According to the systems knowledge base is constructed

6、around the theme of the dispute. Construction disputes through dialogue, the relationship between the attacks, finally, according to controversial debates algorithm to determine an acceptable set. simulating expert analysis and decision-making process, to solve those complex problems only experts ca

7、n make a decision.In this paper, Jade as the development platform, debate model as the theoretical base, the Multi-Agent Dialogue System was designed and implemented.In this paper, the debate model was based on the simplified Toulmin model and improved Dung method theoretical basis . Among them, the

8、 simplified Toulmin model represent the internal structure of the dispute. the improved Dung method represent the attacks and supportive relationships between the dispute. By using a reasoning mechanism and response of hybrid Agent architecture， Agent can control their own behavior with changing con

9、ditions in the environment flexibly and autonomously. The communication is an important way to achieve mutual cooperation owing to the Multi-Agent system is a composition of several independent Agent, Therefore, the communication mean of blackboard structure that can support a distributed problem so

10、lving is used. And the ACL language that can support coordination, information transmission, cooperation activities and so on between multiple Agent. The knowledge is expressed with Semantic network after the abstract analysis about the content, nature, reliability, logical point of view .We make th

11、e uncertainty reason from the basic fact in order to improve the solution of complex problems. In the system heuristic search is used to improve search efficiency taking into account the characteristics of solving the problem.Finally, system design and implementation were analyzed., the main users o

12、f the system were determined: system administrators, knowledge managers and subject managers. Following, the system's main functional blocks were analyzed by using case diagram, sequence diagram, collaboration diagrams and activity diagram, the structure of the database table was constructed, pa

13、rts of the system modules realization was show too.Keywords : Multi-Agent Communication, Knowledge Representation, Knowledge reasoning,JADE學(xué)位論文原創(chuàng)性聲明和使用授權(quán)說明原創(chuàng)性聲明本人鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師指導(dǎo)下，獨立進(jìn)行研究工作所取得的研究成果。除文中已經(jīng)標(biāo)明引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的研究成果。對本文的研究做出貢獻(xiàn)的個人和集體，均已在文中以明確方式標(biāo)明。本聲明的法律結(jié)果由本人承擔(dān)。學(xué)位論文作者簽名：

14、日期： 年 月 日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，即：學(xué)校有權(quán)保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)湖北工業(yè)大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。學(xué)位論文作者簽名： 指導(dǎo)教師簽名：日期： 年 月 日 日期： 年 月 日湖 北 工 業(yè) 大 學(xué) 碩 士 學(xué) 位 論 文第1章 緒論1.1 選題背景及意義1.1.1 選題背景隨著計算機(jī)和人工智能技術(shù)的發(fā)展，Agent 和多Agent 的研究已成為基于網(wǎng)絡(luò)的分布式人工智能研究的一個熱點問題

15、，可以說，Agent 和多Agent 技術(shù)是網(wǎng)絡(luò)軟件領(lǐng)域的一個重大突破。盡管人們已經(jīng)研究并且開發(fā)出了一些實用的智能系統(tǒng)，但是還沒有達(dá)到人類的智能水平。在過去的幾十年里人們提出了實現(xiàn)智能系統(tǒng)的方法，每一種方法都有自己的使用者，并且還存在著大量的爭議，總之，這些方法都使智能系統(tǒng)的研究具有了很大的進(jìn)展。隨著計算機(jī)處理問題的復(fù)雜性不斷提高，集中式系統(tǒng)已經(jīng)不能夠滿足現(xiàn)代科學(xué)技術(shù)的發(fā)展，并行式計算機(jī)和分布式智能處理技術(shù)得到了迅速的發(fā)展，更加促進(jìn)了分布式人工智能系統(tǒng)的研究和發(fā)展，由于多Agent 在分布式人工智能的發(fā)展過程中起到了重要的作用，因此，多Agent 技術(shù)推動了智能系統(tǒng)的發(fā)展。分布式人工智能系統(tǒng)可

16、以解決單個Agent 所具有的局限性，逐漸得到了廣泛的應(yīng)用。在分布式人工智能系統(tǒng)中，把要解決的問題逐個分解為多個子任務(wù)，并且對每個子任務(wù)設(shè)計一個求解的方案，再通過相互合作策略，把問題集合成一個整體，每一個Agent 所要執(zhí)行的任務(wù)都不能單獨存在，而是相互合作和通信，在一個環(huán)境中來執(zhí)行。關(guān)于分布式人工智能，最初是用于解決分布式問題求解和多Agent 系統(tǒng)兩個方面。現(xiàn)在主要研究智能系統(tǒng)中的知識和行為，即共同合作或相互對立，如何來協(xié)調(diào)智能系統(tǒng)的行為，使之有效地運用資源，合理地控制智能系統(tǒng)中的異步行為。多Agent 對話系統(tǒng)是一個能夠模仿該領(lǐng)域?qū)＜业挠嬎銠C(jī)程序。該系統(tǒng)可以根據(jù)當(dāng)前用戶輸入的信息進(jìn)行邏輯

17、分析和判斷，最終通過辯論得出對該領(lǐng)域某一具體問題的建議。其過程是用辯論模型對用戶輸入的信息進(jìn)行辯駁，根據(jù)系統(tǒng)的知識庫推理出是支持還是攻擊，從而有效地發(fā)揮出具有專家級別的水平，對提出的問題進(jìn)行推理和判斷，模擬專家的分析和決策過程，以解決那些需要專家才能做出決策的復(fù)雜問題。在多Agent 對話系統(tǒng)中，需要具有辯論的技巧和能力，是論證主題正確性的一種方式，提出主題的論證大量存在于現(xiàn)實生活的某個論點或觀點展開有力的辯論，一般而言，在對話的過程中要把握提出的觀點，看提出的觀點是否合理，然后提出自己的觀點2。1.1.2 選題意義本文從三個方面來分析選題意義：(1有較高的應(yīng)用價值。多Agent 對話系統(tǒng)主要

18、應(yīng)用于法律辯論、群體決策、談判、博弈等多個領(lǐng)域。系統(tǒng)的每一個Agent 都相當(dāng)于一個專家，單個Agent 執(zhí)行的任務(wù)相對比較容易，當(dāng)多個Agent 一起合作就可以執(zhí)行更為復(fù)雜的任務(wù)，這在很大程度上減輕了人們的腦力勞動。建立分布式智能對話系統(tǒng)可以通過知識庫存儲某個領(lǐng)域的相關(guān)知識，在沒有人為的干預(yù)下做出決策；在遇到復(fù)雜的問題時，可以把問題分解成若干個部分，在簡化問題后逐個解決。通常，每一個Agent 都被作為一個實體來處理，多個實體一起合作解決多個問題，這些實體在求解過程中的方法也不同，因此通過多個實體合作比單個實體對問題求解更能取得合適的結(jié)果。(2能夠有效解決復(fù)雜性的問題。多Agent 系統(tǒng)有若

19、干個相互獨立的Agent 組合在一起，其中，每個Agent 都具有自主性、反應(yīng)性、社交性、主動性的特點，從而能夠有效解決復(fù)雜性的問題1。此外，多Agent 系統(tǒng)中每個Agent 都是通過規(guī)定的通信語言進(jìn)行交互，可以有效減少系統(tǒng)內(nèi)各部分之間的相互依賴，從而減少單個實體知識不全帶來的不良影響。分布式人工智能系統(tǒng)為多Agent 系統(tǒng)的開發(fā)和研究提供了廣闊的發(fā)展空間，在快速發(fā)展的網(wǎng)絡(luò)環(huán)境中，多Agent 技術(shù)在各個領(lǐng)域發(fā)揮著較大的作用，并成功地應(yīng)用于智能搜索、分布式計算等領(lǐng)域。(3推動多Agent 對話系統(tǒng)研究的發(fā)展。在我國，關(guān)于多Agent 對話系統(tǒng)的研究還比較薄弱。從目前文獻(xiàn)來看，有關(guān)這方面的研究

20、較少，因此本論文的研究對推動關(guān)于多Agent 對話系統(tǒng)的研究具有重要意義。1.2 研究現(xiàn)狀人工智能的研究源于20世紀(jì)50年代。1956年，在美國達(dá)特茅斯大學(xué)舉辦的一次研討會上，美國學(xué)者麥克錫（MC Carthy）、明斯基（Minsky ）等學(xué)者首次提出“人工智能”這一專業(yè)術(shù)語。20世紀(jì)60年代開始，由于計算機(jī)專家系統(tǒng)的廣泛運用，人工智能技術(shù)得到了較快發(fā)展，如知識表示、推理方法、知識獲取等領(lǐng)域取得了長足進(jìn)步。到70年代初期，眾多領(lǐng)域的研究者在智能搜索和知識推理方法的研究上投入了大量的時間和精力，但研究結(jié)果并不像預(yù)期中的那么理想，引發(fā)了人工智能的低谷時期，人們對人工智能的發(fā)展前景充滿了質(zhì)疑。在接下

21、來的一段時間，美國斯坦福大學(xué)在智能系統(tǒng)的研究工作中，提出了高效率的智能系統(tǒng)應(yīng)該建立在知識的基礎(chǔ)之上。隨后人工智能領(lǐng)域的研究者都意識到了在智能系統(tǒng)中，知識的重要性，從而智能系統(tǒng)的研究進(jìn)入了飛速的發(fā)展中。多Agent 是在20世紀(jì)70年代中期才出現(xiàn)在了人工智能中，其主要研究多Agent 的基礎(chǔ)理論和體系結(jié)構(gòu)，經(jīng)過十年的發(fā)展，才逐漸的成長起來，成為了分布式人工智能領(lǐng)域的一個分支，隨著計算機(jī)技術(shù)快速的發(fā)展，為分布式人工智能的研究提供了一個良好的實踐平臺，其研究成果成功的應(yīng)用到了計算機(jī)通信、計算機(jī)網(wǎng)絡(luò)安全、以及經(jīng)濟(jì)等領(lǐng)域，并且對分布式技術(shù)提出了更高的要求，同時也促進(jìn)了分布式人工智能系統(tǒng)的開發(fā)和研究。20

22、世紀(jì)80年代，人工智能的研究為擺脫專家系統(tǒng)應(yīng)用領(lǐng)域的狹窄，研究者們開始尋找一種規(guī)模更大、范圍更寬的應(yīng)用系統(tǒng)。計算機(jī)網(wǎng)絡(luò)、尤其是Internet 等的出現(xiàn)，使人工智能研究有了一個新的發(fā)展機(jī)遇和推動力。國內(nèi)的分布式人工智能主要研究重點開始逐漸轉(zhuǎn)向多Agent 系統(tǒng)的研究方向。其具體內(nèi)容包括多個并發(fā)的智能主體互相交互、協(xié)調(diào)與合作對問題求解。這時出現(xiàn)了多個智能主體合作的概念和方法，該方法充分發(fā)揮了各個實體的智能，還可以根據(jù)任務(wù)的改變和環(huán)境的變化重新組織實體，具有很強(qiáng)的靈活性、能夠快速適應(yīng)環(huán)境的變化，提高對問題的求解效率。研究智能系統(tǒng)如何并行、協(xié)調(diào)的對問題求解。這也是在研究分布式人工智能的過程中不斷深入

23、到基礎(chǔ)的結(jié)果，同時也明顯的顯示出了對整個人工智能中的群體行為和具有社會性因素的重視。分布式人工智能研究人員最初的研究方向是怎樣構(gòu)造分布式系統(tǒng)來對特定的問題求解，其研究方向的重點是對于問題求解本身和分布式系統(tǒng)求解的一致性、魯棒性和求解效率，在分布式智能系統(tǒng)中單個Agent 的行為是可以預(yù)先定義5。而多Agent 系統(tǒng)的研究是在理性Agent 假設(shè)的基礎(chǔ)之上，其研究重點是協(xié)調(diào)智能系統(tǒng)中的多個Agent 的行為，使得每個Agent 都能夠與其它Agent 一起協(xié)調(diào)合作來共同完成對問題的求解。經(jīng)過20多年的發(fā)展，多Agent 技術(shù)在全球范圍內(nèi)得到迅速的發(fā)展。成為了分布式人工智能研究的一個熱點，研究人員

24、建立了一些多智能體的仿真實驗，其研究在各種環(huán)境中互相協(xié)調(diào)各Agent 的行為，讓每一個Agent 都能夠發(fā)揮出最佳的狀態(tài)，從而更有效的解決問題，通信則是多個Agent 之間相互協(xié)調(diào)的重要手段，也是多Agent 系統(tǒng)設(shè)計中最重要的問題，進(jìn)入21世紀(jì)后，計算機(jī)網(wǎng)絡(luò)為人工智能帶來了一個新的黃金發(fā)展階段，不少新的人工智能課題被提出。尤其是關(guān)于Agent 和多Agent 的研究已日漸增多。到目前為止，研究人員除了分布式人工智能基本技術(shù)問題還需要繼續(xù)深入研究之外，仍然還有兩個方面的重要問題需要我們?nèi)ソ鉀Q，第一方面是實際工程化問題，建立具有實用價值的分布式人工智能系統(tǒng)還較大的難度；第二個方面是現(xiàn)在所具有的分

25、布式人工智能的封閉性，在智能系統(tǒng)中Agent 的知識、能力和各個Agent 之間的關(guān)系等屬性都是預(yù)先制定好的，我們在問題求解的過程中這些屬性不能夠改變，并且對問題的求解是離散輸入、逐個進(jìn)行解決。系統(tǒng)與外界環(huán)境沒有任何聯(lián)系，處于封閉的狀態(tài)中，這對分布式人工智能系統(tǒng)的求解效率帶來了較大的限制，在事實上，從應(yīng)用的角度來分析，智能系統(tǒng)應(yīng)該是開放的，例如，在科技、工程、礦產(chǎn)、交通控制、工業(yè)產(chǎn)品制造等應(yīng)用系統(tǒng)中，系統(tǒng)接收到的數(shù)據(jù)都是分布和不斷變化的。智能系統(tǒng)應(yīng)從外界不斷的接收新的信息。從系統(tǒng)角度來分析，智能系統(tǒng)也應(yīng)屬于開放式的，隨時會發(fā)生結(jié)構(gòu)上的變化。因此，我們?yōu)榱颂岣哽`活性和問題求解的效率，分布式人工智

26、能系統(tǒng)應(yīng)根據(jù)外界周圍的環(huán)境和系統(tǒng)結(jié)構(gòu)的改變而靈活的調(diào)整系統(tǒng)的Agent 屬性、類型、數(shù)量以及組織能力，并在這種靈活與開放的環(huán)境下協(xié)調(diào)Agent 的行為。人們對智能對話的研究由來已久，但對智能對話系統(tǒng)的基礎(chǔ)理論，即辯論模型的研究只有數(shù)十年的歷史。國外對辯論模型的研究開始于1950年左右，主要從法律論證角度對辯論模型進(jìn)行研究，提出了著名的Toulmin 模型。隨著計算機(jī)在法律論證中的應(yīng)用，辯論模型研究取得新的進(jìn)展，并設(shè)計了基于這些模型的智能對話支持系統(tǒng)。與此同時，人工智能領(lǐng)域中的不確定推理研究興起，用日常生活中的辯論模式描述邏輯規(guī)則成為非單調(diào)邏輯研究的新方向，由此也引起人們對辯論模型研究的興趣。雖

27、然人們提出了不少的辯論模型，但從目前應(yīng)用情況來看效果并不理想，主要原因是要么沒有提供對爭議信息的結(jié)構(gòu)化描述，要么不能自動得出辯論結(jié)果。近年來，國內(nèi)從研討信息組織和多Agent 談判模型角度對辯論模型做了一些研究，但從目前文獻(xiàn)來看，其研究與國外存在較大差距。1.3 論文結(jié)構(gòu)本文所研究的內(nèi)容分為六個部分，具體是：第1章：緒論。介紹了本文的研究背景和國內(nèi)外最新研究動態(tài)，及論文的研究意義和文章的框架結(jié)構(gòu)。第2章：多Agent 對話系統(tǒng)基礎(chǔ)理論。介紹了多Agent 對話系統(tǒng)的基礎(chǔ)理論，和智能Agent 的框架結(jié)構(gòu)，詳細(xì)討論了多Agent 通信問題，并從通信的過程出發(fā)，進(jìn)一步研究了多Agent 通信的類型

28、和方式。此外還介紹了兩種多Agent 通信語言KQML 和ACL 及JADE 開發(fā)平臺的結(jié)構(gòu)、工作過程以及特點。第3章：知識與知識表示。本章主要討論了知識表示的一般方法，從知識的內(nèi)容、知識的可靠性和嚴(yán)密性以及邏輯抽象的角度對知識進(jìn)行了詳細(xì)的分析。然后重點介紹了產(chǎn)生式表示方法、語義網(wǎng)絡(luò)表示、框架表示方法。第4章：知識推理與搜索策略。本章首先介紹了知識推理的基本概念，討論了不確定性推理和非單調(diào)推理，然后回顧了傳統(tǒng)邏輯推理的基本概念與理論，使之成為建立推理機(jī)的基礎(chǔ)，接著給出了正向推理機(jī)和反向推理機(jī)的程序流程圖，并進(jìn)行了詳細(xì)的說明。最后對搜索技術(shù)進(jìn)行了分析。第5章：多Agent 對話系統(tǒng)軟件的設(shè)計與實

29、現(xiàn)。本章首先對系統(tǒng)需求進(jìn)行了分析，確定了系統(tǒng)的主要用戶有：系統(tǒng)管理員、知識管理員和主題管理員。采用用例圖、順序圖和協(xié)作圖以及活動圖分析了系統(tǒng)的主要功能模塊，介紹了數(shù)據(jù)庫表的結(jié)構(gòu)，并介紹了系統(tǒng)部分模塊的實現(xiàn)。第6章：全文總結(jié)與研究展望。本章對全文的研究工作進(jìn)行了總結(jié)，得出研究結(jié)論，指出文章的創(chuàng)新點，并對今后的研究工作進(jìn)行展望。第2章 多Agent 對話系統(tǒng)基礎(chǔ)理論多Agent 對話系統(tǒng)是一個能夠模仿該領(lǐng)域?qū)＜业挠嬎銠C(jī)程序，可以根據(jù)當(dāng)前用戶輸入的信息進(jìn)行邏輯分析和判斷，最終通過辯論得出對該領(lǐng)域某一具體問題的建議。其過程是用辯論模型對用戶輸入的信息進(jìn)行邏輯推理并得出結(jié)論，模擬專家的分析和決策過程，以

30、解決那些需要專家才能做出決策的復(fù)雜問題。2.1 系統(tǒng)的辯論模型辯論模型是多Agent 對話系統(tǒng)的基礎(chǔ)部分，作為一項基本原則而存在，對系統(tǒng)中每一個Agent 的職責(zé)權(quán)限進(jìn)行了合理的分配。它一方面確保提出辯論主題的主導(dǎo)地位，另一方面對偏離主題的辯論過程進(jìn)行約束，按照其規(guī)則對系統(tǒng)進(jìn)行構(gòu)建。辯論推理過程中，首先智能主體利用目前的知識，根據(jù)主題進(jìn)行對話，并構(gòu)造爭議集合，同時構(gòu)造出爭議之間的支援關(guān)系或攻擊關(guān)系；接著采用某種規(guī)則來確定爭議的可防衛(wèi)性；最后根據(jù)爭議的可防衛(wèi)性確定該爭議所支持結(jié)論的可接受性。6本文采用一種辯論模型為理論基礎(chǔ)，設(shè)計并實現(xiàn)一個原型支持系統(tǒng)。該模型以簡化的Toulmin 模型和改進(jìn)的D

31、ung 抽象辯論框架為基礎(chǔ)，其中，簡化的Toulmin 模型表示爭議的內(nèi)部結(jié)構(gòu)，用改進(jìn)的Dung 方法表示爭議之間的攻擊和支援關(guān)系，2并通過計算可防衛(wèi)性和描述可接受性得出最終結(jié)果。2.1.1 簡化的Toulmin 模型Toulmin 模型的論證模式由主張、根據(jù)、論證、支持、限定和反駁這六個功能元素組成的推理模式來描述一個爭議，這一論證模型的出現(xiàn)更好推進(jìn)了邏輯學(xué)的發(fā)展。在論證的過程中，我們通常以某個事實為根據(jù)從而推導(dǎo)出各種類型的判斷， 圖2.1 簡化的Toulmin 模型由圖2.1可以看出當(dāng)發(fā)言者提出一個自己的主張，相對應(yīng)的發(fā)言者就應(yīng)該提出支持自己主張的根據(jù)，如果這個根據(jù)無法使其他發(fā)言者接受，這

32、時有可能會提出主張和根據(jù)之間存在一個關(guān)聯(lián)性，是否能夠合理的推導(dǎo)出主張的正確性，在這一過程中如果有人提出對主張的質(zhì)疑，發(fā)言者就需要更有力的根據(jù)來反駁質(zhì)疑者，根據(jù)邏輯辯論分析質(zhì)疑可能會有兩種：一是對證明提出主張的根據(jù)真實性質(zhì)疑；二是對所提出的根據(jù)與所主張的觀點之間邏輯關(guān)系的質(zhì)疑。針對不同類型的質(zhì)疑，所作出的反駁也相應(yīng)的有所不同。如果質(zhì)疑的是根據(jù)的真實性，發(fā)言者就需要提出新的、更多的數(shù)據(jù)來證明主張的正確性。相反如果質(zhì)疑的是根據(jù)與主張之間的邏輯關(guān)系，那么就應(yīng)該采用Toulmin 模型來解決。其中，發(fā)言者提出主張的準(zhǔn)確性程度是不同的，這時就可以用模態(tài)限定來表示對主張的可信程度，有時在特殊的情況下，有可能

33、無法從根據(jù)推理到主張，此時，就需要提出反駁，證明主張只能在有限的范圍內(nèi)才能運用。2.1.2 改進(jìn)的Dung 抽象辯論框架Dung 的抽象辯論框架定義為一個二元組表達(dá)式AF =(AR , attacks ，表達(dá)式中的AR 表示一個爭議集，attacks 表示爭議集AR 上的二元關(guān)系，即attacks AR AR 。對于兩個爭議A 、B ，如果表達(dá)式attacks (A , B 成立，則表示A 對B 進(jìn)行攻擊。Dung 經(jīng)過研究發(fā)現(xiàn)一種具有理性特點的Agent 是否能夠相信某種斷言，主要還取決于支持該斷言的爭議，看其是否能成功地防衛(wèi)那些對這個爭議進(jìn)行攻擊的爭議2。Dung的抽象辯論框架由兩個部分組

34、成，一個是產(chǎn)生爭議信息和爭議之間的攻擊關(guān)系，二是確定哪些爭議是可接受的，他構(gòu)想了系統(tǒng)的兩個單元，一個是爭議產(chǎn)生單元(AGU，一個是爭議處理單元(APU。爭議處理的結(jié)果只有兩個，即爭議要么被接受，要么被擊敗。爭議處理單元實際上是一個很簡單的邏輯程序，包括以下兩個子句：(C1 acc(Xdefeat(X(C2 defeat(Xattack(Y,X, acc(Y子句C1表示X 是可接受的，如果它不被擊??；C2表示一個爭議是被擊敗的，如果它受到了可接受爭議的攻擊。Dung 方法的最大特點是把爭議看作一個整體而忽視爭議的內(nèi)部結(jié)構(gòu)。但在實際辯論中，對爭議的攻擊往往是針對爭議中的根據(jù)或論證，不考慮爭議的內(nèi)部

35、結(jié)構(gòu)是不行的。2.2 Agent的結(jié)構(gòu)Agent 被認(rèn)為是能夠通過感應(yīng)來感知它周圍的環(huán)境變化，并能通過感應(yīng)，作用于它周圍環(huán)境的客觀事實。其能夠在環(huán)境變化的條件下靈活、自主地控制自己的行為。本系統(tǒng)采用具有推理機(jī)制和反應(yīng)性的混合式Agent 體系結(jié)構(gòu)。2.2.1 Agent基本結(jié)構(gòu)Agent 的基本框架結(jié)構(gòu)是由感知、處理、控制、執(zhí)行、通信和方法集等模塊組成。其中感知、執(zhí)行和通信這三個模塊負(fù)責(zé)與Agent 進(jìn)行通信，處理模塊主要負(fù)責(zé)對接收到的通信信息，進(jìn)行對其處理、存儲，然后控制模塊運用方法集對接收到的處理模塊進(jìn)行處理，把處理后的信息和其它Agent 的通信信息進(jìn)行邏輯推7理，為執(zhí)行模塊做出決策。圖

36、2.2 Agent 基本結(jié)構(gòu)模型Agent 的體系結(jié)構(gòu)描述了智能系統(tǒng)各元素之間的通信整個過程，以及各個元素的作用等。目前，從構(gòu)造Agent 結(jié)構(gòu)的角度來分析通常分為三類：慎思型結(jié)構(gòu)、反應(yīng)式結(jié)構(gòu)和混合式結(jié)構(gòu)8。2.2.2 慎思型結(jié)構(gòu)慎思型結(jié)構(gòu)的特點是將Agent 看作為一個具有意識的智能體。構(gòu)造Agent 的方法是通過物理符號來實現(xiàn)表示和推理，屬于基于知識的典型符號邏輯系統(tǒng)，其結(jié)構(gòu)形式保留了傳統(tǒng)的物理符號表示和符號推理的人工智能系統(tǒng)，將人工智能領(lǐng)域的感知、學(xué)習(xí)、規(guī)則和方法等認(rèn)知功能全部封裝在一起構(gòu)成一個自治Agent ，實現(xiàn)了功能模塊化。 如圖2.3所示，當(dāng)Agent 接收到來自外部環(huán)境的信息時

37、，根據(jù)內(nèi)部當(dāng)前的狀態(tài)進(jìn)行信息匹配，接著，根據(jù)知識庫所擁有知識制定出規(guī)則，然后在目標(biāo)的引導(dǎo)下，產(chǎn)生將要做出的行為。“包含世界顯示表示的、符Wooldrdige 和Jennings 將慎思Agent 結(jié)構(gòu)描述為：號的模型，并且其決策是通過邏輯推理、基于模式匹配和符號操作”。從工程應(yīng)用角度來對慎思型Agent 結(jié)構(gòu)分析，功能模塊化較好地降低了系統(tǒng)的復(fù)雜性，使系統(tǒng)設(shè)計更容易實現(xiàn)。9圖2.3 慎思型結(jié)構(gòu)在慎思型Agent 結(jié)構(gòu)中，我們需要考慮到三個方面的問題：一方面是如何在有限的時間內(nèi)把現(xiàn)實世界的信息編譯成準(zhǔn)確、合適的符號；第二個方面是如何用符號來描述復(fù)雜世界中的實體和過程，第三個方面是如何讓智能Age

38、nt 在有限的時間內(nèi)根據(jù)接收到的信息進(jìn)行邏輯推理，并且做出決策。2.2.3 反應(yīng)式結(jié)構(gòu)反應(yīng)式結(jié)構(gòu)的特點是Agent 包含了感知內(nèi)部和外部狀態(tài)變化的感知器，感知器對外部環(huán)境刺激產(chǎn)生響應(yīng)，內(nèi)部狀態(tài)不發(fā)生任何變化，即一組對某個特定的問題做出反應(yīng)行為的過程，一個根據(jù)感知器來激活對某個問題求解過程執(zhí)行的控制系統(tǒng)。Agent 的內(nèi)部不具備邏輯推理和符號推理功能，僅僅由簡單的行為模式構(gòu)成，這些行為模式對環(huán)境的變化做出反應(yīng)。每個Agent 都具有兩種身份：客戶和服務(wù)器，它可以提出問題，也可以對其它Agent 所提出的問題進(jìn)行回答。反應(yīng)Agent 結(jié)構(gòu)的設(shè)計思想是通過內(nèi)部簡單設(shè)計實現(xiàn)復(fù)雜系統(tǒng)行為。反應(yīng)式Agen

39、t 結(jié)構(gòu)描述了行為主義的思想。10 2.2.4 混合式結(jié)構(gòu)混合式體系結(jié)構(gòu)的特點是Agent 包含了慎思型Agent 結(jié)構(gòu)和反應(yīng)式結(jié)構(gòu)，通常這個結(jié)構(gòu)處于不同的層次，慎思型Agent 結(jié)構(gòu)是建立在反應(yīng)式結(jié)構(gòu)的基礎(chǔ)之上。研究人員觀察發(fā)現(xiàn)，無論是純粹的慎思型結(jié)構(gòu)，還是純粹的反應(yīng)式結(jié)構(gòu)都存在或多或少其不可克服的缺陷。慎思型Agent 結(jié)構(gòu)復(fù)雜的邏輯推理體系結(jié)構(gòu)使Agent 的設(shè)計難以實現(xiàn)，而反應(yīng)式結(jié)構(gòu)雖然簡單，卻因缺乏必要的領(lǐng)域指導(dǎo)，智能性較差，只能完成較簡單的任務(wù)。為了發(fā)揚兩種方式的優(yōu)點，彌補各自的不足，研究者決定將兩種方式結(jié)合起來，提出混合式Agent 的體系結(jié)構(gòu)，其目的是將傳統(tǒng)和現(xiàn)代人工智能融合起

40、來，形成具有推理機(jī)制和反應(yīng)性的混合結(jié)構(gòu)，稱為混合式Agent 結(jié)構(gòu)11。所以在本系統(tǒng)中采用混合式Agent 結(jié)構(gòu)。圖2.5 混合式的Agent 體系結(jié)構(gòu)在混合式Agent 結(jié)構(gòu)中，每個智能Agent 都包含感知、行為、反射、建模、規(guī)劃、通信、決策等模塊，智能Agent 通過感知模塊來反映我們現(xiàn)實世界，可以較快的對周圍環(huán)境的變化做出反應(yīng)，并送到不同的處理模塊。如果判斷出是簡單或緊急的情況，信息則被傳達(dá)到反射模塊，反射模塊對接收到的信息做出決定，并且將行為命令傳達(dá)到行為模塊，行為模塊則做出相應(yīng)的行為反應(yīng)，同時對外部環(huán)境做出影響，這一過程屬于反應(yīng)式結(jié)構(gòu)的事件。在反射模塊中，我們可以采用神經(jīng)網(wǎng)絡(luò)來實現(xiàn)

41、，通過不同的積累，使得Agent 可以對一些常見的情況做出合理的反應(yīng)行為。2.3 多Agent 通信多Agent 系統(tǒng)是若干個具有自治性的Agent 組成，每一個Agent 都能夠獨立完成自己范圍內(nèi)的任務(wù)，同時，多個Agent 通過互相合作也可以對某個比較復(fù)雜的問題進(jìn)行求解，可以看出Agent 的通信是實現(xiàn)相互合作的重要方式。事實上，與我們的人類的社會具有相同的意義，交流和通信也是人類實現(xiàn)合作必不可少的方式。智能Agent 可以通過通信，向另一個智能Agent 傳達(dá)自己的思想，使它能夠改變當(dāng)前的目標(biāo)和信念。用多Agent 系統(tǒng)進(jìn)行分布式問題求解，集成在一個系統(tǒng)中的Agent必須能夠互相通信和合

42、作。為了支持協(xié)作策略，通信協(xié)議必須準(zhǔn)確的表示出通信過程、信息格式和通信語言類型的選擇。另一個特別重要的特點是互相交換知識，全部有關(guān)的Agent必須能夠理解所用通信語言的語義。信息的語義內(nèi)容知識是分布式問題求解的核心部分。采用消息通信是實現(xiàn)靈活復(fù)雜的協(xié)調(diào)策略的基礎(chǔ)。使用規(guī)定的協(xié)議，Agent之間彼此交換的消息可以用來建立通信和協(xié)作機(jī)制。消息內(nèi)容格式必須提供非常靈活的通信能力，不受簡單命令和響應(yīng)結(jié)構(gòu)的限制。14 圖2.6 多Agent 對話的基本結(jié)構(gòu) 由上圖可知，在本系統(tǒng)中的Agent 是通過知識語言來進(jìn)行溝通，一個Agent 可以和多個Agent 通信，進(jìn)行更為復(fù)雜的計算，這樣能夠提高解決問題的

43、效率。2.3.1 通信過程多Agent 具有智能性和社會性，其智能性主要表現(xiàn)在知識的處理和對事物的感知、推理、邏輯判斷這一過程的實現(xiàn)中，由于Agent 所做出的活動與對事物的感知有密切的關(guān)系，因此，Agent 會隨著周圍環(huán)境的變化而調(diào)整Agent 將要做出的活動。實現(xiàn)智能Agent 之間的通信，智能Agent 必須具有一定的尋址能力，在通常情那么就可以按名字來尋況下，只要智能Agent 能夠獲取到其它智能Agent 的名字，求通信地址；在某種場合下，智能Agent 只需要知道自己所需要的服務(wù)，也能夠?qū)崿F(xiàn)通信。各個智能Agent 之間的通信是通過智能Agent 之間的交互來實現(xiàn)的。信息的產(chǎn)生和發(fā)

44、送完成必須具備有兩個方面的基本因素：首先需要具有一定從Agent 互相合作的通信條件，其次通信的Agent 之間能夠理解對方的思維狀態(tài)。的角度來分析，當(dāng)前Agent 通過傳遞過來的信息可以判斷出其它Agent 的意圖之后，進(jìn)行判斷該Agent 的所要做出的行動，同樣也可以按照自己的觀點來反對該Agent 的行為意圖，因此，對于多Agent 系統(tǒng)來說，多Agent 間通信具體過程如下幾個步驟15：(1 發(fā)送信息的Agent 將自己要發(fā)送的信息轉(zhuǎn)換成通用的通信語言；(2 然后發(fā)送到通信載體上，發(fā)送給要接收的目標(biāo)Agent ；(3 接收Agent 獲取通信載體上的信息內(nèi)容；(4 接收Agent 在自

45、己具有的邏輯思維空間中把通信內(nèi)容進(jìn)行轉(zhuǎn)換，然后感知發(fā)送方的思想。2.3.2 通信方式在Agent 系統(tǒng)中，協(xié)調(diào)與合作的方法是建立在多Agent 系統(tǒng)的資源共享和每個Agent 的自主性之上。雖然每個Agent 都是獨立的，具有各自不同的目標(biāo)、知識和邏輯推理。但是Agent 共同的目的是解決Agent 之間的沖突，增強(qiáng)Agent 之間合作的效率，提高智能系統(tǒng)的一致性。在智能系統(tǒng)中，可以通過兩種方式通信方式來建立Agent 之間的合作：黑板結(jié)構(gòu)方式和消息/對話通信16。在本系統(tǒng)中我們采用能夠支持分布式問題求解的黑板結(jié)構(gòu)通信方式。1、黑板結(jié)構(gòu)方式黑板結(jié)構(gòu)方式是采用廣播通信的形式，來支持分布式問題求解

46、，屬于同步過程消息傳遞。把消息存儲在可存取的公共黑板上，每一個智能Agent 都可以向黑板發(fā)送信息、數(shù)據(jù)和知識，并且也能夠從黑板上讀取消息、數(shù)據(jù)和知識。對于發(fā)送者而言，根本不需要知道是誰在使用這些消息。在黑板結(jié)構(gòu)方式中，把問題求解過程看作一個產(chǎn)生部分解、并且由這些部分解組合成滿意解的過程。2、消息/對話通信方式消息/對話通信方式屬于異步消息傳遞。即一個Agent 可以同時向多個Agent 發(fā)送消息，采用點對點的傳遞方式，這種通信與協(xié)作方式需要多個Agent 之間有更多的了解，要求發(fā)送者事先應(yīng)知道接收Agent 的有關(guān)信息。每個Agent 使用規(guī)定的協(xié)議相互交換信息，用于建立通信和協(xié)調(diào)機(jī)制。2.

47、3.3 通信語言目前，國際上通用的標(biāo)準(zhǔn)通信語言有兩種，一種是在美國ARPA 的知識共享計劃中提出的知識查詢與操作語言（KQML ），另一種是在上個世紀(jì)七十年代歐洲的智能物理Agent 基金會提出的一個新語言標(biāo)準(zhǔn)FIPA ACL 。1、知識查詢與操作語言（KQML ）17知識查詢與操作語言（KQML ）是一種目前國際上流行的描述性通訊語言。KQML 采用協(xié)議棧的基本思想，KQML 提供了一套標(biāo)準(zhǔn)的交換信息與智能Agent 通信語言，它能夠?qū)⑼ㄐ耪Z言模擬為描述性語句來相互交換信息，使得Agent 之間都能夠進(jìn)行信息傳遞和知識共享，具有較好的知識描述能力，并且也能夠描述出信息傳遞過程中所使用的復(fù)雜結(jié)

48、構(gòu)。KQML 定義了一種能夠支持Agent 之間相互傳遞信息的通用規(guī)則。KQML 規(guī)定的信息傳送格式為多Agent 之間的通信和協(xié)作提供了一種通用的框架結(jié)構(gòu)，也提供了一種識別信息、建立連接與信息交換的協(xié)議。2、Agent 通信語言（ACL ）18Agent 通信語言（ACL ）是一種能夠用于支持多Agent 之間協(xié)調(diào)、信息傳遞和合作等活動的通信命令和通信語言。在MAS 中，ACL 是由一組通信行為集合組成，它指定Agent 執(zhí)行通信行為的類型、通信的參與者(接收方和發(fā)送方 、信息傳輸內(nèi)容以及會話控制等元素組成。Agent 通信語言ACL 通常有一定規(guī)范的框架結(jié)構(gòu)，ACL 是處于邏輯層，負(fù)責(zé)定義

49、各個Agent 能夠理解通信信息的類型以及傳遞信息內(nèi)容的含義。當(dāng)Agent 之間進(jìn)行相互通信時，還需要傳輸層的傳輸協(xié)議(如TCP/IP來支持。如圖2.7所示：表示一個ACL 的基本框架結(jié)構(gòu)。 圖2.7 ACL 的基本框架結(jié)構(gòu)在圖2.7所表示的ACL 基本框架結(jié)構(gòu)中，主要由通信原語、信息類型、信息格式、語義描述以及內(nèi)容語言幾個部分組成。在本系統(tǒng)主要采用ACL 通信語言，采用ACL 語言通信的消息如下： (ask:sender expertOne:content (All the birds always fly:receiver expertTwo:language ACL:ontology c

50、ommunication(tell:sender expertTwo:content (no,example:ostrich:receiver expertOne:language ACL:ontology communication由上面的通信信息可以表明，發(fā)送者expertOne 向接收者expertTwo 發(fā)送的信息內(nèi)容，采用的是language 中的語言，并用ontology 中的定義集來描述信息中術(shù)語的意思。2.4 JADE開發(fā)平臺JADE 是一個完全由面向?qū)ο蟮腏ava 編程語言來實現(xiàn)的軟件框架，建立了一個符合FIPA 標(biāo)準(zhǔn)的多Agent 系統(tǒng)的中間件平臺。該平臺提供了能夠構(gòu)造Ag

51、ent 的API 函數(shù)、支持調(diào)試Agent 系統(tǒng)以及配置Agent 運行環(huán)境的工具，使得多Agent 系統(tǒng)的實現(xiàn)更加容易。為了能夠在開發(fā)平臺上實現(xiàn)智能Agent 的設(shè)計，所以我們采用了JADE 技術(shù)。JADE 開發(fā)平臺提供了Agent 管理系統(tǒng)（AMS ）、目錄索引（DF ）和消息傳輸系統(tǒng)（MTS ）三個FIPA Agent 平臺的基本部分19。其基本結(jié)構(gòu)如下圖2.8所示：圖2.8 JADE開發(fā)平臺 JADE 完全根據(jù)FIPA 規(guī)范來構(gòu)建Agent 平臺架構(gòu)，當(dāng)JADE 平臺啟動時，系統(tǒng)自動創(chuàng)建了AMS Agent和DF Agent，在此同時設(shè)置MTS 模塊允許信息傳遞。Agent 平臺可以被

52、分布在多臺主機(jī)上運行，但是每臺主機(jī)上只允許一個Java 虛擬機(jī)(JVM運行。Java 虛擬機(jī)給Agent 運行提供了良好的環(huán)境。JADE 開發(fā)平臺所具有以下特點20：(1屬于符合FIAP 規(guī)范的多Agent 平臺，由三個部分組成：Agent 管理系統(tǒng)，Agent 通信通道和目錄查詢器，它們在平臺啟動時系統(tǒng)自動激活并開始服務(wù)。(2按照FIPA 的協(xié)議連接多個不同的Agent 平臺，具有在Agent 之間傳輸信息的機(jī)制和接口。(3具有交互協(xié)議庫，在JADE 開發(fā)平臺中提供了一部分常用協(xié)議。(4 Agent 具有自動注冊功能，當(dāng)查找到符合FIRA 規(guī)范的命名服務(wù)時，開發(fā)平臺會在Agent 啟動的同時

53、，賦予它一個唯一的標(biāo)識符。每一個JADE 開發(fā)平臺的另外一個特點是其提供了一個靈活有效的通信機(jī)制，Agent 都具有一個屬于自己私有的信息隊列。Agent 可以按照多種方式從消息隊列中提取信息。2.5 本章小結(jié)Agent 技術(shù)不僅僅是分布式人工智能研究的重點，而且也是現(xiàn)代軟件開發(fā)領(lǐng)域 的一個突破點。多Agent 智能系統(tǒng)增強(qiáng)了Agent 之間相互合作共同對問題求解的能力，具有較大的靈活性，更接近人類的智能行為。本章首先介紹多Agent 對話系統(tǒng)辯論模型，然后全面討論了Agent 的結(jié)構(gòu)和多Agent 通信問題，從通信的過程出發(fā)，進(jìn)一步研究了多Agent 通信的類型和方式，此外還介紹了兩種多Ag

54、ent 通信語言KQML 和ACL 。這一章為整個項目的開發(fā)建立了重要的理論基礎(chǔ)。最后簡要的介紹了一下使用JADE 開發(fā)平臺的結(jié)構(gòu)、工作過程以及特點。第3章 知識與知識表示知識是人類一切智能活動的基礎(chǔ)，同時也是智能系統(tǒng)具有高級行為的基礎(chǔ)。在人工智能的研究領(lǐng)域中，對問題的求解、知識的表達(dá)以及邏輯推理，都離不開知識。那么，關(guān)于知識的定義，一般認(rèn)為，知識是人類對客觀世界的認(rèn)識并總結(jié)出經(jīng)驗。人類知識積累了數(shù)千年的文化，內(nèi)容非常豐富、結(jié)構(gòu)非常復(fù)雜。如何在人工智能的研究領(lǐng)域中規(guī)范的表達(dá)知識和運用知識，正是我們所要探討的問題。3.1 知識概述在多Agent 對話系統(tǒng)中，知識被作為各個領(lǐng)域內(nèi)的專業(yè)知識，在智能

55、系統(tǒng)的構(gòu)造中起著重要的作用，具體包括以經(jīng)驗積累的知識、受啟發(fā)得到的知識、總結(jié)規(guī)律得出的知識等等。我們就從知識的內(nèi)容、性質(zhì)、可靠性、邏輯抽象的角度來分析知識的含義21,22。從內(nèi)容來分析，可以分為兩種：陳述性知識和可控制性知識，陳述性知識是以描述的方式來分析一個事實?？煽刂菩灾R是用來控制對某個問題求解的實際過程。從可靠性來分析，知識具體可以分為理論知識和經(jīng)驗知識。其中，理論知識一般是對客觀事物的正確描述，它們來源于我們所學(xué)的教材和閱讀的書籍。經(jīng)驗知識是指有著豐富實踐經(jīng)驗的專業(yè)人員。以這種方式獲取的知識一般都沒有經(jīng)過嚴(yán)密的論證，在面對復(fù)雜問題時，運用經(jīng)驗知識往往可以得出較準(zhǔn)確的分析和判斷。從邏輯

56、抽象的角度來分析，知識可以分為：對象知識、元知識、進(jìn)程知識和常識知識。對象知識就是我們關(guān)于客觀事物以及聯(lián)系的知識，元知識是關(guān)于知識中的知識，進(jìn)程知識是從事活動或關(guān)于事態(tài)發(fā)展的知識，常識知識通常指普遍存在而被認(rèn)識了的客觀事實，也就是我們?nèi)祟愃哂械墓沧R。3.2 知識表示方法知識表示方法的選取是否合理，直接影響到了對問題求解的準(zhǔn)確性。目前，通常的表示方法有：產(chǎn)生式表示方法、語義網(wǎng)絡(luò)表示方法、框架表示方法、面向?qū)ο蟊硎痉椒ǖ缺硎痉椒?3。本文主要采用語義網(wǎng)絡(luò)知識表示方法對知識進(jìn)行表示。3.2.1 產(chǎn)生式表示方法產(chǎn)生式表示法是最普遍的一種表示方法，它是基于產(chǎn)生式規(guī)則的知識表示方法。產(chǎn)生式規(guī)則表示：如果

57、條件成立則進(jìn)行操作或者得出結(jié)論?；拘问綖椋篿f <條件> then <行為>；P Q 或者 if p then q其中，P是產(chǎn)生式規(guī)則使用的條件，也稱為前件，由事實、約束條件等組合來構(gòu)成，允許包含變量。Q 是一組行為的動作，也稱為產(chǎn)生式的后件，它指出當(dāng)前提P 滿足時，應(yīng)該推出的結(jié)論或應(yīng)該執(zhí)行的行為。舉例：t 15: if 天空有烏云 and 陰暗 and 有雷電 then 馬上要下雨 在例子中，t15表示產(chǎn)生式的編號；天空有烏云 AND 陰暗 AND 有雷電表示在多Agent 對話系統(tǒng)中，產(chǎn)生式規(guī)則的一般表達(dá)形式可以描述為： if <條件1>， 產(chǎn)生式的前

58、提條件P ；馬上要下雨表示產(chǎn)生式的結(jié)論Q 。<條件2>，<條件n>；then <行為1>，<行為2>， <行為n>，產(chǎn)生式知識表示方法描述了事物之間的一種對應(yīng)關(guān)系，該知識表示方法的主要優(yōu)點表現(xiàn)在容易描述事物的屬性。3.2.2 語義網(wǎng)絡(luò)表示方法語義網(wǎng)絡(luò)是知識的圖解表示，語義網(wǎng)絡(luò)表示方法的基本思想是用有向圖來表示知識，有向圖的結(jié)點必須帶有描述，可以根據(jù)描述區(qū)分出各種不同的對象。語義網(wǎng)絡(luò)由結(jié)點和弧線組成的有向圖，結(jié)點表示實體，弧線表示結(jié)點之間的關(guān)系。網(wǎng)絡(luò)語義中的結(jié)點又可以看作是一個結(jié)構(gòu)清晰的語義子網(wǎng)絡(luò)，逐漸的按層次分解?，F(xiàn)在我們從語義聯(lián)系的角度來分析語義網(wǎng)絡(luò)的知識表示方法。1、表示事物的基本事實：表示事物簡單的事實我們就以個體結(jié)點為核心來組織知識，其中，結(jié)點表示個體，有向弧表示結(jié)點之間的聯(lián)系，通常有ISA 、AKO 、等。(1實例聯(lián)系(ISA實例聯(lián)系表示類與實體之間的聯(lián)系，即“具體抽象”關(guān)系，有向弧上的標(biāo)識為ISA ，其中，知識表示形式如下圖3.1、3.2所示： 圖3.1 實例聯(lián)系知識表示形式 圖3.2 語義網(wǎng)絡(luò)實例如上圖3.1、3.2所示，實例聯(lián)