基于多代理和知识服务的敏捷知识重用系统研究

基于多代理和知识服务的敏捷知识重用系统研究1王君，刘鲁，潘星北京航空航天大学经济管理学院，北京 (100083)E-mail：king.wang@摘要：针对如何快速恰当的重用企业现有知识的问题，提出了将企业的知识管理的业务逻辑与知识处理事务分开的思想，建立基于Multi-Agent和知识服务的敏捷化知识重用模型，给出了敏捷知识重用系统的定义。

通过对知识管理业务逻辑的规则模型和软件Agent的活动行为模型的深入研究，建立基于Multi-Agent的规则协调模式，实现对知识服务的敏捷调用，从而有效地支持知识的动态重用、知识使用过程的动态重组，增强知识管理系统的分布式处理能力和规模可扩展能力。

最后，通过一个实例，进一步说明了所给出模型的应用。

关键词：敏捷知识重用；知识管理；多Agent；知识服务；规则中图分类号：F27；TP1821．引言知识管理已经在国内外学术界和企业界中引起了广泛的关注[1,2,14]。

知识管理实际上就是当企业面对不连续的环境变化在日益加剧时为满足组织提高适应力、生产力和竞争能力的需要，寻求将企业凭信息技术处理数据和信息的能力同员工的创造与革新能力结合起来的一种过程[1]。

不难看出，实施知识管理能够提高企业对知识的使用效率和知识创新能力，但现代企业的成功绝不是依赖于某种偶然或运气的个人灵感乍现[2]。

新知识的局部应用无法为企业带来更大的收益，往往需要在群体或全企业进行新知识的高效使用，这就要求企业必须重视知识的重用问题。

知识重用是指组织利用其已有的知识去完成某一知识型任务的过程[3]。

知识敏捷和高效重用已经成为现代企业成功的关键因素；知识管理要求敏捷化的软件系统支持，以满足企业快速创新知识和高效的利用知识的需要。

企业知识的创新和利用离不开对已有知识的重用，所以，如何实现敏捷知识重用的研究具有非常重要的现实意义。

敏捷知识重用区别于一般知识重用的主要特点就是要求知识管理系统能够根据知识需求变化，动态的形成和解体，并进行快速的重构和调整，系统具有可重用性和重构性。

目前，关于知识重用方面的研究已经引起了国内外学者的重视[3-11,16]，已有的这些研究成果都具有各自的特点，但很少有从如何构造Agent系统以适应企业知识管理需求的动态变化方面去研究知识重用问题[12]。

本文将软件重用思想引入到知识管理中，提出将企业知识管理的业务逻辑与知识处理事务分开的思想，利用规则推理模型实现企业知识管理业务的变化，利用Multi-Agent系统和知识服务实现企业具体的知识管理任务，实现企业知识的动态重用和应用过程的动态重组，增强知识管理系统的分布式处理能力和规模可扩展能力，降低知识管理系统的构造成本，提高系统的稳定性和健壮性，有益于企业实现有效的知识管理。

2．敏捷知识重用系统模型知识管理的目的是在整个管理过程中最大限度的实现知识共享，以便达到将最恰当的知识在最恰当的时间传递给最恰当的人，使他们能够利用这些知识做出最恰当的决策[13]。

快速和恰当的获取知识处理事务，并共享和应用与之关联的知识是敏捷知识重用的核心，为此给出如下定义：1本课题得到高等学校博士学科点专项科研基金（项目编号：20040006023）的资助。

定义1. 敏捷知识重用系统AKRS 定义为：},,{set set set S R A AKRS =，其中，Z n a a a A n set ∈×⋅⋅⋅××=，}{21，表示由多个自治的分布的Agent 通过通信、协商和合作组成的Multi-Agent 系统。

a n 表示能够按照一定的规则完成具体知识处理事务自治的Agent 。

知识处理事务是指能实现某一知识处理功能的一个单元的知识处理工作，这些工作要么全做，要么全部不做。

不同的Agent 之间利用Agent 通信语言相互传递知识和需求，按照一定的协商协议，进行合作，达到共同的目标。

如果将Agent 定义成企业知识管理过程中最基本的知识处理事务的映射体，那么只要这些最基本的知识处理事务不变，则此Agent 就可以重用。

即使某个知识处理事务需要改变，也只要改变相应的单个Agent ，而其它Agent 则不需要改变，因此，系统可以得到最大限度的重用。

}2,1{n i r R i set ⋅⋅⋅==，表示由多个知识处理规则组成的集合。

知识的使用是依据一定的知识处理逻辑来进行的，知识处理逻辑用规则r 来表示。

知识处理逻辑与具体的知识处理事务分开，提高了知识管理系统的适应性和敏捷性。

规则集Rset 控制知识管理系统中知识处理的行为。

由于Multi-Agent 的活动是根据规则来执行的，所以，对规则R set 的改变就改变了Agent 的活动行为，从而改变了整个系统的执行结果。

因此，当知识管理系统中的知识处理逻辑发生变化时，只要通过修改规则集，即可使得原有系统能够适应这种变化，从而使得知识的可重用性大大提高。

},,,,{functions relations property object DomainK S set =，表示整个知识管理环节中可以共享的知识服务（Knowledge Services ）的集合，知识服务是知识管理活动中能够实现具体知识处理功能的知识处理事务及其相关知识的封装体。

知识处理功能是指企业利用知识解决问题的能力，相关知识包括编码化的显性知识和用来对隐性知识进行描述的元知识。

影响知识服务定义的因素很多．这里，把能否满足企业在知识管理中知识处理功能及多个Agent 之间对知识进行共同的理解作为知识服务定义的要素，具体由以下5部分组成：DomainK ：表示领域知识。

企业应包含多个领域的知识，如供销、生产等不同的领域都有其特定的知识。

由于知识是一种具有特定功能的特殊的资源，所以领域知识不仅包括已经显性化了的编码知识，还应该包括那些隐性化的专家知识和过程知识等。

显然，后者是难以封装到知识服务中的，这里将通过封装那些描述隐性化知识存在状态、特征、功能和交互方式等的元知识，来达到重用隐性化知识的目的。

object ：表示知识服务中的对象。

是参与知识处理活动的实体，每个领域知识中包含多个知识对象。

property ：表示知识对象的属性。

知识服务中每个知识对象都有其许多属性，它反映了知识对象的活动行为和活动状态及其它一些特征。

relations ：表示知识对象之间以及对象的属性之间的关系。

这两种关系的区分是通过关系的表示符来区分的。

知识对象之间关系有多种，如父子关系、等级关系、前驱与后继关系等等。

同样，每个对象的属性之间也有多种关系，如反映对象活动执行顺序的前后关系等。

functions ：表示知识处理事务所能实现的功能。

综上所述，可以将AKRS 体系结构抽象为由如图1所示的主要部件构成，其中①为依据规则模型而建立的软件Agent 集与规则集之间的关系，②为依据Agent 模型而建立的软件Agent 集与知识服务集之间的关系，而③为①、②协调作用的结果。

图l AKRS 体系结构3．知识重用中的Agent 模型软件代理来源于人工智能，通常，它至少具有3个属性，即自治性、适应性和分布性。

Multi-Agent 系统能够给应用系统带来更大的开放性和可重用性。

当将知识管理中的知识处理功能分解，并封装为多个基本的知识服务时，每个基本知识服务映射为一个活动，多个活动的组合完成一个知识处理任务，软件Agent 定义为能够完成多个活动的软件实体，当这些活动功能不变时，相应的软件Agent 就可以重用。

定义2．软件代理SA 是由一些软件组件模块集合构成的。

Agent 通过这些组件来感知外部环境和自己的内部状态，以决定执行什么样的知识处理活动和将来的状态。

SA ={Actions , KB , Capabilities , Tasks }，其中，Actions 是由知识管理用户定制的，且SA 能够执行的一组活动集。

Agent 根据自己当前的状态，从活动集中选择相应的活动执行，达到一定的目标，其行为和功能都是通过Agent 的活动来实现的。

KB 是Agent 所拥有的知识集，它包括内部知识集（实现本身的功能所需要的最基本数据和知识）和共享知识集（和其它Agent 进行合作时，所具有某一领域的共享知识）。

Capabilities 是代理的问题求解能力的说明，包括能力、操作和条件3个部分。

能力将SA 是否能够完成某个知识管理任务和SA 的求解问题的推理过程分开，实现敏捷化；操作定义了SA 中的推理过程，描述了SA 中的能力是如何被实现的，定义了完成这样能力的推理活动及活动之间的相互作用，操作利用了动态逻辑表达其过程控制；条件是描述Agent 为完成某一知识处理活动或任务时，所需要的外部或内部条件，也是规则系统进行推理时所需要的基本内容。

Tasks 是对需要解决的问题进行任务描述。

Tasks 表示的是希望SA 应解决与知识应用的问题，Capabilities 在描述解决问题的步骤时对领域知识有需要，而对Tasks 的描述是不需要领域知识的。

SA 是通过执行一系列知识处理活动来实现其功能的，Agent 模型中的知识处理活动由活动基集、活动准则、活动需求和活动的执行结果等4个方面组成。

活动基集是由一些与基本知识服务对应的原子活动组成的集合，每个原子活动是由活动的名字、活动的先决条件、活动的执行以及活动的状态等构成，Agent 执行活动是根据知识处理活动准则来执行的。

假定α是一个原子活动，定义：)(),(),(),(),(αααααs s s s s W E D R P 是原子活动的原子状态，分别表示α是可执行、应执行、正在执行、结束执行和放弃执行的知识处理活动，集合},,,,{s s s s s W E D R P S =是知识处理活动的状态集。

对任何操作},,,,{s s s s s W E D R P Op ∈，有})({)(S Op s Op ∈=αα。

状态集是任何基本知识处理活动的状态集合，状态S 表达了基本知识处理活动的状态信息。

如果操作)(αOp 在状态集合S 下发生，则对活动α来说，操作Op 的状态为真。

例如：S W D s s ∈)(),(βα意味着将执行活动α，而放弃活动β的执行。

当然，并不是任何状态集都是有意义的。

如：若D s 和E s 同时存在于S 中，S 就是不一致的，因为活动α并不能同时正在执行，又结束执行。

在整个知识管理系统中，分布式的知识处理是通过多个软件Agent 协作来完成的。

在Multi-Agent 系统中，Agent 的活动除了改变自身的状态，调节自己的行为外，同时，也可能改变它生存的周围环境。

其周围环境包括系统中的服务、通信、功能等Agent 以及它们共享的知识库的内容等；这些环境都处于某一具体的状态中。