论文部分内容阅读
随着经济全球化和Web技术的不断发展,许多大规模管理决策活动已不可能或不便于采用集中方式进行,决策支持面向的对象已经不再仅限于单个决策人或者同一机构的决策群,而是若干具有一定独立性又存在某种联系的决策组织,从而使决策问题求解更具分布式特征。决策支持对象和问题求解性质的这些重大变化,对DSS的智能性和并行求解能力提出了更高的要求。为满足目前越来越高的决策支持要求,本文提出了网格环境下基于移动Agent的开放式决策支持系统(Mobile Agent Based Open DSS, MABODSS)模型。本模型引入面向服务的体系结构(Service-Oriented Architecture,SOA),应用网格环境下浩如烟海的决策资源,结合移动Agent的智能性和灵活性,用于网格环境下开放式决策支持系统的构建,应用当前流行的基于XML的Web服务技术作为其实现技术,通过应用人工智能、Web Services等先进技术,实现决策支持系统的分布式、智能化、集成化、松散耦合等特性。传统决策支持系统普遍采用本地三库的固定模式,而MABODSS的设计思想主要是使用面向服务的体系结构来构建DSS,以最大程度地实现决策资源的共享与协调。整个网格环境可以视作MABODSS巨大的动态的模型库、知识库和数据库,并利用移动Agent的智能性和自适应能力,构建具有真正开放性的分布式DSS,把复杂的决策问题求解分布到网格环境的各个节点上,实现决策问题的并行异步求解。为提高系统的智能性及运行效率,论文将基于CBR的推理机制用于任务分解和网格决策资源匹配,详细阐述了MABODSS方案层基于CBR的Agent推理机制及其运作流程和交互机制,通过对已有案例进行全方位的评估分析,动态渐进地提高Agent的自学习能力和智能性。这种方法可有效地提高基于网格环境的DSS的资源匹配能力,充分利用丰富的网格资源,最大限度地扩展模型库、知识库和数据库,有助于提高DSS对于复杂决策问题的求解效率和求解质量。最后,给出了一个简单的第三方物流企业配送优化问题的MABODSS的设计和实现。