[发明专利]一种面向深水空间数据集成基于LQAFCN的任务控制方法

权利要求书

1.一种面向深水空间数据集成基于LQAFCN的任务控制方法，其特征在于，包括以下步骤：

S1、对深水空间数据集成任务中所涉及的相关问题进行建模；

S2、根据当前各数据节点存储情况进行相应的任务分解，形成多个由单一数据节点独立执行的原子任务集合；

S3、引入LQAFCN协商模型，设计了一种基于LQAFCN的Mulit-Agent任务控制机制；

对步骤S1中对深水空间数据集成任务中所涉及的相关问题进行建模，包括：

将一个深水空间数据集成中的任务控制问题表示为四个元组：

T，C，M，L

T：表示深水空间数据集成任务分解后所形成的待控制原子任务集合，每个子任务抽象为一个三元组：

D_TYPE，D_SCOPE，D_REQ

其中，D_TYPE表示集成要求数据类型；

D_SCOPE表示数据的经纬度范围需求；

D_REQ表示集成任务中对于数据比例尺、时间关键指标的要求；

C：表示根据深水空间数据的分布式区域管理特征所划分的区域联盟集合，各个区域联盟抽象为一个五元组：

C_TASK，C_BUSSINESS，C_ABILITY，MEMBER，LEADER

其中，C_TASK表示区域联盟所接受的任务集合；C_BUSSINESS表示联盟体能够完成的业务范围，业务范围包括数据类型和空间区域；MEMBER为区域联盟中的所有成员Agent的集合；LEADER表示区域联盟中盟主Agent，成员Agent的属性ROLE为manager的节点Agent；

M：表示各数据节点中管理具有深水空间数据集成能力的计算Agent以及深水数据资源的数据管理Agent的集合，代表数据节点进行任务控制处理，各数据管理Agent抽象为一个五元组：

TASK，ABILITY，C_ID，ROLE，F

其中，TASK表示该数据管理Agent所管理的计算Agent需完成的任务集合，根据实际处理需求每个子任务有相应的优先级；

ABILITY表示其所属数据节点的任务执行能力，根据各计算Agent目前的工作状态、安全性、通信因素完成相应任务的能力自信度；

C_ID表示该数据管理Agent的数据节点所在联盟；

ROLE表示该数据管理Agent在联盟中所担任的角色，manager表示盟主和member表示成员；F表示其负责的数据节点所存数据的资源信息列表，记录数据的类型、范围以及时空信息；

L表示黑板体，为体系框架中的元数据目录，用于公告各联盟体的业务范围C_BUSSINESS，各联盟体所管理的深水空间数据的类型及空间区域；

步骤S2中根据当前各数据节点存储情况进行相应的任务分解，形成多个由单一数据节点独立执行的原子任务集合，以适应深水空间数据类型多样且为分布式存储的特性，包括：一个深水空间数据集成任务ZT从两个层次进行分解：要素划分层和区域划分层；

要素划分层是根据国家标准对ZT进行深水要素分解；

区域化分层是对已经分解的深水要素任务再进行空间区域分解，形成待控制的区域任务集T，并分别发布到相应的区域联盟中；

步骤S3中引入LQAFCN协商模型，设计了一种基于LQAFCN的Mulit-Agent任务控制机制，将深水空间数据集成中的任务控制看成是出价-还价/招标-投标的协商过程，以增加各数据节点间的交互性，包括：

定义招标为：任务发起端的任务控制Agent负责对各集成任务进行初步的区域分解和发布；

各数据节点作为潜在任务执行者对任务进行相应的投标，由各区域联盟的盟主LEADER负责自身区域联盟中的任务控制，将任务划分给有能力的一个或多个数据处理Agent，并在出现冲突或者无法独立完成任务时与其他区域联盟协商解决；

有能力的数据处理Agent，为潜在任务执行Agent，也称任务投标Agent，与任务控制Agent直接进行协商，最后由任务控制Agent评估决定最终的任务执行Agent；

任务招标：利用深水空间数据具有分布式区域管理特点，对任务的招标采用空间区域划分策略，具体过程为：

任务发布者对ZT进行要素与区域分解形成待控制区域任务；任务发布者根据L上发布的C_BUSSINESS信息，与t∈T进行要素和空间信息的匹配；根据匹配信息，将同一区域联盟的任务t∈T打包，形成C_TASK，并发送给相应的区域联盟；各区域联盟根据C_TASK制定相应的招标书，内容包括深水空间数据类型、空间范围以及要求节点Agent提供的空间尺度、数据采集时间、时间粒度关键指标信息，并将其发送给各成员，为数据节点中的数据管理Agent，完成任务的招标过程；

将任务控制中的问题建模为分布式模糊约束网络N(U，K，J)，任务控制Agent和任务投标Agent具有不同的模糊约束网络，其中：

U：表示模糊约束网络N的论域

K：表示非重复对象元组

J：表示模糊约束集合

将任务控制Agent和任务投标Agent之间的协商过程概括为根据协商议题交换报价和还价，直到任务控制Agent和任务投标Agent之间达成协议，或者直到无法产生进一步的报价或还价；

LQAFCN模型是一种有效的Agent协商模型，用于表述上述协商过程，其包括协商协议和协商过程两部分内容：

协商过程包括：Agent协商过程包括以下步骤：让步值计算，可行解生成，要价生成以及协商终止；

首先，任务控制Agent或任务投标Agent通过评估对手agent的响应状态，自身的内部状态，以及所处的环境状态，决定下一轮协商中是否进行让步，以及让步的程度，然后，基于让步值，生成一组可行的解决方案，并选取一个最优解决方案，是满意度最高的解决方案来生成要价/还价发送给对手agent；当此要价/还价不能被对手agent所接受时，agent基于协商策略进行还价，并考虑具有相同满意度水平的解决方案，或者提供满意度较低的解决方案，将其发送给对手，在满足终止条件之前，不断循环上述协商过程；

1)让步值计算

对于agent而言，对手的响应状态，自身的内部状态，和所处的环境状态分别代表了对手的意愿，自身的期望，以及所受的环境约束，因此，agent通过评估对手的响应状态，自身的内部状态以及所处的环境状态来决定在接下来的协商中是否进行让步，以及让步的程度；

任务控制Agent和任务投标Agent在协商过程中的让步值计算相似，以任务投标Agent为例，其在协商过程中的让步值计算过程如下：

对手的响应状态σ，是之前要价A和最新还价B之间的差异程度，定义如下：

σ＝1-(G(A₀，B₀)-G(A，B))/G(A₀，B₀)

其中，A₀和B₀表示初始要价和还价，G(A，B)是指在协商目标X_i∈X上要价A和还价B之间的距离度量，计算公式如下：

A_i和B_i表示A，B在协商目标X_i∈X上的可能性分布，n表示是n个协商目标，自身的内部状态I包括与最新要价A相关的满意度水平ρ和一组备选解决方案的紧密度δ，其中：

ρ＝Ψ(S^*)

δ＝1-(ρ-ε)

上式中，S^*表示agent的期望解决方案，ρ＝Ψ(S^*)表示对解决方案S^*的满意度，ε则表示整体满意度阈值；

Ψ(S^*)表示对解决方案S^*的通用满意度，如下所示：

其中，Z(S^*)是协商目标X_i的解S^*的隶属度；

在任务控制的协商过程中，agent所受的环境约束E是时间，通过函数来表示时间与让步值计算之间的关系：

上述公式中，t_now表示当前协商时间，t_max表示协商终止时间，表示协商目标X_i的在t_max时刻的取值，表示不考虑时间影响时协商目标X_i在时间t_now的还价，表示考虑时间影响时协商目标X_i在时间t_now的还价，α(t)表示时间和让步计算之间的关系，q，α为常数，且α＞1，-1≤q≤1；

根据上述公式计算得到的对手响应状态σ，自身的内部状态I和所处的环境状态E，进行让步值的计算；让步值Δε是从模糊让步集V和水平分割τ变换而来：

Δε＝F_df(V_τ)

其中，F_df表示去模糊方法，τ是让步意愿的水平切割，计算公式如下：

μ_ρ(ρ)，μ_δ(δ)，μ_σ(σ)和μ_α(t)(α(t))分别表示依据满意度、紧密度、差异度、和时间约束的让步期望，表示协商过程中与让步相关的权重；

要价和还价的生成：给定任务控制Agent内部状态，任务投标Agent响应状态，任务控制Agent的环境状态，以及任务控制Agent在上一轮协商中的行为状态ε，那么任务控制Agent新的行为状态ε^*为：

ε^*＝ε-Δε

2)可行解生成

给定模糊约束网络N的意图Π和agent的最新行为状态ε^*，生成的可行解P定义如下：

P＝Γ(Π，ε^*)＝{S|(S∈Π)Λ(Ψ(S^*)＞ε^*)}

其中，Ψ(S^*)表示agent的目标集在N中的满意度，在给定还价B和可行解集P的前提下，期望解S^*的选择遵循以下条件：

S^*＝argmax(H(S，B))

H(S，B)是一个效用函数，用于评估可行解S∈P相对于还价B的适当性，定义如下：

上式中，W₁是agent在议题Q上的偏好函数，W₂是计算解S和还价B之间距离的相似度函数，ω₁与ω₂分别表示与偏好和相似度相关的权重，而ω₁与ω₂值的选取与agent所采用的协商策略有关；

双赢策略：ω₁≤1.0，ω₂≤1.0，ω₁＝ω₂

协作策略：ω₁≤1.0，ω₂≤1.0，ω₁＜ω₂

竞争策略：ω₁≥1.0，ω₂≥1.0，ω₁＞ω₂

采用双赢策略进行协商意味着agent在考虑自身利益的同时，也会考虑对手agent的利益，使用协作策略表示在协商过程中agent会更多地考虑对手agent的利益，而使用竞争策略进行协商则表明agent在协商是更注重自身利益的获得；

3)要价生成

给定可行解集P和期望解集S^*，关于议题Q∈X的一组要价的生成定义如下：

A^*＝∧(P，S^*)

上式中，议题Q_i∈X的要价与集合A^*中元素相对应，是值S^*在空间上的边际可能性分布；

根据一组议题Q上的还价B＝{B₁，B₂，...，B_N}，对手agent的首选解集定义如下：

其中表示B_i在空间上的圆柱形延展，每个元素表示对手首选的解决方案，每个元素在中隶属度表示解决方案被对手接受的程度；

4)协商终止

任务控制Agent和任务投标Agent之间会不断地要价和还价的交换，直到达成一致，或者没有新的要价/还价生成，给定可行解集P和还价B，协商会以协商达成一致或者协商失败两种状态终止，其中，协商达成一致需满足条件：

协商失败满足条件：

上式中，代表对手的首选解集，协商成功表明任务控制Agent和任务投标Agent之间达成一致，也意味着模糊约束满足问题得以解决，达成一致的解是从P和的交集中选择的，协商失败则表明任务控制Agent和任务投标Agent之间没有达成一致，其原因为剩余解的满意度低于设定的阈值或者是协商时间已用尽；

协商协议包括：

协商协议是对Agent通信语言ACL的定义、表示、处理和语义解释，是用来处理协商过程中Agent之间的交互，它本质上是所有agent必须遵守的规则，其定义了agent之间的所有交互，也确定了agent之间消息的序列和结构，在任务控制问题中，任务控制Agent和任务投标Agent通过发送或接收各种类型的消息来进行协商，这些消息包括：

Ask()：agent向对手发送一份提议，其中包含每个协商项的具体值或取值范围；

Tell()：agent根据请求向对手发送带有附加模糊隶属函数的还价；

Accept()：agent接受对手的还价并终止其谈判过程；

Reject()：如果agent不能向对手提出任何建议，agent将向对手发送拒绝的消息；

Agree()：agent暂时接受对手提出的最新还价，等待对手的确认；

Abort()：任务控制Agent和任务投标Agent之间没有可行的解决方案，其中一个中止了协商；

在开始协商之前，任务控制Agent会先向任务投标Agent发送消息确认需要进行的协商项，以及协商项的取值范围，需任务投标Agent确认接受之后，才能正式开始协商；

在正式协商过程中，任务控制Agent会先向任务投标Agent发送附带由初始要价的Ask()消息，当收到来自任务控制Agent的要价时，任务投标Agent会对要价进行评估，以确定是否满足自身约束条件，如果不满足约束条件，将生成还价，并将Tell()消息发送给任务控制Agent，当任务控制Agent收到任务投标Agent还价时，评估还价，检查是否满足协商项要求，如果还价不满足要求，任务控制Agent进行让步值计算并生成要价，在协商Agent中重新调整对协商项的要求，然后在Tell通信中由任务控制Agent向任务投标Agent发送带有新要价的Ask()消息，随后，将循环地进行要价和还价的交换，重复协商过程，当agent在接受所有协商项的要价/还价时，T-Agree()消息将发送给对手agent，然后，当且仅当所有接收到的消息都为T-Agree()时，agent才会发送Accept()消息，这意味着协商达成一致，否则，表示双方在某些协商项上的可行解集之间没有交集，任务控制Agent或任务投标Agent将发送Abort()消息给对手，此情况下协商失败，还有一种情况也代表协商失败，那就是当前协商时间超过提前约定好的协商时间，在任务控制Agent与任务投标Agent进行协商的过程中，双方在生成要价/还价时都会判断当前协商时间是否超过规定时间，如果未超过规定的时间，继续进行协商，如果超过，则协商以失败的状态终止。

2.根据权利要求1所述的一种面向深水空间数据集成基于LQAFCN的任务控制方法，其特征在于：任务投标策略为：各节点中的数据管理Agent收到任务后，利用资源匹配策略与其资源信息列表F进行深水空间数据类型及空间范围的匹配，根据具体情况确定是否与任务控制Agent进行协商，并基于LQAFCN模型进行相应的投标处理。