论文部分内容阅读
随着计算机技术的不断发展,计算机软件系统结构也变得越来越复杂,从而对软件系统的开发提出了更多更复杂的要求。Agent技术是目前分布式人工智能研究领域的热点之一。在未来社会中,智能Agent将成为软件系统的主力军,为用户提供更智能的服务。智能Agent是一个具有自主性、反应性、社会能力与主动性的软件系统或硬件系统。然而,现在大多数的Agent都是反应型Agent,它们内部缺少知识的定义以及推理等智能行为。本文从智能Agent的研究出发,提出一种基于知识的Agent模型,该模型的特点是以知识库为核心,以推理机作为主要决策模块,智能Agent把规划解释为知识库中的规则,然后利用推理机指导Agent的行为。本文还对该智能Agent内部知识模型,包括实体、任务、规划等进行了定义。通过对Agent知识模型的定义以及利用推理系统作为指导Agent行为的工具,使该Agent除了具有基本特性外,还具有适应性、规划和推理性、学习性,使其更加智能化。Cougaar是一个多Agent的运行支撑环境,它提供了完备可靠的通信、日志等基础服务。本文在Cougaar的基础上进行二次开发,实现了基于知识的Agent,对该智能Agent内部所应具有的模块、各模块的功能以及它们之间的关系进行了研究,并利用了基于模糊知识的专家系统作为推理系统,将其成功地应用到该智能Agent当中。该智能Agent还能对任务结果进行监控,及时对任务进行评估,动态的做出规划。在实现智能Agent的基础上,本文为了提供一个方便的智能Agent开发环境,采用XML技术实现了基于插件式的智能Agent开发平台。该平台为用户提供了插件管理、可视化设计等功能,能够让开发人员方便的在智能Agent的基础上进行二次开发。