張慶民　薛恒新　吳春梅

摘 要：預測-計劃-調度是分銷鏈運作研究的重要內(nèi)容，協(xié)同一體化的運作模型構建及流程分析有助于優(yōu)化分銷鏈的管理。在比較了基于對象建模和基于Agent建模的基礎上，給出了分銷鏈運作與Agent的對應關系。根據(jù)多智能體技術的建模方法和流程，運用該技術對分銷鏈協(xié)同一體化的運作模型進行了優(yōu)化，并給出了基于多智能體技術的預測-計劃-調度的智能運作模型，并對該模型的運作流程進行了分析。

關鍵詞：分銷鏈；多智能體；預測-計劃-調度；一體化；流程分析

中圖分類號：TP18文獻標識碼：A

文章編號：1002-3100(2009)01-0062-05

Abstract: A forecasting-planning-scheduling is important content of operational research in distribution chain. Structuring of the cooperation integrated operational model and process analyzing are helpful to optimization management in distribution chain. Through comparing object based modeling with agent based modeling, the corresponding relations between distribution chain's operations and agents are given. With modeling method and process of the multi-agent technique, a cooperation integrated operational modeling is optimized and intelligence operational modeling of multi-agent based the forecasting-planning-scheduling is proposed. Finally, the operational process of this model is analysed.

Key words: distribution chain; multi-agent; forecasting-planning-scheduling; integration; process analysis

0引言

由于分銷鏈具有多公司、多層次性、多地點和多交互性等復雜性特點，過去僅僅從運籌學、集中式的角度優(yōu)化分銷鏈預測-計劃-調度的一體化運作存在著不足。因此，我們進一步從智能化、分布式的角度探討分銷鏈的運作模式。多智能體（Multi-Agent，MA）技術作為一種智能解決手段廣泛應用在復雜系統(tǒng)的建模中，它能夠自主、協(xié)調地工作，并具有自組織能力、學習能力和推理判斷能力。該MA也是一個松散耦合的Agent網(wǎng)絡，該網(wǎng)絡通過合作可以解決超出單個Agent能力或知識的復雜問題。

基于MA技術的分銷鏈/供應鏈運作管理研究可分為三類：通過建立基于MA技術的高效結構模型管理分銷鏈/供應鏈，如文獻[1]分析了Agent的優(yōu)點，給出了基于Agent的結構和框架；運用MA技術和其他技術相結合提升供應鏈的運作效率，如文獻[2]通過強化學習和Markov決策探討Agent的自學習能力；建立基于MA技術的實時、動態(tài)交互的智能系統(tǒng)（智能電子商務等）提升其適用性和高效性，如文獻[3]通過拍賣方式探討供應鏈的動態(tài)性和高效性。目前，大多數(shù)文獻都是單獨從智能角度研究預測-計劃-調度中的一部分，沒有作為一個智能運作整體進行探討，所以，本文主要探討基于MA技術的分銷鏈智能一體化運作模型。

1智能一體化運作

分銷鏈智能一體化運作模型是指預測-計劃-調度的智能運作（Intelligent Operation for Forecasting-Planning-Scheduling，IOFPS）模型，簡稱智能運作模型。它是在充分考慮分銷鏈運作的復雜性、動態(tài)性、智能性和交互性的基礎上，以MA技術為基礎，從分布式計算和人工智能的角度出發(fā)，在分銷鏈傳統(tǒng)預測-計劃-調度的基礎上，探討在分銷鏈運作中如何更加高效地管理物流、信息流和降低運行成本而提出的一種新型智能管理模式。

1.1基于對象建模和基于Agent建模

基于對象建模和基于Agent建模是軟件工程中探討較多的話題。當前，分銷鏈、供應鏈建模大多采用基于對象的建模方式，而基于Agent建模是在傳統(tǒng)建模的基礎上，采用人工智能、軟件工程和復雜性理論所提出的一種新型建模方法。Agent建模是通過對Agent個體描述和MA之間的相互關系和交互通信的實現(xiàn)，使多智能體系統(tǒng)（Multi-Agent System，MAS）呈現(xiàn)出系統(tǒng)的微觀和宏觀信息特性。MA技術克服了傳統(tǒng)解析方法僅僅通過建立一組數(shù)學方程得到各影響因素間的關系，從整體上對系統(tǒng)進行分析與描述的不足。根據(jù)文獻[4]給出的面向對象建模和基于Agent建模兩種方式，通過對上述文獻的總結得到如表1所示。

1.2分銷鏈和MAS對應轉換

為了構建分銷鏈中各公司間物流、信息流以及各公司間的運作與Agent的關系，根據(jù)文獻[5]、[6]中的關系，表2抽象出分銷鏈與MAS的對應轉換。利用轉換表中的對應關系，可以模擬分銷鏈中公司的運作過程。在分銷鏈智能運作中我們設置了分銷中心Agent、分銷鏈各公司Agent、預測Agent、計劃Agent、調度Agent和協(xié)同Agent和對應的管理Agent等。

2MAS建模

由于Agent系統(tǒng)的建模是與軟件工程密切相關，因此，Agent系統(tǒng)的建模步驟與軟件工程的開發(fā)有相似之處。文獻[7]給出了MAS系統(tǒng)開發(fā)的7步法：獲取需求、面向Agent的分析、MAS系統(tǒng)構建、Agent內(nèi)部構建、細節(jié)設計、執(zhí)行和測試。對于后四步工作是從軟件設計的角度進行分析的，我們僅對前三步結構建模展開分析，并建立IOFPS模型，涉及到軟件開發(fā)的后四步我們將在以后的工作中給與探討。根據(jù)文獻[8]、[9]對MAS建模思想進行了分析，從系統(tǒng)組織的觀點抽象這種建模?；贏gent的建模兼顧了組成系統(tǒng)的Agent的真實物理性狀，如自治性、分布性等，也體現(xiàn)了系統(tǒng)的整體性，如MA協(xié)作、協(xié)同和協(xié)調，其最顯著的特點是系統(tǒng)中的Agent不再僅是組成系統(tǒng)的零部件，而是具有智能性的個體。

2.1建模步驟

根據(jù)MAS系統(tǒng)的開發(fā)特點，我們給出了面向Agent建模的步驟，歸納如下：

2.1.1根據(jù)現(xiàn)實模型對MAS進行需求分析

面向Agent的需求分析是基于個體的思考方式，通過從下到上的方式獲得整個系統(tǒng)的結果。在分析時，盡量遵照現(xiàn)實模型、組織實體和運作模式，對系統(tǒng)中的各種實體或運作進行結構化描述。分析內(nèi)容包括目標分析、角色分析、角色與角色間的相互關系分析等。

2.1.2劃分個體Agent功能

根據(jù)現(xiàn)實模型的需求，確立各個個體Agent的目標并分析它們間的關系。由此確定個體Agent在系統(tǒng)中的作用和功能，即對Agent進行角色劃分。一般來說，針對不同的應用需要設計不同的Agent功能和結構。Agent的屬性包括靜態(tài)和動態(tài)兩種：靜態(tài)屬性描述包括智能體名、智能體的IP地址和智能體所屬群組等信息；動態(tài)屬性著重描述那些隨時間推移和環(huán)境變化而改變的智能體屬性。這些Agent在組織中的地位和關系也是不相同的，如控制關系的等級結構、平等關系的扁平結構等。

2.1.3分析Agent間交換

參照BDI模型，Agent的識別包括目標、屬性、目標實現(xiàn)的規(guī)劃、行為、與其他智能體的交互、協(xié)作、協(xié)調和談判等內(nèi)容的設計。實現(xiàn)智能體交互所必需的活動，如交互語言是智能體相互溝通的媒介，協(xié)作機制的目標是保證MA之間能協(xié)調一致地工作，從而實現(xiàn)系統(tǒng)的設計意圖。協(xié)調機制的設計是為了克服MA之間的競爭與沖突問題，常用的機制包括合同網(wǎng)和投標拍賣等。

2.1.4MAS系統(tǒng)構建

MAS系統(tǒng)構建[7]的第一個任務是在這個系統(tǒng)中完成該角色的Agent規(guī)范，Agent完成這個角色的定義是通過角色的責任和角色目標所決定，設計Agent平臺和類型；第二個任務是從軟件系統(tǒng)結構的角度出發(fā)，設計Agent和Agent關系的可行性和高效性。該軟件系統(tǒng)結構是模擬現(xiàn)實生活的角色組織和實際軟件之間代溝的第一步；第三個任務包括定義基于該系統(tǒng)的界面、內(nèi)部邏輯關系和數(shù)據(jù)信息來源等，定義MA相互協(xié)議機制與數(shù)據(jù)通訊結構。

3MAS模型構建

圖1給出了分銷鏈IOFPS的結構模型。從分銷鏈智能結構組成的角度分析，該模型分為三部分：應用層、Agent構建層和數(shù)據(jù)層。在這三者之間給出了管理Agent和本體Agent。管理Agent負責應用層和Agent構建層的數(shù)據(jù)、信息傳輸通信、各Agent之間、各層之間的交互作用，本體Agent在Agent構建層和數(shù)據(jù)層間完成數(shù)據(jù)信息的分析、提取和編輯等功能。

應用層提供了管理者（外部環(huán)境）與該模型的交互界面。該界面是企業(yè)運作狀況信息反饋、管理者與該模型有效交互的接口，包括預測界面、計劃界面、調度界面、協(xié)同界面和數(shù)據(jù)信號顯示等部分。該界面集成了分銷鏈各個公司智能運作優(yōu)化后的聯(lián)合預測-計劃-調度結果和仿真控制結果。通過該部分可以實現(xiàn)分銷鏈智能運作系統(tǒng)與分銷鏈中的其他系統(tǒng)（財務等）的無縫連接，從而實現(xiàn)分銷鏈運作集成的目標。

Agent構建層是分銷鏈智能運作的主要部分，由預測Agent、計劃Agent、調度Agent、協(xié)同Agent和本體Agent等組成。Agent之間需要通過ACL語言實現(xiàn)Agent間的通訊交互、網(wǎng)絡服務等功能。每一個Agent都能夠執(zhí)行從外部感應信息、智能學習、優(yōu)化計算和做出決策等動作。外部信息包括相關Agent的通訊信息、分銷鏈庫存信息、各種運作需要的初始參數(shù)等靜態(tài)信息和系統(tǒng)運作過程中的動態(tài)數(shù)據(jù)信息。智能學習是Agent的顯著特性，如機器學習（Machine Learning，ML）。優(yōu)化計算是Agent的分析決策過程，如采用人工神經(jīng)網(wǎng)絡（Artificial Neural Network，ANN）和遺傳算法（Genetic Algorithm，GA）等優(yōu)化方法。MA的運作活動最后都需要在仿真分析平臺和智能運作平臺上通過編程來實現(xiàn)分銷鏈的智能管理和模擬。數(shù)據(jù)層和一般企業(yè)建模的底層數(shù)據(jù)是類似的，由企業(yè)資源計劃（Enterprise Resource Planning，ERP）、供應鏈關系管理（Supply Chain Management，SCM）等管理軟件和文檔組成的大型數(shù)據(jù)庫，它提供了分銷鏈IOFPS模型所需要的數(shù)據(jù)和知識來源，通過管理Agent和本體Agent完成數(shù)據(jù)的傳輸、轉換和共享。

4協(xié)同IOFPS模型流程分析

訂單是分銷鏈運作過程中的重要標志，生成預測訂單、計劃訂單和調度單是分銷鏈運作過程中的主要任務。訂單完成的整個過程包括預測訂單生成、協(xié)同預測訂單生成、匯總預測訂單生成到計劃訂單生成、協(xié)同計劃訂單生成、匯總計劃訂單生成，再到調度訂單生成，直到最后轉化為發(fā)貨單、送貨單為止。

4.1預測訂單流程圖

下面以預測管理模塊為例解釋智能預測運作流程的過程。圖2給出了一個公司的智能預測流程，它由管理Agent觸發(fā)預測Agent，在預測Agent計算生成預測訂單后，把該訂單發(fā)送給預測部門的管理者。當管理者獲得該預測訂單時，根據(jù)自己的經(jīng)驗做出判斷，該訂單量是否與經(jīng)驗值相符合。若符合要求，則轉到下一步流程，若不符合，在根據(jù)當前的環(huán)境變化或出現(xiàn)的一些應急事件因素，調整預測Agent中的定性評價指標、初始條件設置或預測算法庫等。一旦系統(tǒng)完成預設后，重新啟動預測Agent，再經(jīng)過預測Agent計算后，把生成的預測訂單上傳給協(xié)同Agent。當上層公司接到該訂單時，根據(jù)整體最優(yōu)的原則判斷該訂單量是否符合整個系統(tǒng)的利益。同樣，在協(xié)同Agent中，通過合理的算法和雙方信息的交互和共享，達成一致意見，進行預測訂單的匯總。除最下層公司直接根據(jù)市場信息確定該公司的需求外，其余公司則還需要根據(jù)該公司的庫存狀況，運用傳統(tǒng)的庫存原理計算預測訂單的值。

4.2一體化運作流程

分銷鏈智能一體化運作流程如圖3所示，根據(jù)區(qū)間功能的不同定義為預測管理、計劃管理和調度管理功能模塊，并分別給與相應的解釋。

預測管理由預測訂單生成、協(xié)同預測訂單生成、匯總預測訂單生成三個部分組成。預測訂單生成需要分銷鏈中單個個體公司根據(jù)市場、自身庫存信息和該公司管理者的主觀評價信息通過預測Agent進行預測，協(xié)同預測訂單生成是在上層公司對本公司的預測訂單生成的數(shù)量不滿意或沖突的條件下而產(chǎn)生的，經(jīng)過兩個公司間的協(xié)商談判等方式，根據(jù)外界影響因素和協(xié)同Agent的信息達成的一致結果。通過上述兩步的操作，最后上層公司把所有它所管轄的下層公司的訂單進行匯總，完成整個預測管理模塊的工作。

計劃管理同樣由三個部分組成：計劃訂單生成、協(xié)同計劃訂單生成和匯總計劃訂單生成。在計劃訂單生成過程中，需要根據(jù)從匯總預測訂單生成時間到計劃訂單生成這個期間的市場波動信息或公司內(nèi)部的訂單信息的變化因素，通過計劃Agent確定計劃訂單生成的訂貨數(shù)量。假若在這期間沒有發(fā)生太大的變化，那么則不需要觸發(fā)計劃管理模塊。計劃管理模塊中其余的兩步的分析與協(xié)同預測訂單生成和匯總預測訂單生成類似的。

調度管理調度問題是在訂單計劃的基礎上，根據(jù)有限庫存的可利用情況，將訂單任務合理分配到各個公司中，并確定各個公司目前的庫存狀況和預測訂單的需求，從整體優(yōu)化的角度把當前的產(chǎn)品在合適的時間分配到合適的公司中。通過調度Agent，根據(jù)約束條件和計劃Agent和預測Agent的預算訂單量，采用實時優(yōu)化、學習等方法完成整個分銷鏈的任務分配。

5小結

在物流服務業(yè)越來越重要的今天，如何提高分銷鏈公司的運作高效性和智能性是提高公司競爭力的關鍵因素。智能管理、智能運作作為一個嶄新的研究領域，在信息化高度發(fā)展的商業(yè)環(huán)境中將會占有重要的地位。隨著智能機器人、智能工程領域和智能控制與仿真理論的研究不斷深入，智能管理和運作軟件的開發(fā)與實現(xiàn)也在進行中，如Repast、SWARM和JADE等智能開發(fā)工具將得到了廣泛的應用，下一步我們將從軟件構建的角度進行探討，相信在不久的將來智能管理軟件將會出現(xiàn)在公司的運作管理中。

參考文獻：

[1] Shen W, Kremer, Ulieru M, et al. A collaborative agent based infrastructure for Internet-enabled collaborative enterprise[J].International Journal of Production Research, 2003,41(8):1621-1638.

[2]Pontrandolfo P, Gosavi A, Okogbaa O. G, et al. Global supply chain management: a reinforcement learning approach[J]. International Journal of Production Research，2002,40(6):299-317.

[3] Chen F, Drezner Z, Ryan J. K, et al. Quantifying the bullwhip effect in a simple supply chain: the impact of forecasting lead times, and information[J]. Management Science，2000,46(3):436-443.

[4] Govindu R. Multi-agent systems for supply chain modeling: methodological frameworks[D]. School of Wayne State University, 2006.

[5] Bernon C, Cossentino M, Pavon J. An overview of current trends in European AOSE research[J]. Informatica，2005,29:379

-390.

[6] Yuan Y, LIang T. P, Zhang J. J. Using agent technology to support supply chain management: Potentials and challenges[R]. Michael G. DeGroote School of Business Working，2001:453.

[7] Oluyomi A, Karunasekera S, Sterling L. A comprehensive view of agent-oriented patterns[J]. Autonomous Agents and Multi

-Agent Systems，2007,15:337-377.

[8] 李英，馬壽峰. 基于Agent的仿真系統(tǒng)建模[J]. 系統(tǒng)工程學報，2006,21(3):225-230.

[9] 劉堅，于德介，袁少輝,等. 制造信息系統(tǒng)的多智能分析與建模研究[J]. 計算機集成制造系統(tǒng)，2004,10(11):1343-1348.