多Agent协同系统的3层数据挖掘模型的设计

长江大学学报（自科版）理工卷２００７年９月第４卷第３期　Ｊｏｕｒｎａｌ　ｏｆ　Ｙａｎｇｔｚｅ　Ｕｎｉｖｅｒｓｉｔｙ（Ｎａｔ　Ｓｃｉ　Ｅｄｉｔ）Ｓｃｉ＆Ｅｎｇ　Ｖ　Ｓｅｐ．２００７。Ｖｏ１．４　Ｎｏ．３　

多Ａｇｅｎｔ协同系统的３层数据挖掘模型的设计　

李春生，代春平　（大庆石油学院计算机与信息技术学院。黑龙江大庆１　６３３１　８）　冉‘琨　（大庆油田有限责任公司第四采油厂。黑龙江大庆１　６３５１１）　

［摘要］传统的数据挖掘模型存在低效性和非智能化等不足。设计了一个基于Ｍｕｌｔｉ—Ａｇｅｎｔ的３层数据挖　掘模型．讨论了模型的通信和运行过程。这一模型弥补了传统数据挖掘的缺陷和不足，而且分层管理不　同角色的工作，在很大程度上提高了数据挖掘的智能性和高效性．减少了人工的参与。　［关键词］数据挖掘；Ｍｕｌｔｉ—Ａｇｅｎｔ技术；ＫＱＭＬ￣Ａｇｅｎｔ；消息协议　［中图分类号］ＴＰ３０２　［文献标识码］Ａ　［文章编号］１６７３—１４０９（２００７）０３一Ｎ０６８—０３　数据收集和存储技术的快速进步使得企业各部门积累了大量数据，如何从大量数据中提取出有用信　息成为一个需要研究和解决的课题。由于数据量太大，无法使用传统的数据分析工具和处理技术。即使　数据集相对较小，由于数据本身的非传统特点也不能使用传统方法处理。数据挖掘是一种将传统的数据　分析方法与处理大量数据的复杂算法相结合的技术，它为探查和分析新的数据类型以及用新方法分析已　有数据类型提供了很好的机会。传统的数据挖掘技术需要人们的大量参与，一次需要处理大量数据，并　且可能因为低准确性而造成多次重复操作，大大降低了它的智能性和高效性，浪费了用户的时间和精　力。随着Ａｇｅｎｔ技术的出现和研究，人们尝试着将其应用到数据挖掘中来，现已取得很好的效果。笔　者在此基础上，设计了一个基于Ｍｕｌｔｉ－Ａｇｅｎｔ技术的３层数据挖掘模型，该模型在一定程度上弥补了传　统数据挖掘技术的不足。由于把Ａｇｅｎｔ本身的特点引入到数据挖掘过程中，使该模型具有自治性、反　应性、交互性和自适应性；同时，Ｍｕｌｔｉ－Ａｇｅｎｔ系统的知识共享可以提高分类的效果和模型的有效性。　１　Ａｇｅｎｔ技术及Ｍｕｌｔｉ－Ａｇｅｎｔ系统　Ａｇｅｎｔ是由分布式人工智能发展而来的一种新型计算机模型。所谓Ａｇｅｎｔ，是指驻留在某一环境下　能够自主、灵活地执行动作以满足设计目标的行为实体　］。它是协作系统中的独立行为实体，能够根据　内部知识和外部激励决定和控制自己的行为。　许多系统尤其是复杂系统可能不仅仅只有一个Ａｇｅｎｔ，而是由２个甚至更多的Ａｇｅｎｔ主体构成。在　这些系统中，每个Ａｇｅｎｔ都是自主的行为实体，封装了状态和行为，因而相对独立；同时，不同的　Ａｇｅｎｔ之间可能存在着复杂的关系。在此，将由２个或者更多个相互独立同时又相互作用的Ａｇｅｎｔ所构　成的系统称为Ｍｕｌｔｉ—Ａｇｅｎｔ系统（ＭＡＳ）。　２模型的系统框架及通信协议　该模型如图１所示。共分为３层：第１层　为用户层，每个用户对应一个用户Ａｇｅｎｔ，而　每个黑户Ａｇｅｎｔ对１塑于昂户的一个昂户信息库；　第２层为管理层，由管理Ａｇｅｎｔ来管理所有的　Ａｇｅｎｔ信息，同时协调各层Ａｇｅｎｔ之间的工作；　第３层是任务实现层，由数据清洗Ａｇｅｎｔ、数　据挖掘Ａｇｅｎｔ、测试Ａｇｅｎｔ和评价Ａｇｅｎｔ组成，　用户层　管理层　

任务实现层　

图１　基于Ｍｕｌｔｉ－Ａｇｅｎｔ的数据挖掘模型系统框架图　［收稿日期］２００７—０６—１０　Ｃ作者简介］李春生（１９６０一），男，１９８３年大学毕业，教授，现主要从事人工智能与智能系统方面的教学与科研工作。

　维普资讯 http://www.cqvip.com 第４卷第３期　李春生等：多Ａｇｅｎｔ协同系统的３层数据挖掘模型的设计　其中，数据清洗Ａｇｅｎｔ是由Ｍ个清洗算法Ａｇｅｎｔ（ｉ）（　—ｌ，２，３，…，Ｍ）组成；数据挖掘Ａｇｅｎｔ是由Ｎ个挖　掘算法Ａｇｅｎｔ（ｊ）（．『一ｌ，２，３，…，Ｎ）组成。　根据应用的特点，用户层和管理层之间的通信采取Ａｇｅｎｔ之间建立信道的点对点消息传递方式，　基于该通信信道进行双向、对等的消息传递。管理层和任务实现层之间的通信方式采取黑板方式，即参　与通信的一组Ａｇｅｎｔ共享一个公共区域，通过向该区域写入和读取信息实现信息的交流。　Ａｇｅｎｔ通过消息协议可以互相理解和交换信息，并对消息做出处理。在该系统实现中，消息协议采　用了基于ＫＱＭＬ语言定义的面向数据挖掘的通信语言（ＤＭＡＣＬ）。它以ＫＱＭＬ作为协同通信协议的　基础，对其进行扩充，并以ＸＭＬ来描述消息的内容体，在此基础上设计了一套比较完整的、可扩充的　消息协议　。　３用户层和管理层　用户层有多个用户Ａｇｅｎｔ，每个用户Ａｇｅｎｔ在进入系统时，需要到管理Ａｇｅｎｔ中进行注册并通过信　誉认证。用户Ａｇｅｎｔ可以向管理Ａｇｅｎｔ提出请求，要求系统为其完成一定的任务，同时接收任务的执　行结果。用户Ａｇｅｎｔ在任务执行完成后可以随时申请撤销，以便为系统节省开支。　管理层由管理Ａｇｅｎｔ来实现管理任务。管理Ａｇｅｎｔ主要负责各个Ａｇｅｎｔ的管理及协调工作，具体　包括：提供用户Ａｇｅｎｔ的注册、信誉认证管理以及用户Ａｇｅｎｔ提出的需求任务的管理、任务的分派和　任务执行结果的返回。当某个用户Ａｇｅｎｔ长期不提出需求的时候，管理Ａｇｅｎｔ可以建议其退出系统。　同时，管理Ａｇｅｎｔ对数据清洗Ａｇｅｎｔ、数据挖掘Ａｇｅｎｔ、测试Ａｇｅｎｔ和评价Ａｇｅｎｔ之间的交互合作进行　协调管理。　４任务实现层　１）数据清洗Ａｇｅｎｔ海量数据中既有噪声数据、空缺数据，又存在数据不一致的现象。数据清洗　Ａｇｅｎｔ主要是对待挖掘的数据进行预处理，以提高数据的“质量”。针对不同的数据特点，所采用的数　据分类清洗算法也不同。该部分由Ｍ个清洗算法Ａｇｅｎｔ（　）（　—ｌ，２，３，…，Ｍ）组成。每个算法Ａｇｅｎｔ封装　一个独立数据预处理算法。Ａｇｅｎｔ（ｉ）可以根据实际需要动态地调入和撤除。目前在实现该模型时，主要　采用改进的ＢＰ神经网络和贝叶斯网络两种数据预处理算法。数据清洗Ａｇｅｎｔ同时提供人工参与清洗数据　的操作界面，并将数据进行备份。人工预先处理的数据转交给用户选定的算法Ａｇｅｎｔ（ｉ）对数据进行分类清　洗。用户在以后的工作中出现数据预处理不满意的结果，可以重新选择算法Ａｇｅｎｔ（ｉ）进行再次数据清洗。　２）数据挖掘Ａｇｅｎｔ（Ｄａｔａ　Ｍｉｎｇ—Ａｇｅｎｔ）　在该模型中，Ｄａｔａ　Ｍｉｎｉｎｇ—Ａｇｅｎｔ由Ｎ个挖掘算法　Ａｇｅｎｔ（ｊ）（．『一１，２，３，…，Ｎ）组成。根据所需处理的问题，可以动态地增加或减少挖掘算法Ａｇｅｎｔ（ｊ）。每　个挖掘算法Ａｇｅｎｔ都有固定的特性，根据这些特性可以完成不同的任务。当一个Ａｇｅｎｔ无法完成所分　配的任务时，就需要和其他的挖掘算法Ａｇｅｎｔ进行通信，请求其他的挖掘算法Ａｇｅｎｔ来帮助完成任务。　当它要向其他Ａｇｅｎｔ请求帮助时，可以通过以下方案解决它们之间的通信问题：每个挖掘Ａｇｅｎｔ自身　带有一个其他所有Ａｇｅｎｔ信息的记录集，而且这个记录集在通信完之后要进行更新，始终保持记录的　是其他Ａｇｅｎｔ的最新情况，比如其他Ａｇｅｎｔ的任务分配、自身特性、知识库和位置等。这样，当某个　Ａｇｅｎｔ需要进行通信时，就可以查找自身记录集，找到目标Ａｇｅｎｔ的位置，与其通信，协作完成任务。若　无法找到目标Ａｇｅｎｔ，则会有报错提示，并将该任务重返给管理Ａｇｅｎｔ，让其重新进行分析和分配　。　一个庞大的任务可分解成多个子任务，由多个不同的挖掘算法Ａｇｅｎｔ来完成。针对问题的特点采　用不同的挖掘算法，从而提高了数据挖掘的准确性以及系统的灵活性。当某个挖掘Ａｇｅｎｔ完成了其所　分配的任务时，会向管理Ａｇｅｎｔ发送执行结果，并向管理Ａｇｅｎｔ说明自己现状，以便其他的Ａｇｅｎｔ实时　更新该挖掘Ａｇｅｎｔ（ｊ）的状况表，同时也为下次任务的分配做准备。管理Ａｇｅｎｔ在收到执行结果后，会　提示测试Ａｇｅｎｔ该挖掘Ａｇｅｎｔ的任务已经执行完成。　３）测试Ａｇｅｎｔ（Ｔｅｓｔ－Ａｇｅｎｔ）　测试Ａｇｅｎｔ的功能是对数据挖掘Ａｇｅｎｔ所给出的结果进行验证。将　

挖掘的结果应用到新一批数据中，检验挖掘结果的准确度。挖掘结果可能存在冗余或无关信息，需要将其　维普资讯 http://www.cqvip.com 长江大学学报（自科版）理工卷　２００７年９月　删除。也有可能结果不满足用户需求或条件，因此整个挖掘过程还需要重新进行或在某个环节重复运行，　诸如重新选取数据、采用新的数据清洗方法、设定新的数据挖掘参数值，或选用不同的挖掘算法等等　］。　４）评价Ａｇｅｎｔ　为了获得更好的挖掘结果，需要对建立的挖掘模型进行性能评价。评价Ａｇｅｎｔ对　挖掘Ａｇｅｎｔ发现的模式，包括数据清洗采用的算法和数据挖掘采用的算法，进行自动评价以确定当次　挖掘所建立模型的可行性。评价Ａｇｅｎｔ通过对模型检测给出性能评价，并将评价结果以友好的、可理　解的方式反馈给用户。该评价Ａｇｅｎｔ采用平均方法对性能进行评价。　５模型的工作机制　在用户Ａｇｅｎｔ初进系统时，用户Ａｇｅｎｔ应向管理Ａｇｅｎｔ提交相关信息进行注册。管理Ａｇｅｎｔ通过　对用户Ａｇｅｎｔ进行验证，向其发放通行证，以确保用户Ａｇｅｎｔ可以提交任务和接收任务的执行结果。　用户Ａｇｅｎｔ在注册通过后会在管理Ａｇｅｎｔ中实时更新自己的信息和状态，以保证管理Ａｇｅｎｔ可以更准　确地分配任务或将任务执行结果返回。当用户有新请求时，由用户Ａｇｅｎｔ向管理Ａｇｅｎｔ提交任务申请。　管理Ａｇｅｎｔ中保存有数据清洗Ａｇｅｎｔ、数据挖掘Ａｇｅｎｔ、测试Ａｇｅｎｔ和评价Ａｇｅｎｔ的实时信息。管理　Ａｇｅｎｔ接收到用户Ａｇｅｎｔ的任务后，首先根据用户提出的任务特征进行分析，然后检查用户信息存储模　块，若有与之相关的记录或相似的请求结果，则推荐给用户选择，否则根据当前数据清洗Ａｇｅｎｔ的状　态将新任务下发，同时记录下用户请求的相关信息，以备下次请求时使用。　数据清洗Ａｇｅｎｔ接收到任务后，根据数据的特征选取不同的清洗算法Ａｇｅｎｔ（　）完成该工作。清洗工　作结束后，清洗Ａｇｅｎｔ通过管理Ａｇｅｎｔ与数据挖掘Ａｇｅｎｔ进行通信，将清洗后的数据传输给数据挖掘　Ａｇｅｎｔ。数据挖掘Ａｇｅｎｔ执行期汾配的任务或子任务，当需要与其他挖掘Ａｇｅｎｔ进行通信合作时，可以　按照上述方案进行协商合作。如果找不到需要合作的挖掘Ａｇｅｎｔ，则通知管理Ａｇｅｎｔ将这个任务重新进　行分解、分配，并更新挖掘Ａｇｅｎｔ状况表。如果能够找到，则将所需的帮助信息提供给原挖掘Ａｇｅｎｔ，　由两者共同完成任务，若有需要还可能有第三方挖掘Ａｇｅｎｔ参与。也就是说，执行一次任务时，一个　挖掘Ａｇｅｎｔ有可能与多个挖掘Ａｇｅｎｔ协作完成任务。　当某个挖掘Ａｇｅｎｔ完成任务之后，会给测试Ａｇｅｎｔ发出提示信息，表明自己已经完成当前挖掘任　务。测试Ａｇｅｎｔ对挖掘结果进行检验，若检验结果未达到用户需求，则需通过管理Ａｇｅｎｔ通知挖掘　Ａｇｅｎｔ重新挖掘，直到满足用户需求为止。通过测试的挖掘模式信息传给评价Ａｇｅｎｔ，评价Ａｇｅｎｔ对此　次的挖掘任务给出相应的评价，并将评价结果和挖掘结果一并提交给管理Ａｇｅｎｔ，由后者将结果反馈给　用户Ａｇｅｎｔ。此间，用户Ａｇｅｎｔ一直在等待挖掘ＭＡＳ的执行结果。当用户Ａｇｅｎｔ得到所有要得到的结　果时，说明挖掘ＭＡＳ的所有挖掘Ａｇｅｎｔｓ已经完成了所有的任务，此时管理Ａｇｅｎｔ会更新它的挖掘　Ａｇｅｎｔ状况表，而用户Ａｇｅｎｔ会对这些结果进行集中处理，如删除多余信息，然后根据用户的喜好，以　最友好的形式反馈给用户。至此，一次完整的用户请求过程结束。　６结　语