0104062基于Multi-Agent System預(yù)測支持系統(tǒng)(doc)
基于Multi-Agent System預(yù)測支持系統(tǒng) 數(shù)據(jù)特征分析Agent設(shè)計(jì)[1] 劉文財(cái)2 李英 劉豹 張維 （天津大學(xué)系統(tǒng)工程研究所 天津 300072） 摘要 本文從數(shù)據(jù)特征分析Agent在整個(gè)預(yù)測支持系統(tǒng)中的重要性出發(fā)，基于提高整個(gè)預(yù) 測支持系統(tǒng)效率的原則，設(shè)計(jì)了數(shù)據(jù)特征分析Agent。給出了該Agent的功能框圖、 功能表、結(jié)構(gòu)及部分算法的選擇。 關(guān)鍵詞 預(yù)測支持系統(tǒng) 數(shù)據(jù)特征 Agent 1 引言 預(yù)測支持系統(tǒng)是將計(jì)算機(jī)技術(shù)、人工智能技術(shù)與預(yù)測技術(shù)相結(jié)合，能幫助人們進(jìn)行預(yù) 測的軟件系統(tǒng)。早期的預(yù)測支持系統(tǒng)主要與計(jì)算機(jī)技術(shù)本身結(jié)合很緊密，人工智能技術(shù) 的應(yīng)用不是很深入。隨著人工智能技術(shù)的發(fā)展與具體成果的推出，預(yù)測研究人員研究與 開發(fā)了智能化預(yù)測支持系統(tǒng)[1]。其中本課題組的基于Multi-Agent System的預(yù)測支持系統(tǒng)是智能化預(yù)測支持系統(tǒng)的前沿子課題。 預(yù)測支持系統(tǒng)中的預(yù)測方法大部分是時(shí)間序列方法，這些方法所基于的預(yù)測思想是時(shí) 間序列思想。即認(rèn)為事物發(fā)展本身存在著一個(gè)延續(xù)的發(fā)展過程。正確地識(shí)別這種發(fā)展模 式可以預(yù)測事物的發(fā)展過程。在預(yù)測時(shí)，依據(jù)表示事物狀態(tài)的主要變量的歷史數(shù)據(jù)，用 統(tǒng)計(jì)學(xué)方法或系統(tǒng)辨識(shí)方法建立起描述事物迄今為止的變化規(guī)律的數(shù)學(xué)模型，并以此來 推測將來。而現(xiàn)實(shí)系統(tǒng)的狀態(tài)變量所產(chǎn)生的時(shí)間序列是各式各樣的，既有平穩(wěn)的、非平 穩(wěn)的，隨機(jī)的、非隨機(jī)的，線性的、非線性的，又有季節(jié)性的、非季節(jié)性的，短記憶的 、長記憶的，同方差的與異方差的等等3?？傊?，異常復(fù)雜。雖然基于MAS的預(yù)測支持系 統(tǒng)較之單個(gè)預(yù)測方法或其它預(yù)測支持系統(tǒng)有其不可替代的優(yōu)越性，但它并不是仙丹妙藥 ，包治百病。對有些時(shí)間序列，它能有效地完成預(yù)測任務(wù)；但對另一些時(shí)間序列卻難以 進(jìn)行定量預(yù)測，只能進(jìn)行定性預(yù)測。 所以，要使基于MAS的預(yù)測支持系統(tǒng)發(fā)揮有效的功能，作為支持系統(tǒng)的“看門狗”——數(shù) 據(jù)特征分析Agent的性能如何在很大程度上決定了該支持系統(tǒng)的有效性與準(zhǔn)確程度。這個(gè) Agent 要完成對被測時(shí)間序列有效的分類，并把分類的信息作為輸出信號(hào)傳給管理Agent，由它 選擇模型完成預(yù)測任務(wù)。本文就探討數(shù)據(jù)特征分析Agent的設(shè)計(jì)。 2 數(shù)據(jù)特征分析Agent的功能框圖 圖1 數(shù)據(jù)特征分析Agent框圖 圖中A是同方差長短記憶混合時(shí)序，B是同方差長記憶時(shí)序，C是異方差長短記憶混合 時(shí)序，D是異方差長記憶時(shí)序。 數(shù)據(jù)特征分析Agent主要功能是接到用戶或管理Agent發(fā)來任務(wù)預(yù)測的命令，讀入時(shí)間 序列數(shù)據(jù)文件，首先利用通過計(jì)算時(shí)序的自相關(guān)系數(shù)進(jìn)行序列的平穩(wěn)性及季節(jié)性判斷。 若序列不是平穩(wěn)序列，則進(jìn)行足夠多次的差分處理，直到成為平穩(wěn)序列為止。其次進(jìn)行 利用R/S（Rescaled Range Analysis）分析法進(jìn)行相關(guān)性判斷4。按Hurst指數(shù)值的不同情況把序列分為三類。若H= 0.5，則時(shí)序?yàn)橥耆S機(jī)的；若H0.5，則時(shí)序?yàn)檎嚓P(guān)的，長記憶時(shí)序。若H值對每一增量 穩(wěn)定，則表明時(shí)序就是長記憶時(shí)序；若H值表現(xiàn)出從不穩(wěn)定到穩(wěn)定的變化狀態(tài)，則表明時(shí) 序是長短記憶混合時(shí)序。并這兩類進(jìn)行異方差性分析。最后把分析結(jié)果轉(zhuǎn)換成信息，交 管理Agent處理。具體框圖如圖1所示。 3 數(shù)據(jù)分析agent的描述 能力表：平穩(wěn)性的判斷、季節(jié)性判斷、相關(guān)性分析、異方差性判斷、Hurst值計(jì)算。 功能實(shí)現(xiàn)：接到用戶或管理agent發(fā)送的Request請求后，根據(jù)傳送來的待分析數(shù)據(jù)文 件的詳細(xì)地址，包括所在機(jī)器名、文件路徑及文件名，對其完成所要求的特征分析，并 將分析后的結(jié)果通過通訊原語“Inform”，發(fā)送給提出請求的agent或者用戶。在對數(shù)據(jù)進(jìn) 行平穩(wěn)性，季節(jié)性、相關(guān)性分析及Hurst指數(shù)計(jì)算過程中，需要用戶根據(jù)計(jì)算所得到的數(shù) 據(jù)文件及agent所提供的幫助信息進(jìn)行相應(yīng)的處理，才能得到最終的處理結(jié)果，因此該a gent是一種半自動(dòng)的agent。 4 數(shù)據(jù)分析agent的結(jié)構(gòu) 根據(jù)數(shù)據(jù)分析agent的功能及特點(diǎn)，可以采用反應(yīng)式的agent結(jié)構(gòu)。因?yàn)閷τ跀?shù)據(jù)分析ag ent來說，不需要具有信念、承諾等精神狀態(tài)，只對傳送來的數(shù)據(jù)文件進(jìn)行相應(yīng)的處理， 并將處理結(jié)果傳送給提出請求的用戶或管理agent。所設(shè)計(jì)的結(jié)構(gòu)如圖2所示。 [pic] 圖2 數(shù)據(jù)分析agent的結(jié)構(gòu) 數(shù)據(jù)分析agent的一項(xiàng)主要能力是利用R/S進(jìn)行相關(guān)性分析，在這個(gè)過程中需要計(jì)算H urst指數(shù)，因此系統(tǒng)把這種功能獨(dú)立出來也作為agent的一種能力，以方便用戶或其它a gent的使用。下面分別介紹數(shù)據(jù)分析agent的平穩(wěn)性、季節(jié)性、相關(guān)性、異方差性分析的 實(shí)現(xiàn)。 5 數(shù)據(jù)特征分析Agent部分算法的選擇 5.1 平穩(wěn)性分析算法選擇 由于時(shí)間序列的平穩(wěn)性、季節(jié)性分析相對簡單，在該Agent中就采用計(jì)算時(shí)序的相關(guān) 系數(shù)來進(jìn)行平穩(wěn)性及季節(jié)性的判斷。本文對其算法不再贅述。如果時(shí)間序列不是平穩(wěn)序 列，則對其進(jìn)行差分處理，直到成為平穩(wěn)序列為止。 5.2 相關(guān)性分析算法選擇 相關(guān)性分析我們采用假設(shè)條件較少的R/S分析法(Rescaled Range Analysis)，通過計(jì)算Husrt指數(shù)值及其穩(wěn)定性來判斷時(shí)序的相關(guān)性[2，3，4]。其算法如 下： 設(shè)一已知時(shí)間序列[pic]為觀測次數(shù)。則τ個(gè)時(shí)間序列觀測點(diǎn)的均值： [pic] (5.1) 由此，求得在τ區(qū)間內(nèi)的累積離差： [pic] (5.2) 累積離差的極差為：[pic] (5.3) τ區(qū)間內(nèi)的標(biāo)準(zhǔn)差為：[pic] (5.4) R/S 統(tǒng)計(jì)量[pic]為： [pic] (5.5) 其中，a 為常數(shù)，H為赫斯特（Hurst）指數(shù)。 在Agent中，按以下步驟來估計(jì)Hurst指數(shù)。 1. 把觀測次數(shù)為N的時(shí)間序列[pic]分為M個(gè)長為τ的區(qū)間（[pic]）。 2. 按(5.1)到(5.5)式計(jì)算每個(gè)τ區(qū)間的R/S值。 3. 計(jì)算M個(gè)R/S的算術(shù)平均值，記為[pic]。 4. 建立關(guān)系式：[pic] 。對其兩端取對數(shù)得： [pic] (5.8) ⑤在[pic]圖上作回歸，取其斜率為Hurst指數(shù)H的估計(jì)值。 得到H的估計(jì)值后，可以按Mandelbort 的序列相關(guān)性度量指標(biāo)： [pic] (5.9) 來度量各個(gè)增量期間的序列相關(guān)性。 在自然界各種現(xiàn)象的數(shù)據(jù)序列中，Hurst指數(shù)有三種類型：(1) H=0.5；(2) 0≤H
0104062基于Multi-Agent System預(yù)測支持系統(tǒng)(doc)