一种多Agent的地图要素协同综合模型及其应用分析.pdfVIP

第29卷第6期 V01．29 地理与地理信息科学 No．6 and 2013年11月 Geo-InformationScience November2013 Geography doi：10．7702／dlydlxxk 一种多Agent的地图要素协同综合模型及其应用分析 周侗1’2，龙毅2，舒方国2，陈林2，许文帅2，李国辉2 (1．南通大学地理科学学院，江苏南通226007；2．南京师范大学虚拟地理环境教育部重点实验室，江苏南京210046) 摘要：将Agent与多Agent系统的相关理论、方法引入到地图多要素协同综合中，分析了Agent技术应用于地图自 动综合的优势，设计了基于Agent的要素协同综合概念模型，构建了综合Agent的分类体系，分析了各类综合A— gent的知识规则与综合行为，并研究了如何基于知识规则实现自动综合的推理过程，旨在为地图自动综合的全局 化、智能化探索一条新途径。 关键词：地图要素；协同综合；智能体；多智能体系统 中图分类号：P283．7文献标识码：A 文章编号：1672—0504(2013)06—0030—05 以等高线与河流的协同化简验证其可行性。 0 引言 1 多Agent的要素协同综合模型设计 1986年Minsky最早提出Agent的概念，认为 其是存在于社会中，在矛盾出现时通过协商或竞争 1．1多Agent的优势 的方法实现问题求解的个体[1]。Agent能够连续感多Agent系统是对环境的变化具有适应力及相 知外部环境及自身状态的变化，并自主产生相应的 应的自我调节能力，并能通过与其他智能Agent交 行为实现问题的智能化解决。但单个Agent的知识 互的方式共同完成复杂问题求解的智能系统[8]，除 与资源有限，大型、复杂问题的求解往往超出了单个 了具有单Agent自主性、社会性、自发行为、反应性 Agent的能力[2]，从而产生了由多个不同类型Agent以及通信性等特点之外，多Agent系统还具有以下 构成的多Agent系统(MAS)。Agent和MAS逐渐 特点：1)每个Agent仅拥有自己需要的部分信息和 成为人工智能领域的重要研究方向，广泛应用于虚 不完全的问题求解能力，便于将复杂问题拆分为多 拟环境、地学仿真[3]、电子商务等复杂问题求解的相个相对简单的任务，从而使得处理过程简化。2)各 关领域，地图自动综合领域的模型、算法协调L4’5]及Agent自主运行，不存在全局的控制。控制是分布 过程控制[61等方面也开始应用Agent技术。 的，知识与数据也是分散的，通过不同Agent的通信 地图自动综合作为40年来地图学领域最具挑 与协作，完成整个复杂问题的求解。3)各Agent的 战性与创造性的难点问题之一，主要原因在于综合 计算求解过程是异步、并发或并行的，提高了复杂问 过程缺乏知识和智能的支持、多种地理要素间空间 题求解过程的执行效率，多Agent系统拥有比单个 关系的保持及多种综合算法的协调应用[7]。地图多Agent更高的智能性和更强的复杂任务求解能力。 1．2概念模型设计 要素协同综合(MFCG)是近期地图综合领域的新兴 研究方向，旨在通过预先分析要素间的空间关系，并 通过设计相关算法实现综合前后要素间及其内部空 间关系的保持，从而提高综合结果的准确性，因而要 素协同综合比传统综合过程更复杂，依靠已有方法 典型的星状模型，解释器是整个BDI模型的驱动和 实现具有一定的难度。本文尝试将多Agent思想应控制中心。文献[5]将BDI模型改造为环状、星状结