7、分布式智能系统中的协调机制与模型解析

分布式智能系统中的协调机制与模型解析

1. 多目标权衡与协调机制选择

在管理过程中，多目标之间的权衡推理大致可分为两类：基于效用的动态决策和排序关系。Bourne 等人也处理了复杂应用设计中出现的问题，在这些应用中，自治代理需要对不确定和不可预测的事件做出理性反应。他们探索了构建系统的想法，使代理能够根据当前情况的需求和需要协调其活动。

与实施详细的协调计划（其中每个参与者的行动都被严格规定）不同，Bourne 等人认为更合适的方法是采用更宽松的协调策略，使代理能够在运行时推理并选择最适合其当前情况的方法。这种灵活性可以通过一个适当的框架来实现，在这个框架中，代理面对一组具有不同属性和特征的协调机制时，能够评估采用在当前情况下合适的可用机制可能带来的好处。

基于此分析，Bourne 等人提出了一个决策理论模型，用于评估和选择相互竞争的协调机制。他们确定了一系列可能区分不同协调机制的特征，这些特征在广泛的协调机制中普遍存在。同时，他们指出代理可以根据当前的运行条件有效地评估并决定使用哪种机制。根据权变理论，他们观察到，那些保证成功的协调机制通常具有较高的设置和维护成本，而设置成本较低的机制更有可能失败。因此，Bourne 等人提出了一个框架，使代理能够通过设置成本和成功概率来选择合适的协调机制。

2. 协调评估标准

2.1 Frozza 和 Alvares 的协调评估标准

Frozza 和 Alvares 在《多代理应用中协调分析的标准》中强调了设计用于评估代理社会中协调的工具的重要性。这些工具将有助于设计更高效、更健壮的多代理系统，并为设计者提供讨论代理执行的协调行动质量的机会。为了提供一个可用于对协调机制进行性