您當前所在位置:主頁 > 電子科技 > 電子商務 >

免疫協同進化設計在電子政務中運用

來源:網絡|發布時間:2021-02-22|瀏覽次數:
免疫協同進化設計在電子政務中運用傳統的工作流引擎通常不同程度的存在生成柔性較差和適用范圍窄、靈活性差,擴展能力不足的問題。可以通過提升內部算法對流程進行科學組織和管控,然而一個業務的處理過程往往不是已知的。因此,要使流程處理得到優化和具有智能處理特性,以上并不是一個最優的解決方法。考慮到生物免疫系統具有自學習、自適應、自組織、高度分布和記憶能力等特性,而Agent技術作為分布式技術和人工智能技術相互結合的產物,筆者認為,將探索兩者的結合并建立一個可行模型可以為這一問題的解決提供一個嶄新的思路。

本文提出由多個Agent(抗體)組合構成的一個多Agent系統來進行問題的協作求解,基于免疫IRACS算法、協同進化框架及形態空間模型,提出一個基于免疫協同進化(ImmunebasedCo-Evolution)的多Agent系統模型,以具體的組合優化問題(K-TSP問題)為例,應用該模型進行求解,討論并驗證相應算法設計,并通過實驗結果的分析和初步建立了一個在電子政務系統中應用該模型的實例驗證了模型的可行性。

1免疫協同進化模型

免疫協同進化模型如圖1所示,來自其他Agent的抗體集中的這些“抗體代表”經過抗原提呈后形成一個抗原集。加強的IRACS算法(EnhancedIRACS,E.IRACS)構成單個Agent的核心控制邏輯,執行對此抗原集的免疫識別。多個Agent協同進化,每次迭代中各Agent根據約定的策略選取抗體代表發送給其他Agent,各Agent搜集到發來的抗體代表后經抗原提呈形成抗原集,交由E.IRACS算法進行免疫識別,抗體集和基因庫也在識別過程中得到不斷更新。系統以迭代方式向解狀態演化,系統的一個解對應為Agent中的抗體和抗原的一個匹配組合,抗體與抗原的匹配程度越高(即親和度值越高),則對應解的質量越高。

1.2.免疫協同進化模型算法在K-TSP問題中的驗證

K-TSP(K-personTravelingSalesmanProblem)問題的直觀描述為:k個旅行商從城市0出發分頭去訪問n-1個城市,每個城市有且僅有一個旅行商到達,最后都回到城市0。問題有兩種提法,一是問怎樣安排使得k個旅行商的總訪問路線最短,二是問怎樣安排使得k個旅行商的t條訪問路線中的最大長度最小。K-TSP問題是對TSP問題的擴展,也是一個NP-hard問題。K-TSP問題也是眾多流程處理問題的共同抽象。針對具體的政務系統設計K-TSP算法可以優化對于已知解的搜索速度和匹配成功率,本文設計的具體算法在第3章給出。

2基于多Agent協同進化模型的電子政務系統結構設計

基于協同進化Agent的電子政務系統平臺模型如圖2所示。主要設計了7種主要的Agent,包括認證Agent、智能處理Agent、信息搜索Agent、政務知識發現Agent、政務事務處理A-gent、政務信息管理Agent、公眾信息管理Agent。

系統通過以下過程進行工作,

步驟1:公務員、公眾或者企業(即用戶端)通過互聯網或政務內部網訪問該電子政務應用系統平臺時,首先通過認證A-gent對訪問者的請求服務進行預處理并查找歷史記錄,若匹配,凈化工程www.schrjh.com,則導向系統數據庫記錄和具體服務處理Agent進行處理。

步驟2:如果請求的服務在歷史記錄中不匹配,則在抗體庫中進行進一步的匹配和更新,然后交由具體服務處理Agent進行處理。本系統設計真正做到了對服務請求的協同和進化處理,并利用認證Agent和歷史記錄增強業務流程的處理速度以及智能化處理。

3基于多Agent協同進化模型的電子政務系統在Aglets下的實現

Aglets是基于JavaAPI的輕架構移動Agent系統,是移動Agent的生存環境。使用Aglets可以直接開發出獨立于大規模應用程序框架的單獨的分布式應用程序,無需依靠提供分布式中間件服務的中央服務器。

3.1.主要類的實現

Reg_Agent類方法包括以下方法:當認證Agent經過檢查發現請求信息里面有可處理數據時,向智能處理Agent發送信息。包括主機名、IP地址、時間及相應的附加描述信息。Reg_Agent類中方法run()負責將所收集到的請求信息,傳送至智能處理Agent。Control_Agent類包含以下方法:方法getRegion().1istAgencise()獲取Region上的所有Agen-cy;方法InitialAgency()負責抗原信息庫以及進行各組件的初始化,并開始對端口進行監聽,等待RegAgent到達;方法copy(Addresslocation)像所連接的普通節點所有的Agency遷移一個UpdateAgent,以一定時間間隔對普通節點特征庫進行更新;方法AcceptReportAgent()接收和驗證Report_Agent,方法ArgumentCleanAgem()組裝CleanAgent,并將Agent遷移到IPList中所有的節點。

3.2.K-TSP

算法在協同進化模型中的實現Input:服務的快速匹配Output:完成協同進化處理并輸出結果varBestSolution,Representatives//定義全局變量、協同進化抗體和記錄集合Begin//初始化ForallAgenti∈AdoAgenti.Initialize();//第i個處理Agent的初始化EndforWhile(!stop-condition)doForallAgenti∈AdoRepresentatives–Agenti.Select();//選擇抗體代表EndforForallAgenti∈A//開始協同進化處理Agenti.AntigenPresentation(Representatives);//認證Agent提取服務信息Agenti.AfiinityCaculation();//查詢歷史記錄、匹配度計算Agenti.AffinityMaturation();//完成對已有記錄的親和度判斷Agenti.MetaDynamic();//智能處理Agent對服務進行二級判斷Agenti.UpdateGeneLib();//對政務系統抗體庫、歷史記錄更新Endfor//協同進化處理完畢,等待下一服務請求到來Endwhile;OutputBestSolution;//輸出End

3.3.系統的運行和測試

系統的測試采取以默認local端口4434的作為服務器,潔凈室www.hrjhgs.com,任意端口5086作為遠端服務器。輸入端口命令“Agletsd-port5586”,運行得到如圖3所示的系統與服務器成功創建鏈接。系統可以自動運行當中的agent程序。可輸入服務器路徑(http://127.0.0.1:5586),或選擇已有的服務器列表,可把agent程序手動通過dispatch分配到所需的服務器中。如圖4所示。

4結束語

本文結合Agent的諸多優勢,基于免疫協同進化模型中免疫響應和免疫記憶機制,提出人工免疫Agent的邏輯結構模型,提高服務獲取的可靠性和有用性。在此基礎上,結合基于Agent的免疫模型可以用于模擬系統內某些具體行為的主體這一特性,潔凈室www.hrjhgs.com,將靜態Agent和移動Agent結合,使得服務組合更加靈活,更好的滿足了不斷復雜的業務需要。 在线看日本免费不卡资源,日本免费网址大全在线观看,日本不卡免费一区二区

Copyright © 2020-2028 現代應用技術網版權所有http://www.jqjgl.cn本站文章部分來自互聯網轉載,如有侵權請與管理員聯系QQ:164236394,或發電子郵件告知我們,經我們審核后會在第一時間進行確認并作刪除處理!感謝您的支持與理解!廣告服務聯系QQ164236394 Power by DedeCms