MAS 中基于 UML 政策实施民意走向分析模型的探讨

魏 伟 1 , 李艳玮 2 , 郑伟勇 2
（1. 华东交通大学信息工程学院,江西，南昌, 330013;
2. 河南纺织高等专科学校,河南，郑州 450007）
摘要：分析了 MAS 和 UML 建模的思想后，提出从 Agent 组织的角色定义、动态行为两个
角度对政策实施民意走向分析问题予以建模，提出了基于 MAS 和 UML 的系统建模的主要
方法和步骤。
关键字：MAS UML 政策民意 建模仿真
中图分类号：TP391.9
Study of policy application and public opinion theory analysis based on MAS
and UML
Wei Wei , Li Yan-wei2 , Zheng Wei-yong2
1

(1.East China Jiao Tong University information college,jiangxi,Nanchang

330013;
2.Henan Textile College,Henan,Zhengzhou,450007)

Abstract ： After analyzing the building theory of MAS and UML, we give a
method based on MAS and UML in three aspects, they are definitions of roles
in agent organization,the depiction of the static and dynamic structure to
solve the problem of policy in practice and popular opinion.
Key words:MAS UMl policy application & public opinion ,modeling&simulation

0 政策实施民意走向背景介绍

政策实施民意走向分析的目标：倾听民众呼声、反映民众意愿、集中民众智慧，贯彻“立
党为公、执政为民”，落实民政部日前提出“善待民众、善解民意、善察民情”的精神。
民意分析的基本手段是调查研究，作为一个民意为先的时代，调查了解民意不仅是认
识社会、把握社情民意的基本过程，也是作为领导干部改进作风的一项措施，更主要的是把
它作为改进决策工作、完善决策体系、提高决策水平，进而改进党的领导方式和执政方式的
一项重要措施。使调研更好地围绕决策、服务决策、促进决策，来保证我们认真履行和落实科
学的发展观和政绩观，脚踏实地地为老百姓解决问题，维护人民群众的切身利益。当前我国
正处在改革发展的时机,各个地区市县进行地方立法,出台政策。建立模型分析某政策对不同
的个体的影响及个体的反应,在此基础上作出修改调整,以更适应于地方发展。而 Agent 系统
作为新一代的计算技术应用范围很广泛，UML 是一种可用于对大型系统建模的统一建模语
言。下面提出了基于 MAS 和 UML 的系统建模的主要方法和步骤。
1 Agent 及传统 Agent 中传统建模方法简介

agent的英文初始含义为“代理者”，它从模拟人的行为出发，对一个实体（如人）的
信念、承诺、意图、愿望等精神状态进行了描述，是分析人的行为的有效工具。其定义按
shoham教授的提法，即如果一个实体可以用信念、承诺、义务、意图等精神状态进行描述，
那么该实体可视为一个“ agent”。这一定义已被广泛接受，Wooldridge教授称之为agent
的强定义。作为补充，Wooldridge教授又提出,agent的弱定义，即“如果一个实体具有自
主性、反应性、预动性、社交性”四条基本性质，那么该实体也可以视为一个agent[1]。杨鲲等
提出了最小Agent的概念，认为一个Agent的最基本特征应当包括:反应性,自治性,面向目
标性,和针对环境性,然后根据其应用情况可以在拥有其他的特性,比如多Agent系统中的
Agent必须具有通讯能力。因此,可以将Agent简单地定义为Agent是一类在特定环境下感
知环境,并能自治地运行,代表其设计者或使用者实现一系列目标的计算实体或程序。
现有 MAS（Multi-Agent System）系统建模方法：
当前，国际上己经提出了许多面向 Agent 的建模方法，其中大多数都是基于原有方法的
扩展。这些方法大致上可以分为三类:基于面向对象(OO)方法的扩展、基于知识工程(KE)方法
的扩展和面向 Agent 的方法。
1． 基于 OO 方法的扩展: 基于 OO 方法[2]的扩展面向 Agent 的建模方法是利用现有的成熟的
OO 技术，并加以扩展，使之具有 Agent 方面的内涵。这些方法主要运用的 OO 技术包括
OMT,OOSE, UML 等。
2． 基 于 KE 方 法 的 扩 展 : 当 前 KE 方 法 的 扩 展 主 要 是 基 于 CommonKADS 的 扩 展 。
CommonKADS 是类似于软件工程方法的一种用于开发基于知识的系统(KBS)的方法。它
被视作是欧洲的知识建模标准。
3． 面向 Agent 的方法：GAIA 方法[3]是第一个尝试专用 MAS 方法之一，其主要思想是将分
析和设计 MAS 过程看作构建一个计算组织的过程。它将 MAS 看作由大量自治交互的实
体组成一个有组织的社会，该方法在分析阶段建立角色模型、交互模型。在设计阶段建
立 Agent 模型、服务模型和熟人模型。

2 UML（Unified Modeling Language）中的建模机制

UML 是一种可用于对大型系统建模的统一建模语言。它不仅支持面向对象的分析和设
计还支持软件开发过程。UML 是一种可用于对大型系统建模的统一建模语言它不仅支持面
向对象的分析和设计还支持软件开发过程。

2.1 动态建模机制

动态行为模型主要用于定义对象在时间上的历史，以及对象之间为达到一定目标所进
行的通信即描述系统中的对象在执行期间不同时间点是如何动态交互的。这类模型包括状态
图和活动图，顺序图，协作图。
状态图描述类的对象所有可能的状态以及事件发生时状态转移条件。
活动图反映一个连续的活动流，描述满足用例要求所进行的活动和活动间的约束关系。
顺序图用于显示对象之间的动态合作关系强调对象之间消息发送的顺序，同时显示对
象之间的交互。
协作图则显示对象间的动态合作关系。除显示信息交换外，协作图还显示对象以及它们
之间的关系。

2.2 静态建模机制

静态结构模型主要用于定义系统中具有重要意义的各种对象和实现,以及它们之间的关
系,它们是定义系统动态行为的基础。这类模型包括用例图，类图，对象图。
　 用例图是从系统外部用户的角度对系统功能进行的描述。它是一种比较特殊的静态模型,
是系统建模的基础和保证。
类图用来表示系统中所包含的类以及各个类之间的关系，定义类的内部结构 (类的属性
和操作)，表示类之间的联系。类图是对系统静态结构的描述，描述的静态关系在系统整个
生命周期都是有效的。
对象图是类图的实例，显示类的多个对象实例。对象图及时具体地反映了系统执行到某
处时系统的工作状况。由于对象存在生命周期对象图只能在系统某一时间段存在。
3 MAS（Multi-Agent System）中基于 UML 的建模实现

本文针对政策实施民意走向问题从 Agent 组织的动态行为建模方面给出基于扩展 UML

的多 Agent 系统建模的主要步骤和方法：
(1)角色间的交互行为建模
交互协作是多 Agent 系统的一个重要特性。组织中角色的交互行为是 Agent 交互行为的
集中反映，通过建立一些相对稳定的交互行为模型，可以对交互行为进行合理的抽象，形
成相应的交互协议和交互模式，这有利于简化交互行为的描述和推导，也便于软件重用
[4]
。Agent 组织中各个角色之间的动态关系是建立在相互之间进行消息通信基础上的。交互行
为建模的重点在于对消息序列的刻画，即描述消息是如何在交互对象之间发送和接收的。
为了 Agent 之间相互通信协作，可以构造一些通用接口，使用 KQML 消息原语进行联
系。同时建立规则库，规则采用二进制编码 if (condition) then (effect) condition 表示
某政策的内容，与个体 Agent 相对应，effect 表示个体 Agent 的满意度。模型在初始化时
根据个体属性的不同查找规则赋予个体不同的知识经验。而当预测个体对政策反应时，根据
规则采用个体颜色的变化表示。环境刺激分为全局和局部刺激，前者作用于全部个体，而后
者仅仅作用于各自子环境个体，均采用二进制编码。

发布政策

做出反应
个体 Agent
政策 Agent

互相影响 相互影响

个体 Agent 环境 Agent

：规则库 ：经济状况 ：文化背景 ： 职业

图1 政策实施民意走向模型结构图

如图 1 所示整个模型由三种 agent 构成，分别为环境 agent,个体 agent,政策 agent，每个

agent 都含有规则库。
政策 Agent 对环境和个体 Agent 产生影响，并受它们的反作用，添加到规则库中。
个体 Agent 具有静态和动态属性（诸如性别、兴趣域、文化程度、职业、籍贯、年龄、当前
位置、经济状况以及指示政治倾向性的颜色等），均由其二进制的基因型决定。个体根据其
“政治倾向性 ”的一致程度进行聚合，越相近聚合越紧密，即个体具有 “扎堆性”。同时，聚
合是动态的，可能因为某些事件（刺激）导致聚合的分裂，形成新的聚合。这样，通过环境
对个体的刺激以及个体间的相互作用，模拟出该地区民意走向趋势。个体对政策反应的集合，
即哪个体对政策的支持程度，通过数据信息挖掘和规则生成模块来生成。其规则采用二进制
编码 if (condition) then (effect) ,condition 表示某政策的内容，与个体 Agent 相对应，
effect 表示个体 Agent 的满意度。模型在初始化时根据个体属性的不同查找规则赋予个体
不同的知识经验。而当预测个体对政策反应时，根据规则采用个体颜色的变化表示。
以某省经济政策实施为例：
首先，模型初始化，每个Agent根据个体属性的不同查找规则赋予每个Agent不同的知
识经验。而后，当政府制定一项政策时，首先政府根据具体的社会环境，如：政治，经济，
文化，以及人民的需要等来制定某项政策，个体Agent(每种群体)根据政策，自身的属性
（规则库中的定义，经济状况，文化背景，职业，家庭背景等）来做出具体的反应，而每
个个体Agent之间又通过KQML消息原语进行联系，相互影响。整个社会环境也会受到政策
实施的影响。如果这项政策公布后，个体Agent对此反应强烈，导致环境Agent的某些属性变
化（如不稳定），政府将对此政策作进一步的调整修改或者废止。
(2)角色个体的推理行为建模
角色个体的推理行为模型主要着眼于角色个体的内部行为机制，这是一种范围相对较
窄但更精细的描述，也更直接地对应于具体的角色个体和Agent个体的编程实现。Agent角
色的推理行为模型主要借助UML中的状态图来表达。它是一种从有限状态自动机的思想中
引申出来的建模工具，适合于表达一个对象或系统在其整个生命周期中的状态变化，可以
比较容易地用来对Agent角色建模。在进行具体角色推理行为建模的过程中角色在每个状态
下的内部行为可以进行更详细的定义。通过为多Agent系统中的每种角色建立相应的推理行
为模型，结合它们之间的交互协议模型，可以有效地检验交互过程的协调性，防止死锁、冲
突的产生。下面给出部分个体Agent的构造的部分代码：
个体Agent事件：
IndiEvent(int type,long ts,long sid,long rid,longmark,Serializable content)
//type:消息类型 ts:时间戳 sid:发送消息的个体编号 rid：接受消息的个体编号
Content:消息内容
环境定期向系统中的所有个体广播消息，但只有其范围内的个体才会接受消息，根据
单元格的颜色决定消息的政治倾向。个体定期向其他个体（随机决定）发送消息，根据其颜
色决定其反应。
for (i=0; i<individualnumber;i++) //构建个体Agent
{
Individual*con;
Galcs*genr; //创建区域
con=[Individual createBegin: se1f];
genr=[Galcs createBegin: setf];
[genr init];
genr=[genr createEnd];
[con setFirm:firm];
[con init:maxLoss Name:i P:p Q:q];
[con setGenr:genr];
con=[con createEnd];
[galcsList addLast: genr];
[IndividualList addLast: con];
}
 return self;
}
-buildActions
[super buildActions];
modelActions=[ActionGroup create: self];
[modelActions createActionTo:firm message:M(setA)];
[modelActions createActionPorEach: IndividualList message: M(setD)];
[modelActions createActionForFach: IndividualList message:
M(Individual)];

4 结论

Agent 技术作为新一代的计算技术与面向对象技术的发展趋势是一致的。因此，利用
UML 进行多 Agent 系统建模是一个重要的方向，面向多 Agent 系统的体系理论和相关软件
技术的发展，将会对计算机应用领域产生深刻的影响。因此结合 UML 对政策实施民意走向
问题，从 Agent 组织的角色定义、和动态行为描述两方面进行多 Agent 系统建模，对政府制
定政策中，考虑民众意愿，从而更好的制定政策提出了仿真模型。

[1] Michael Wooldridge. Computationally grounded theories of agency[M]. The

ICMAS2000,Boston,USA,2000.
[2]高曙，陈定方.基于多 Agent 的分布式虚拟设计 /制造系统研究[J].计算机工程与应用 ，
2002.
[3]范玉顺，曹军威.多代理系统理论、方法与应用[M].北京:清华大学出版社,2002.
[4]孙华志. UML 与多 Agent 应用系统建模[J].计算机科学 2003.

作者简介：魏伟（1981－），男，华东交通大学硕士研究生，研究方向：系统建模与仿真；李艳玮
（1980－），女，河南纺织高等专科学校教师，研究方向：计算机网络，系统建模与仿真。郑伟勇
（1978－），男，河南纺织高等专科学校教师，研究方向：计算机网络，系统建模与仿真。

联系方式：email：weihappy2000@163.com
mobile phone:013767124730