基于复杂网络和多agent的多元客户智能融合方法研究

CI（客户智能）作为BI和CRM的核心，备受学界和企业关注，来自不同学科的CI技术不断涌现，但现有软件并不能很好响应企业CRM分析任务。根本原因是大量CI技术不能在软件中实现有效融合。基于复杂网络和多agent，提出了一种称为"agent网络法"的多元CI技术融合方法。基于该方法构建的CI系统就是一个以众多agent（代表CI技术）为节点的复杂网络，利用复杂网络的海量集聚机制和多agent的可优化重组机制，可实现大量异质CI技术在软件结构和应用两个层次上的有效融合：按照"优胜劣汰"法则保证系统中始终集聚着所有优秀的agent；借助竞争性合作机制每次选出最佳agent组合响应当前任务。研究内容："agent网络法"的多元智能融合机理及相应的核心关键技术、CI系统体系结构；CI原型系统开发；基于复杂网络的MAS体系结构范式提取。研究意义：探索异质智能技术融合方法；寻找智能系统的可持续进化途径。

为了实现粗糙集、模糊逻辑、决策树、群决策、蚁群算法、数据挖掘、遗传算法、人工神经网络等异质商务智能(BI) 技术的有效融合，本课题提出了一种称为Agent 网络法的融合方法，该方法包括3 大机制：“自治主体，网络集聚”的智能资源集成机制；“竞争上岗，择优合作”的智能资源利用机制；“绩效评估，优胜劣汰”的智能资源优化机制。3 大机制实现了多元BI 技术两个层次的融合：新的Agent 不断加入，被实践证明低价值的旧Agent 不断剔出,网络中始终聚合着所有高价值的Agent，从而在系统结构层面上实现优秀BI 技术的全面融合；借助谈判、招标、拍卖等竞争性合作机制,每次响应任务时，选出的是网络中最能胜任当前任务的Agent 组合,从而在系统应用层面上实现BI 技术的动态融合。另外，提出了基于agent网络法的BI系统体系结构；提出了作为agent网络法基础的CI-agent三层规划模型；提出了CI-agent合作网络的生成与演化模型。本课题已发表论文7篇，其中2篇SCI/SSCI期刊论文，1篇EI期刊论文，2篇自然基金委认定的A级重要期刊论文；获省部级成果1项。研究成果已经渗透到了BI软件开发、企业咨询及相关课程的教学中。本课题培养博士后1名，博士生1名，硕士生6名。