CN103310043A - 一种基于多Agent系统的风险评估方法 - Google Patents

Abstract

本发明公开了一种基于多Agent系统的风险评估方法，属于系统工程技术领域。本发明首先对复杂产品设计过程进行模型划分和Agent的物质交互模型进行设计。然后进行Agent的种类划分和风险事件在产品设计过程中的作用机制设计；最后仿真运行，得到复杂产品设计生成过程的风险评估。本发明能够满足复杂产品设计过程的自适应性和动态演变特性，更符合实际过程；本发明提出的风险作用机制，符合实际过程中风险事件的冲击及传播过程，有助于加深建模者与评审专家对风险事件的认识，提高复杂产品设计过程风险评估的可信度。

Description

一种基于多Agent系统的风险评估方法

技术领域

本发明设计一种基于多Agent系统的风险评估方法，属于系统工程技术领域。

背景技术

现代复杂产品设计具有三高的特点：高投入、高技术含量、高复杂程度。复杂产品开发的项目管理往往依靠大大小小的承包商共同完成，开发面临的风险种类繁多，各种风险之间的关系错综复杂，并且风险事件的发生具有不确定性，风险在什么时间发生、在什么环境条件下发生以及风险对开发项目的影响程度都是不确定的。因此，为了降低专家研讨的难度，提高研讨结果的可信度，需要使用相关的系统方法，以一种直观的方法描述开发过程，帮助专家在研讨过程中准确认识总体设计方案可能产生的风险，为多专家研讨、评估方案提供一个有力参考。

目前针对复杂产品设计过程，常采用一种自顶向下的设计方法，即形成一种基于任务分解的层次化金字塔结构。在这种结构中，各叶子节点之间相互独立，不存在任何的交互和依存关系，指令自顶至底地向下传递，信息自底至顶地向上集结。这种方法的优点在于便于对模型进行有效的计划和控制，缺点在于使模型丧失了复杂产品设计过程中的自适应性和动态演变特性。

发明内容

本发明的目的是为了解决当前复杂产品设计过程模型缺乏自适应性和动态演变特性的问题，结合自底向上和自顶向下的设计方法，提出一种基于多Agent系统的风险评估方法。实现了复杂产品设计过程的有效建模，并利用该模型实现了对生产过程的风险评估。所述的复杂产品设计过程可以是汽车从调研设计到具体生产直至销售的过程，也可以是飞机从预研立项到生产装配直至后期报废的过程，或者是钢厂从原料采掘运输到冶炼加工直至成品销售的过程等等。

本发明提供一种基于多Agent系统的风险评估方法，所述风险评估方法具体包括如下步骤：

第一步，对复杂产品设计过程进行模型划分。

所述的模型划分是指将复杂产品设计过程按照不同的实际设计需求，划分为不同层次的Agent模型。

第二步，Agent的物质交互模型进行设计。

第三步，Agent的种类划分。将Agent划分为五类，分别为起始点Initiator、Producer、Coordinator、Terminator和Manager。

第四步，风险事件在产品设计过程中的作用机制。

第五步，仿真运行，得到复杂产品设计生成过程的风险评估。

本发明的优点在于：

（1）本发明提出的复杂产品设计过程的多Agent系统模型能够满足复杂产品设计过程的自适应性和动态演变特性，更符合实际过程；

（2）本发明提出的Agent之间的物质交互模型及“物质流”概念，能够满足众多项目的指标要求，有很强的适用性；

（3）本发明提出的风险作用机制，符合实际过程中风险事件的冲击及传播过程，有助于加深建模者与评审专家对风险事件的认识，提高复杂产品设计过程风险评估的可信度。

附图说明

图1是本发明提出的模型划分建立过程示意图;

图2是Coordinator逻辑设计流程图；

图3是风险事件作用机制示例图；

图4是基于多Agent系统的风险评估模型。

图5-图8用例模型结构图。

图9-图18用例仿真结果统计图。

具体实施方式

下面结合附图和实例对本发明进行详细说明。

本发明提供一种基于多Agent系统的风险评估方法，所述风险评估方法首先对复杂产品设计过程划分为不同层次的Agent模型，然后对具体的Agent定义不同的属性和方法，进行Agent的物质交互模型设计，再对所述复杂产品设计过程进行仿真，根据仿真结果评估当前复杂产品设计过程的风险水平，具体步骤如下：

1、复杂产品设计过程划分为不同层次的Agent模型；

如图1所示，将复杂产品设计过程（作为总任务）按设计需求，自顶向下分解成多个设计分系统，作为顶层设计；再将每个设计分系统分解成各具体设计活动，作为底层实现；所有设计分系统及所有具体设计活动之间分别依据产品研制的交互关系连接成网络，每一层网络即代表上层网络中的一个设计分系统或一项具体设计活动。实际总体模型设计过程中，从最底层网络开始，下层网络将其集结的性能传送至上层网络的父节点中，由父节点参与上层网络的研制活动，逐级向上，直至归结到最顶层。总体模型中每一层网络的边既可以表示Agent之间的物质交互关系和工序之间的依赖关系，也可以表示信息之间的共享关系和知识之间的扩散关系。

2、Agent的物质交互模型设计

根据“项目铁三角”原理，将具体设计活动间交互的物质抽象为性能、费用和时间三个维度。而一个项目设计和开发的宏观本质即为：在一定的时间约束内，耗费一定的资源或费用，得到符合要求的性能。因此，定义“物质流”为material flow=(T,C,P)^T。其中T,C,P分别表示时间维、费用维和性能维：

时间维(T)：代表某项具体设计活动完成所需的时间，实际复杂产品设计过程中对时间维(T)的控制对应于对某一个具体设计活动的进度的控制。

费用维(C)：代表某项具体设计活动所花的费用；狭义的费用是指具体设计活动所需要的资金，此时为单一数值；广义的费用是具体设计活动所消耗的资源，这里的资源有人力资源、物料资源和资金等，此时的费用维即为一个具有多维度的向量。

性能维(P)：代表某项具体设计活动的收益、有用劳动或产品性能参数，又可广义地表示社会、经济或生态效益的任何综合指标，因此“性能维”既可以是单一数值也可以是多维度的向量。

同时“物质流”的三个维度之间存在如下的函数关系：

$\left\{\begin{array}{c}P=f(T,C,P_0)\\ T_{\mathrm{out}}=T_0+T\\ C_{\mathrm{out}}=C_0+C\end{array}\right.---\left(1\right)$

其中(T₀,C₀,P₀)为从前向活动节点中流出的积累性能，T_out为流出当前活动节点的积累时间，C_out为流出当前节点的累计费用。所述的前向活动节点和当前活动节点分别都表示一个Agent，多Agent之间通过物质流进行交互。

3、Agent的种类划分。

根据复杂产品设计过程的多Agent系统模型和Agent之间的物质交互模型，将Agent分为5类，如表1所示：

表15类Agent的划分及各自作用

（1）Initiator：作为某项具体设计活动的起始点，触发该项具体设计活动。

（2）Producer：作为实际参与研制的单位或小组或个人，存在三大属性，时间，费用和性能；一个Producer的工作过程即可描述为在规定的时间T内，消耗计划的费用C，产生预期性能P。对于某一项具体设计活动，可以根据以往从事相似设计活动的历史记录、相关执行者的经验或专家的知识，估计出执行一项活动大致需要花费的时间和费用。而性能可以根据经验公式或通过神经网络的方法确定出P＝f(T,C,P₀)的具体形式。

（3）Coordinator：协调Producer之间的产出关系。

Coordinator主要存在以下步骤进行产出关系协调：首先检查所有Coordinator节点的Producer输入条数是否满足要求，然后检查各Producer的物质流输入是否达到指标，再根据预先设定的规则确定各输入Producer对应的后向Producer，最后给出相应的输出物质流大小。

（3.1)Coordinator节点输入输出关系

假设流入当前Coordinator节点的有效Producer节点仅存在一个，在该Producer节点上积累的物质流为(T_out,C_out,P)，则若该活动满足Coordinator节点上的约束条件，其输出“物质流”为（T',C',P'）：

$\left\{\begin{array}{c}P\′=P\\ C\′=C_{\mathrm{out}}\\ T\′=T_{\mathrm{out}}\end{array}\right.---\left(2\right)$

其中P'，T'和C'为当前Coordinator节点累计“物质流”的性能维，时间维和费用维。

若流入当前Coordinator节点的有效Producer节点存在n个（n大于1），则当前积累“物质流”为：

$\left\{\begin{array}{c}P\′=g(P_1,\·\·\·,P_n)\\ C\′=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{C}_k\\ T\′=\max (T_1,\·\·\·,T_n)\end{array}\right.---\left(3\right)$

其中(T_k,C_k,P_k)为第k个Producer节点上积累的“物质流”；函数g(P₁,…,P_n)为性能选取函数，Coordinator节点通过内部逻辑从当前的输入Producer节点中选择符合条件的性能维数据输出。

（3.2）Coordinator节点逻辑设计

Coordinator节点的逻辑过程分为触发条件检查、输入检查、输出选择和输出检查四个阶段，如图2所示，各阶段模式如表2所示。第一阶段是触发条件检查，具体工作模式分为与模式、或模式、部分与模式。与模式表示当且仅当所有输入Producer节点都满足要求才触发当前Producer节点；或模式表示只要有一个输入Producer节点满足要求即出发当前Producer节点；部分与模式表示输入Producer节点的数量达到某个值即触发当前Producer节点。第二阶段是输入检查，具体工作模式分为阈值模式、数量模式、评价值模式。阈值模式表示输入Producer节点的物质流（T，C，P）满足确定的上下限即触发；数量模式表示输入的Producer节点数目满足一定要求即触发；评价值模式表示输入Producer节点的物质流（T，C，P）函数值满足一定的函数约束即触发。第三阶段是输出选择，具体工作模式分为连接固定模式、连接不固定模式。连接固定模式表示特定的输入Producer节点即对应特定的输出；连接不固定模式又可分为完全优先级模式和评价优先级模式，其中完全优先级模式表示输出Producer节点按照优先级对通过检查的输入Producer节点进行选择输出；评价优先级模式表示先按某种评价函数对输入Producer节点进行等级排序，然后输出Producer节点按照排列顺序对输入Producer节点进行选择。第四阶段是输出检查，具体工作模式分为单一优先级模式、评价值排序模式。单一优先级模式表示根据输入Producer节点或输出Producer节点的优先级对输入输出连接进行取舍；评价值排序模式表示根据输入Producer节点的物质流（T，C，P），按照某种评价函数，对输入Producer节点进行等级排序，并根据等级进行输出取舍。

（4）Terminator：作为某项研究任务的终点，集结该任务（如具体设计活动）最终的产出性能。

（5）Manager：统计某单项任务执行花费的时间、费用及产出的性能（即物质流）。

表2Coordinator各阶段运行模式设计

4、风险作用机制设计

考虑某一层设计分系统，如图3所示。图中三角形代表作用在该层设计分系统上的风险事件，其中风险事件α作用于活动A（Producer节点A）上。

假设到达活动A的前向“物质流”为(T₀,C₀,P₀)，活动A本身需要消耗的时间和费用为(T₁,C₁)，且产生的性能P₁满足如下关系：

P₁=f₁(T₁,C₁,P₀)(4)

设风险事件α将活动A的时间和费用带来(Δt,Δc)的损失，根据公式(4)得到，受到风险冲击之后的活动A产生新性能维P₁'：

P₁′=f₁(T₁+Δt,C₁+Δc,P₀)(5)

流至Coordinator  a的“物质流”为(T₀+T₁+Δt,C₀+C₁+Δc,P₁')；

假设活动B（Producer节点B）本身需要消耗时间和费用为(T₂,C₂)，且产生的性能P₂满足如下关系：

P₂=f₂(T₂,C₂,P₁)(6)

其中P₁为从Coordinator a流出的“物质流”的性能维，公式(6)中P₁即P₁'，所以公式(6)又可改写成如下形式：

P₂=f₂(T₂,C₂,P₁)=f₂[T₂,C₂,f₁(T₁+Δt,C₁+Δt,P₀)](7)

因此，从活动B流出的物质流为：

$\left\{\begin{array}{c}T=T_0+T_1+T_2+\mathrm{\Δt}\\ C=C_0+C_1+C_2+\mathrm{\Δc}\\ P=f_2[T_2,C_2,f_1(T_1+\mathrm{\Δt},C_1+\mathrm{\Δc},P_0)]\end{array}\right.---\left(8\right)$

公式(4)～(8)阐述了风险事件α在整个设计过程中的作用机制：风险事件α直接冲击对象活动A上，对其设计活动造成直接影响；风险事件α的影响随着设计进程的推进，传递进入活动A的后端节点活动B中，此时活动B产生与原计划性能的偏差，依次类推，风险事件α造成的影响将在活动A后端“物质流”经过的Producer节点上产生叠加，直到“物质流”到达“结束”节点（Terminator节点）为止。

5、仿真运行

设存在如图4所示关于风险评估的多Agent系统，输入参数包括如下内容：

(1)各层网络拓扑结构，将网络拓扑结构的邻接矩阵存储在Excel格式的文件中，作为输入文件，在仿真开始前读入内存；

(2)确定各Coordinator节点所需要的工作模式；

(3)确定顶层设计分系统对于时间、费用和性能的约束要求T^*,C^*,P^*；

(4)最底层所有Producer节点，即系统层活动A、活动B和活动C正常进行设计活动消耗的时间T，费用C，性能P及相互关系，即公式（1）所规定的内容；

(5)最底层系统Producer节点上可能发生的风险事件，如图4中三角形所示即为风险事件，风险事件对应的发生概率和各风险事件造成的时间和费用的损失，对应图4为{[α,p(α),α(Δt,Δc)],[β,p(β),β(Δt,Δc)],[γ,p(γ),γ(Δt,Δc)],[δ,p(δ),δ(Δt,Δc)],[ε,p(ε),ε(Δt,Δc)],[η,p(η),η(Δt,Δc)],[θ,p(θ),θ(Δt,Δc)],[λ,p(λ),λ(Δt,Δc)],[μ,p(μ),μ(Δt,Δc)]}。

输出参数包括：

(1)系统在风险事件冲击下，运行结果是否满足顶层约束T^*,C^*,P^*；

(2)系统运行的中间数据，包括被触发的风险事件、触发时间、受风险冲击的活动Agent及其输出的“物质流”、所有Coordinator节点中所有输入、输出的“物质流”。

模型仿真运行的本质是自顶向下的迭代过程。从第二层系统开始，每一层系统的仿真运行都是从Initiator节点开始，驱动“物质流”在网络结构和Coordinator节点的控制下，往该层的Terminator节点流动，遇到存在分系统的节点，则立即进入下一层分系统，直到进入最底层系统为止；运行最底层系统，将最终在Terminator节点上积累的“物质流”传递给上层的抽象节点，参加上层系统运行，直到流至上层系统的Terminator节点，再将“物质流”送往更上层系统，依次顺序，直到将所有积累的“物质流”结算到最顶层系统为止。最后利用最顶层积累的“物质流”判断本次系统仿真运行结果是否满足T^*,C^*,P^*的约束要求。

对复杂系统进行仿真的方式可分为单次仿真和多次仿真两种。

单次仿真是指：在复杂产品的设计过程中，建模者若对某些特定风险事件比较感兴趣，可以通过设定特定事件和事件发生的时间，进行单次仿真运行，观察模型运行结果是否满足T^*,C^*,P^*要求，从而辅助建模者加深对特定风险事件的认识。

多次仿真是指：为有效地模拟风险事件在概率支配下发生的随机性，需要对构建的模型进行尽可能多次的仿真运行，各活动的风险事件依概率在若干次仿真中随机对模型进行冲击，观察并记录不同风险事件的组合对仿真结果造成的影响。假设进行1000次仿真，则图4所示系统模型各风险事件在1000次仿真运行中随机地发生1000*[p(α),p(β),p(γ),p(δ),p(ε),p(η),p(θ),p(λ),p(μ)]次，若仿真结果中有300次出现费用超支，时间超期或性能不达标的情况，即可判定该复杂产品设计过程承受着30%的风险。

仿真实例

下面结合一个基于多Agent系统的风险评估算例来进一步说明本发明的技术方案。

应用本发明提供的方法，所述的风险评估方法包括如下步骤：

1、构建多Agent层次化模型，并在Repast平台上实现该模型。本用例将模型划分为两层，具体层次化结构如图5-图8所示。其中图5为模型顶层结构，图6为P1节点的具体子系统，图7为P2节点的具体子系统，图8为P4节点的具体子系统。

2、Agent的物质交互模型设计

这里T、C、P呈线性变化关系，具体关系如式9。

$\left\{\begin{array}{c}P=f(T,C,P_0)=P_0+T+C+2\\ T_{\mathrm{out}}=T_0+T\\ C_{\mathrm{out}}=C_0+C\end{array}\right.---\left(9\right)$

3、Agent种类划分。

本用例中只用到了四种Agent，在图5-图8中分别用标注和图形区分。其中I（正八边形）表示Initiator，P（圆形）表示Producer，C（正方形）表示Coordinator，T（正五边形）表示Terminator。对Coordinator选取输入流定义三种模式：分别是按时间、费用、性能择优。

4、风险作用机制设计。

为了对模型进行定性验证，对风险作用机制作如下约定：

(1)风险事件冲击对所有Producer影响均为时间增加、费用增多和性能减少，且减少量为2。

(2)所有Producer受风险事件冲击概率一致。

(3)风险事件依概率均匀分布。

5、模型仿真验证。

假设决策人员对于方案的T，C，P风险最乐观估计为T₁，C₁，P₁，风险最悲观估计为T₂，C₂，P₂，若风险可接受程度为α，则存在：

$\left\{\begin{array}{c}{T}_e=(1-a)T_1+a{T}_2\\ C_e=(1-a)C_1+a{C}_2\\ P_e=(1+a)P_1-a{P}_2\end{array}\right.---\left(10\right)$

其中T_e,C_e,P_e为风险期望T，C，P。

为方便模型的定性验证，特作如下定义：

最高风险度：所有风险事件冲击概率为100%，得到的T，C，P，即风险最悲观估计。

最低风险度：所有风险事件冲击概率为0%，得到的T，C，P，即风险最乐观估计。

时间风险性：系统消耗总时间超出设计期望值的事件概率。

费用风险性：系统消耗总费用超出设计期望值的事件概率。

性能风险性：系统产出总性能未达到设计期望值的事件概率。

系统总风险：时间、费用或性能未满足设计期望值的事件概率。

同时，多次仿真时，约定对模型进行100次仿真，统计仿真数据，并以图表的形式进行结果显示。

5.1风险可接受度和风险冲击事件概率验证

按表3对Coordinator的工作模式进行分配。

表3Coordinator模式分配

Coordinator	C1	C2	C3	C4	C5	C6	C7	C8	C9	C10
											模式	1	2	2	3	2	1	2	3	2	3

其中，1代表时间选择模式，2代表费用选择模式，3代表性能选择模式。

当风险可接受度为25%，风险事件冲击概率为25%时，仿真结果如图9所示；当风险可接受度为25%，风险事件冲击概率为50%时，仿真结果如图10所示；当风险可接受程度为50%，风险事件冲击概率为25%时，仿真结果如图11所示；当风险可接受程度为50%，风险事件冲击概率为50%时，仿真结果如图12所示。图中标注HDR的横线代表风险可接受临界点上T、C、P对应值；标注HDR的横线代表最高风险度时T、C、P对应值，标注LDR的横线代表最低风险度时T、C、P对应值。

对比图9-图12可得到如下结论：

(1)“数量”栏显示为100，表明数据源中记录了100组仿真试验结果，与约定情况相符；根据曲线作定性观察，仿真数据在某一特定区间内随机波动，最大值与最小值均落在最高风险度与最低风险度确定的区间内，基本不存在极端数据；中值与均值较为靠近，说明均值两边数据量均等，符合风险事件冲击均匀分布的假设；

(2)当风险可接受概率为25%，风险事件冲击概率为25%时，系统总风险为0.55；而当冲击概率为50%时，T，C，P风险度增大，系统总风险增加到0.96。当风险可接受概率为50%时，风险事件冲击概率为25%时，系统总风险为0.02，而当冲击概率为50%时，T，C，P风险度增大，系统总风险增加到0.48。这与现实情况相符：在实际设计过程中，当风险承受度一定时，各设计环节风险增加时，必然会带来整体过程风险增加。

(3)风险事件概率为25%时，风险可接受度为25%的方案总风险为0.55，风险可接受度为50%的方案总风险为0.02。这与现实情况相符：当各环节风险概率不变时，系统输出即确定，能否接受该输出成为决定系统成败的因素，即风险可接受程度越高，则系统风险性越小。当风险事件为概率为50%时，同理亦然。

(4)当可接受程度较大，风险事件概率较小时，系统风险较小，如图11所示；当可接受程度较小，而风险事件概率较大时，系统风险较大，如图10所示。与实际情况相符：时间宽裕，费用充足，性能指标适中，且各设计环节不确定性较小的设计任务，失败的可能亦较小；同理，当时间紧张，费用不足，性能要求高，且各环节存在较多不确定性因素时，设计活动失败的可能性就会很大。

(5)风险可接受度不变，风险事件冲击概率为25%时方案鲁棒性要优于50%时的鲁棒性。这与实际情况相符：当各设计环节不确定性增加时，各环节的消耗与产出不确定性也增加带来整个过程不确定性的增加，仿真数据偏离期望的离散程度越高。

(6)系统T，C，P终值及鲁棒性与风险可接受程度无关，当系统结构和Coordinator模式确定之后，系统的风险响应特性也确定，风险可接受程度只影响最终风险性的集结，不影响仿真数据的分布。

(7)由于假设了T,C,P的线性关系，且当前Coordinator模式主要基于比较取优，不能限制线性关系的传递，因此风险鲁棒性几乎随着风险事件概率的增大成线性增加的关系。同时，这说明了，在产品设计中必须加入一定的非线性环节，以增加系统的鲁棒性，控制风险的传播。

5.2单节点对总体风险的影响验证

令可接受风险度为25%。由图9知，当所有节点风险事件概率为25%时，系统总风险为0.55。将P11节点风险事件冲击概率调整为75%，仿真结果如图13所示，此时系统风险为0.55；将P3节点风险事件冲击概率调整为75%时，仿真结果如图14所示，此时系统风险为0.61；将P19节点风险事件冲击概率调整为75%，仿真结果如图15所示，此时系统风险为0.69。从而得到如下结论：

(1)改变个别节点的风险事件概率，系统总体风险性也会随之变化。

(2)针对不同节点的调整，对系统总体风险性的影响不同。总得来说，当调整节点后项存在越多的Coordinator时，其波动对总体系统的影响被Coordinator过滤的概率越大，对总体的影响也就越小。

(3)系统总体风险性的增加总是伴随着系统风险鲁棒性能的变差；越接近顶层Terminator的节点风险概率变化，越容易对总体系统风险鲁棒性产生影响。

5.3Coordinator模式验证

令风险可接受度为50%，风险事件概率为50%。将所有Coordinator的模式设置为对时间选优，结果如图16所示，此时时间风险最小，为0.13；将所有Coordinator的模式设置为对费用选优，结果如图17所示，此时费用风险最小，为0.29；将所有Coordinator的模式设置为对性能选优，结果如图18所示，此时性能风险最小，为0.31。

Coordinator模式之所以能够对系统风险性产生影响，原因在于Coordinator本身的设计就是为了调整Producer的行为和产出：在工程周期紧张的情况下，Coordinator更加注重Producer的完工时间，所以对进入的物质流采用先到先服务的原则，以保证工程的按时完成，客观上起到了降低时间风险性的作用；对于费用和性能选优模式，亦同理。然而，在实际设计生产活动中，往往需要在时间、费用和性能之间求得一个平衡，所以在实际应用中Coordinator的模式需要采用一个包含T，C，P三个变量的评价函数，将进入物质流带入该函数中，以评估得出最符合评价的标准的Producer产出，以提高产品的综合性能。

综上我们可以得到以下结论：

(1)模型参数确定时，系统风险性与作用在各环节上的风险事件概率和风险可接受程度相关；

(2)模型仿真结果数据与风险可接受程度无关，与风险事件概率、模型结构和Coordinator模式相关；

(3)模型总体输出结果的不确定性程度与Producer内部T，C，P映射关系相关；

(4)在模型Producer内部T/C/P映射关系确定的情况下，方案设计人员需要通过调整网络结构或者制定Coordinator工作模式，以达到优化产品设计过程风险特性的目的。

(5)对于风险概率较大，且作用重要的Producer，其后向必须设计Coordinator进行保护，增加余度或选择合适的调节模式，以削弱该节点上风险事件冲击对全局的影响。

模型结论与实际情况相符，证明基于多Agent系统的风险评估方法具有实际应用价值。

Claims (5)

1.一种基于多Agent系统的风险评估方法，其特征在于：

第一步，对复杂产品设计过程进行模型划分；

所述的模型划分是指将复杂产品设计过程按照不同的实际设计需求，划分为不同层次的Agent模型；

第二步，Agent的物质交互模型进行设计；

第三步，Agent的种类划分；将Agent划分为五类，分别为起始点Initiator，作为某项具体设计活动的起始点，触发该项具体设计活动；Producer，作为实际参与研制的单位或小组或个人，存在三大属性，时间、费用和性能；Coordinator，协调Producer之间的产出关系；Terminator，作为某项研究任务的终点，集结最终的产出性能；Manager，统计某单项任务执行花费的时间、费用及产出的性能；

第四步，风险事件在产品设计过程中的作用机制；

第五步，仿真运行，得到复杂产品设计生成过程的风险评估。

2.根据权利要求1所述的一种基于多Agent系统的风险评估方法，其特征在于：所述的复杂产品设计过程模型划分为：

将复杂产品设计过程自顶向下分解成多个设计分系统，作为顶层设计；再将每个设计分系统分解成各具体设计活动，作为底层实现；所有设计分系统及所有具体设计活动之间分别依据产品研制的交互关系连接成网络，每一层网络即代表上层网络中的一个设计分系统或一项具体设计活动；实际总体模型设计过程中，从最底层网络开始，下层网络将其集结的性能传送至上层网络的父节点中，由父节点参与上层网络的研制活动，逐级向上，直至归结到最顶层；总体模型中每一层网络的边既表示Agent之间的交互关系和工序之间的依赖关系，也表示信息之间的共享关系和知识之间的扩散关系。

3.根据权利要求1所述的一种基于多Agent系统的风险评估方法，其特征在于：所述的Agent的物质交互模型具体为：根据“项目铁三角”原理，将Agent间交互的物质抽象为性能、费用和时间三个维度，因此，定义“物质流”为material flow=(T,C,P)^T；其中T,C,P分别表示时间维、费用维和性能维：

同时“物质流”的三个维度之间存在如下的函数关系：

$\left\{\begin{array}{c}P=f(T,C,P_0)\\ T_{\mathrm{out}}=T_0+T\\ C_{\mathrm{out}}=C_0+C\end{array}\right.---\left(1\right)$

其中(T₀,C₀,P₀)为从前向活动节点中流出的积累性能，T_out为流出当前活动节点的积累时间，C_out为流出当前节点的累计费用；所述的前向活动节点和当前活动节点分别都表示一个Agent。

4.根据权利要求1所述的一种基于多Agent系统的风险评估方法，其特征在于：所述的仿真包括的输入参数如下：

(1)各层网络拓扑结构，将网络拓扑结构的邻接矩阵存储在Excel格式的文件中，作为输入文件，在仿真开始前读入内存；

(2)各Coordinator节点所需要的工作模式；

(3)顶层设计分系统对于时间、费用和性能的约束要求T^*,C^*,P^*；

(4)最底层所有Producer节点，即系统层活动A、活动B和活动C正常进行设计活动消耗的时间T，费用C，性能P及相互关系；

(5)最底层系统Producer节点上可能发生的风险事件;

输出参数包括：

(1)系统在风险事件冲击下，运行结果是否满足顶层约束T^*,C^*,P^*；

(2)系统运行的中间数据，包括被触发的风险事件、触发时间、受风险冲击的活动Agent及其输出的“物质流”、所有Coordinator节点中所有输入、输出的“物质流”。

5.根据权利要求1所述的一种基于多Agent系统的风险评估方法，其特征在于：所述的仿真具体为：

每一层系统的仿真运行都是从Initiator节点开始，驱动“物质流”在网络结构和Coordinator节点的控制下，往该层的Terminator节点流动，遇到存在分系统的节点，则立即进入下一层分系统，直到进入最底层系统为止；运行最底层系统，将最终在Terminator节点上积累的“物质流”传递给上层的抽象节点，参加上层系统运行，直到流至上层系统的Terminator节点，再将“物质流”送往更上层系统，依次顺序，直到将所有积累的“物质流”结算到最顶层系统为止；最后利用最顶层积累的“物质流”判断本次系统仿真运行结果是否满足T^*,C^*,P^*的约束要求。

Images