1 引言

建立食品冷链物流跟踪与追溯体系,是生鲜食品宁静的有效包管。目前,海内外学者就冷链物流治理展开了广泛的研究。外洋学者结合欧美等兴旺国家冷链物流的生长现状,提出建立高度协调的一体化冷链物流体系,海内学者剖析了我国冷链物流生长的特点,指出应完善冷链基础设施,整合冷链上下游各环节,从而实现冷链的协调控制[1,2,3,4]。然而冷链物流系统是一类典范的、庞大的漫衍式系统,它需要各环节之间的高度配合、协调,而这正是现代冷链物流体系无法实现的,因为现代冷链物流体系在冷链历程中无法有效监控食品质量相关的属性[2,5]。

多Agent系统由一组功效各异的Agent组成,各Agent是有各自目标的、自治的、独立的实体,同时为了完成系统总目标,多个Agent之间又是相互协作的[6]。食品冷链物流上的每个环节都有自己的资源、能力和目标,只有冷链各环节相互协作,才华为用户提供可靠的产品与效劳。本文接纳多Agent技术,设计了一个宁静治理模型,监控食品冷链物流各环节的事件,通过各Agent间交互发明可能引起食品宁静问题的事件并报警。

2 基于多Agent的食品冷链物流质量宁静治理模型总体框架

食品冷链物流包括运输、仓储、配送、零售等环节。一般情况下,产品由生产企业制品库贴上 标签 ,如EPC(Electronic Product Code),通过远程运输送到配送中心,再由配送中心配送至各零售店。整个历程都需要坚持低温控制[7,8]。食品冷链物流流程如图1所示。

本文以食品冷链物流为研究工具,将产品的物流历程看做出库、入库历程(运输车辆看做移动库),包括的主要事件有出库、入库、温度收罗等。结合食品冷链物流 的事情过 程及Agent的特性,提出了基于多Agent的食品冷链物流质量宁静治理模型。如图2所示。

表1 各agent基本界说

图1 食品冷链物流流程图 

图2 基于多Agent的食品冷链物流质量宁静治理模型 

该模型包括3个�？�:(1)冷链物流事件治理;(2)质量宁静治理;(3)案例治理。冷链物流事件治理卖力监控产品在整个冷链历程中是否满足实际要求,当泛起异常情况时,质量宁静治理�？槁袅焖靼咐�,以获得一个解决计划处理目今异常,若该解决计划失败,则对其进行调解,从而获得一个乐成案例存入案例库;案例治理�？槁袅ξぁ⒏掳咐畔�,并为冷链物流事件治理提供参考。

3 基于多Agent食品冷链物流协调机制设计

本系统设计七类Agent:总监控Agent、货仓监控Agent、冷藏车监控Agent、检测Agent、验证Agent、质量宁静治理Agent、通信Agent。各Agent的功效、输入、行动和输出见表1。

各agent之间的协调交互,如图3所示。

图3 Agent之间协调交互   

当质量宁静治理Agent收到监控Agent发来的异常信息时,将异常信息包装成一个案例,接着到案例库检索,以获得一个解决计划解决该异常。这里的解决计划包括两种:需要召回产品和不需要召回产品,如果需要召回产品,则确定问题产品的规模,并将问题产品的信息返回,同时向相关治理者发出警报。如果不需要召回产品,则将异常信息以日志形式返回,供相关治理者检察。需要召回的情形包括:重金属含量超标、冷链历程温度和路径同时泛起异常等;不需要召回的情形包括:冷链历程温度短暂的异�；蛟耸淅塘偈备穆废叨浩鹇肪兑斐５�。

整个冷链物流历程始终处于监控Agent的监控之下,当异常事件爆发时,就会触发质量宁静治理Agent进行相应处理。历程如下:(1)收到客户订单,产品由生产加工企业发货、出库。出库前,由货仓监控Agent监控产品所在的货仓的温度,如果泛起异常情况,则将异常信息发送给质量宁静治理Agent。(2)运输、配送。由冷藏车监控Agent监控产品所在的冷藏车的温度,如果泛起异常情况,则将异常信息发送给质量宁静治理Agent。(3)入库抽检。检测Agent实时监控抽检单信息,如果发明异常情况,则将异常信息发送给质量宁静治理Agent。(4)入库。原理同办法(1),由货仓Agent监控该产品的温度。

假设监控Agent在零售历程中发明了不正常的事件,如微生物含量(大肠杆菌)超标导致温度异常,这将会引起食品宁静事件,这时监控Agent就会触发质量宁静治理Agent,由质量宁静治理Agent接纳合适的行动,以避免食品宁静事件的爆发。如图4所示。

图4 agent监控历程  

质量宁静治理的主要部分是质量宁静治理agent,它使用案例推理算法[9]来检索、重用、修订和保备案例,如图5所示。当监控Agent、检测Agent、验证Agent发明新的问题时,即目标案例泛起时,质量宁静治理agent利用目标案例的描述信息检索案例库,获得与目标案例相似度最大的源案例,由此获得目标案例的一个解决计划,若该解决计划失败,则对其进行调解,以获得一个能生存的乐成案例。质量宁静治理Agent主要功效有两个:一是找到相似的案例解决目今异常情况,二是存储新的案例。

图5 案例推理历程   

在质量宁静治理Agent中,一个案例的差别数据项xi有差别的权重wi,权重代表该属性对产品质量宁静的影响度�？际�,手工设置数据项的权值,然后接纳单层神经网络[10]对权值进行训练,算法如下:

这里迭代p体现提供应感知器的第p个训练实例,n为感知器输入的数量,公式(2)为阶跃激活函数。

(3)权重训练 。修改感 知器权重 : ,其中Δwi( p) 为迭代p上的权重校正。通过delta感知器学习规则盘算权重校正,如公式(3)和(4)所示:

e( p) 是误差,当其为正时,就需要增加感知器输出y( p) ;当其为负时,就要减少感知器输出y( p) 。每个感知器对总的输入X( p) 的孝敬为xi( p) ×wi( p) ,由此可知,增加或减少权重wi( p) 可以增加或减少输出y( p) 的值。α是学习速度,是一个小于1的常数。yd( p) 体现在迭代p中的期望输出,y( p) 体现在迭代p中的实际输出。

(4)迭代。迭代p加1,回到办法2,重复以上历程直至收敛。

通过权值训练后,就能判断一条产品纪录是否有异常,如果有异常,则向案例库盘问是否有相似的异常情况。相似度越大,说明它们越有可能是同类型的异常情况。相似度用S体现,并且约定:如果两条纪录的某个数据项xi匹配,则记为1,不然为0,如公式(5)和(6)所示:

盘算出该异常事件与案例库中所有事件的相似度后,选择相似度最大的那个异常事件所对应的战略或者行为。

4 实证研究

以某冷鲜肉生产企业为例,构建基于多Agent的食品冷链物流质量宁静治理的原型系统。对1 000条冷鲜肉数据进行抽取、转换,使每个产品的数据分为加工、存储、配送、零售四个阶段,且每个阶段包括相关的事件。以EPC(ElectronicProduct Code)码为01001243B0435CB000000000的产品为例,四个阶段的部分数据见表2。

实验假定:冷鲜肉冷藏历程中:(1)温度不凌驾4℃,凌驾4℃则说明温度有异常;(2)重金属含量主要以铅为例,其不凌驾0.3mg/kg,凌驾0.3mg/kg则必须召回该批次产品;(3)目今运输路径与预界说的路径不符,则认为是路径异常。以异常为条件,是否召回为结果,所有情形见表3。

将实验数据分为样本数据和测试数据,接纳单层神经网络对样本数据进行权值训练,最终获得一个分类函数: (Y代表输出,当Y≥0,体现需要召回产品,当Y<0时,体现不需要召回产品;x1,x2,x3前面系数代表权值训练后温度、路径、铅含量的权重;常数项0.50代表阈值θ),例如:当输入为[1,1,0]时,即温度和路径都泛起异常,此时Y=0,体现需要召回产品。通过训练和测试后获得源案例,见表4。

表2 产品各阶段主要信息  

表3 结果判定表  

表4 源案例  

系统启动后,监控Agent、检测Agent、验证Agent以独立线程的形式在后台运行。质量宁静治理Agent一方面处理监控Agent、检测Agent发明的产品冷链在货仓或途中的异常情况,另一方面在产品送达最终目的地后,对产品的冷链全历程信息进行检查,并处理发明的异常,最后将处理结果以日志形式返回。以 路径异常 为例 ,假设验证Agent发明EPC码为01001243B0435CB000000000的产品配送路径泛起异常,那么验证Agent会将该异常信息发送给质量宁静治理Agent,由质量宁静治理Agent去案例库检索案例,找到一个EPC码为01011144D0425CA000000010的产品泛起路径异常的案例,获得一个解决计划:产品无需召回,此时质量治理Agent不需要去确定问题产品的规模。但为了避免Agent凭经验接纳不对适的解决计划,应对异常信息做进一步处理,如路径异常时,将目今路径和异常路径都返回,供相关治理者决策使用。如图6所示。

5结论

本文剖析了食品冷链物流系统的业务模式,构建了基于MAS食品冷链物流系统的总体模型,并在此基础上设计了7类Agent以及它们之间的协调机制。在质量宁静治理Agent中,将神经网络算法和案例推理算法引入其中,通过神经网络算法对实验数据权值进行训练与分类,获得源案例;通过案例推理算法检索、重用、修订和保备案例,找到解决目今宁静事件的解决计划,增强了模型的可靠性与智能性。最后,构建了基于多Agent的食品冷链物流质量宁静治理的原型系统,实验结果标明,该模型能自动有效地识别食品宁静事件,并能实时接纳相应的行动给治理者提供决策支持,从而能有效地预防食品宁静事件的爆发。

图6 路径异常处理结果