本发明专利技术公开了一种面向软件中间件的智能决策支撑框架及其工作方法，该框架包括感知器模块，智能决策引擎模块，知识库模块以及解释器模块，智能决策引擎模块中又包含决策、学习器以及效用评估等子模块。工作方法为：根据自适应策略定义语言，定义目标、效用函数、策略规则和本体知识；解析决策目标或上下文信息、策略规则等；分别对系统上下文进行前向推理，对决策目标进行后向推理；将推理结果解析为实际的系统服务，并作用到系统中；根据评估函数评估推理结果，并调整策略规则。以上步骤，在智能决策框架不停止时，重复执行。本发明专利技术给出了一种自适应策略定义语言，能够支持推理、规划和学习等决策机制，并提供智能决策和策略更新两种闭环结构。
【技术实现步骤摘要】
本专利技术涉及软件中间件平台，尤其涉及一种面向软件中间件的智能决策支撑框架 及其工作方法。
技术介绍
软件中间件是网络环境下大型复杂应用系统构建和运行的核心基础支撑软件。通 过屏蔽底层操作系统、数据库管理系统和网络的差异，软件中间件为上层应用提供贴切的 业务服务。然而，一方面这些业务系统会随着用户需求和应用目标的变更而发生变化；另一 方面，随着业务系统运行环境逐渐由封闭、静态、可控逐步走向开放、动态、难控，包括网络 连接、信任关系、使用情境、QoS(Quality of Service，即服务质量)波动等内外环境变化也 都将要求系统做出相应调整和演化。这就要求支撑上层应用的中间件平台能对需求和环境 的变化做出及时的响应，以确保业务系统能持续满足用户需求并最终达成应用目标。因此 在软件中间件平台中提供智能决策和自适应支撑是解决此类问题的重要技术手段。软件中间件智能决策支撑框架分别从业务系统的需求目标或者QoS两个侧面对 业务系统自适应和智能决策进行支撑。但是，目前仍缺乏一个统一的智能决策支撑框架。一 方面，缺少一个能描述自适应规则和策略的语言；另一方面，缺少综合优化、规划、推理、预 测和学习的全面的智能决策机制。本专利技术设计了一个面向软件中间件的智能决策支撑框架 构建方法。该框架构建方法给出一个自适应策略定义语言并实现若干推理、决策和学习机 制。
技术实现思路
本专利技术所要解决的技术问题是提供一种面向软件中间件的智能决策支撑框架及 其工作方法，该智能决策支撑框架能对需求和环境的变化做出及时的响应，以确保业务系 统能持续满足用户需求并最终达成应用目标。本专利技术所述的一种面向软件中间件的智能决策支撑框架，设置在运行系统之上， 该智能决策支撑框架包括感知器模块，智能决策引擎模块，知识库模块以及解释器模块，所 述感知器模块和解释器模块的一端分别与运行系统相连，另一端再分别连接智能决策引擎 模块，智能决策引擎模块连接知识库模块，知识库模块与知识库定义工具连接。上述智能决策引擎模块中又包括决策子模块、学习器子模块以及效用评估子模 块，其中决策子模块分别与感知器模块、知识库模块以及解释器模块连接；效用评估子模块 分别与感知器模块、知识库模块以及学习器子模块连接；学习器子模块也与知识库模块连 接。本专利技术还提供了上述面向软件中间件的智能决策支撑框架的工作方法，其包括以 下步骤步骤(1)感知器模块根据运行系统的实际情况侦测到运行系统的可变过程层的 自适应目标或构件系统的运行上下文信息；步骤(2)感知器模块收集步骤(1)中的信息，并对自适应目标和运行上下文信息 进行预处理，解析成内存数据结构，传递给智能决策引擎模块的决策子模块步骤(3)决策子模块根据自适应的需求，一种处理方法是读取知识库模块中的 策略，采用分层任务网络方法进行后向推理；另一种处理方法是根据系统运行的上下文信 息，读取知识库模块中相应的策略，进行前向推理；步骤(4)决策子模块将步骤(3)中的决策结果，传送给解释器模块；步骤(5)解释器模块根据本体知识，将决策结果分别翻译为可变过程层和构件 层可接受的自适应调整系统服务，并且传给运行系统进行调整；步骤(6)感知器模块将运行系统进行调整后的感知内容传送给智能决策引擎模 块中的效用评估子模块进行效用评估；步骤(7)效用评估子模块根据感知内容读取知识库模块中的相应内容，以供评 估；步骤(8)效用评估子模块将评估结果发送给学习器子模块进行学习；步骤(9)学习器子模块将学习结果发送给知识库模块以供其更新。如图3，上述步骤(3)的具体过程为步骤(3. 1)决策子模块接收感知器模块传递的系统上下文信息；步骤(3. 2)获取知识库模块中的相关规则；步骤(3. 3)如果是知识、事实、任务，交给规划模块执行后向推理，否则转到步骤 (3. 5)；步骤(3. 4)规划得到冲突集，转到步骤(3. 7)；步骤(3. 5)如果是知识、事实，交给推理模块执行前向推理；步骤(3. 6):模式匹配得到冲突集；步骤(3. 7)冲突集交给冲突消解模块执行；步骤(3. 8)消解冲突，交给解释器模块执行。如图4，上述步骤(3. 4)的具体过程为步骤(3.4. 1)判断任务列表是否为空，为空的话跳转至步骤(3. 4. 2)，否则跳转 至步骤(3. 4. 3)；步骤(3. 4. 2)返回空计划；步骤(3. 4. 3)取任务列表中的第一个任务；步骤(3. 4. 4)判断该任务是否为原子任务，如果是，跳转至步骤(3. 4. 5)，如果不 是跳转至步骤(3. 4. 10)；步骤(3. 4. 5)在知识库模块中的策略规则库中按名查找满足前提条件的原子任 务；步骤(3. 4. 6)判断是否找到原子任务，如果是跳转至步骤(3. 4. 8)，如果不是跳 转至步骤(3. 4. 7)；步骤(3. 4. 7)返回失败；步骤(3. 4. 8)记录原子任务，作为计划中的一步，更新事实和任务列表；步骤(3. 4. 9)根据新的事实和新的任务列表，继续执行步骤(3. 4. 1)；步骤(3. 4. 10)在策略规则中按任务名查找对应的方法；步骤(3. 4. 11)在该方法中查找满足前提的任务列表； 步骤(3. 4. 12)判断是否找到任务列表，如果否，跳转至步骤(3. 4. 13)，如果是， 跳转至步骤(3. 4. 14)；步骤(3. 4. 13)返回失败；步骤(3. 4. 14)更新任务列表；步骤(3. 4. 15):根据事实和新的任务列表，继续执行步骤(3. 4. 1)。如图4，上述步骤(3. 6)的具体过程为步骤(3.6. 1)判断规则列表是否为空，为空的话跳转至步骤(3. 6. 2)，否则跳转 至步骤(3. 6. 3)；步骤(3. 6. 2)规则网络建立完成，开始事实匹配，并转至步骤(3. 6. 9)；步骤(3. 6. 3)取规则列表中的第一个规则；步骤(3. 6. 4)取出该规则的第一个pattern ；步骤(3. 6. 5)为pattern里的域建立相应的节点，并组织成链；步骤(3. 6. 6)判断pattern是否处理完，如果是跳转至步骤(3. 6. 1)，如果不是跳 转至步骤(3. 6. 4)；步骤(3. 6. 7):获取事实列表；步骤(3. 6. 8)判断事实列表是否为空，是转步骤(3. 6. 11)，否转步骤(3. 6. 12)； 步骤(3. 6. 9)返回结果 agenda ；步骤(3. 6. 10)取出第一个事实；步骤(3. 6. 11)将事实在规则网络中进行匹配；步骤(3. 6. 12)匹配结果加入agenda，跳至步骤(3. 6. 8)；本专利技术基于一个自适应策略定义语言，通过定义自适应需求或QoS效用函数、自 适应策略规则、系统本体知识等内容，结合系统运行时的上下文，产生智能决策，进而指导 系统的运行。同时，根据效用函数对推理结果进行评估，根据评估结果调整策略规则。按 照本专利技术的方法所构建的智能决策支撑框架与现有的智能决策支撑框架相比，其显著优点 是给出了一种自适应策略定义语言，能够支持推理、规划和学习等多种决策机制，并提供 智能决策和策略更新两种闭环结构。附图说明图1是本专利技术的系统组成结构图和工作流程图；图2是本专利技术智能决策引擎模块的工作流程图；图3是图2中本文档来自技高网...
【技术保护点】
【技术特征摘要】
【专利技术属性】
技术研发人员：高阳，曹春，吕建，
申请(专利权)人：南京大学，
类型：发明
国别省市：84
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。