论文研究-大型复杂人机系统结构、过程建模与组织设计方法研究现状与展望.pdf

所需积分/C币:6 2019-09-20 16:41:20 840KB .PDF

论文研究-大型复杂人机系统结构、过程建模与组织设计方法研究现状与展望.pdf,  大型复杂人机系统是人类组织与人工系统构成的开放、动态、复杂的有机整体. 本文分析了大型复杂人机系统研究的背景及意义, 从结构、过程和组织三个视角总结了相关领域的研究进展, 对未来大型复杂人机系统结构、过程建模与组织设计方法的主要研究方向及关键科学问题进行了展望.
增刊1 谭跃进,等:大型复杂人机系统结构、过程建模与组织设计方法硏究现状与展望 75 理、控制与优化;另一个是通过过程运行,判斷系统是否能够实现预定目标.前一种过程建模是稳态型的,即 关心的是在过程长期运行情况下的平均效能.后一种过程建模是终态型的,建模关心的是人机一体系统过程 的最终结果是否达到预定目标.大型复杂人机系统的突出特征是人在人机系统中的创造性作用的表示为过 程建模提出了更高的要求.具体到稳态型过程建模中,强调将复杂人机系统中的各种人员、技术系统、技术 过程和环境集成起来,使得技术系统和技术过程能够配合人进行有效的T作.稳态型过程中人主要进行富于 创造性的设计工作,以人为主,机配合人,人机协同是稳态型过程建模的关键.有别于稳态型过程,终态型过 程中人的决策作用将对过程目标的达成程度产生极大影响,为此必须对人的决策过程进行合理描述,根据以 上的分析,大型复杂人机系统过程建模重点与以下几个方面的研究相关: 1)决策认知行为建模研究现状 人的行为建模也称作人的行为表示( human behavior representation,HBR),其含义是用计算公式、程 序或某种模拟方法来表示个人与组织的行为.在人的行为表示技术研究中,日前的研究焦点在于认知行为建 模研究.这是因为认知是人的思维过程,是人的行为复杂性的根源.认知建模研究主要包括两个方面的内容 17:认知建模框架和认知行为表示技术 认知建模框架是对认知行为元素及其相互作用的表达,它表达了特定的认知过程,并显式地给出了需要 建模的认知元素和需要构建的元素关系,其目的是为认知行为建模提供框架指导.目前,已有多种成熟且应 用广泛的认知建模框架,其中有代表性的是 Soar(1a和ACTR( adaptive control of thought-revised)19等 Soar是一种基于产生式系统的认知建模框架,主要由一个认知处理器、一个感知处理器和一个马达引擎处理 器构成ACT-R与Soar类似,它是另一种较为成熱的、基于产生式系统的认知建模框架.Soar和ACT-R认 知建模框架的最大优势在于其认知心理学理论基础,这使得其能够表达岀部分人的认知特征,因而在多类不 事仿真建模中得到应用这些认知建模框架可为复杂人机系统认知域行为模型的分析和构建提供有力支持. 认知建模框架本质上表达了一类认知行为的执行引擎,它作为一种框架可以为认知行为模型的具体实现 提供框架指导.而认知行为模型的具体表示除了基于认知框架的行为引擎外,还包括大量的具体认知行为元 素的模型实现,这些认知元素主要包括决策、推理、学习以及认知影响因素等.关于决策行为的表示叮以基 于经典决策理论,如基于效用理论的决策、基于贝叶斯的决策、基于模糊理论的不确定性决策等凹0.一般 而言,关于决策行为的表示硏究广泛而深入,如果决策点能够很好的被构造,则总可以找到一种成熟的方法 对该决策点的决策行为进行有效表达21.推理表达了人的认知思维,它隐含表达了认知分析和判断行为,推 理行为是对人的、基于知识的智能行为的表示.本质上推理是认知行为的基础,任何认知行为模型都表达了 ˉ种推理过程.推理建模的基础在于逻辑学,任何推理模型背后都隐含∫一个逻辑系统.因此对于推理的建 模研究始于逻辑方法,并结合知识的表示展开.目前已有多种成熱的推理实现方法,包括基于规则的推理、 基于案例的推理、贝叶斯推理、模糊推理以及基亍语境的推理等.推理模型的逻辑底蕴决定了推理行为模型 的构建重点在于知识的采集,而推理引擎等其他具体内容的实现方法也已经非常成熟学习表达的是人的适 应和学习进化能力.关于学习的计算机表示技术研究也由来已久,从 Feigenbuam22提出的EPAM开始, 关于学习的建模研究已经得到了长足发展,并提出了多种著名的学习理论和学习实现算法,如计算学习理论 PAC、 Bagging集体学习算法、 ADABoost算法、Soar的 Chunking学习实现机制以及基于范例的学习机制 等23.除此之外,关于基于贝叶斯网络和基于神经网络的统计学习方法的研究也广泛而深入.此外,人工智 能研究界关于规划(状态空间搜索算法)、行动以及知识表示等与人的智能行为紧密相关的元素的具体计算 机实现技术的研究成果丰硕24,这些成果可为大型复杂人机系统具体认知行为元素的模型实现提供有力支 持 2)人机协同过程建模研究现状 人机协同过程建模本质上还是过程建模,要求过程建模仿真具备对人机协同的支持.大型复杂人机系统 中人机地位显然并不平等,而是以人为主导,机配合人传统的人机协同过程的描述并不区分人和机,而是将 人和机都祧作计算或处理节点,采用活动建模方法(UML活动图)2、流程建模方法(BPM)2、功能建模 方法(IDEF0)2η等进行描述存在的突出问题是对人的描述偏于机械化,适应性差,即不能准确的描述人在 人机协同过程中的关键作用,也不利于过程设计与运行中人的创造作用的发挥.为此研究人员对过程建模提 出了几种改进途径以更好地支持人机协同过程建模:知识密集型过程建模、柔性过程建模、基于 Agent的过 程建模等 76 系统工程理论与实践 第31卷 知识密集型过程建模8也称作面向过程的知识建模,在过程描述中引入知识,并对知识过程进行建模, 旨在满足过程参与者为完成任务对知识的需求,以提高过程参与者的工作能力,从而提高人机过程以及人机 系统整体的运行绩效.柔性过程建模-30是指建立的过程模型具有柔性,能够适应过程模型运行期间中的 各种变化要求,特别是对于稳态型过程而言,过程启动后将长期处于运行状态,期间由于人的创造性作用的 发挥,或相关情况的变化都要求能够动态地修改过程模型实例进而修改过程模型本身,并且能够确保已经运 行完的部分不致失效,需要检测过程修改前后的兼容性.基于 agent的过程建模31强调人机协同过程中 以人(或部门)为中心,将人建模为 Agent,而相关的机器节点均建模为 Agent内执行具体任务或提供服务 的 Agency.即将人机之间的协同分为人与本地机器的协同和本地人机与外地人机的协同两部分,前者通过 Agent内的执行引擎描述,后者通过 Agent之间的交互与通信来措述,这种方法突出体现∫人在人机系统中 的核心作用,有效地增强了复杂人机系统的适应性 3)基于仿真的过程模型分析研究现状 大型复杂人机系统过程的仿真属于典型的复杂系统仿真,主要涉及三部分工作:1)相关过程模型的集 成包括技术系统过程模型、人的决策过程模型、人杋协同过程模型、环境模型等:2)仿真运行算法及文撑 环境3)不确定条件下的过程效能仿真分析.其中鹗二部分工作受第一部分工作影响,实际上选择集成方法 时也可以在考虑可用的仿真支撑环境的基础上进行 4)过程模型的集成与仿真 以仿真为目的的过程模型集成方法目前主要有两种:一种是基于中间件的方法,代表性的工作是高层体 系结构(HLA)标准82;另一种是基于模型驱动架构(MDA)3的方法,代表性的工作是仿真模型可移植 性标准(SMP2);第二种基于 agent的方法,以认知主体建模为 Agent,以 Agent的认知过程为建模框果 集成各种认知决策行为、协同行为、以及技术系统的行为其中技术系统的过程和行为作为 Agent模型内 的服务性 Agency.中间件方法仅仅关注各过程模型之间的数据交互,适合集成各异构性很强的过程模型;以 SMP2为代表的模型驱动架构方法强调建立各待集成过程模型之间统一的平台无关模型,实现在概念层次的 模型集成;然而SMP2方法的不足是缺乏面向具体复杂人机系统的概念框架,基于Aεent的过程模型集成方 法实际上为复杂人机系统过程模型提供了一种概念架构,但缺乏具体的面向仿真的模型规范,而SMP2可以 很好地弥补这一点,因此 Agent和SMP2可以相结合共同作为大型复杂人机系统过程模型的集成与仿真方 法.另外申请人所在单位已经开发了S№P2规范的仿寘支撑平台,可以有效攴持大型复杂人机系统过程模型 的仿真分析 5)不确定条件下过程效能的仿真分析 大型复尕人机系统的过程模型需要描述人、技术过程、环境等引起的大量不确定性和模糊性,从分栌的 甪度仿真方法一般要解决大量不确定性和众多设计选择导致的大尺度实验空间引起的巨大计算量叫题.解 决这一问题一般需要综合采用以下三种方法中的一种或多种:一种是仿真实验设计方法,另一种是仿真元建 模方法,第三种是统计采样方法.仿真实验设计方法根据经典的实验设计理论通过析因、优选和灵敏度分析 等技术对实验空间进行大幅度地缩减.仿真元建模方法基于一定量的实验样本数据,采用统计学习技术建立 复杂人杋系统过程模型的元模型(即二次模型,然后基于该元模型进冇过程分析,实觋过程效能的评估与寻 优.典型的仿真元模型如多项式、径向基、克里金、贝叶斯网络、神经网络等.统计采样方法用于处理过程模 型中的随机因素的随机性覆盖问题.常用的采样方法如蒙特卡洛、拉丁方、分层采样、重要度釆样、极值采样 等方法,可以解决不同情形的不确定性分析冋题.申请人所在单位在上述三方面都进行∫深入的研究,并形 成了初步的仿真分析与评估软件工具,叮以为大型复杂人机系统过程模型的仿真分析的研究提供有力支持. 23计算组织研究现状 Carley和 Prietula对计算组织的研究进行了分类和归类,提出了计算组织的概念和详细定义,他们认为 这一领域的研究不同于组织科学的传统研究而属于一个组织研究的另一范畤,即以计算手段和数学模型米研 究组织的理论和方法.在随后的研究中,COT也被称之为计算数学组织理论(CMQT).这一领域的权威刊物 Computational Organization Theory”也更名为“ Computational Mathematical and Organization Theory” 在组织自设计方面, organiza tional self-design(OSD)是多主体系统中用来适时产生多主体系统自身组 织结构的一种技术3.从目前的文献来看,关于计算组织适应与组织的“自设计”还处于两个不同的方向 但从其研究内容和方法来看,OSD是组织适应性理论与方法的应用,是适应性研究的分支,我们不能孤立地 增刊1 谭跃进,等:大型复杂人机系统结构、过程建模与组织设计方法硏究现状与展望 77 看待OSD,OSD研究应立足于组织适应性的理论与方法.从目前的研究来看,组织“自设计”的研究发展有 两条主线80:一是技术驱动的组织形式的改进7;二是在组织的快速变化与调整过程中组织的创建与生存 研究3.这两条主线虽然一个是组织形式的研究,一个是组织变化与调整,但归根结底都是对组织的适应 性的研究.这两条主线又都以组织结构形式为核心,早期的研究重点在多个主体组织结构的构建以及适应性 组织的一些具体特性,如任务分配、负载平衡等.而当前对组织结构的自设计主要从组织规模考虑, 从其规模来说对组织自设计有三种:区域型4、全局型142和混合型43.这些组织自设计系统在各自的环 境中都工作良好,但却不具备通用性.为解决在不同环境中组织自设计的通用性问题,一般是在组织模犁中 使用诊断、监测组织在完成任务中的缺陷并适时调整组织结构的方法,并山此提出了组织可持续使用的“适 应性引擎”.在组织结构构造研究上,由于包含在组织结构的信息是非常广泛,如何定义一个组织结构,目 前,还没有一个简单全面的方法来定义一个组织结构,其困难之处还在于组织结构的特性更多地依赖于具休 组织的可能选择以及选择对系统行为和效能的影响在这方面的研究, TAEMS( task analysis, environmental modeling, and simulation)4方法提供了可借鉴之处,其灵活为组织多种不同的特性的描述建模提供了方便 在组织设计优化与计算组织模型分析方面权变理论认为一个组织的效率与组织特性和环境需求是否匹 配有关,组织结构和环境的不确定性都是影响组织效能的重要因素46,同样组织的内部协作也是组织效能不 可忽略的因素.组织的优化设计问题包括两方面:一方面优化组织结构,如决策层次、决策者的资源分配和职 能分配以及组织内部交流结构;另一方面优化组织策略,如决策者的任务分配和任务执行序列等.优化设计 的组织使得组织在完成一项具体使命时表现较高的效能.在组织决策这一领域的研究表明在具体的任务环 境结构与相应的优化组织设计之间存在密切的功能关系[47-51 在任务组织与决策组织“自设计”的标准与流程方面,组织设计问题完全取决于实际的使命环境参数和 组织的约束参数,组织设计是使命环境特征与组织结构匹配问题的研穴2.这个前提使得在优化设计工程 项目组织或团队时采用系统工程技术,并提倡使用标准算法与流程,其设计方法通常是首先建立描述仼务和 组织约束的定量模型,然后把不同的组织优化标准用于组织的性能比较,最后产生面向任务和坏境的最佳组 织53-54.决策组织“自设计”的建模与分析以 Petri网为主要手段研究单位以以乔治梅森大学CI研究 中心为主要代表.在单决策员Petr网模型基础上, Levis等人对组织“自设计”引擎提出了设计方法和算法 他们认为网络环境中组织的设计需要建立一种适时评估与自我调整的机制,以适应环境和自身的变化,这种 机制被称之为适应性组织的“引擎”.基于组织的Peti网交互模型, Levis建立了适应性组织模型,并对这 模型进行了虚拟实验,其自同步的协作行为或者说“自设计”流程是其模型的核心 3主要研究方向展望 大型复杂人机系统研究涉及到很多方面的研究内容,可以从不同的视角展开研究.大型复杂人机系统包 含数量众多的人、机组成要素,人机之间存在复杂的关联结构,而系统的结构对其行为、功能具有重要影响 因此,首先要研究大型复杂人机系统结构建模与分析方法.其次,大型复杂人机系统还涉及到人的认知决策 过程技术系统过程:人机协同过程及其信息流程等动态过程.因此,在结构建模与分析的基础上,要进一步 研究大型复杂人机系统过程建模与仿真分析方法.第三,利用计算组织理论、社会网络分析和建模仿真方法, 研究如何有效地将各种人和技术系统资源组织起来,进行任务资源的匹配分析和人机组织设计,提升大型复 杂人机系统的组织管理效能.最后,理论联系实际,开展大型复杂人机系统典型应用研究 3.1大型复杂人机系统结构建模与分析方法研究 1)大型复杂人机系统结构描述与建模方法 针对大型复杂人机系统中的结构特征,研究大型复杂人机系统结构的规范化描述与形式化建模理论与方 法,给出统一的系统结构描述和表示形式.首先,研究系统组成要素的特征分类、功能接口、人机关系、层次 结构及其映射关系等.其次,基于视图产品集的体系结构框架描述方法,研究大型复杂人机系统结构描述框 架,包括人、机以及人机关系等视图,重点研究人及人机关系的相关视图产品及其形式化建模方法.第三,定 义人、机以及人机关系等视图产品的统一数据模型,建立系统结枃描述规范. 2)大型复杂人机系统结构分析与优化方法 在对大型复杂人机系统结构进行规范化描述与形式化建模的基础上,结合复杂网络理论和智能优化方法 对系统结构进行分析与优化.首先,从拓扑层次上分析大型复杂人机系统的结构属性,包括无标度性、小世界 78 系统工程理论与实践 第31卷 性、积聚性、鲁棒性等.其次,研究人及人机之间旳耦合强度、交互频率、协同效率等关联测度分析方法,以 及关键要素和关联关系的重要度分析方法第三,在识别关键要素和关联关系的基础上,将专家经验、人的 知识和定性规则等融合到遗传算法和蚁群算法中.研究人的能力约束下,大型复杂人机系统的关键要素和关 联关系的优化配置方法,重点是人机匹配的优化间题 32大型复杂人机系统过程建模与仿真分析方法研究 1)大型复杂人机系统过程建模与设计方法 基于上述大型复杂人机系统的静态结构模型,在考虑大型复杂人机系统中人与人之间以及人机之间复杂 结构关系的条件下,研究大型复杂人机系统的动态过程建模与设计方法.首先,研究基于 Agent的大型复杂 人机系统过程建模框架,重点硏究人的认知决策过程、技术系统的物理和信息过程以及人机协同控制过程等 模型的集成方法.其次,在大型复杂人机系统过程建模框架下,研究支持人与人之间以及人机之间协同过程 结构化描述和管控的统一过程建模方法,重点研究人机结合的信息流程、决策过程、控制过程的建模方法.第 ,基于统一过程的建模方法,结合典型应用系统,研究大型复杂人机系统过程设计的流程、准则和规范 2)大型复杂人机系统过程仿真分析方法 在大型复杂人机系统过程建模基础上,硏究大型复杂人机系统过程仿真分析方法.首先,硏究能够对人 的决策过程模型、技术系统仿真模型以及人机协同过程模型统一措述的复杂人机系统仿真建模规范;其次, 研究基于仿真元建模的大型复杂人杋系统过程效能评估方法,重点硏究仿真元模型的构造方法,建立基于贝 叶斯网络的效能评估模型;第_,基于仿真实验设计理论,结合典型应用系统,考虑不确定性、并发性和人机 系统设计因素交互作用,研究大型复杂人机系统灵敏度分析和探索性分析方法 33大型复杂人机系统组织设计方法研究 1)大型复杂人机计算组织建模分析方法研究 在分析大型复杂人机系统结构和过程的基础上,应用计算组织理论,研究大型复杂人机组织建模分析方 法.首先,建立人、机系统的组织要素统一模型,重点研究组织要素,特别是人的自治、决策和计划机制.其 次,研究复杂人机系统计算组织的描述、建模方法,重点硏究管理、控制、协冋、竞争和博弈的交互关系建模 方法,其_,研究大型复杂人机系统的组织效能的测度评估方法,重点研究组织使命、环境或内部参数非预 期变化情况下的组织效能测度分析方法 2)复杂人机系统组织决策传播机制研究 在大型复杂人机计算组织建模的基础上,研究复杂人机系统组织决策传播机制.首先,研究人机系统组 织决策网络建模方法,重点研究建立在结构网络基础上的面向任务的决策网络建模规范.其次,硏究统一的 态势理解下的网络化决策传播的动力学机制,重点研究决策网络的自同步机制.第三,硏究复杂人机系统决 策任务分配和协同机制,重点研究人的决策负载计算方法 3)大型人机组织的功能组织自设计机制 面向大型复杂人机组织环境,研究大型复杂人机组织的功能组织自设计机制.首先,研究大型人机组织 功能组织的设计方法,重点研究大型复杂人机组织中组织资源的静态视图和组织任务的动态视图.其次,研 究基于使命任务的大型复杂人机组织资源分配与组织网络构建方法,重点研究面向多层次、多目标组织效能 的大型复杂人机组织的构建与优化方法.第三研究大型复杂人机组织的可重构、可重组机制,重点研究大 型复杂人机组织的适应性和鲁棒性指标对组织结构旳影响 4关键科学问题展望 1)人作为独立视图的大型复杂人机系统结构描述与建模 在已有的体系结构框架中,已经有很多视图产品,但是未能将人纳入视图产品中.而大型复杂人机系统 中,人处于系统回路而且同系统各组成要素存在复杂的交互关系.因此,木课题需要着重构建能有效刻画大 型复杂人机系统中人的属性以及人机关系的视图产品,对大型复杂人机系统结构的规范化描述与形式化建 模 2)具有非同质要素的大型复杂人机系统结构分析与优化 大型复杂人机系统包括人和机两类要素,要素之间包括人-人、机-机、人-机三大类关联关系,要素的 多元化以及关联的复杂化决定了大型复杂人机系统是一类复杂异质的结构系统,传统的简单同质系统结构分 增刊1 谭跃进,等:大型复杂人机系统结构、过程建模与组织设计方法硏究现状与展望 析和优化方法将不再完全适用,如何分析和优化这类特殊系统的结构是需要解决的重要科学问题. 3)以人为主、人机一体的过程建模框架 现有的人机协同过程建模方法普遍将人和机器等冋处理,无法体现人的创造性决策性作用.现有关于人 的决策过程建模方法为大型复杂人机系统过程中人的过程建模提供了很好的基础.目前迫切需要将人的决 策过程模型、技系统模型以及人杋协冋模型结合起来的统一的过程建模架,实现以人为主人机一体的过 程建模,从而支持大型复杂人机系统整体过程的分析. 4)不确定条件下过程效能的仿真分析 大型复杂人机系统的过程模型需要描述人、技术过程、环境等存在的大量不确定性因素,这不仅使得仿 真方法成为首选的分析处理方法,而且对仿真技术以及基于仿真数据的分析方法提出了更高的要求,必须要 处理好大量不确定性和众多设计选择导致的大尺度实验空间引起的巨大计算量问题 5)大型复杂人机计算组织的自适应框架 大型复杂人机组织是开放、动态和难控网络环境下的分布式人机系统的一种抽象,建立能感知外部环境 的动态变化,并随着这种变化按照功能指标、性能指标或叮靠性指标等进行静态(离线)的调整和动态(在线) 的演化的机制,并描述自主性、协同性、反应性、演化生和多目标性等多种复杂特性 6)大型复杂人机组织的组织自设计机制 在大型复杂人机组织环境下,研究大型复杂人机组织组织措述的静态视图、动态设计和评估机制,分析 组织效能、组织效能的灵敏度、稳定性,并对人机组织的自重构、自重组进行分析 5结束语 大型复杂人机系统的建模与组织管理是当前系统科学、管理科学领域的热点研究问题.本文首先分析了 大型复杂人机系统研究的背景及意义,进而从结构、过程和组织三个视角总结了相关领域的斫究进展,最后 对未来大型复杂人机系统结构、过程建模与组织设计方法的主要研究方向及关健科学问题进行了辰望 参考文献 [I Wagenhals T: w, Shin L, Kim D. C4ISR architectures: TIL. A structured analysis approach for architecture design J. Systems Engineering, 2000, 3(1):248-287 2 Bienvenu M P, Shin I, Levis A H. C4ISR architectures: III. An object-oriented approach for architecture designJ Systems Engineering, 2000, 3(4): 288 312 3 Erdos P, Renyi A On random graphsJ. Pub Mathematicae Debrecen. 1959. 6: 290-297 4 Watts D J, Strogatz S H Collective dynamics of 'sInlall-world'networksJ. Nature, 1998, 393(6684):440-442 Albert R, Jeong H, Barabasi A L. Internet-diameter of the world-wide webJ. Nature, 1999, 401(6749): 130-131 6 Barabasi A L, Albert R. Emergence of scaling in random networksJ] Science. 1999, 286(5439 ): 509-512 车宏安,顾基发.无标度网络及其系统科学意义[J系统工程理论与实践,2004,24(4):11-16 Che h a, Gu J F. Scale-free networks and their significance for systems science. Systems Engineering - Theory Practice, 2004, 24(4): 11-16 8]陈禹.人类对于网络的认识的新发展!J.系统辩证学报,205.13(4):18-22 Chen Y New progress on the network for the human being[J] Journal of Systemic Dialectics, 2005, 13(4) 18-22 ⑨]史定华网络——探索复杂性的新迩径!J系统工程学报,205、20(2):115-19 Shi D H. Networks- A new approach for exploring complexity[J]. Journal of System Engineering. 2005, 20(2) 115-119 10姜璐,刘琼慧.系统科学与复杂网络研究!J系统辩证学学报,2005,13(4):1417. Jiang L, Liu Q H. Research on systems science and complex networks[J]. Journal of Systemic and Dialectics 2005,13(4):14-17 1]汪小帆,李翔,陈关荣.复杂网络理论及其应用[M].北京:清华大学出版社,2006 12]方锦清,汪小帆,郑志刚,等.一门崭新的交叉科学:网络科学(上)团J.物理学进展,2007,27(3):239343 Fang J Q, Wang X F, Zheng Z G, et al. New interdisciplinary science: Networks science(I)[J. Progress in Physics,2007,27(3):239343 13]方锦清,汪小帆,郑志刚,等.一门崭新的交叉科学:网络科学(下){J.物理学进展,2007,27(4):361-448 FangJQ. Wang X F, Zheng Z G, et al. New interdisciplinary science: Networks science (If)J. Progress in Physics,2007,27(4):361-448 14 Albert R, Barabasi A L. Statistical Mechanics of conplex networksJ. Rev Mod Phys, 2002, 74(1):47-51 系统工程理论与实践 第31卷 15 olex nctworks[J]. Naturc, 2001, 410: 268-276 16 Curtis B, Kellner M, Over J. Process modeling J. Commun ACM, 1992, 35(9): 75-90 [17 Jones R M. An introduction to cognitive architectures for modeling and simulation[C]/ /Interservice/ Industry Training, Simulation, and Education Conference(I/ITSEC), 2004 18 Laird J E, Newell A, Rosenbloom P S. Soar: An architecture for general intelligence[J]. Artificial Intelligence 1987,33(1):164 19 Niels T, Christian L, John A. Modeling Paradigms in ACT-RMM. Cognitive Modeling to Social Simulation Cambridge university Press, 2006 20 Zachary WW, Ryder J M, Hicinbothom J H. Cognitive task analysis and modeling of decision making in complex environments. decision making under stress C//Implications for Training and Simulation, Washington DC: American Psychological Association, 1999 21 Klein G. A recognition-primed decision(RPD)model of rapid decision making C//Klein G, Orasanu J, Calder- wood R. Decision Making in Action: Models and Methods, Ablex Publishing Corporation, Norwood, NJ, 1993 22 Feigenbaum E A, Feldman J. Computers and Thought M. New York: McGraw-Hill, 1963 23 Valiant L G. a theory of the learnable. ACM Machine Learning 1981, 27(11):1134-11412 24 Stuart R, Peter N. Aritificial Intelligence-A Modern Approach M. 2nd ed. Prentice Hall Press, 2003 25Mason CR, Moffat. L. Representing the C2 process in simulat ions: Modelling the human decision-maker[Cl// Proceedings of the 2000 Winter Simulation Conference, 2000 26 Rumbaugh J, Jacobson I, Booch G. The Unified Modeling Language Reference Manual[M. AddisOIl-Wesley, 999 27 Weske M. Business Process Management: Concepts, Languages, Architectures M. Springer, 2007 28 Gronau N, Muller C, Korf R. KMDL-Capturing, analysing and improving knowledge-intensive business pro- cesses J. Journal of Computer Science, 2005, 4 29 Schonenberg H, Mans R, Russell N, et al. Process flexibility: A survey of contemporary approaches[C//Lecture Notes in Business Information Processing, Springer-Verlag, Berlin, 2008 30 Dadam P, Reichert M. The ADEPT project: a decade of research and development for robust and fexible process support challenges and achievements J. Computer Science Research and Development, 2009, 23(2):81 97 31 Burmeister A, Copaciu F, Rimassa G. BDI-agents for agile goal-oriented business processes[C//Proc of 7th Int Conf on Autonomous Agents and Multiagent Systems, 2008 32 IEEL Computer Society. IEEE Standard for Modeling and Simulation(M&s) Iligh Level Architecture(IILA)S IEEE Std 1516.1-2000. IEEE Press. 2000 133Kleppe A, Warmer J, Bast W. MDA Explained: The Model Driven Architecture TM Practice and Promise(M Addison Wesley, 2003 34 European Space Agency. SMP 2.0 Handbook Issue 1 Revision 2 Z. EGOS-SIM-GEN-TN-0099, 2005 35 Corkill DD, Lesser V R. The use of meta-level control for coordination in a distributed problem solving net work Cl//Proceedings of the Eighth International Joint Conference on Artificial Intelligence. 1999 36 Borchert. A,Jones J H. Organizationa.I fitness of a proposed network cent ric organization(Cl/Proceedings of the Command and Control Research and Technology Symbosium, Newport, 1999 37 Fulk J, DeSanctis G. Electronic communications and changing organizational forms[J]. Organization Science 1995.6:337349 38 Brown S, Eisenhardt K. Thc art of continuous change: Linking complexity thcory and timc-paccd cvolution in relentlessly shifting organizations[J]. Administrative Science Quarterly, 1997, 42: 1-34 39 Shehory O, Sycara K, Chalasani P, et aL. Agent cloning: An approach to agent, mobility and resource allocation [J IEEE Communications, 1998, 36(7): 58-67 40 So Y, Durfee E H. Modeling and designing computational organizations(Cl//Working Notes of the AAAI Spring ymposium on Comput ationa l Organiza tion Design, 1994 41 Ishida T, Yokoo M. Gasser L An organizational approach to adaptive production systems[Cl//National Confer ence on Artificial Intelligence, 1990 42 Corkill DD, Lesser V R. The use of meta-level control for coordination in a distributed problem solving net- work[Cl/ Proceedings of the Eighth International Joint Conference on Artificial Intelligence, Karlsruhe, Germany, 43]Turner R, Turner E. Organization and reorganization of autonomous oceanographic sampling networks[C// Procccdings of the Ieee Intcrlational Confcrcncc on Robotics and Automation. 19 8 44 Horling B, Benyo B, Lesser V. Using self-diagnosis to adapt organizational structures[Cl//Proceedings of the Fifth International Conference on Autonomous Agents. 2001 45 Wong S, Burton R M. Virtual teams: What are their characteristics, and impact on team performanceJ CoInputational and MathInatical Organization Theory, 2001, 6(4):339-360 增刊1 谭跃进,等:大型复杂人机系统结构、过程建模与组织设计方法硏究现状与展望 81 46 Kim J, Burton R M. The offect of structure and uncertainty on the cfficicncy of a tcam-based project J. Com putational and Mathematical Organization Theory, 2000, 7(3):20-28 47 Reibman A, Nolte L W. Design and performance comparison of distributed detection networks. IEEE Trans Aerosp and Electr Syst, 1987, 23: 789-796 48 Papastavrou J D, Athans M. On optimal distributed detection architectures in a hypothesis testing environ- ment[J. IEEE Transactions on Automatic Control, 1992, 37: 1154-116s 49 Pete A, Pattipati K R, Kleinman D L. Distributed detection in teams with partial information: A normative- descriptive model J. IEEE Trans Syst, Man, Cybern, 1993, 23: 1626 1648 50 Tang Z B. Pattipati K R, Kleinman D L. Optimization of distributed detection networks: Part II. Generalized tree struct..J. IFF F Transactions on Systems, Man and Cybernetics, 1993, 23: 211-221 51 Carley K M, Lin Z Organizational design suited to high performance under stress[J. IEEE Transactions on Systems, Man, and Cybernetics, 1995, 25: 221-231 52 Levchuk G M, Kleinman D L, Ruan S, et al. Congruence of human organizations and missions: Theory versus data Cl//International Command and Control Research and Technology Symposium, Washington, DC, June 2003 53 Diedrich F J, Entin EE, Hutchins S G, et al. When do organizations need to change (Part I)? Coping with incongruence [C//Proceedings of the Command and Control Research and Technology Symposium, Washington 54 Entin E E, Diedrich F J. Kleinnanl D L, et al. When do organizations need to change (Part II)? Incongruence in action [Cl// Proceedings of the Command and Control Research and Technology Symposium, Washington, 2003

...展开详情
img
  • 至尊王者

    成功上传501个资源即可获取

关注 私信 TA的资源

上传资源赚积分,得勋章