高校圖書館數(shù)字資源多目標協(xié)同智能優(yōu)化配置模型研究

孔云 黃洛鋒 資蕓 鄭磊 田春燕

摘 要 論文針對高校數(shù)字資源配置問題，首先設計了研究所需的多目標協(xié)同體系;然后設計了數(shù)字資源優(yōu)化配置的多智能體決策框架，將多智能體的主體決策行為與遺傳進化算子相結(jié)合，構(gòu)建了多種約束條件下的數(shù)字資源智能優(yōu)化配置模型;最后精選了昆明理工大學圖書館2018年部分數(shù)字資源數(shù)據(jù)進行了模擬實證分析。結(jié)果表明：模型能夠合理地對研究對象的資源種類占比和類內(nèi)數(shù)據(jù)庫的配置數(shù)量進行多目標協(xié)同優(yōu)化，資源配置的結(jié)構(gòu)和質(zhì)量得到了較為明顯的改善，能夠協(xié)調(diào)不同主體對數(shù)字資源的需求，并明顯提高了數(shù)字資源多目標評價之間的協(xié)同水平。

關鍵詞 數(shù)字資源;多智能體;遺傳算法;優(yōu)化配置;多目標協(xié)同

分類號 G258.6

DOI 10.16810/j.cnki.1672-514X.2022.06.003

Research on Multi Objective Collaborative Intelligent Optimal Allocation Model of Digital Resources in University Library

Kong Yun， Huang Luofeng， Zi Yun， Zheng Lei， Tian Chunyan

Abstract Aiming at the problem of digital resource allocation in universities， this paper first designs the multi-objective cooperation system needed for the research. Then， a multi-agent decision-making framework for the optimal allocation of digital resources is designed. The multi-agent decision-making behavior is combined with genetic evolution operator to construct the intelligent optimal allocation model of digital resources under various constraints. Finally， some digital resource data of Kunming University of Technology Library in 2018 are selected for simulation and empirical analysis. The results show that the model can reasonably carry out multi-objective collaborative optimization on the proportion of resource types of the research object and the allocation quantity of database within the class， the structure and quality of resource allocation have been significantly improved， the needs of different subjects for digital resources can be coordinated， and the collaborative level of multi-objective evaluation of digital resources has been significantly improved.

Keywords Digital resources. Multi-Agent. Genetic algorithm. Optimized allocation. Multi-objective collaboration.

高校圖書館作為大學的文獻資源保障中心，是師生全面開展教學科研活動的基礎性陣地和進行科技創(chuàng)新活動的重要平臺。數(shù)字資源作為高校圖書館文獻資源的重要組成部分，每年的采購金額、數(shù)量和種類都在顯著的變化增長[1]。據(jù)2020年中國高校圖書館基本統(tǒng)計數(shù)據(jù)報告顯示，2020年電子資源購置費占館均文獻資源購置費的56.8%（2019年是54.6%），均值與比例自2006年以來基本上呈抬升趨勢，僅在2019年發(fā)生下滑，2020年便恢復上升，表明電子資源的需求相當強勁[2]。如何科學合理地進行數(shù)字資源的評估和決策，從而配置滿足學校教學科研活動所需的各類數(shù)字資源，是高校圖書館決策層面臨的重要課題。

1 研究現(xiàn)狀分析

目前，針對數(shù)字資源的優(yōu)化配置問題，已有學者從配置原則、評價指標體系和評價方法建模等角度開展了較為廣泛的探索。研究普遍贊同數(shù)字資源的配置應該遵循整體性、優(yōu)先性、協(xié)調(diào)性、以讀者為中心等原則。評價指標體系是構(gòu)建數(shù)字資源優(yōu)化配置的基礎，肖瓏[3]等率先從數(shù)字資源內(nèi)容、檢索系統(tǒng)及功能、使用情況、資源的價值與成本核算、數(shù)據(jù)庫商服務和存檔六個維度建立了數(shù)字資源的一級評價指標體系，為后續(xù)學者[4-5]開展研究提供了具有參考價值的基礎性模型;向林芳則從數(shù)字資源的投入和產(chǎn)出的角度，構(gòu)建了數(shù)字資源投入產(chǎn)出績效評價指標體系[6]。也有一些學者開展了將信息評價理論和優(yōu)化模型應用于數(shù)字資源評價體系的研究，較典型的有層次分析法[7]、網(wǎng)絡分析法[8]、系統(tǒng)動力學模型[9]、信息生態(tài)理論[10]等方法。但是，綜觀目前的研究現(xiàn)狀，主要集中在指標體系的選擇和合理性探索，并基于一定的評價指標體系開展數(shù)字資源的相關統(tǒng)計學指標的研究方面。從構(gòu)建數(shù)字資源的多目標優(yōu)化體系，采用智能算法融合決策主體的選擇偏好，同時考慮政策法規(guī)、高校學科特色等邊界約束條件建立智能優(yōu)化模型，并對模擬優(yōu)化結(jié)果進行評價的相關研究并不多見。

事實上，數(shù)字資源的優(yōu)化配置問題可以看作是一種帶邊界約束條件的多目標協(xié)同優(yōu)化配置問題[11]。即：針對某高校的當前及中遠期發(fā)展目標和學科特色，考慮教育部等有關部門的政策規(guī)定紅線及相關的教學科研評估指標，結(jié)合圖書館實際的采購經(jīng)費和預算，兼顧學科專家、具有一定影響力的學者的建議，以及本碩博學生的實際需求等多種約束條件，從數(shù)字資源的種類分布及數(shù)量、數(shù)據(jù)庫的成本與價值評估等方面建立多目標協(xié)同評價指標體系，然后建立系統(tǒng)性的科學優(yōu)化模型，最后根據(jù)數(shù)字資源的評價指標數(shù)據(jù)進行模擬計算，獲得數(shù)字資源的優(yōu)化配置方案，最終為決策提供科學合理的指導依據(jù)。

研究表明，采用智能算法建立模擬優(yōu)化模型是當前解決多目標優(yōu)化問題的主要方法[12]。智能優(yōu)化模型（如多智能體系統(tǒng)）采用自下而上的策略，能夠從局部上模擬多種數(shù)字資源利用主體的決策過程;而遺傳算法則采用自上而下的策略，能夠從優(yōu)化目標的整體利益出發(fā)，獲得一系列Pareto最優(yōu)解[13]。為此，本文擬在遺傳算法中引入多智能體決策主體，從而建立基于遺傳算法和多智能體系統(tǒng)的圖書館數(shù)字資源多目標協(xié)同優(yōu)化配置模型，并開展模擬實證研究工作。

2 基于多智能體遺傳算法的數(shù)字資源優(yōu)化配置模型

基于多智能體系統(tǒng)與遺傳算法的數(shù)字資源優(yōu)化配置模型框架如圖1所示，多智能體系統(tǒng)用來模擬參與數(shù)字資源規(guī)劃與采購的決策主體，遺傳算法在多智能體的輔助下計算得到Pareto最優(yōu)的數(shù)字資源配置方案。

算法采用二維編碼來表征數(shù)字資源，染色體對應數(shù)字資源配置方案，基因表征一個個具體的數(shù)據(jù)庫系統(tǒng)。遺傳算法為多智能體系統(tǒng)的決策提供了計算結(jié)果，染色體表征的數(shù)據(jù)庫系統(tǒng)通過多目標協(xié)同體系和多種約束條件獲得綜合分析評價結(jié)果，它們被數(shù)字資源規(guī)劃多智能體分析與感知。多智能體系統(tǒng)中主體的意見及決策行為也影響著染色體，兩者之間形成相互作用關系。多智能體通過數(shù)字資源規(guī)劃來初始化染色體，其決策行為作用于遺傳優(yōu)化配置算子中，以優(yōu)化數(shù)字資源配置方案;多智能體的目標與約束構(gòu)成了模型的目標體系與約束體系，并轉(zhuǎn)化為遺傳算法的適應度函數(shù)，以指導算法生成最優(yōu)的數(shù)字資源配置方案，實現(xiàn)數(shù)字資源在資源種類及數(shù)量、檢索系統(tǒng)功能、數(shù)字資源成本與價值、數(shù)據(jù)庫商服務質(zhì)量、數(shù)字資源綜合收益等多目標協(xié)同下的Pareto最優(yōu)配置方案。

2.1 數(shù)字資源規(guī)劃多智能體

根據(jù)數(shù)字資源規(guī)劃及采購的基本流程，將數(shù)字資源規(guī)劃決策的主體分為圖書館、數(shù)據(jù)庫商、讀者三種類型的Agent。

2.1.1 圖書館Agent

圖書館Agent獲取數(shù)據(jù)庫商及讀者Agent的請求與反饋，并采用公式（1）協(xié)調(diào)其沖突。

（1）

公式（1）中，Ct（i，j）表示單元（i，j）上t類電子數(shù)據(jù)庫的競爭度，Ud（i，j，t）與Up（i，j，t）分別表示t類電子數(shù)據(jù)庫對數(shù)據(jù)庫商Agent和讀者Agent的效用函數(shù)，表示讀者參與度[0，1]，讀者參與度越高的數(shù)據(jù)庫其競爭力越強。當數(shù)據(jù)庫商Agent或讀者Agent的效用函數(shù)值越大，則圖書館Agent采購t類數(shù)字資源中的數(shù)據(jù)庫（i，j）的概率就會越大，以體現(xiàn)圖書館充分考慮數(shù)據(jù)庫商和讀者的意愿。模型通過對競爭度的調(diào)整來模擬該過程，以實現(xiàn)多智能體間的反饋作用。

（2）

公式（2）中，表示調(diào)整后的競爭度，是數(shù)據(jù)庫商對數(shù)據(jù)庫（i，j，t）的推銷次數(shù)，是每次推銷時增加的競爭度大小;是讀者對數(shù)據(jù)庫（i，j，t）的推薦次數(shù)，是每次推薦時增加的競爭度大小。

2.1.2 數(shù)據(jù)庫商Agent

數(shù)據(jù)庫商Agent代理或銷售各種電子數(shù)據(jù)庫，他們向圖書館Agent推銷各種數(shù)字資源，在圖書館Agent的統(tǒng)一協(xié)調(diào)下，以各種方式向讀者進行宣傳，形成競爭性推銷。研究采用隨機動態(tài)模型及離散選擇模型來模擬數(shù)據(jù)庫商Agent之間的競爭行為，針對某類資源t選擇數(shù)據(jù)庫商Agent推銷的電子數(shù)據(jù)庫（i，j）的概率表述為公式（3）。

公式（3）中，Rneigh表示針對t類資源參加競爭的數(shù)據(jù)庫的數(shù)量，Sijt表示t類資源中數(shù)字資源（i，j）的適宜度（競爭力）。

2.1.3 讀者Agent

讀者Agent包括專職教師、高校在讀學生和其他讀者，他們是數(shù)字資源的主要使用群體，根據(jù)自己的需要、喜好等向圖書館Agent推薦每種數(shù)字資源。讀者Agent推薦每種數(shù)字資源的行為采用隨機動態(tài)模型及離散選擇模型進行模擬，t類資源中數(shù)字資源（i，j）被讀者推薦的概率選擇公式為：

公式（4）中，Qijt表示讀者針對t類資源電子數(shù)據(jù)庫（i，j）的接受程度。

2.2 數(shù)字資源優(yōu)化配置多目標體系

模型在前期及前人的研究基礎上設計了每個電子數(shù)據(jù)庫或平臺的5類目標評價函數(shù)。

（1）數(shù)字資源種類及數(shù)量評價。此目標函數(shù)主要提取資源收錄總體情況、資源收錄時限范圍、資源收錄地域范圍、本校學科覆蓋率、權(quán)威出版物收錄情況、全文收錄情況、資源更新頻率等二級指標進行計算評價。

（2）資源檢索系統(tǒng)功能評價。此目標函數(shù)主要提取系統(tǒng)檢索方式、檢索技術、檢索效果、檢索速度、系統(tǒng)穩(wěn)定性、界面友好性、系統(tǒng)可擴展性、并發(fā)用戶和后臺統(tǒng)計功能等二級指標進行計算評價。

（3）資源的成本與價值評價。此目標函數(shù)主要提取數(shù)字資源價格、價格上漲幅度、認證成本、檢索成本、全文下載成本、軟硬件投入成本、系統(tǒng)更新成本等二級指標進行計算評價。

（4）數(shù)據(jù)庫商服務質(zhì)量評價。此目標函數(shù)主要提取資源傳遞方式、資源使用期限、訪問權(quán)限、使用統(tǒng)計報告、宣傳培訓服務、故障排除速度、客戶訪問等二級指標進行計算評價。

（5）數(shù)字資源使用效果評價。此目標函數(shù)主要提取電子數(shù)據(jù)庫產(chǎn)生的讀者系統(tǒng)登錄次數(shù)、資源檢索次數(shù)、人均使用次數(shù)、人均全文下載量等二級指標進行計算評價。

由此產(chǎn)生數(shù)字資源綜合評價的目標函數(shù)計算公式F為：

（5）

公式（5）中，表示數(shù)字資源種類及數(shù)量評價函數(shù)，依次到表示數(shù)字資源使用評價函數(shù)，

表示的權(quán)重系數(shù)，且。

2.3 數(shù)字資源優(yōu)化配置約束體系

高校數(shù)字資源的采購、配置、優(yōu)化受到多種條件的約束，主要包括教育部的宏觀政策紅線及學科評估指標、學校預算及實際采購經(jīng)費控制、學校學科配置及重點學科分布、學校類型及辦學特色等方面。數(shù)字資源的約束體系對資源的多目標評價函數(shù)既有宏觀的指導作用，又形成微觀上的控制效果。

2.4 模型優(yōu)化配置操作

模型的優(yōu)化配置操作步驟如圖2所示。首先，數(shù)據(jù)庫商Agent與讀者Agent對當前數(shù)字資源配置現(xiàn)狀及優(yōu)化方案進行觀察分析，根據(jù)隨機效用模型與離散選擇模型進行資源配置優(yōu)化建議，并向圖書館Agent提出具體的建議。圖書館Agent根據(jù)規(guī)劃，依據(jù)競爭度函數(shù)協(xié)調(diào)和更新電子數(shù)據(jù)庫的競爭度。根據(jù)遺傳算法的特點，模型設計了選擇、交叉、變異3類智能體遺傳優(yōu)化配置算子，實現(xiàn)配置方案的優(yōu)化。模型依據(jù)數(shù)字資源優(yōu)化目標評價體系和約束體系對新一代的配置方案進行評價，重復以上過程進行迭代計算直到滿足程序終止的條件，最后輸出一系列數(shù)字資源配置的Pareto最優(yōu)方案集。

其中，模型采用二級智能選擇算子，一級選擇算子在染色體種群完成交叉及變異后，利用輪盤賭準則篩選出適應度較高的染色體作為下一代交叉，二級選擇算法則對比交叉或變異前后的染色體，只保留更優(yōu)的染色體，用以提高算法的搜索效率。智能交叉算子主要用于調(diào)整數(shù)據(jù)庫商Agent及讀者Agent與當前數(shù)字資源配置方案之間的矛盾，避免出現(xiàn)電子數(shù)據(jù)庫選擇與當前圖書館數(shù)字資源規(guī)劃之間的矛盾。智能變異算子主要解決同類資源下功能相似的電子數(shù)據(jù)庫之間的沖突，采用競爭度函數(shù)構(gòu)建電子數(shù)據(jù)庫選擇概率函數(shù)，使用輪盤賭方法解決競爭沖突，如公式（6）所示：

3 模型模擬實驗設計

模擬實驗以昆明理工大學學科發(fā)展現(xiàn)狀和圖書館2018年的數(shù)字資源采購數(shù)據(jù)為基礎，設計開展驗證模型可行性和有用性所需的電子數(shù)據(jù)庫數(shù)據(jù)、多目標計算指標和多種約束體系。

3.1 實證模擬研究對象概況及定義

隨著國家一流大學建設和一流學科培育發(fā)展戰(zhàn)略的提出，昆明理工大學在發(fā)展目標、發(fā)展層次、辦學規(guī)模和學科優(yōu)化等方面不斷尋求創(chuàng)新和突破，客觀上促使圖書館數(shù)字資源的采購經(jīng)費不斷攀升，數(shù)字資源種類不斷豐富，采購體量不斷擴大。學校發(fā)展目標的調(diào)整和學科優(yōu)勝劣汰的動態(tài)更迭，使得圖書館進行數(shù)字資源配置的更新、優(yōu)化等工作更為緊迫，同時具有更強烈的現(xiàn)實意義。

昆明理工大學圖書館目前共有各類電子數(shù)據(jù)庫150多個，學科范圍涵蓋社會科學、人文藝術、自然科學、工程技術各個方面，形成了以理工為特色的多學科、多層次、多類型的專業(yè)文獻資源體系。根據(jù)2018年的采購資料，將數(shù)字資源分為中文期刊全文數(shù)據(jù)庫、外文期刊全文數(shù)據(jù)庫、中外文電子圖書數(shù)據(jù)庫、檢索工具數(shù)據(jù)庫、中外文學位論文數(shù)據(jù)庫、發(fā)現(xiàn)系統(tǒng)平臺、多媒體資源數(shù)據(jù)庫、其它中外文綜合數(shù)據(jù)庫等8類資源。由于數(shù)字資源的優(yōu)化配置受采購經(jīng)費、資源類別配置比例等多條件約束，為了統(tǒng)籌考慮多個評價指標的多目標協(xié)同優(yōu)化問題，本研究在模擬實驗中將上述每一類數(shù)字資源可采購的電子數(shù)據(jù)庫個數(shù)定義為無窮大。

3.2 多目標計算指標設計

實驗依據(jù)2.2設計的多目標協(xié)同體系，根據(jù)計算指標的代表性和可獲得性原則，設計了26個計算指標以反映每個電子數(shù)據(jù)庫的多目標協(xié)同綜合價值。根據(jù)指標性質(zhì)分類，由11個定性指標和15個定量指標構(gòu)成。考慮到數(shù)字資源的多目標評價是一種人為的主觀判斷，主觀賦權(quán)法具有其科學合理性，其實用性要強于客觀賦權(quán)法[4，7]，故本文采用AHP法確定準則層及各指標層的權(quán)重。計算過程采用層次分析法輔助軟件YAAHP（v10.0），其計算結(jié)果見表1。

3.3 多目標約束體系設計

根據(jù)決策的實際情況，在進行數(shù)字資源采購時，會受到多種條件的約束，歸納起來可以分為定性和定量兩種約束條件。典型的定量條件包括學校當年的采購經(jīng)費預算，通常是設置采購經(jīng)費的最大預算值，以及根據(jù)學校學科發(fā)展、學科評估、兼顧各類讀者的不同需求和科學研究的需要，每一類數(shù)字資源的采購數(shù)量會設置一定的閾值，通常設置資源類型采購個數(shù)的最小閾值，如表2所示。典型的定性條件包括決策主體的選擇偏好、教育部等有關部門規(guī)定的政策紅線形成的白名單列表，白名單是指必須納入當年的采購計劃中的數(shù)據(jù)庫或系統(tǒng)平臺。

3.4 數(shù)據(jù)來源及標準化處理

實驗精選昆明理工大學圖書館2018年數(shù)字資源部分相關數(shù)據(jù)。為了研究的需要，圖書館已采購的資源和使用數(shù)據(jù)，均來自當年的統(tǒng)計數(shù)據(jù);圖書館沒有購買的數(shù)據(jù)庫，來自數(shù)據(jù)庫商提供的國內(nèi)同一水平三個高校圖書館的綜合參考數(shù)據(jù)。為了規(guī)避可能的風險，在不影響研究效果的前提下，所有數(shù)據(jù)均做了一定的加工處理。

由于評價指標代表的內(nèi)涵不一，對26個評價指標數(shù)據(jù)進行無量綱化處理，即將所有指標都轉(zhuǎn)化為區(qū)間為[0，1]中的某個數(shù)值。研究涉及的定量指標由統(tǒng)計數(shù)據(jù)獲得，定性指標采用Bipolar區(qū)間尺度的10點標度法賦值[8]。本文采用極差化方法實現(xiàn)各評價指標數(shù)據(jù)的無量綱化處理。其中，效益型指標和成本型指標的計算方法分別為公式（7）和公式（8）：

公式（7）和公式（8）中，為某個數(shù)據(jù)庫第i項指標的無量綱化值，為某數(shù)據(jù)庫第i項指標的原始數(shù)據(jù)值，和分別為所有候選電子數(shù)據(jù)庫中第i項指標的原始數(shù)據(jù)的最大和最小值。效益型指標采用式（7），指標值越大表明評價結(jié)果越好，成本型指標采用式（8），指標值越小表明評價結(jié)果越好。

4 模擬優(yōu)化結(jié)果與分析

4.1 實驗方法及參數(shù)設置

利用第2節(jié)設計的模擬數(shù)據(jù)集、多目標計算指標、多目標約束體系，對各種指標數(shù)據(jù)進行標準化處理后，用第1節(jié)設計的智能優(yōu)化模型和算法對數(shù)字資源配置進行多目標協(xié)同優(yōu)化配置模擬試驗。智能算法采用安徽大學生物智能與知識發(fā)現(xiàn)研究所開發(fā)的進化多目標優(yōu)化平臺PlatEMO-3.1中的NSGA-III算法[14]，其中，算法的種群大小為100，迭代次數(shù)為60，變異率為0.03，交叉率為0.1。根據(jù)情況，為不同主體設置不同的優(yōu)勢度：圖書館Agent為1，數(shù)據(jù)庫商Agent為0.7，讀者Agent為0.8。競爭度增加值由專家法進行確定（數(shù)據(jù)庫商Agent 0.2，讀者Agent 0.2）。算法根據(jù)表1中各電子數(shù)據(jù)庫的評價指標和多目標評價計算公式（5）得到每個參與競爭的數(shù)據(jù)庫的綜合評價值，設定評分結(jié)果集合T={差，中，良，優(yōu)}={[0，0.6），[0.6，0.7），[0.7，0.85），[0.85，1.0]}為評價依據(jù)，并淘汰綜合評價結(jié)果為差的電子數(shù)據(jù)庫。多目標優(yōu)化配置結(jié)果采用Pareto非支配解的概念來比較不同優(yōu)化結(jié)果的差異，隨著算法迭代次數(shù)的增加，非支配解的各目標值逐漸提升并收斂。實驗選取1個具有代表性的Pareto非支配解進行優(yōu)化配置前和優(yōu)化后的結(jié)果比較與分析。

4.2 優(yōu)化結(jié)果分析

4.2.1 總體情況分析

根據(jù)優(yōu)化配置統(tǒng)計結(jié)果，優(yōu)化后各類數(shù)字資源的數(shù)量和金額統(tǒng)計變化如表3所示：從數(shù)字資源數(shù)量配比來看，學位論文數(shù)據(jù)庫、發(fā)現(xiàn)系統(tǒng)平臺、多媒體資源數(shù)據(jù)庫的數(shù)量保持不變，中文期刊全文數(shù)據(jù)庫和電子圖書數(shù)據(jù)庫各減少1個，外文期刊全文數(shù)據(jù)庫減少4個，其它綜合類數(shù)據(jù)庫減少5個，而檢索工具類數(shù)據(jù)庫增加了3個;從采購經(jīng)費變化來看，數(shù)字資源采購總金額從優(yōu)化前的10 272 674元降為優(yōu)化后的9 935 273元，一共減少337 401元。

4.2.2 數(shù)據(jù)庫質(zhì)量變化分析

深入分析數(shù)據(jù)庫的具體變化情況發(fā)現(xiàn)，數(shù)據(jù)庫保留與出局取決于數(shù)據(jù)庫本身的多目標評價情況，多目標評價結(jié)果為優(yōu)和良的優(yōu)質(zhì)數(shù)據(jù)庫基本都能得到保留，如CNKI期刊全文數(shù)據(jù)庫、CNKI博碩學位論文庫、Elsevier SD、Springer Link期刊、中華數(shù)字書苑電子書、國研網(wǎng)數(shù)據(jù)庫、SCI（科學引文索引）、Ei（工程索引）、超星發(fā)現(xiàn)系統(tǒng)、愛迪科森就業(yè)庫等數(shù)據(jù)庫;評價結(jié)果為中的數(shù)據(jù)庫則成為優(yōu)化配置的主要對象，保留或替換取決于主體偏好、經(jīng)費、政策等一些邊界條件，如讀覽天下、西班牙建筑庫、萬方學位論文數(shù)據(jù)庫、E線圖情，其中受政策影響最為顯著的是檢索工具類數(shù)據(jù)庫ESI和InCites，為了適應教育部學科評估和雙一流學科建設的需要，為了便于掌握學校的學科發(fā)展和挖掘具有發(fā)展?jié)摿Φ膶W科，需要配置服務于雙一流發(fā)展所需的檢索工具;為了學校培育、發(fā)展、鞏固一流學科而必須購買的一些資源則被加入白名單中，如生物醫(yī)學會數(shù)據(jù)庫SinoMed、Springer Material、ACS美國化學學會數(shù)據(jù)庫;而多目標評價結(jié)果為差的數(shù)據(jù)庫基本會在優(yōu)化配置過程中遭到淘汰，如Cambridge Journals、OSA美國光學知識數(shù)據(jù)庫、ASTM期刊及標準庫、PQDT學位論文庫。

4.2.3 資源結(jié)構(gòu)變化分析

從構(gòu)成數(shù)字資源配置的8類資源整體結(jié)構(gòu)來看，外文期刊全文數(shù)據(jù)庫不論是資源配置采購數(shù)量，還是采購經(jīng)費數(shù)額，均牢牢占據(jù)第一的位置，如表3所示，數(shù)量分別是優(yōu)化前的24個和優(yōu)化后的20個，占所有資源總數(shù)的30%多，采購經(jīng)費則占數(shù)字資源整體經(jīng)費的60%左右;資源數(shù)量和采購經(jīng)費占比最小的是發(fā)現(xiàn)系統(tǒng)類平臺，優(yōu)化前后都是2個平臺，占所有資源總數(shù)的3%左右，采購經(jīng)費只占整體經(jīng)費的2%;最為穩(wěn)定的是中文期刊全文數(shù)據(jù)庫和多媒體資源類數(shù)據(jù)庫，不論是采購數(shù)量和采購經(jīng)費，甚至是類內(nèi)數(shù)據(jù)庫構(gòu)成，基本保持不變;變化最為顯著的是檢索工具類數(shù)據(jù)庫，受政策和學校發(fā)展規(guī)劃的影響，檢索類數(shù)據(jù)庫資源增加了3個，采購經(jīng)費增加了295 587元。從優(yōu)化效果來看，所有類型的資源都有不同程度的優(yōu)化，其中較為明顯的是外文期刊全文數(shù)據(jù)庫和其它綜合類數(shù)據(jù)庫，從表3可以看出，優(yōu)化后，外文期刊庫減少了4個，其它綜合類數(shù)據(jù)庫減少了5個，采購經(jīng)費則分別節(jié)約了345 028元和150 533元，分析每個數(shù)據(jù)庫的多目標評價結(jié)果發(fā)現(xiàn)，這些數(shù)據(jù)庫存在讀者使用量小、學科發(fā)展貢獻小等問題，導致在多目標評價時等級為差，最終被淘汰出局。

5 結(jié)論

研究建立了基于多智能體系統(tǒng)和遺傳算法的數(shù)字資源優(yōu)化配置模型，并選取昆明理工大學圖書館的部分數(shù)字資源設計和開展優(yōu)化過程的模擬。實驗結(jié)果表明，本文設計的模型能夠合理地兼顧數(shù)字資源的種類結(jié)構(gòu)和電子數(shù)據(jù)庫質(zhì)量之間的平衡，優(yōu)化后的數(shù)字資源配置方案具有明顯的合理性和科學性。盡管如此，模型在設計問題的多目標體系、指標選取等方面仍有廣泛的探索空間，各高校圖書館應該根據(jù)本校資源規(guī)劃特點，設計具有特色的指標體系和評價權(quán)重;同時，研究在獲取評價指標數(shù)據(jù)的完整性、全面性等方面具有一定的難度。

參考文獻：

戴建陸，馮曉麗，張嵐.高校圖書館數(shù)字資源績效評價指標選擇[J].四川圖書館學報，2018（6）：24-27.

吳漢華，王波.2020年中國高校圖書館基本統(tǒng)計數(shù)據(jù)報告[J].大學圖書館學報，2021，39（4）：5-11.

肖瓏，張宇紅.電子資源評價指標體系的建立初探[J].大學圖書館學報，2002（3）：35-42，91.

張曉靜，郭偉.圖書館電子資源的評價：指標及方法[J].長春大學學報，2007（11）：155-158.

劉爽.高校圖書館電子資源評價指標體系構(gòu)建[J].圖書館理論與實踐，2014（10）：60-63.

向林芳.高校圖書館電子資源投入產(chǎn)出績效評價體系構(gòu)建[J].圖書館建設，2010（10）：94-97.

賀梅萍.圖書館數(shù)字資源評價指標權(quán)重賦值方法概述[J].現(xiàn)代情報，2016，36（10）：68-73.

蒲筱哥，喬亞銘，胡亞敏.基于網(wǎng)絡分析法的高校圖書館電子資源服務績效評價模型及實證研究[J].大學圖書館學報，2014，32（4）：41-49.

樓雯，房小可.基于系統(tǒng)動力學的高校圖書館信息資源配置研究[J].圖書館論壇，2014，34（7）：21-27，38.

吳綺云.信息生態(tài)理論視域下數(shù)字圖書館館藏資源優(yōu)化配置研究[J].農(nóng)業(yè)圖書情報學刊，2018，30（9）：38-41.

公茂果，焦李成，楊咚咚，等.進化多目標優(yōu)化算法研究[J].軟件學報，2009，20（2）：271-289.

劉建昌，李飛，王洪海，等.進化高維多目標優(yōu)化算法研究綜述[J].控制與決策，2018，33（5）：879-887.

袁滿，劉耀林.基于多智能體遺傳算法的土地利用優(yōu)化配置[J].農(nóng)業(yè)工程學報，2014（1）：191-199.

安徽大學生物智能與知識發(fā)現(xiàn)（BIMK）研究所.platEMO進化多目標優(yōu)化平臺（V-3.1）[EB/OL].[2021-03-20].https：//github.com/BIMK/PlatEMO.

孔 云 昆明理工大學圖書館副研究館員。 云南昆明，650500。

黃洛鋒 昆明理工大學檔案館館員，云南大學歷史與檔案學院2015級博士研究生。 云南昆明，650500。

資 蕓 昆明理工大學圖書館資源與技術服務部主任，副研究館員。 云南昆明，650500。

鄭 磊 昆明理工大學圖書館館員。 云南昆明，650500。

田春燕 昆明理工大學圖書館館員。 云南昆明，650500。

（收稿日期：2021-06-23 編校：謝艷秋，曹曉文）