基于智能Agent的电子商务知识管理

通过运用智能Agent技术解决了客户知识获取的问题.建立了基于智能Agent的电子商务知识管理框架,运用买方Agent获取客户知识,卖方Agent检索相匹配的产品信息;还运用ontology对产品和客户进行建模,并构造了基于ontology的产品分类学习算法.最后,通过原型的验证证明智能Agent技术能够有效地获取客户知识,也提高了产品信息检索的精度与速度.研究结果为电子商务环境下的客户知识管理提供了新思路.     

MAS中基于Ontology的知识表示与推理研究

采用基于Ontology的知识表示方法,解决多Agent的知识表示和共享问题,实现知识的自动推理和获取,实现多Agent之间语义理解,体现Agent的智能特征.在多Agent原型旅游系统中,采用OWL描述Ontology定义相关领域的知识表示与推理,为Agent之间的学习、协商,进一步交互通信打下基础.     

一种BDI Agent的多线程实现方法

Agent BDI结构的实现是多Agent系统开发中的难点之一。本文研究了理性BDI模型，提出并实现了一种AGENTFRAME结构，其中明确表示了Agent的信念、愿望和意图，以该结构为模板所生成的Agent能够长期持续地自主运行，完成推理和协作等多种智能行为。     

基于情境演算的智能体结构

Agent结构的建立是Agent研究的重要内容.尝试着结合BDI结构和情境演算的优点,提出了一个能够刻画Agent的多种特征,尤其是自主性的智能体结构AASC(Agent architecture based on situation calculus).此结构既能表示Agent的信念、目标、策略等心智状态,又能进行行动推理和规划,为解释Agent的自主性、建构不同类型的Agent提供了统一的平台.     

基于事件驱动的BDI Agent可复用实现框架

基于推理理论的BDI Agent理论模型因为其描述过于抽象而难以用常规的方法实现。分析了Agent与对象的区别与联系,将Agent视为有自主能力的、基于对象实现的软件进程和线程,将BDI Agent的信念、愿望和意图转换为面向对象可实现的信念对象、事件和计划,并采用设计模式设计了BDI Agent的可复用对象实现框架。     

知识Agent在农业决策系统中的应用研究

针对农业领域多Agent系统的特点,本文利用一种基于知识的Agent模型,该模型以知识为核心,以本体作为内部知识表示方法.在农业领域多Agent系统的设计中,采用基于黑板模型的通信方法,避免了复杂的会话层的通信设计.在知识的决策过程中,将本体与当前成熟的基于规则的推理技术相结合,使农业多Agent系统更加灵活和智能.     

BDI Agent推理模型的研究

文章提出了基于环境感知的具有推理能力的BDI Agent模型。并通过引入环境感知函数、意见函数、过滤函数、行为函数对环境的变化和Agent自身推理过程进行研究。在此基础上,通过积木世界的具体实例加以说明。     

知识获取模型的设计与探讨

介绍了MAS的组成和BDI Agent的结构,在此基础上提出了基于动态信任的MAS知识获取模型,并给出了基于模态逻辑的知识获取形式化框架,最后用形式化框架对知识获取模型进行了描述.     

基于知识本体的协商Agents模型研究

知识本体具有知识共享,再利用和规则推理的能力,基于知识本体构建协商Agent模型,使协商Agent与特定的协商语言．协商协议和协商议题分离,解决异构Agent之间协商问题。     

一种关于Agent的模糊认知逻辑

由于经典逻辑不能表示模糊事实,而且Agent也不能利用经典逻辑的方法从模糊事实里获取知识,为了克服经典逻辑方面的不足,提出了一种关于Agent的模糊认知逻辑.首先,介绍了模糊认知逻辑和规则,该方法用数字来表示模糊事实,用模糊逻辑来获取知识.其次,引入了一种反向推理逻辑,利用该方法研究了条件和结论的相关性.最后,主要介绍Agent采用模糊认知逻辑获取知识的过程.