基于 Aglets的MAS信用研究的实验平台设计

本文在Aglet平台上开发出一个MAS可视化实验平台。该试验平台主要用于MAS系统(Multi-agentSystems)用机制研究。用户在该平台上能够方便快捷地配置出一个多Agent系统,该系统不但具有Agent与Agent,Agent实体与平台的通信,Agent与用户的交互,Agent在内外网的移动等基本功能,而且可以在Agent之间建立信用关系,可以存储记录和直观的显示交互的历史及信用信息。该系统是一个开放的系统,用户可以方便的在该系统中加入自己的安全构架,信用策略和信用相关算法。以方便快速测试新的MAS信用模型。     

基于Aglets的MA5信用研究的实验平台设计

本文在Aglet平台上开发出一个MAS可视化实验平台。该试验平台主要用于MAS系统（Mu1tiagent Systems）用机制研究。用户在该平台上能够方便快捷地配置出一个多Agent系统，该系统不但具有Agent与Agent，Agent实体与平台的通信，Agent与用户的交互，Agent在内外网的移动等基本功能，而且可以在Agent之间建立信用关系，可以存储记录和直观的显示交互的历史及信用信息。该系统是一个开放的系统，用户可以方便的在该系统中加入自己的安全构架，信用策略和信用相关算法。以方便快速测试新的MAS信用模型。     

应用记忆演化学习的Agent协商研究

在多Agent系统（MAS）环境中,协商是一个复杂的动态交互过程。如何提高协商效率,成为了研究者关注的焦点。应用记忆演化理论的强化学习思想,提出一种Agent协商算法。它与基本强化学习相比,3阶段的记忆演化的强化学习,使得Agent可以在实时回报与延迟回报间更好的做出平衡,并为Agent记忆社会化交互创造条件,使强化学习更适合MAS的要求。通过模拟实验证明该协商算法是有效性的。     

MAS交互协议的形式化描述和验证

在MAS的分析与设计中,Agent间的交互协议设计是极其重要的内容.特别是交互协议的正确性、有效性和可验证性尤为关键,因此形式化描述和验证多Agent的交互协议非常有必要.定义了用于描述多Agent基于对话的交互协议的一个演算,该演算是基于进程代数的并且独立于Agent的推理过程.该机制可以实现异构多Agent系统的交互协议验证.通过Agent会话环境的状态和演算的形式语义,可以验证会话协议的一些属性,例如:终止性、是否死锁等.该方法可以有效地解决交互协议的语义验证问题,因为协议的状态和Agent的行为由协议本身定义,并且可以避免基于状态搜索的状态空间爆炸问题.     

多 Agent 系统仿真平台

Agent和多Agent（MAS）系统目前已经逐步走向成熟化,且已经被广泛应用于系统建模、敏捷制造、网络监测等众多领域。为了能够便于Agent系统的开发,人们构建了各种Agent基础设施平台,例如已经广泛应用的JADE等。但是基于这些平台的应用大多具有平台依赖性,难于扩展和定制,无法支撑我们大规模的扩展使用。因此,将通过多Agent系统仿真平台Maze的设计与实现,着力构建出Agent系统各种基础设施的通用开发模式,包括Agent自治机制、通信机制、协作机制、协调机制等,从而便于用户在此基础上进行定制开发。另外,该平台的形象演示可以帮助初学者理解Agent的各种特性（如自治性、社会性、预动性等）,比较各种协作算法的优劣等,是一个很好的入门学习工具。     

一种基于BDI Agent的复杂系统设计建模方法

提出一种通过信念一愿望一意图(BDI)结构实现多Agent系统设计建模的方法．多Agent系统设计建模的目的是具体地模型化多Agent组织中承担不同组织职能的每一类Agent的结构，使其易于在现有的程序设计语言环境中实现，在该方法中，多Agent系统的设计建模需要建立三个模型：Agent模型、相互作用模型和相识者模型．Agent模型由信念、目标、计划三个基本子模型构成，这些子模型是根据分析阶段所获得的职能模型、协同工作过程模型以及领域本体来建立的，MAS系统中的每一Agent都是Agent模型中某一类Agent的一个实例．相互作用模型主要说明Agent之间的交互细节，如交互协议、交互语言、交互约束条件等．相识者模型说明每一类Agent的所有相识者及其属性，目前通过这一建模方法已在多智能体协同工作平台(MBOS)上开发出实际的应用系统“多智能体物资调配决策支持系统MAEDSS”。     

多Agent的交互研究

Agent间进行协作的基础是交互,采用何种交互模型关系到能否有效地实现Agent的交互能力,RASA是2007年Tim Miller提出的一个MAS（multi-agent system）交互协议框架,这个框架已被证明可以更好的促进MAS的交互,并通过一个协商协议实例来展现RASA良好的特性。     

基于着色Petri网的多Agent交互

在多Agent系统（MAS）中,Agent通过遵循交互协议的信息交换来进行交互,而大多数的Agent交互协议是在Agent设计时事先绑定的,这大大降低了Agent之间交互的灵活性。文章给出了一种灵活的创建Agent之间交互协议的方法,通过此方法,Agent不但可以分析自身是否可以使用创建的新协议进行交互,还可以分析使用新协议是否更有利于实现其自身目标。     

面向多Agent的分布式仿真平台

面向多Agent(Multi-Agent System,简称MAS)的建模仿真技术是当前最具有活力和影响力的方法之一。为了研究面向多Agent的仿真,针对目前业界其它仿真平台"仿真通用性和建模便捷性不兼顾"的问题,该"面向多Agent的分布式仿真平台"进行了一个仿真平台的框架设计,描述了一个采用多Agent技术的、结合"建模、部署、仿真"功能为一体的分布式平台,提出了一个通用的解决方案,即允许用户创建多Agent模型,而由平台提供分布式仿真支持。实验证明,分布式仿真平台可由用户方便地配置仿真场景,并生成具体案例。最后通过分布式环境和单机环境性能的对比,证明了MADSP仿真平台的正确性和高效性。     

Agent组织的一种递归模型

Agent组织是多Agent系统(MAS)的一种求解形式.基于Agent组织的问题求解可以减少MAS中Agent之间交互的复杂性,降低求解难度.结合收益和组织规则提出了一种Agent组织的递归模型,并讨论了Agent组织的目标分解、收益计算和组织规则形成等问题.相对于Ferber和Jennings等人的工作,这种模型适于描述不同规模的组织,有利于MAS宏观分析和微观分析的结合,而且模型中效用参量的引入可以在一定程度上表明Agent组织的演化.     

MAS系统的问题求解能力分析

本文用状态空间搜索模型分析了多Agent系统(MAS)的问题求解能力，认为MAS系统中Agent之间知识的组合应用和对问题搜索方向的交互和决策是影响MAS系统问题求解能力的主要原因，在状态空间搜索模型下可以将Agent间知识的组合应用表达为不同Agent的搜索路径的组合，而Agent对搜索方向的判断是基于启发式信息做出的，从而为形式化分析MAS系统的性能建立了通用的模型．本文以A*算法为例探讨了可采纳算法下多Agent合作求解效果与Agent的知识和启发信息之间的关系，指出只有在一定条件下MAS系统才会获得更好的解题能力．本文还对非可采纳算法下MAS系统性能分析方法提出了初步看法．     

基于个性的MAS默契合作模型

MAS(MultiAgentSystem)技术是解决复杂、动态、分布式智能应用问题的重要技术。个性表现为Agent的行为能力,是MAS系统实现一个基础。合作方式把各个Agent联系在一起,是MAS形成的关键技术。RoboCup仿真比赛提供了一个测试各种MAS理论的平台。本文基于Agent个性提出了一种MAS合作机制——默契,并在RoboCup中进行了仿真实验,实验结果表明该方法比能力对等的合作策略更能体现MAS的自适应性。     

基于Repast平台的多Agent仿真建模研究

随着计算机应用的发展,多智能体系统（MAS）方法和技术在许多领域得到了广泛应用,对MAS进行仿真建模研究成为研究热点。多Agent仿真建模实验平台的使用,能很好地对MAS进行建模,提高使用者的效率,对于MAS的研究有重要意义。分析了仿真平台Repast的主要系统功能模块,说明了如何利用和扩展Repast平台来进行仿真建模,利用Repast实现了一个改进的动态合同网协议的仿真实验。实验建模过程和分析证明,利用Repast进行仿真建模,可以使建模者方便、快捷地对MAS系统进行分析,能有效提高工作效率与降低建模难度。     

基于Repast平台的多Agent仿真建模研究

随着计算机应用的发展,多智能体系统(MAS)方法和技术在许多领域得到了广泛应用,对MAS进行仿真建模研究成为研究热点.多Agent仿真建模实验平台的使用,能很好地对MAS进行建模,提高使用者的效率,对于MAS的研究有重要意义.分析了仿真平台Repast的主要系统功能模块,说明了如何利用和扩展Repast平台来进行仿真建模,利用Repast实现了一个改进的动态合同网协议的仿真实验.实验建模过程和分析证明,利用Repast进行仿真建模,可以使建模者方便、快捷地对MAS系统进行分析,能有效提高工作效率与降低建模难度.     

基于交互的Agent行为选择动态性分析

在动态不可预知环境下,Agent行为选择过程表现出动态性。该文基于人工生命和MAS框架,建立Agent行为选择动态系统模型,运用动态系统观点研究Agent感知、认知交互和适应,分析Agent行为选择适应外部环境和满足内部需求的动态平衡过程。在仿真试验中,通过21个Agent局部感知和交互,实现了全局平衡、稳定的群体运动行为。     

一种基于正关系的多Agent协调算法

多Agent之间的协调(coordination)与协作(cooperation)已经成为多Agent系统(multiagent system,MAS)中的一个关键问题。这是因为MAS的主要研究目标之一就是使得多Agent的信念、意图、期望、行为达到协调甚至协作。在开放、动态的MAS环境下,具有不同目标的多个Agent必须对其资源的使用以及目标的实现进行协调[1,4]。例如,在出现资源冲突时,若没有很好的协调机制,就有可能出现死锁。而在另一种情况下,当单个Agent无法独立完成目标,需要其它Agent帮助时,则需要协作。本文提出了一种基于正关系的多Agent协调机制和协调算法。在该算法中,通过使用这种协调机制,Agent能委托或接受交互中的子计划,从而形成系统负载均衡和有效降低系统运行开销。     

基于多Agent的高校教学评测系统模型研究

基于多Agent技术所构造的协同设计系统具有多Agent系统的分布性、协作性和智能性的特点。在分析目前高校教师教学评价系统的基础上,提出了一个基于多Agent系统(MAS)的高校教师教学评测系统模型(MATES),并着重讨论了该系统中各Agent的功能和Agent之间的协作关系。该模型为教师教学评价的自动化、智能化和高效率提供了一个良好的计算平台。     

基于MAS平台的产品管理系统的研究与开发

论文首先介绍了Agent和MAS的概念,并且介绍了JADE平台的特点和在此平台上开发系统的优点。接着引出了基于JADE平台开发产品管理系统的过程,然后给出了此系统中一个Agent的详细设计。最后指出此产品管理系统的特点及研究的意义。     

基于多Agent的高校教学评测系统模型研究

基于多Agent技术所构造的协同设计系统具有多Agent系统的分布性、协作性和智能性的特点。在分析目前高校教师教学评价系统的基础上，提出了一个基于多Agent系统（MAS）的高校教师教学评测系统模型（MATES），并着重讨论了该系统中各Agent的功能和Agent之间的协作关系。该模型为教师教学评价的自动化、智能化和高效率提供了一个良好的计算平台。     

一种基于MAS的自适应图像分割方法

复杂图像的全自动分割是极具挑战性的问题．提出了一种基于MAS的自适应图像分割方法．通过属性和行为描述Agent个体，通过合作竞争描述了Agent间的交互．MAS系统在Agent反复自适应过程中达到平衡，同时完成图像分割．通过分割复杂的医学图像证实了该方法的有效性，MAS在图像分割领域具有应用价值．