Agent的组织承诺和小组承诺

基于Agent组织的多Agent问题求解对降低求解难度和求解复杂性有重要意义.对Agent组织的研究主要集中在组织模型、组织规则、组织结构以及组织的形成和演化等方面,需要从组织中Agent的各种思维属性及其相互关系加以扩展.分析和定义了Agent组织中Agent的内部承诺和社会承诺、小组承诺和组织承诺,研究了基于承诺的Agent组织的形成机制以及Agent组织中承诺的性质,从而推广了关于Agent组织的研究.     

基于使命的Agent组织模型

Agent组织是一种灵活有效的多Agent系统求解方式。针对目前Agent组织模型主要以利己型Agent为基础的现状,提出适合政府及军事等领域使用的基于使命的Agent组织模型。模型以利他型Agent为组织构成基础,使用信任度和Agent组织效益共同评价Agent求解问题的能力,从Agent思维属性及其相互关系的角度出发,研究了Agent组织中使命的特点、组织形成和演化机制,提高了问题求解效率,增强了Agent组织的稳定性,从而拓宽了关于Agent组织的研究。     

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.     

基于组织效用的Agent组织形成和演化机制

针对Agent组织形成和演化机制研究以自利型Agent为主的现状,提出一种面向结构的非自利型组织形成和演化机制.引入了个体最大消耗的约束条件和基于组织的效用机制,构造了迭代式分布求解的组织形成、调整、复用、优化机制,并在此基础上探讨了组织的演化.与自利型组织形成和演化机制相比,这种机制适用于政府和军事领域,保证了个体与组织思维状态的统一,有利于增强组织的稳定性、提高求解效率和组织的复用性.     

一种基于资源约束的Agent组织规则生成机制

Agent组织是多Agent系统的一种求解结构，可以有效地降低求解难度和Agent之间的交互复杂性，对Agent组织的抽象包括组织结构，组织规则和组织模式，Agent组织规则的形成是Agent组织设计的重要问题之一，基于资源约束给出了Agent组织规则的形式描述和产生机制，设计了Agent组织规则形成的静态算法和动态算法，从而改进了Zambonelli和Jennings关于Agent组织规则的研究。     

二进制编码差异演化算法在Agent联盟形成中的应用

在多Agent系统中,通过形成联盟可以提高Agent求解问题的能力,因此,联盟是多Agent系统的重要合作方法.从本质上讲,Agent联盟的形成是一个复杂的组合优化问题.引入差异演化算法来解决这一问题.差异演化是一种基于群体差异的演化算法,适合于求解连续空间的最优化问题.首次将以实数编码的差异演化算法应用于Agent联盟问题,提出二进制编码的差异演化算法解决组合优化问题,通过引入S型函数把变异操作的结果限制在集合{0,1}上,可以快速、高效地找出合适的Agent联盟.与遗传算法和蚁群算法的对比实验表明,该算法是正确、有效、可行的,在运行时间和解的性能上都优于相关算法.     

基于角色的Agent组织结构演化机制①

Agent组织结构的演化是组织演化问题中的一个重要方面。针对Agent组织结构演化问题,以角色为核心描述了组织结构的整体构建,形式化表达了组织结构的内部特性。并以此为基础,提出了基于角色的Agent组织结构演化机制,即分别从角色目标集合扩大、角色目标集合缩减以及角色关系变更三种变化形式对组织结构演化过程进行了分析,为形成适应性和动态性的组织结构提供了借鉴。     

Agent组织研究进展

Agent理论和技术的研究自20世纪70年代末出现以来发展很快,研究工作从个体Agent模型和思维状态理论扩展到群体Agent合作求解,取得了一系列进展.近年来,Agent组织的研究越来越引起重视,作为多Agent系统(MAS)的一种求解结构,基于Agent组织的问题求解可以有效地降低求解难度和Agent之间的交互复杂性.综述了Agent组织近年的研究进展,介绍了Agent组织模型、MAS思维状态模型、规范化MAS和Agent联盟等方面的研究成果,并指出了今后的研究方向.     

Agent组织研究综述

Agent组织为开放环境下大规模协调和协作问题提供了一种解决方案。近年来对Agent组织的研究越来越引起重视,并已成为多Agent领域的一个重要分支。文章介绍了Agent组织产生的背景、Agent组织的定义,并从Agent组织形成的角度对Agent组织进行分类;综述了近年来提出的面向组织构建多Agent系统的方法并对它们进行了比较;分析了Agent组织的演化,并指出了今后的方向。     

Agent组织规则的再励学习

Agent组织是一种灵活有效的多Agent系统求解方式。Agent组织规则在Agent组织的求解过程中起着重要作用，可以有效地减少冲突提高求解效率。给出了一种基于再励学习的Agent组织规则生成机制和相应的算法，通过实验表明了算法的有效性，改进了Zambonelli和Jennings等人关于Agent组织规则的工作。     

基于组织结构的多主体协作

基于主体组织的多主体问题求解可以降低问题求解难度和交互复杂性,其中多主体组织的形成规则和多主体的协作与规划是多主体合作的关键。文中提出了一种新的多主体组织模型和一组相关的组织原则,给出了组织规划的方法,提出了多主体组织的形成与消亡形式,并利用扩展的时序逻辑和π演算对上述结论进行了形式化描述,完善了基于组织结构的多主体协作理论,改进了多主体理论研究和多主体编程实践之间脱节的现状。     

Agent组织结构的层次式模型

文章用代数理论对Agent组织结构的属性和行为特征进行抽象,提出了Agent组织结构的层次式模型,讨论了层次式Agent组织结构的基本思想和结构框架。提出了“层”的抽象概念及相关性质,提出了层的使用、协作、极大公共子Agent和极小公共父Agent四种运算的新观点,证明了层与使用运算构成半群、与后三种运算分别构成交换半群。     

多级正交Agent结构模型

文章用代数理论对Agent的属性和行为特征进行抽象,寻找一种合适的描述多Agent系统的抽象方法。提出了多级正交Agent结构的概念和框架结构,给出了正交Agent结构的核心模型。提出和研究了正交Agent结构的抽象模型和非正交Agent结构的正交化算法。相对于Ferber、Zambonelli和Lesser等人的工作,这种模型使Agent组织结构清晰,易于实现,有利于研究Agent之间的协调求解能力和Agent组织结构的演化能力。     

Forming management decisions in organizational systems on the basis of simulation of their activity

The methodological problems of designing a decision making system based on the discrete model of collective, purposeful, and regulated activity are considered, the information and functional models are presented, and the principles of formation of the hierarchy of objective functions (criterions) are described, the general algorithm for solving the problem, possible methods of multicriteria optimization and parametric synthesis in a complex organizational system are given, the design of a simulation model of the system and its computer implementation is presented.     

基于约束图分片求解DCOP的Agent组织结构

MAS中许多分布式推理问题可以建模为分布式约束优化问题(DCOP),解决DCOP的分布式算法已经成为MAS中的重要基础.已有的Adopt等算法通过对等的Agent之间的平等协商完成求解,强调了异步通信、分布计算与对解质量的保证,在求解问题的组织结构方面仍有改进余地.可以采用一种基于分散与集中相结合的思路,基于对约束图分片的方法及核心结点、通信主干道等概念,构造新颖的Agent组织结构,完成DCOP问题的异步、分布求解.在该组织结构下求解DCOP的算法可在效率、适应动态性方面得到改善,并将一个Agent一个变量和一个Agent多个变量的DCOP求解方法统一起来.     

Evolutionary patterns of agent organizations

Problems approached by multi-agent systems are typically complex. It is usually difficult to know at system design stage how many agents need to be in the system, what each agent's role is, and how the agents should interact to get optimal performance out of the group. The aim of the testbed presented here is to investigate which kinds of multi-agent systems could be developed to solve ranges of problems, avoiding the need to reorganize the agents from scratch for each task. The agent organization process explored here is based on the agents' knowledge, and not on their tasks. This opens up a new approach for distributed artificial intelligence designers to have their domain organized before the allocation of tasks among agents. These kinds of organizations should be more robust for solving different problems related to the same knowledge. We define information oriented domains for that purpose. An evolutionary approach to the design of a multi-agent system is suggested. Our model is based on a cellular automaton whose rules of dynamics induce the formation of an organization of agents. Patterns of organization obtained empirically are presented. Our knowledge-based organization approach is analyzed both from theoretical and practical perspectives