基于免疫计算的agent系统研究

由于免疫系统具有良好的特性以及与multi-agent系统的相似性,因此将免疫机理应用于multi-agent系统的研究越来越受到关注。该文提出了一种新的实体agent——免疫agent和多免疫agent系统。首先给出了免疫agent的功能、结构以及形式化描述,然后构造了基于独特性网络理论的多免疫agent系统模型,借鉴生态学协同进化机理提出了系统中免疫agent之间的四种交互关系:共生、共栖、捕食者-猎物和竞争关系,并给出了免疫agent的浓度函数表达式。     

A2IFM:一个基于免疫agent的移动网络入侵检测框架

针对移动通信网络的安全性需求,提出一个基于免疫Agent的入侵检测框架A2IFM,以免疫Agent为单元,基于免疫原理,通过分布于网络中的代理群协作来实施检测。阐述了框架的结构和运行机理,并通过实例验证了该入侵检测框架的有效性。     

多agent软件体系结构模型

本文介绍了软件体系结构的基本概念。正确有效的体系结构设计为软件开发和维护提供了有力的帮助，并支持软件重用。本文提出了多ａｇｅｎｔ体系结构的设计模型，并以此为基础，并发完成了动态物资调配系统。     

多agent系统的抽象合作模型

合作是多agent系统的特征之一,研究了具有请求／服务交互特征的多agent系统的抽象合作模型,根据服务请求强度和服务提供方式的差异性和多样性,系统分析并提出了6种基本抽象合作模型,提取了请求、承诺和通知3个言语行为作为实现合作的原子通信行为,给出这些原子通信行为和抽象合作模型的严格语义定义,分析它们的实现机制,以描述多agent系统的合作方式和机制,指导多agent系统的设计和实现．     

基于多agent技术的组合拍卖协商模型

组合拍卖能够提高拍卖的效率,还能降低竞标人的风险。但竞胜标确定问题是一个NP难题。本文提出一个基于多agent技术的协商模型,在分析竞拍agent的效用增量和拍卖agent的效益增量的基础上,给出了用Nash协商解确定的竞胜标的基本特征和满足的条件,并指出了用这种方法的合理性与公平性。     

单agent强化学习与多agent强化学习比较研究

学习、交互及其结合是建立健壮、自治agent的关键必需能力。强化学习是agent学习的重要部分,agent强化学习包括单agent强化学习和多agent强化学习。文章对单agent强化学习与多agent强化学习进行了比较研究,从基本概念、环境框架、学习目标、学习算法等方面进行了对比分析,指出了它们的区别和联系,并讨论了它们所面临的一些开放性的问题。     

基于移动agent网络智能化服务模型

设计和实现了一个移动Agent网络信息智能化服务系统模型,它能根据用户定义的要计算目标,自主地适应Internet环境,能实现网上信息和用户信息个性化需求模式的自动匹配,使人们及时准确的获取所需信息.具有主动性、适应性、精确性、快速响应性等特点.且移动agent在服务器上执行时,不需要与客户机持续的连接,可以节约大量的网络带宽,具有更大的灵活性和可靠性.     

基于移动agent网络智能化服务模型

设计和实现了一个移动Agent网络信息智能化服务系统模型,它能根据用户定义的要计算目标,自主地适应Internet环境,能实现网上信息和用户信息个性化需求模式的自动匹配,使人们及时准确的获取所需信息。具有主动性、适应性、精确性、快速响应性等特点。且移动agent在服务器上执行时,不需要与客户机持续的连接,可以节约大量的网络带宽,具有更大的灵活性和可靠性。     

“免疫软件人”概念及其协商控制模型

在研究生物免疫机理和软件人(SM)技术的基础上,将生物免疫特性融入SM技术中,提出了免疫软件人(ISM)的概念,设计了一种能够对动态网络环境进行实时监控和故障预警的多免疫软件人(MISM)联盟的协商控制模型;在对模型进行形式化描述的基础上,构造出一种新颖的ISM协商控制算法.以此构建的MISM联盟系统具有更强的灵活性、鲁棒性和局部更新能力,是一个适用于动态网络环境的自组织系统.     

基于移动agent的供应链管理系统模型研究

分析国内外供应链管理研究现状,探讨在供应链中引入移动agent的技术优势。将移动agent技术应用于供应链管理系统,可以增强供应链网络中各个环节的信息传递速度和共享程度,提高供应链的敏捷性和对市场的快速反应能力,从而降低供应链的牛鞭效应。提出了基于移动agent的供应链管理系统模型,并对系统实现的几个关键问题做了探讨。     

基于MAS(Multi Agent System)的多机器人系统：协作多机器人学发展的一个重要方向

机器人的应用方式正在由部件式单元应用向系统式应用方向发展．这是实际应用的需要,也是技术发展的必然趋势;相关技术如计算机网络技术的发展也为它的实现提供了相应支持．多机器人协作理论问题必然也已经成为机器人学研究的一个热点,其中,分布式人工智能（DAI）中的多智能体（代理）系统（MAS：Multi-agent System）理论已引起多机器人协作理论研究者的关注．本文即在揭示协作多机器人系统与MAS的内在联系的基础上,指出基于MAS的协作多机器人系统是协作多机器人学发展的一个重要方向．     

基于强化学习的多Agent协作研究

强化学习为多Agent之间的协作提供了鲁棒的学习方法．本文首先介绍了强化学习的原理和组成要素，其次描述了多Agent马尔可夫决策过程MMDP，并给出了Agent强化学习模型．在此基础上，对多Agent协作过程中存在的两种强化学习方式：IL(独立学习)和JAL(联合动作学习)进行了比较．最后分析了在有多个最优策略存在的情况下，协作多Agent系统常用的几种协调机制．     

智能Agent建模的一种模板结构

文中讨论了设计和建造智能Ａｇｎｅｔ的一些热点问题。通过对一些基本概念和定义的评述,总结了智能Ａｇｅｎｔ应具的若干主要性质的属性。     

形式化Agent的能力

能力是规范和设计Ａｇｅｎｔ的一个重要的抽象概念。本文提出了多Ａｇｅｎｔ系统中Ａｇｅｎｔ计算的能力理论以支持Ａｇｅｎｔ计算的理论研究。我们区分两种能力：实现型能力和维护型能力。基于多Ａｇｅｎｔ系统计算的逻辑框架,我们给出了它的语义定义,获取和描述了它的一些重要属性。     

一种多级分布式制造系统的多智能体协同生产机制

运用多智能体技术,对一种多级分布式制造系统协同生产机制进行研究。构造一种基于多智能体的协同生产系统框架,提出该框架下模型层、加工层和系统层之间的协同生产运作模型。     

一种AGENT任务求解联盟形成策略

Agent联盟是一组平等的、协作的、共同承担任务的Agent的集合．联盟的形成往往需要较大的通信开销和计算工作量．本文提出一种Agent形成联盟的策略，该策略在系统运行的初始阶段，保证任务分配的优化解．而在随后的运行中基于成功合作者集形成Agent联盟．该策略保证在接近任务分配优化解的情况下，有效减少系统中的可能联盟数以及联盟形成过程中的通信开销和计算量，避免联盟形成过程中的盲目性，节省协商时间提高协商效率．     

多Agent Teamwork研究综述

Teamwork在许多动态、复杂的多Agent环境中占据越来越重要的地位,是目前人工智能界研究的热点之一,通过对多Agent Teamwork的研究现状、关键技术和发展趋势进行综述和讨论,试图勾画出目前Teamwork研究的脉络、重点及其发展趋向。主要内容包括：（1）Teamwork研究的背景;（2）Teamwork的研究方法以及典型的Teamwork模型;（3）Teamwork模型的特点以及关键技术;（4）Teamwork的应用领域以及进一步研究的方向。     

一种基于多目标优化的Agent多议题协商模型

Agent多议题协商研究是多Agent合作求解的核心内容之一,一般基于对策论的方法实现Pareto最优的协商结果。由于很多学者将其转化为单目标约束满足问题,因而只能满足一方的效用最大化要求。Nash指出在理想情况下Agent应追求自身效用最大和对手效用最大的多目标优化,以达到快速达成一致并能最优化自身效用的目的。针对该问题,本文给出一种用指数型功效系数法求解的一揽子交易多议题协商模型NMMOP,该模型能够实现双方Agent的效用最优,提高协商双方的总效用。实验结果验证了该模型的优化效率优于Fatima和Faratin等人的工作。     

协同质量管理的工作流模型与应用

质量控制和管理是企业ＣＩＭＳ应用的一个重要环节，随着企业全面质量管理的展开和ＣＩＭＳ应用的不断深入，迫切需要研制基于网络的协同式的质量管理系统。在质量管理ＰＤＣＡ循环模式的基础上，我们提出了基于ＰＤＣＡ，多Ａｇｅｎｔ的工作流模型，实现了一个能较全面地，较实际地反映企业质量管理中信息处理以及信息流向的，以协同计算方式来表达的质量信息管理系统模型（ＣＱＭＷＦ）。基于Ｌｏｔｕｓ Ｎｏｔｅｓ平台的系统研制