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.     

基于信用度的Agent联盟效用分配策略

联盟形成是多Agent系统的一个关键问题,主要研究在联盟内Agent间如何划分联盟效用,使得Agent更愿意形成联盟,但已有策略没有考虑到Agent的信用度,联盟内的稳定性和Agent间合作的积极性并不高.对此,本文提出了一种基于信用度的Agent效用分配策略,对退出联盟现象进行有效的控制,提高了多Agent系统的使用价值.最后通过实例证明此方法的有效性.     

基于局部最优的联盟结构生成算法

联盟形成是多Agent系统中的一个关键问题 .针对多Agent联盟数量是Agent个数指数倍的问题,给出了基于局部最优Agent联盟结构生成算法--OCS算法 .基于局部最优,将Agent联盟结构图化简,并利用划分所对应的一类联盟结构的上界对Agent联盟结构图进行剪枝,极大降低了搜索空间 .接着证明了OCS算法的时间复杂性为O(3n),但在实验上已经接近O(23n/2) .最后通过对比数据分析,表明了OCS算法的效率 . OCS算法是对Rothkopf和刘惊雷等人相关工作的改进 .     

基于Agent的商务关系网模型

随着经济学的关系论转向,关系研究对于电子商务至关重要,本文通过对以Agent为中介的大规模开放电子市场中交易模式及社会性的分析,提出了一种包括买卖关系和朋友关系的通用商务关系网模型,对该模型进行了形式化描述,并给出了相应的形成和修正规则。     

一种基于利益均衡的联盟形成策略

联盟形成是多Agent系统中的一个关键问题,主要研究如何在联盟内Agent间划分联盟效用,使Agent在决策时愿意形成全局更优的联盟.但已有策略对额外效用的平均分配没有顾及后加入联盟的Agent的利益,不利于全局优化联盟的形成.对此,给出一种基于利益均衡的联盟形成策略,在非减性效用分配等原则的基础上,提高了对额外效用分配的合理性,在面向任务的领域中可以达到全局优化解,较好地满足了稳定性、时效性以及分布等要求.     

基于Agent的电子市场体系设计及其实现

建立开放的、动态的、具有应用和信息分布特性的电子市场是电子市场发展的新方向。设计了基于多agent系统的机构组织方式建立的电子市场体系，这种体系具有动态的特性。利用组件技术（CORBA）和Agent技术，使电子市场具有应用和信息分布的特性。最后，描述了具有翻译和学习功能的信息Broker体系并给出了电子市场的实现原型。     

动态约束下的联盟形成

联盟形成是多Agent系统中一种重要的合作方式。人们设计了一系列联盟形成框架,较好地解决了联盟值最大化、任务分配、组合拍卖等问题。已有关于联盟形成的研究,较多地从效用、任务等角度来考虑问题。在一些情况下,仅从这些角度考虑联盟形成是不够的,于是我们从约束的角度来研究联盟形成。首先深刻分析了联盟形成时的约束问题,采用命题逻辑来描述对Agent的约束,给出了联盟偏好语言及其语义描述;接着给出了它的一些性质;最后将动态约束下的联盟形成机制与常见的一些联盟形成机制作了对比,体现了动态约束下联盟形成机制的特点。     

企业动态联盟及其基于多Agent系统的构建

首先提出了动态联盟的概念,总结了动态联盟的特点。简述了多Agent系统的概念和特性,提出了多Agent系统应用于动态联盟构建的可行性。最后给出伙伴选择框架及带有时间限制的协商协议及过程。     

电子市场中组合客户联盟模型及遗传算法设计

在电子市场中,客户联盟可以为买卖双方赢得更多利润。该文提出了一个组合顾客联盟模型,可同时描述顾客偏好和商品数量。并针对此复杂的组合优化问题,给出了用遗传算法求解的框架。     

多任务联盟形成中的Agent行为策略研究

Agent联盟是多Agent系统中一种重要的合作方式,联盟形成是其研究的关键问题.本文提出一种串行多任务联盟形成中的Agent行为策略,首先论证了Agent合作求解多任务的过程是一个Markov决策过程,然后基于Q-学习求解单个Agent的最优行为策略.实例表明该策略在面向多任务的领域中可以快速、有效地串行形成多个任务求解联盟.     

Intelligent multiagent application system in an AI system

This article presents an intelligent multiagent application system in AI. The research trend into multiagents is changing from a centralized computing environment to a distributed computing environment. Also, the research into multiagents can be changed to a mobile environment. Initially, the study of multiagents is from research into human modeling. Therefore, we fi rst present a brief concept of a mobile multiagent, and then we present some application areas for mobile multiagents, especially in elearning, bioinformatics, control, and information retrieval, etc. Finally, we present the research theme of multiagents in AI. This work was presented in part at the 12th International Symposium on Articial Life and Robotics, Oita, January 25–27, 2007     

层次结构MAS模型的设计与实现

Agent技术被越来越多地用于在不同领域开发软件系统,多Agent模型的研究已经成为热点。本文提出层次结构多Agent模型概念,结合一个实例,论述了层次结构MAS模型的基本思想和结构框架,研究了层次结构MAS模型的设计与实现过程。     

Design and implementation of a secure multi-agent marketplace

A multi-agent marketplace, MAGNET (Multi-AGent Negotiation Testbed), is a promising solution for conducting online combinatorial auctions. The trust model of MAGNET is somewhat different from other on-line auction systems since the marketplace, which mediates all communications between agents, acts as a partially trusted third party. We identify the security vulnerabilities of MAGNET and present a solution that overcomes these weaknesses. Our solution makes use of three different existing technologies with standard cryptographic techniques: a publish/subscribe system to provide simple and general messaging, time-release cryptography to provide guaranteed non-disclosure of the bids, and anonymous communication to hide the identity of the bidders until the end of the auction. Using these technologies, we successfully minimize the trust on the market as well as increase the security of the whole system. The protocol that we have developed can be adapted for use by other agent-based auction systems, that use a third party to mediate transactions.     

基于动态调整简化粒子群优化的组合测试用例生成方法

优化的组合测试中的一个关键是生成的测试用例能够覆盖更多的组合,而粒子群算法在生成强组合覆盖用例方面有其独特的优势和能力。文中提出了一种基于动态调整简化粒子群优化的组合测试用例生成方法。该方法基于粒子群算法生成测试用例,结合混合的优先级one-test-at-a-time策略和基于动态调整的简化粒子群算法生成组合测试用例集,排除了速度因素对粒子优化过程的影响。定义了一个粒子收敛指标,以粒子群早熟收敛程度为依据来动态调整惯性权值,以防止粒子陷入局部最优和后期出现收敛速度慢的情况,从而提高粒子群算法所生成的覆盖表的覆盖组合能力。通过对比实验表明,基于动态调整的简化粒子群优化算法在用例规模和时间成本上具有一定的优势。     

Mahalanobis–Taguchi system applied to variable selection in automotive pedals components using Gompertz binary particle swarm optimization

This work presents the application of the Mahalanobis–Taguchi system (MTS) to variable detection in the manufacturing process of automotive pedals components. The combinatorial optimization problem of variable selection is solved by the application of Gompertz binary particle swarm optimization algorithm. Moreover, a numerical comparison with respect to other common version of binary particle swarm and binary ant colony optimization algorithms is presented followed by a discussion regarding the corresponding numerical results.     

基于遗传算法和微粒群算法的群体动画造型平台

动漫制作经常需要大量的个体模型。为了解决群体造型的效率性和仿真度问题,提出了基于遗传算法和微粒群算法的群体造型方法——NGP算法,利用该算法实现由一个复杂模型生成复杂模型群体的过程。遗传算法适用于同一类群体的造型,对每种部件应用这种方法形成各种各样的部件库;微粒群算法适用于对复杂模型的部件进行组合,采用这种方法对各部件进行组合优化,以形成模型群体。实现了基于NGP算法的群体动画造型平台。实验结果表明,平台生成的群体仿真度高,且生成过程效率高。     

约束条件下联盟生成研究进展

联盟生成是在多Agent系统的研究中最为重要的挑战之一。如何对Agent进行划分使所得社会福利最大化是当前面临的主要问题。假设每个Agent都具有理性和自利性的特性，为了追求自身的利益最大化而选择和其他的Agent进行联合，进而使整个系统实现利益的最大化。目前，联盟生成问题有很大的计算挑战，即使在进行联盟的时候添加了约束条件，也需要新的算法来更快更有效地解决该问题。本文主要对约束条件下的联盟生成的研究进行综述，主要包括4部分:最坏情况有限界联盟生成、动态规划联盟生成求精确最优解、联盟生成求近似最优解和约束条件下联盟生成求最优解。