多智能体系统的一种合作机制

作者试图通过引入合作机制促进成一群理性的独立自治Ａｇｅｎｔ在不同分工间的平衡，从而达到计算资源在系统中的合理分配，与以往Ｃｏｒｋｉｌｌ，Ｓｏ，Ｆｊｕｉｔａ，Ｉｔｏ等人研究工作的区别在于合作由Ａｇｅｎｔ自发产生，且充分考虑了环境对Ａｇｅｎｔ行为的影响，文中所建立的分布式运输调度实验系统可看作是对合同网协议的推广，该系统具有较强的开放性和Ａｇｅｎｔ的自主性，实验验证了合作机制的有效性。     

采用多Agent模型的协同编著系统的设计与实现

文中提出了一个基于多Ａｇｅｎｔ模型的协同编著系统，通过多Ａｇｅｎｔ之间的协作，支持分布文档数据的访问，复制，使系统具有较高的效率和鲁棒性，文中详细讨论了协同编著系统中多Ａｇｅｎｔ模型的特点，并在多Ａｇｅｎｔ通信，本文管理等方面给出具体实现。     

多智能体系统支撑环境MAS/TH-5

ＭＡＳ／ＴＨ－５系统是具有一定开放性的支持ＭＡＳ构造与集成的支撑环境,它将开发与运行环境集为一体,形成整体解决方案．同时,文中所构造的具有实际应用价值的Ａｇｅｎｔ模型,为支撑环境提供了理论和技术基础．这种模型具有理性平衡的特点．该模型还为用户提供了建立其他Ａｇｅｎｔ模型的一般性框架,可以满足ＭＡＳ系统中Ａｇｅｎｔ交互的需求．在支撑环境上,文中所设计的Ａｇｅｎｔ语言具有描述ＢＤＩ等思维状态的能力,可处理较复杂的实际应用问题．     

Agent计算的理论框架

如何开发复杂、庞大的Ｍｕｌｔｉ－ａｇｅｎｔ系统是目前人们关心的一个重要研究课题．文中提出了Ｍｕｌｔｉ－ａｇｅｎｔ系统中Ａｇｅｎｔ计算的理论框架,以提供方法和概念体系用于刻画和描述Ｍｕｌｔｉ－ａｇｅｎｔ系统的需求、指导系统设计．文中提出了Ａｇｅｎｔ的一种新的体系结构——ＢＩＣＣ体系结构,即Ａｇｅｎｔ是由信念（ｂｅｌｉｅｆ）、意愿（ｉｎｔｅｎｔｉｏｎ）、能力（ｃａｐａｂｉｌｉｔｙ）、承诺（ｃｏｍ ｍ ｉｔｍ ｅｎｔ）构成的意向系统．基于Ｍｕｌｔｉ－ａｇｅｎｔ系统计算的逻辑框架,文中给出了构成Ａｇｅｎｔ体系结构各个认知成份的语义定义,分析了Ａｇｅｎｔ是如何基于该体系结构来进行计算的,最后研究和验证了在动态、不确定的Ｍｕｌｔｉ－ａｇｅｎｔ系统中Ａｇｅｎｔ计算的活性和安全性问题     

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。     

一种基于分布对象技术的Agent计算框架

随着ＣＯＲＢＡ等分布计算技术的发展,分布式应用开始关注系统的可靠性,可用性,开放性,计算资源共享与可重用等问题。面向Ａｇｅｎｔ的分布计算技术是解决上述问题的有效手段。文中基于面向Ａｇｅｎｔ的计算观点,论述了分布式应用及其内部分布对象之间的关系,并针对系统可靠性以及可用性的需求,在ＣＯＲＢＡ平台上实现了一个Ａｇｅｎｔ框架,用于构造面向Ａｇｎｅｔ的分布式应用。     

自主机器人自组织结构IRASO的仿真研究

自主机器人车辆具有智能性和快速反应的特点,而在精确推理和实时性之间录示最佳折衷是体系结构的关键文中提出基于分布式多Ａｇｅｎｔ系统的自组织体系结构ＩＲＡＳＯ系统的自组织体系结构ＩＲＡＳＯ,Ａｇｅｎｔ之间动态组合以适应环境变化,公告板系统评估环境势态和指导Ａｇｅｎｔ组织,同时设计了Ａｇｅｎｔ协调工作的空间和时间模型,基于ＴＣＰ／ＩＰ的计算联勇域为异质分布式多Ａｇｅｎｔ的协作运行提供支持,仿真结果表明该     

基于Markov对策的多Agent强化学习模型及算法研究

在ＭＤＰ,单Ａｇｅｎｔ可以通过强化学习来寻找问题的最优解。但在多Ａｇｅｎｔ系统中,ＭＤＰ模型不再适用。同样极小极大Ｑ算法只能解决采用零和对策模型的ＭＡＳ学习问题。文中采用非零和Ｍａｒｋｏｖ对策作为多Ａｇｅｎｔ系统学习框架,并提出元对策强化学习的学习模型和元对策Ｑ算法。理论证明元对策Ｑ算法收敛在非零和Ｍａｒｋｏｖ对策的元对策最优解。     

基于Agent的分形供应链自适应协同计算

应用分形、智能Ａｇｅｎｔ和神经网络自适应控制技术,研究分形供应链适应环境变化的结构模式和策略模式．探讨了分形供应链Ａｇｅｎｔ关联结构,提出了分形供应链双层自适应协同计算模式,论述了资源Ａｇｅｎｔ,信息协调Ａｇｅｎｔ,人机交互Ａｇｅｎｔ和领域计算Ａｇｅｎｔ之间的相互作用关系．以一个分形模块的策略协同为分析对象,研究了领域单元的自适应协同计算模式,分析了分形模块的成本模型,并对基于Ａｇｅｎｔ交互的神经网络模型部分进行了算例仿真．     

基于多Agent 的开放信息集成体系结构

提出基于多Ａｇｅｎｔ的开放信息集成体系结构,该体系结构分为界面层、协调层和模型层,每层均由多Ａｇｅｎｔ系统组成,该体系结构的层资性以及多Ａｇｅｎｔ系统所具有良好的开放性、集成笥和自适应性。最后讨论了该框架的实现技术,并给出了应用实例。     

Multi-Agent系统中Agent知识获取的合作模型

Agent的知识是Agent计算的前提.在动态、不确定的Multi-Agent系统中,Agent必须具备及时有效地获取所需知识的能力以求解问题.现有的知识获取模型不能有效地支持在动态、不确定的Multi-Agent系统中Agent对知识获取的要求,Agent的知识获取能力比较有限.提出一个系统的、用于Agent知识获取的合作模型KACM(knowledge-acquiringcooperationmodel)系列,包括被动模型、主动终止模型和主动非终止模型.基于言语行为理论和以分枝时序逻辑为基础的形式化框架,讨论了KACM所涉及的Agent通信行为,分析了Agent如何响应这些通信行为以完成知识交互,定义了各通信行为以及KACM的满足语义,最后讨论了研究工作的意义.     

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．     

Agent计算的能力理论

能力是规范和描述Ａｇｅｎｔ、研究和分析Ａｇｅｎｔ计算以及设计Ａｅｎｔ的一个重要抽象概念。     

基于注意力消息共享的多智能体强化学习

通信是非全知环境中多智能体间实现有效合作的重要途径,当智能体数量较多时,通信过程会产生冗余消息。为有效处理通信消息,提出一种基于注意力消息共享的多智能体强化学习算法AMSAC。首先,在智能体间搭建用于有效沟通的消息共享网络,智能体通过消息读取和写入完成信息共享,解决智能体在非全知、任务复杂场景下缺乏沟通的问题;其次,在消息共享网络中,通过注意力消息共享机制对通信消息进行自适应处理,有侧重地处理来自不同智能体的消息,解决较大规模多智能体系统在通信过程中无法有效识别消息并利用的问题;然后,在集中式Critic网络中,使用Native Critic依据时序差分（TD）优势策略梯度更新Actor网络参数,使智能体的动作价值得到有效评判;最后,在执行期间,智能体分布式Actor网络根据自身观测和消息共享网络的信息进行决策。在星际争霸Ⅱ多智能体挑战赛（SMAC）环境中进行实验,结果表明,与朴素Actor?Critic （Native AC）、博弈抽象通信（GA?Comm）等多智能体强化学习方法相比,AMSAC在四个不同场景下的平均胜率提升了4 ~ 32个百分点。AMSAC的注意力消息共享机制为处理多智能体系统中智能体间的通信消息提供了合理方案,在交通枢纽控制和无人机协同领域都具备广泛的应用前景。     

多作用体系统的研究现状

概述了多作用体系统(MAS)的组织与结构,MAS中的通信机制,合作与冲突消解,控制与管理,面向作用体的编程语言以及MAS的应用。     

支持人机协同的智能用户界面体系结构

从分析实现人机协同智能用户界面需解决的问题入手,探讨了多Agent系统解决上述问题的技术途径;提出一种基于多Agent系统的人机协同式智能用户界面体系结构,并重点讨论了如何解决多媒体对象展示关系、Agent之间协同、应用语义反馈、用户智能向导等问题。在该结构中,控制Agent协调可视元素之间的通信,用户Agent负责保存用户兴趣模型和提供推理服务。支持用户界面按构件方式进行组合,具有良好的扩展必和可重用性。模拟实例验证了该体系结构的可行性。     

多Agent系统中基于Rough集的推理

定义了多Ａｇｅｎｔ系统中的推理模型,建立了在该模型下的Ｒｏｕｇｈ集和基于Ｒｏｕｇｈ信方法的Ｒｏｕｇｈ包含计算或称集合连接计算,在知识发现和数据挖掘中,集合之间往往不是给出它们的相等性,而是讨论它们之间的Ｒｏｕｇｈ包含或连接。因为在不同的Ａｇｅｎｔ中集合之间关系的精确和一致解释往往是不容易获得的。一般说来,一条基于决策表上的规则,满足前提公式个体的集合包含于满足结论公式个体的集合常常是用一种支持值和     

一种基于动态基础设施的移动agent消息传递算法

移动agent技术是一种新型的分布式计算模式,它为基于网络的任务分配合作问题提供了一个很好的解决方案.由于agent在网络间的移动.使得agent之间的通信变得极为复杂,已有的agent通信机制和消息传递算法都是建立在固定网络基础设施上的,不具有良好的可扩展性.针对这个问题,提出了一种基于动态基础设施部署的移动agent消息传递算法,较好地解决了在移动的情况下,agent之间通信的扩展性问题.