一种基于时间-效用的Agent社会承诺机制

在多Agent系统中,为了完成任务,Agent之间需要建立社会承诺。本文通过将T．Sandholm的分级承诺合同协议思想与时间-效用对协商的影响有机地结合起来,提出了一种基于时间-效用的Agent社会承诺机制,为电子商务环境下存在最大协商时间的一对多协商中的买卖双方Agent之间的社会承诺问题提供了有效的解决方案。文章分析了解除承诺的条件,提出了建立承诺、解除承诺和遵守承诺的规则,从而有效规避了协商中买方Agent与卖方Agent随意达成一致的行为,同时保证了买方Agent能够在最大协商时间内确定最佳交易卖方,从而提高了协商系统的效率和效用。     

基于信念型承诺的Agent协作机制研究与应用

提出了适用于产品初步设计的信念型承诺,给出了Agent的形式化表示,讨论了基于信念型承诺的Agent协作机制。针对复杂产品初步设计,建立了基于MAS的协同设计环境,并将基于信念型承诺的协作机制应用到该环境中。应用表明了该协作机制的有效性。     

基于效用的Agent多动作选择承诺机制

研究以KARO为逻辑框架的多动作选择承诺,给出与其相关的效用函数计算方法。在引入模型状态迁移概念和相关函数、谓词后,对各种承诺建立和取消承诺的情况进行了形式化,详细给出了kripke型可能世界语义描述。丰富了KARO逻辑框架关于承诺的研究。使主体在合作时,可以充分考虑自己的情况,理性的作出选择,提高多主体间合作的协调性。     

基于忠诚度的多智能体联盟效用分配策略

为增强多智能体系统中联盟成员效用划分的合理性,促使agent形成稳定的全局最优联盟,提出了一种基于忠诚度的多智能体联盟效用分配策略。新策略引入agent忠诚度的概念,根据agent每次参与联盟后是否服务到任务结束来对agent忠诚度进行评价,从而表示各agent的忠诚度大小,将忠诚度与各agent完成任务的能力相结合,共同决定联盟内各agent效用如何划分。理论分析和实验表明,新策略提高了对联盟效用分配的合理性,较好地满足了联盟形成机制的全局最优性、强稳定性、时效性、简单性等要求。     

一种基于社会承诺的Agent组织模型OMSC

多Agent领域所面临的一个重大的挑战是解决开放异质的多Agent系统中自治Agent间的协调问题。多Agent为了协调它们之间的活动,需要进行交互。社会承诺作为一种通信和交互机制,为自治的多Agent提供了一种协调的途径。然而,仅靠交互难以实现多Agent间的协调。Agent组织作为一种协调模型可以有效地控制多Agent间的交互与合作。论文将社会承诺和Agent组织两种协调机制相结合,提出一种基于社会承诺的Agent组织模型OMSC,分析了Agent如何用社会承诺进行推理以及基于社会承诺的多Agent系统并给出了一个实例,为多Agent间的协调提供了一种新的方法。     

一种带概率与效用算子的Agent形式化模型

形式化方法描述Agent时需要考虑信念的不确定性与决策的效用性要素.在经典Agent的BDI形式化模型基础上,定义了Agent形式化语言,引入概率算子与效用算子,提出了Agent形式化模型,在此模型中利用概率算子与效用算子对Agent的信念、愿望、意图与规划等意识属性进行了定义.该模型能满足Agent对逻辑理性、信念的不确定性与决策理性的要求.     

基于整体效用和区域约束的Agent意图再考虑研究

设计运行在动态环境中的BDI Agent时,为它设计一个合适的意图再考虑策略是一个关键问题。进行了当目标较多时,如何利用目标的分布情况来指导Agent的意图再考虑的研究,提出了一定区域内群体目标的整体效用的概念,提出根据整体效用选择区域并对Agent的行为进行区域约束的方法。在TILEWORLD环境下用实验来考察基于该方法的几种策略,给出了一种较优的意图再考虑的策略。     

一种结合效用的Agent思维状态模型

建立Agent思维状态模型是Agent理论 研究的一个重要课题.结合效用提出一种Agent思维状态模型BDICU(belief desire intentio n combined with utility),使Agent的行为具有逻辑理性和决策理性,为副作用问题提供了 解决方法.同时,给出目标和意图的生成和更新规则.BDICU模型改进和扩充了Rao和Georgeff 的信念-期望-意图理论,为逻辑和效用理性Agent系统提供了实现支持.     

基于态势图序列的多智能群体意图识别

智能群体的意图识别是多智能体领域的一个热点问题,在自动驾驶、人机交互及国防军事等领域具有广泛应用.由于智能群体规模及环境内障碍物分布具有不确定性,现有意图识别模型的泛化能力往往有限,鉴于此,提出一种基于态势图序列的意图识别方法,将观测得到的智能群体信息转化为态势图序列,通过态势图序列训练识别模型,从而降低模型对智能体数量的敏感程度.针对含有障碍物的环境,提出阻碍态势的生成方法,从而提高模型对环境变化的适应能力.此外,为降低对专家知识的依赖,采用卷积神经网络估计各个智能体的斥力因子.最后,与其他几种意图识别方法对比并进行消融实验以验证所提出方法的准确性和泛化能力.     

基于意图的多智能体深度强化学习运动规划方法

现有的多智能体运动规划任务存在缺乏有效合作方法、通信依赖要求高以及缺乏信息筛选机制等问题。针对这些问题,提出了一种基于意图的多智能体深度强化学习运动规划方法,该方法可以帮助智能体在无需显式通信的条件下无碰撞地到达目标点。首先,将意图概念引入多智能体运动规划问题,将智能体的视觉图像和历史地图相结合以预测智能体的意图,使智能体可以对其他智能体的动作做预判,从而有效协作;其次,设计了一个基于注意力机制的卷积神经网络架构,并利用该网络预测智能体的意图、选择智能体的动作,在筛选出有用的视觉输入信息的同时,减少了多智能体合作对通信的依赖;最后提出了一种基于价值的深度强化学习算法来学习运动规划策略,通过改进目标函数和Q值计算方式使策略更加稳定。在PyBullet仿真平台的6种不同的仿真场景中进行了测试,实验结果表明,相较于其他先进的多智能体运动规划方法,所提方法使多智能体团队的合作效率平均提高了10.74%,具有显著的性能优势。     

基于BDI的多Agent交互

给出一个以Ａｇｅｎｔ交互为基本出发点的ＢＤＩ描述语言ＭＡＬ,对ＭＡＬ反映的ＢＤＩ概念,ＢＤＩ间的关系以及多Ａｇｅｎｔ群体的社会承诺和联合意图进行了解释,说明了ＢＤＩ在多Ａｇｎｅｔ交互过程中的起的作用,与Ｃｏｈｅｎ和Ｌｅｖｅｓｑｕｅ,Ｒａｏ和Ｇｅｏｒｇｅｆｆ以及ｈａｄｄａｄｉ等人的工作相比,ＭＡＬ同时Ａｇｅｎｔ个体和多Ａｇｅｎｔ群体的ＢＤＩ描述,克服了对ＢＤＩ概念的反直观解释,给出了符合哲学含义的关     

BDI Agent解释器的研究和改进

现有的“信念-愿望-意向(BDI)”Agent系统将它的3个主要心智状态(信念、愿望、意向) 作为数据结构而不是模态算子来使用,导致信念-愿望-意向Agent的研究在理论和实践之间 存在较大的差距.该文深入研究了过程推理系统(precedure reasoning system,简称PRS)和 扩展的多Agent推理系统(developed multi-agent reasoning system,简称dMARs),针对dM ARs系统的解释器,提出了一种改进的编程语言AgentBDI,结合一个典型的分布     

社会Agent的BDO模型

目前MAS中思维状态的研究趋势是在个体模型中加入社会思维属性,研究社会承诺、依赖、联合意图的推理关系。在BDI模型中,以意图为中心的观点不描述社会Agent。该文分析了以竭力为中心的Agent思维状态研究存在的问题,提出MAS的分层模型,并提出以信念、愿望和义务作为基本思维属性（简称BDO）来描述Agent的思维状态和社会属性,给出了BDO逻辑和语义模型,考虑了奖励、惩罚、承诺和承诺解除问题,并对队、组织、组织意图等现象给出了描述。该文力图更自然地描述社会性Agent的思维状态和群体概念,是对Rao和Georgeff提出的BDI模型的改进。最后通过一个例子说明了BDO的表达能力。进一步的工作包括建立更为完善的语义模型、结合各个思维属性的动态修正语义给出BDO Agent的动态模型以及给出基于BDO逻辑框架的Agent／MAS实现结构。     

一种理性Agent的BDI模型

该文通过引入假设信念,解释愿望和意图在Agent思维状态的认知方面的含义,进而定义愿望和意图,并引入规划,建立理性Agent的动态BDI模型.与Cohen和Levesque,Rao和Georgeff,Konolige和Pollack等人的工作相比,克服了对信念、愿望和意图的反直观解释问题,解决了关于愿望和意图的无为而治和副作用问题,强调了愿望的激发与维护作用,表达了信念、愿望和意图三者间的动态约束与激发关系.     

Agent思维状态模型

文章综述了20世纪90年代以来多Agent系统中Agent思维状态模型的研究结果.从直观分析、形式化模型、结构模型、合作研究和应用方面来介绍Bratman的哲学观点、Cohen和Levesque的意图模型、Rao和Georgeff的BDI模型等重要成果,最后介绍了正在开展的工作.     

一个改进的理性Agent-BDI模型

利用一种新的可能世界语义,在Ｒａｏ和Ｇｅｏｒｇｅｆｆ的基于分支时间可能世界模型的ＢＤＩ形式化的基础上,得到一个改进的ＢＩＤ模型。与Ｒａｏ和Ｇｅｏｒｇｅｆｆ的ＢＤＩ模型以及大多数基于可能世界的形式化相比,不存在逻辑全知问题和除等价情况外的副作用问题。     

基于非单调逻辑的自适应BDI模型

由于Agent直接与现实世界发生交互作用,设计者难以事先预料所有可能出现的环境状况并一一规定恰当的处理方法,Agent往往不能产生恰当的行为,从而可能导致问题求解失败。本文结合BDI模型和非单调逻辑的优点,引入了可能信念概念和信念维护算子,表达了Agent和动态环境之阃的互动关系;引入Agent价值概念和行为规划算子,表达了期 期望和意图之间的动态约束关系,很好地解决了Agent在非预期环境中的适应性问题。     

联合意图的理论框架

0 引言 agent是指在某一环境下能够持续自主运行,具有社会性、反应性等特征的计算实体。多agent系统由一组具有一定资源和能力、相对独立且交互合作的agent组成。由于多agent系统提供了更高层次的抽象模型,能够自然、贴切、直观地表示现实世界中的计算实体及其问题求解方式,因而有关agent理论和技术的研究引起了人们的高度重视。