一种基于智能体技术的软件自适应动态演化机制

针对分布式软件系统在动态演化中面临的原有软件单元难以重用、忽视软件内部运行状态引发的演化需求等问题,借助智能体(agent)具有的环境适应性、变化敏感性等特征,提出了一种基于智能体技术的软件自适应动态演化机制.通过将软件单元封装为Agent,并定义单元间的演化规则,使演化机制重用原有软件单元.通过一种基于数据推送的动态环境感知方法实现Agent间协作关系调整,同时满足来自内外部环境引发的动态演化需求.通过引入信息中介服务,实现了基于改进合同网的Agent协作策略,能够自适应地更替Agent,满足用户意愿变更引发的动态演化需求.依据演化机制在支撑环境中的运行情况及相关能力指标的分析,说明所提出的演化机制适用于动态复杂的分布式软件系统,是一种有效的软件自适应动态演化机制.     

基于反射机制的多Agent数据交互模型研究

在研究Agent理论的基础上,提出软件系统的智能性、灵活性主要表现在软件系统能够感知环境与需求的变化,根据变化来对自身业务流程做出相应的调整.重点在于结合反射技术,通过动态配置器的参与作为决策依据进行研究,建立基于反射机制的多Agent数据交互配置模型,在现有的多Agent合作和协调机制下,该模型为开放、异构、动态环境下多Agent数据交互提供灵活、自适应的解决方案,并将该模型应用于实际系统的设计中.     

可配置网络式软件系统的可用性预计研究

在复杂系统的建模与仿真研究的基础上,提出了一种基于多Agent的可配置网络式软件系统的可用性预计方法。首先介绍了多Agent系统建模与仿真方法;其次分析了可配置网络式软件系统的特点;然后在研究基于多Agent的网络式软件系统建模与仿真的基础上,研究可配置的行为模型,并建立了基于多Agent的可配置网络式软件 系统可用性仿真方法;最后利用Nctlog。仿真平台,结合实例对可配置的作用进行了可用性预计,并验证了本方法的有效性。     

基于体系结构和面向构件的软件重配置技术

软件在其生命周期内如何对其进行较小修改或者不修改就能适应软件需求和环境变化是软件工程追求的目标之一.文中分析了体系结构在软件配置中的作用,提出了基于映射模型和面向构件的层次消息总线体系结构软件设计,使得软件系统具备重配置能力,这样可以提高软件的灵活性、适应性这一软件内在质量,延长软件系统的生命期.最后用一个实例证明对象映射协同模型的有效性.     

自适应系统软件传感器设计与实现

随着Internet的普及应用,越来越多的软件系统运行在开放的环境中,需要感知和适应环境的变化.如何支持这类复杂软件系统的开发和运行已经成为当前软件工程面临的一项重要挑战.针对自适应系统与其驻留环境的交互问题,将自适应系统中的软件实体抽象为自主Agent,提出了自主Agent感知环境变化的软件传感器及其与环境的动态关联思想,给出了软件传感器的设计和实现.不同于已有研究,将软件传感器视为一类特殊的软件Agent.最后通过案例分析展示了上述思想和技术的可行性和有效性.     

自适应多Agent系统的面向Agent软件开发方法学ODAM

面向Agent软件工程被视为是一种可有效支持复杂系统开发的新颖软件开发范型.为支持复杂多Agent系统的开发,面向Agent软件工程的研究需发挥Agent技术的潜力和灵活性,借鉴软件工程领域已取得的成果,提出了一个面向Agent软件开发方法学ODAM以支持自适应多Agent系统的开发.ODAM以动态绑定机制作为自适应多Agent系统的核心机制,借助于组织学的概念和思想对自适应多Agent系统进行高层抽象和自然建模,以管理和控制系统的复杂度;集成了迭代开发和MDA方法以适应Agent技术平台的多样性,简化复杂自适应系统的开发.介绍了ODAM的方法学框架和具体的技术细节,包括动态绑定机制、基于组织抽象的元模型和建模语言、基于迭代开发和MDA的软件开发过程,并进行了案例分析.     

复杂自适应多Agent系统的环境表示及感知

对自适应系统驻留环境的显式表示和有效感知是实现复杂自适应系统的前提,也是当前自适应系统研究面临的一项重要挑战.借助于组织学思想将自适应系统中的自主运行单元抽象为Agent,把复杂自适应系统视为多Agent组织,提出了基于动态绑定的自适应机制和构造框架;将环境作为一阶抽象,提供了对自适应多Agent组织的驻留环境进行抽象和描述的语言设施以及对环境进行有效感知的两种方法:基于事件发布-订阅和基于软传感器的方法;提出了支持软传感器与环境动态关联的思想和技术,使得复杂自适应系统的开发具有环境表示显式化、环境感知透明化的特征,所开发的软件系统易于维护和升级.介绍了实现上述机制、技术和语言设施的支撑平台SADE,并进行了案例分析以验证方法的可行性和有效性.     

大规模无线传感器网络中基于P2P的路由模型研究

自适应系统是一类复杂系统,如何有效地支持此类系统的工程化开发,一直是软件工程领域的关注焦点。提出了一个基于Agent的模型驱动软件开发方法,试图将主流软件工程中的MDA技术与软件Agent技术相结合,从而为高效、高质量地开发复杂自适应多Agent系统提供方法学指导。该方法将基于组织抽象和ODAM+方法学所建立起来的模型视为平台无关模型,将基于SADE平台的实现模型视为平台相关模型,通过建立这两个不同抽象层次元模型间的映射关系,来实现从平台无关模型到平台相关模型以及最终代码框架的转换。介绍了集成MDA和Agent技术的软件方法学ODAM+,阐述了复杂自适应系统模型驱动开发的一组关键技术,包括不同层次的元模型以及它们之间的映射关系、模型转换规则和模型转换算法,最后分析了相应的支撑软件工具和应用验证情况。     

复杂自适应多Agent系统的模型驱动开发方法

自适应系统是一类复杂系统,如何有效地支持此类系统的工程化开发,一直是软件工程领域的关注焦点。提 出了一个基于Agent的模型驱动软件开发方法,试图将主流软件工程中的MDA技术与软件Agent技术相结合,从而 为高效、高质量地开发复杂自适应多Agent系统提供方法学指导。该方法将基于组织抽象和()DAM+方法学所建立 起来的模型视为平台无关模型,将基于SADE平台的实现模型视为平台相关模型,通过建立这两个不同抽象层次元 模型间的映射关系,来实现从平台无关模型到平台相关模型以及最终代码框架的转换。介绍了集成MDA和Agent 技术的软件方法学(ODAM} ,阐述了复杂自适应系统模型驱动开发的一组关键技术,包括不同层次的元模型以及它 们之间的映射关系、模型转换规则和模型转换算法,最后分析了相应的支撑软件工具和应用验证情况。     

基于反馈控制的软件适应性需求的识别与分析

适应性需求的识别与分析是开发自适应软件系统的基础,它将明确软件系统在运行过程中所可能面临的环境变化以及应对这些变化系统应采取的措施.但是,当前的适应性需求识别与分析方法一方面缺乏对环境的分析导致无法系统性地识别环境变化,另一方面也缺乏有效的框架来同时考虑如何应对已知的环境变化和未知的环境变化.针对这些问题,提出了基于反馈控制的适应性需求识别与分析方法.该方法将自适应软件与其作用的环境看作为一个自适应控制系统,将适应性需求的识别与分析转化为对该控制系统所应具有的反馈回路的识别与分析.通过将环境看作软件的控制对象,它不仅突出了软件的环境,同时还可以通过确定环境感知反馈回路和需求感知反馈回路来分别应对已知的环境变化和未知的环境变化.最后,用一个实例说明所提出方法的可行性.     

基于Agent的专家系统推理模型

针对传统专家系统推理模型结构在知识获取方面适应性差的现状,从系统科学的视角,运用复杂适应系统理论,对传统专家系统的结构及运行机制进行了改进.引入Agent来模拟人脑中的神经元,用来承载专家系统中相互作用的知识,然后,基于Multi-Agent之间的相互作用来构建复杂适应的专家系统推理模型.从而,将专家系统中的知识获取机制、知识库、推理机三者统一于由Multi-Agent进行相互作用的复杂适应系统之中.通过设计体育赛事申办决策专家系统的原型,进行了专家系统推理模型的验证.原型运行结果表明:基于Multi-Agent的专家系统推理模型结构能够有效地提高专家系统知识获取的适应性.这为研究更加接近人脑智能的专家系统提供了崭新的研究思路.     

An analytical comparison of a neural network and a model-basedadaptive controller

A neural network inverse dynamics controller with adjustable weights is compared with a computed-torque type adaptive controller. Lyapunov stability techniques, usually applied to adaptive systems, are used to derive a globally asymptotically stable adaptation law for a single-layer neural network controller that bears similarities to the well-known delta rule for neural networks. This alternative learning rule allows the learning rates of each connection weight to be individually adjusted to give faster convergence. The role of persistently exciting inputs in ensuring parameter convergence, often mentioned in the context of adaptive systems, is emphasized in relation to the convergence of neural network weights. A coupled, compound pendulum system is used to develop inverse dynamics controllers based on adaptive and neural network techniques. Adaptation performance is compared for a model-based adaptive controller and a simple neural network utilizing both delta-rule learning and the alternative adaptation law.     

基于移动Agent的元数据自动抽取研究

语义Web是在分布式环境下构建复杂系统的一种新兴技术。在分析语义Web与移动Agent的基础上,提出了基于移动Agent的元数据自动抽取系统模型。该系统由三个层次构成网络信息层、移动Agent平台和元数据提取及管理模块,语义Web为解决元数据信息处理提供了一个基本的技术框架,其中核心层为XML,RDF,Ontology。最后,给出了改进的粒群优化算法作为移动Agent路由判定算法,为下一步研究开发比较成熟的软件产品奠定了良好的基础。     

用于复杂适应系统仿真的Agent免疫学习系统

分析了复杂适应系统（Complex Adaptive System，CAS）仿真中对Agent学习系统的要求以及基于遗传算法的Agent规则学习系统的不足，提出了一种基于改进免疫遗传算法的Agent学习系统，在该算法中将领域知识和经验作为疫苗对规则库中的规则进行免疫按种，并利用混沌变异模型对规则进行变异操作，产生新的规则。最后，结台跨流域调水管理复杂适应系统仿真中的Agent规则学习过程，对Agent的规则学习和演化机制进行了算法验证及实例分析。     

一种基于代理思想的软件分析模型

Agent概念来自人工智能领域，讨论了Agent思想在软件工程中的应用，提出了一种基于Agent思想的软件分析一般模型，并在该模型的基础上提出了一套分析方法，该模型与方法发展了面向对象技术，且更适于分析包含复杂任务的系统。     

基于Petri网和Agent的复杂适应系统建模

针对复杂适应系统内部关系繁杂、难于描述及计算机仿真建模困难等问题,提出一种基于时间Petri网和多Agent相结合的建模方法.以Agent为基本建模元素,用Petri网描述Agent内部的行为规则,实现复杂适应系统的Petri网与多Agent相结合的有机建模,可避免Petri网建模引起的模型空间爆炸和Agent内部推理...     

Component-Based Systems Reconfigurations Using Graph Transformations with <Emphasis Type="Italic">GROOVE</Emphasis>

Component-based systems permit standardisation and re-usability of code through the use of components. The architecture of component-based systems can be modified thanks to dynamic reconfigurations, which contribute to systems’ (self-)adaptation by adding or removing components without incurring any system downtime. In this context, the present article describes a formal model for dynamic reconfigurations of component-based systems. It provides a way of expressing runtime reconfigurations of a system and proving their correctness according to a static invariant for consistency constraints and/or a user-provided post-condition. Guarded reconfigurations allow us to build reconfigurations based on primitive reconfiguration operations using sequences of reconfigurations and the alternative and the repetitive constructs, while preserving configuration consistency. A practical contribution consists of the implementation of a component-based model using the GROOVE graph transformation tool. This implementation is illustrated on a cloud-based multi-tier application hosting environment managed as a component-based system. In addition, after enriching the model with interpreted configurations and reconfigurations in a consistency compatible manner, component systems’ implementations are related to their specifications by a simulation relation.     

基于Agent的用户偏好决策模型及其应用

智能体及其组成的智能体系统是人们解决用传统方法难以解决的复杂问题的一个新途径,以复杂适应系统、智能体系统等理论为指导,吸取了智能体强化学习的基本原理,提出了一种基于智能体的用户偏好决策模型,并将其成功应用在互联网搜索中,不仅提高了搜索的质量,同时具有一定的创新性。