对抗环境下多Agent协商问题的研究

利用多Agent系统具有的自治性和实时反应性,探讨对抗环境下的多Agent协商决策问题,提出一种混合式的多Agent结构协商模型,给出以最大团队效益为前提的协商求解策略和协商角色交换算法。通过协商,对抗环境中的Agent成员能够很好地进行动作策略选择和移动,能更好地进行进攻和防守。仿真实验验证了算法的可行性和有效性,结果表明其在一定程度上解决了多Agent系统中实时动态和受限通信对抗环境下的多Agent决策与合作问题。     

一种基于移动Agent的动态计算资源模型的研究

计算资源的动态部署为分布计算提供灵活、高效的解决方案，针对移动环境，当前的一些研究工作还存在局限性．以移动Agent技术为基础，考虑到移动环境的动态性、不确定性，提出了动态计算资源部署模型及自主性能优化算法，较好地解决了移动环境的资源部署和性能优化问题．结果表明其方法是通用的、可行的、有效的．     

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.     

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.     

Agent在网格资源管理中的应用研究

由于网格资源的自治、分布、异构和动态变化等特性,如何有效地管理和调度资源是网格计算领域中的一个关键问题,至今仍未得到满意的解决。提出了一种基于Agent的网格资源管理模型,为各类Agent设计了动态模糊知识库,并研究了基于动态模糊知识的模糊Q学习算法。算法较好地满足了网格资源管理中的智能适应性、扩展性及调度优化的需要。通过模拟实验验证了所研究模型和算法的有效性和效率。     

基于强化学习的多移动Agent学习算法

结合强化学习技术讨论了单移动Agent学习的过程,然后扩展到多移动Agent学习领域,提出一个多移动Agent学习算法MMAL(MultiMobileAgentLearning)。算法充分考虑了移动Agent学习的特点,使得移动Agent能够在不确定和有冲突目标的上下文中进行决策,解决在学习过程中Agent对移动时机的选择,并且能够大大降低计算代价。目的是使Agent能在随机动态的环境中进行自主、协作的学习。最后,通过仿真试验表明这种学习算法是一种高效、快速的学习方法。     

基于移动Agent的分布式数据挖掘平台的设计与实现

结合移动Agent应用开发方法,设计一个基于移动Agent的分布式计算应用模型.针对分布式数据计算现有方法,分析其不足,通过研究移动Agent体系结构及关键技术,从理论上探索将Agent技术与分布式数据挖掘相结合的可行性和技术优势,采用Agent技术解决分布式数据挖掘时所遇到的问题,全面、系统提出了解决方案.在此基础上,实现了一个Intranet环境下的基于移动Agent的分布式计算平台.     

基于模态缺省理论的多Agent系统的知识更新

基于模态缺省理论，建立多Agent系统的模态缺省逻辑，给出了每个主体 对应的模态缺省理论 的新知识和知识冲突的概念及其意义，主要讨论在多Agent环境下，当一个Agent的知识不足以完成推理时，可以从其它Agent处获得新的知识，从而对自身的信念集进行更新。当Wi发生变化(如遇到新的知识或出现与原信念集冲突的知识)时扩充Ei的性质和变化规律，提出了获取新扩充的较简单的求解方法，并证明了相关的定理，给出了多Agent系统的关于知识的一个动态描述过程。     

一种基于多Agent的企业知识链管理系统模

本文在C.W.Holsapple和M.Singh提出的知识链模型基础上,引入了分布式人工智能(DAI)中的多Agent技术,提出了一个基于多Agent的知识链管理系统模型--MAKCMS,讨论了该模型的体系结构和模型中各个Agent的功能,研究了模型内各Agent之间的通信与协作机制.     

基于移动Agent的分布式数据库的协同安全模型

随着各种分布式计算的广泛应用,移动Agent技术引起了人们越来越多的关注.在移动Agent的应用环境中,数据传输、服务器资源.移动Agent运行环境和移动Agent自身安全等方面的安全性问题日益突出.同时移动Agent应用系统中各个数据处理Agent之间的自主进行协商和协调也是一个有待解决的问题.针对这些问题,提出了一种基于移动Agent的分布式数据库的协同安全模型,来初步解决移动Agent的分布式数据库安全性和Agent之间协调工作的问题.     

一种加权模糊推理网络模型及其应用

提出了一种加权模糊推理网络的结构模型和学习算法,该网络的基本信息处理单元为模糊推理神经元,融合了模糊逻辑能够较完整地表达领域规则和先验知识,以及神经网络自适应环境的优点。根据模糊推理规则的量化表示形式和微分方程数值解的动力学思想推导出了该网络模型的学习算法。该算法具有稳定、收敛速度快,且能较好地避免网络学习陷入局部极值点。以油田生产复杂水淹层识别问题为例,验证了模型和算法的有效性。     

加权模糊推理网络及在水淹层识别中的应用

提出了一种加权模糊推理网络的结构模型和学习算法，该网络的基本信息处理单元为模糊推理神经元，融合了模糊逻辑能够较完整的表达领域规则和先验知识以及神经网络自适应环境的优点。根据模糊推理规则的量化表示形式和微分方程数值解的动力学思想推导出网络一种新的学习算法。该算法具有稳定，收敛速度快，且能较好避免网络学习陷入局部极值点。以油田生产复杂水淹层识别问题为例，验证了模型和算法的有效性。     

远程教学系统中几个关键模型研究

本文研究了远程教学系统中知识点关联模型、试题难度模型、学生能力评估模型、实时监控模型,提出知识点之间的关联是动态的,知识点体系结构可以转化为层状或网状的结构;试题难度是与系统相互作用并动态变化的;学生能力的评估模型可以很好地把学生能力这个模糊概念标量化。实时监督模型首次使用了基于时间的监控机制。     

基于无线传感器的物联网网络拓扑发现算法研究

在基于无线传感器的物联网中,由于传感器硬件设备的局限性和动态性,以及组成的网络通信带宽有限等,在网络中准确、及时地获取网络的拓扑信息变得非常困难,而如何全面、准确、快速地进行网络拓扑发现对于物联网的网络管理、故障定位和拥塞控制等研究和更多的上层应用具有重要的意义。提出了一种基于移动代理的模糊动态拓扑发现算法的设计方案。不仅通过构造网络模糊拓扑信息的处理方法和移动代理的迁移、活跃度等相关策略模型,给出了移动代理和传感器节点的最优拓扑发现数量比,而且还根据模糊知识处理已有的研究,获得了完整的基于传感器的物联网网络拓扑发现算法。通过实验验证表明,本算法不仅改进了网络拓扑的发现效率,并且具有较小的网络能耗等。     

Multi-agent系统中认知协作研究

将问题分解形成的子问题间的关联性作为Multi-agent系统中Agent协作关系的特征性描述,并在此基础上依据粗糙集理论、马尔可夫决策过程和信息认知理论,分析Multi agent系统中的协作关系,以及Agent的认知协作过程。     

A recurrent fuzzy-neural model for dynamic system identification

This paper presents a fuzzy modeling approach for identification of dynamic systems. In particular, a new fuzzy model, the Dynamic Fuzzy Neural Network (DFNN), consisting of recurrent TSK rules, is developed. The premise and defuzzification parts are static while the consequent parts of the fuzzy rules are recurrent neural networks with internal feedback and time delay synapses. The network is trained by means of a novel learning algorithm, named Dynamic-Fuzzy Neural Constrained Optimization Method (D-FUNCOM), based on the concept of constrained optimization. The proposed algorithm is general since it can be applied to locally as well as fully recurrent networks, regardless of their structures. An adaptation mechanism of the maximum parameter change is presented as well. The proposed dynamic model, equipped with the learning algorithm, is applied to several temporal problems, including modeling of a NARMA process and the noise cancellation problem. Performance comparisons are conducted with a series of static and dynamic systems and some existing recurrent fuzzy models. Simulation results show that DFNN compares favorably with its competing rivals and thus it can be considered for efficient system identification.     

开放网格环境下动态信任模型研究

随着大规模分布式系统研究的深入,开放网络环境下的动态信任管理成为一个突出问题,通过分析动态环境信任关系的特点,借助模糊逻辑知识,给出了一个分布环境的动态信任评估模型。该模型充分考虑了信任的模糊性与主观性,运用模糊逻辑的方法来得到结点的直接信任值,同时对动态环境下全局信誉的迭代计算,通过增加推荐结点信息表来控制其计算效率。     

Semi‐decentralized nonlinear cooperative control strategies for a network of heterogeneous autonomous underwater vehicles

In this paper, we develop nonlinear distributed or semi‐decentralized cooperative control schemes for a team of heterogeneous autonomous underwater vehicles (AUVs). The objective is to have the network of AUVs follow a desired trajectory, while the agents maintain a desired formation when there is a virtual leader whose position information is only available and known to a very small subset of the agents. The virtual leader does not receive any feedback and information from the other agents and the agents only communicate with their nearest neighboring agents. It is assumed that the model parameters associated with each vehicle/agent is different, although the order of the agents is the same. The developed and proposed nonlinear distributed cooperative control schemes are based on the dynamic surface control methodology for a network of heterogeneous autonomous vehicles with uncertainties. The development and investigation of the dynamic surface control methodology for a team of cooperative heterogenous multi‐agent nonlinear systems is accomplished for the first time in the literature. Simulation results corresponding to a team of six AUVs are provided to demonstrate and illustrate the advantages and superiority of our proposed cooperative control strategies as compared to the methods that are available in the literature. Copyright © 2016 John Wiley & Sons, Ltd.     

一种获取渔场知识的数据挖掘模型及知识表示方法研究*

提出了一种获取渔场知识的数据挖掘模型及知识表示方法。首先利用SVM(支持向量机)和模糊分类器从数据库中提取出有利于渔情预测的静态知识,然后通过可拓挖掘方法将静态知识转换为动态知识,最后采用本体构建技术对渔场的静态知识和动态知识进行表达,建立本体知识库。在上述方法的研究基础上,建立了以印度洋大眼金枪鱼为例的渔情预测原型系统。系统运行结果表明,提出的获取渔场知识的数据挖掘模型及知识表示方法是有效可行的。     

e-Supply network coordination: the design of intelligent agents for buyer-supplier dynamic negotiations

This paper concentrates on the problem of automated negotiations in e-supply network coordination (e-SNC). Supply network is considered as a collection of agent-mediated decisions and coordination mechanisms in a web-based environment. The proposed agent based coordination model is composed of two negotiator agents and a coordinator agent. The coordination mechanism begins with determining the feasible and most promising partners in the network based on the similarity of profiles. In response to autonomy levels and conflict objectives, the model allows agents to negotiate in a cooperative manner through an iterative process of generating offers for re-establishing global optimality. The dynamic negotiation model is then defined based on the protocol, rule of bargain, proposal generation, and dynamic strategy. To illustrate the model efficiency, a prototype system has been modeled and is compared to the normal tendering mechanism. The validation results confirm the model efficiency in providing coherent decision making in a dynamic environment.