智能Agent及其在网络搜索中的应用

本文介绍了Ａｇｅｎｔ及智能Ａｇｅｎｔ的概念、发展和应用领域，指明了智能Ａｇｅｎｔ的框架和实现技术，描述了智能Ａｇｅｎｔ在网络搜索中的应用，并对智能Ａｇｅｎｔ的前景做出了展望。     

一个基于Mobile Agent的课件搜索系统的框架设计

本文主要介绍了ＤＯＬＴＲＩ－Ａｇｅｎｔ运行环境ＭＡＦ的实现及原理及其相关技术,ＤＯＬＴＲＩ－Ａｇｅｎｇ是将Ｍｏｂｉｌｅ Ａｇｅｎｔ的概念引入网络信息搜索领域中来而设计的一个信息搜索系统,ＭＡＦ是Ｍｏｂｉｌｅ Ａｇｅｎｔ的外部运行环境,包上组成模块：安全管理模块,移动智能体管理模块,移动智能体通信模块,移动智能体传输模块,移动智能体命名服务和移动智能体协作服务。     

一种新的软件Agent设计的评价标准:用户自治性

本文提出了软件Ａｇｅｎｔ设计中的用户自治性标准,我们认为用户自治性是Ａｇｅｎｔ设计中需要考虑的重要方面,探讨了自治性标准在Ａｇｅｎｔ设计中的定义以及Ａｇｅｎｔ如何影响用户自治性,并在此基础上提出了一个新的软件系统模型。     

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。     

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．     

多Agent系统的非终止主动合作计算模型

在多Ａｇｅｎｔ系统中,由于资源、能力的有限性和分布性,因而合作是多Ａｇｅｎｔ系统的一个重要特征,当前,随着Ｉｎｔｅｒｎｅｔ,Ｉｎｔｒａｎｅｔ技术的不断 以及应用的不断深入,传统合作计算模型已不能满足用户需求,主动合作计算正成为一个新的应用需求点,文中提出一个非终止的主运输在于言语行为理论以及多Ａｇｅｎｔ系统计算的理论框架,文中讨论了该合作计算模型所涉及的Ａｇｅｎｔ通信行为,分析了Ａｇｅｎｔ如何响应     

一种基于Agent团队的强化学习模型与应用研究

多Ａｇｅｎｔ学习是近年来受到较多关注的研究方向,以单Ａｇｅｎｔ强化Ｑ－ｌｅａｒｎｉｎｇ算法为基础,提出了一种基于Ａｇｅｎｔ团队的强化学习模,这个模型的最大特点是引入主导Ａｇｅｎｔ作为团队学习的主角,并通过主导Ａｇｅｎｔ的角色变换实现整个团队的学习。结合仿真机器人足球领域,设计了具体的应用模型,在几个方面对Ｑ－ｌｅａｒｎｉｎｇ进行扩充,并进行了实验,在仿真机器人足球领域的成功应用表明了这个模型的有效     

一种Agent结构的形式化模型

从外表看,Ａｇｅｎｔ是具有信念、意向、期望等意识属性的统一整体。Ａｇｅｎｔ之间可相互通信或相互合作,而且,Ａｇｅｎｔ自身还可以有诸如计算,推理或其他人们所希望的具有一定的智能特征的行为。为了把Ａｇｅｎｔ行为和它所应具有的内部结构联合起来,本文提出一种Ａｇｅｎｔ 形式化描述模型,在此模型的帮助下,可以较好地把一些Ａｇｅｎｔ的简单行为解释为Ａｇｅｎｔ内部状态的演变过程。这对Ａｇｅｎｔ的建模与实现,加深     

基于Agent的电子白板系统模型

引入Ａｇｅｎｔ的概念及技术正在成为ＣＳＣＷ研究新的思考途径。文章基于ＣＳＣＷ与Ａｇｅｎｔ的电子白板系统的模型,讨论了模型的结构、Ａｇｅｎｔ的形式化表示、Ａｇｅｎｔ的形式化表示、Ａｇｅｎｔ之间通信等有关实现问题。     

基于MultiAgent和CSCW的多媒体教学模型

基于ＭｕｌｔｉＡｇｅｎｔ和ＣＳＣＷ的观点,提出一个多媒体教学模型,探讨了该模型的结构以及模型中Ａｇｅｎｔ的表示、通信等关键技术。     

基于Agent的协同远程教学模型

利用网络进行远程教学有很多优点。文章讨论如何反Agent和计算支持的协同工作技术应用到远程教学中以增强教学效果。在多Agent通信语言KQML的基础上，提出了基于Agent的协同远程教学模型，并阐述了在此模型下协同远程教学的工作过程。     

移动代理人编程技术与移动用戶管理系统探讨

有自我控制与辨别身份能力的移动代理人编程技术,不但能够在网路上移动,也能够与其他代理人编程沟通及执行任务.由于移动代理人常常运作于异质的网路或作业系统(operating system)环境下,因此,一个具有整体逻辑性操作界面来存取实体结构的管理系统就显得越发重要.提出了一个能够追踪和维持移动代理人的管理系统,并且应用于远距教学(distance learning).此系统的主要目的在于提供移动代理人通用的存取环境.为了能使此系统完全运作,论述了移动代理人通信网路模组、移动代理人演化阶段来支援管理代理人与用户端代理人.另外,也将移动代理人所使用的工具编程整合成为角色扮演(role-setting)物件;此角色扮演物件是符合所谓应用编程驱使元件(application-driven component)的,因此,此系统也能够符合专业化利益的使用者的需求.     

基于Agent思想的远程教学系统的设计与实现

1 引言随着现代网络通信技术和Internet应用平台的发展,远程教学利用信息化技术克服了传统教育受时空制约的缺点,使得广大师生可以异地、异步地完成交互式自主性教学活动,并可突破传统教育资源和教学方法的限制。学生也可以根据自己的实际情况和学习水平安排计划和进度,实现个性化、自主化教育。为了体现交互和自主,这个网络分布式异地教学的虚拟空间必然会产生多个身份,如教师、学生和管理者之间相互协调的问题。传统的电视大学或Web静态远程教育系统在教学过程中因缺少智能性和适应性,无法满足按需学习和因材施教。     

Reinforcement learning technique using agent state occurrence frequency with analysis of knowledge sharing on the agent’s learning process in multiagent environments

Reinforcement learning techniques like the Q-Learning one as well as the Multiple-Lookahead-Levels one that we introduced in our prior work require the agent to complete an initial exploratory path followed by as many hypothetical and physical paths as necessary to find the optimal path to the goal. This paper introduces a reinforcement learning technique that uses a distance measure to the goal as a primary gauge for an autonomous agent’s action selection. In this paper, we take advantage of the first random walk to acquire initial information about the goal. Once the agent’s goal is reached, the agent’s first perceived internal model of the environment is updated to reflect and include said goal. This is done by the agent tracing back its steps to its origin starting point. We show in this paper, no exploratory or hypothetical paths are required after the goal is initially reached or detected, and the agent requires a maximum of two physical paths to find the optimal path to the goal. The agent’s state occurrence frequency is introduced as well and used to support the proposed Distance-Only technique. A computation speed performance analysis is carried out, and the Distance-and-Frequency technique is shown to require less computation time than the Q-Learning one. Furthermore, we present and demonstrate how multiple agents using the Distance-and-Frequency technique can share knowledge of the environment and study the effect of that knowledge sharing on the agents’ learning process.     

协同远程教学系统的子空间模型与实现

现代远程教育模式实际上是一种计算机支持的协同工作（CSCW）模式下的应用。新一代的远程教学管理和课程发布模式,必须具有提供强大的自主学习、异步协作和实时学习的课程发布能力,具有开发放性、信息共享性、自动化支持、工作协同性、分布性、群体感知等特点。根据协同远程教学系统的基本要求。本文利用一种子空间组合模型从语义上描述了系统组要素和结构;研究了协同教学系统中用户和课程管理模型;分析了协同教学的过程模型和虚拟和虚拟教室模型;设计并实现了相应的系统结构模型。     

异地计算机教学与训练系统的结构模型研究

异地计算机教学与训练系统就是利用计算机网络环境，向分布在异地的授课者和学习者提供一种模拟面对面教学和训练的虚拟环境。     

一个个性化的信息搜集Agent的设计与实现

介绍了一个个性化的信息搜集Agent系统--DOLTRI-Agent(distanceandopenlearningtrainingresourceinformationagent)的设计与实现.DOLTRI-Agent系统是一个远程开放式学习(distanceandopenlearning,简称DOL)的教材信息搜集Agent.它基于多Agent体系结构,包含3个子Agent和其他3个组件.该系统具有主动搜集、维护、更新信息的功能,同时还具有个性化的特点,可不断学习用户知识,包括用户感兴趣的信息领域、用户的使用习惯等,并能运用这些知识来为用户提供个性化的信息服务和操作界面.     

基于目标导向行为和空间拓扑记忆的视觉导航方法

针对在具有动态因素且视觉丰富环境中的导航问题,受路标机制空间记忆方式启发,提出一种可同步学习目标导向行为和记忆空间结构的视觉导航方法.首先,为直接从原始输入中学习控制策略,以深度强化学习为基本导航框架,同时添加碰撞预测作为模型辅助任务;然后,在智能体学习导航过程中,利用时间相关性网络祛除冗余观测及寻找导航节点,实现通过情景记忆递增描述环境结构;最后,将空间拓扑地图作为路径规划模块集成到模型中,并结合动作网络用于获取更加通用的导航方法.实验在3D仿真环境DMlab中进行,实验结果表明,本文方法可从视觉输入中学习目标导向行为,在所有测试环境中均展现出更高效的学习方法和导航策略,同时减少构建地图所需数据量;而在包含动态堵塞的环境中,该模型可使用拓扑地图动态规划路径,从而引导绕路行为完成导航任务,展现出良好的环境适应性.     

基于Q-learning的不确定环境BDI Agent最优策略规划研究

BDI模型能够很好地解决在特定环境下的Agent的推理和决策问题,但在动态和不确定环境下缺少决策和学习的能力。强化学习解决了Agent在未知环境下的决策问题,却缺少BDI模型中的规则描述和逻辑推理。针对BDI在未知和动态环境下的策略规划问题,提出基于强化学习Q-learning算法来实现BDI Agent学习和规划的方法,并针对BDI的实现模型ASL的决策机制做出了改进,最后在ASL的仿真平台Jason上建立了迷宫的仿真,仿真实验表明,在加入Q-learning学习机制后的新的ASL系统中,Agent在不确定环境下依然可以完成任务。