基于管理Agent协作模型的研究

多Agent协作求解是分布式人工智能要研究的基本问题。该文基于管理agent概念提出一个新的协作模型,该模型利用管理Agent对多Agent系统进行全局协作分配,协作申请分级处理,解决了传统协作模型中存在的模型与应用领域有关和只适用于静态环境的问题。     

多Agent系统规划协作过程研究

在多Agent问题求解方面,一个明显的问题是如何规划Agent组的活动.多Agent规划是指通过Agent调整的行为朝着一个共同目标来增强系统中多个Agent协作的强度,从而提高系统的一致性.从协调一致性原理的角度来说明多Agent系统规划协作的过程,并将其划分为发现协作潜力、调解协作请求、构建协作团队、制订协作计划、实现协作行动及评估行动结果6个阶段,对各个阶段进行了说明.并对一种主从式层次结构的多Agent系统协作过程进行了阐述,构建了基于这种结构协作的基本模型.     

基于管理Agent协作模型的研究

多Agent协作求解是分布式人工智能要研究的基本问题。该文基于管理agent概念提出一个新的协作模型，该模型利用管理Agent对多Agent系统进行全局协作分配，协作申请分级处理，解决了传统协作模型中存在的模型与应用领域有关和只适用于静态环境的问题。     

一种基于双向选择的多Agent系统自动集成方案

多Agent系统集成方案的选择能极大程度地影响多Agent系统的性能。目前大多数的多Agent系统集成方案只关注于系统级的行为与性能。本文在关注多Agent系统性能的同时,也关注各个Agent的收益。本文提出一种基于双向选择的多Agent系统集成方案,在此方案中,Agent根据自身的意愿选择合适的角色进行申请,同时角色根据对各个Agent的信任值选择合适的Agent来承担其任务。实验表明,随着若干次系统学习,多Agent系统协作任务完成时间能较快地下降,Agent在单位时间内的收益逐步提高。     

基于Agent图的三级多Agent系统组织模型

多Agent系统的组织结构是Agent个体之间交互的框架。对分布式多Agent系统的组织方式、协作机制进行了简要讨论,提出了Agent域及Agent图的概念。根据不同Agent之间的地理位置和通信代价,由Agent个体、Agent组及Agent域三级组织结构形成一个Agent图,并借鉴计算机网络的分布式自适应路由选择策略进行多Agent系统的协作组织。分析表明,该模型具有高效、健壮、通信开销较小等优点。     

一种基于Agent网络的多Agent系统的协作组织方式

对分布式多Agent系统中的Agent组织方式,协作机制进行了讨论,提出了根据Agent间的物理位置和通信代价关系建立Agent网络,通过Agent网络模型,模仿计算机网络中的动态路由机制,进行Agent协作组织的方法.     

基于XML的多Agent消息通讯机制研究与实现

在多Agent分布式系统中,如何实现多Agent通讯是一个重要问题。以消息传输的方式实现多Agent系统的通讯,讨论了消息的XML格式封装和解析机制,以及基于消息优先级的消息传送同步控制算法,实现了消息的可靠有效传输。最后给出了可重用的系统仿真框架,并用Java语言得以实现验证。     

基于请求／服务协作模型的多Agent建模方法

为了实现多Agent环境中主体之间的交互特性,在情景演算理论框架下研究了多Agent的通信动作,基于情景演算理论和Golog语言,介绍了ConGolog的语法和语义,并对Con Golog进行扩展。增加了并发处理,优先级的并发以及中断处理。在此基础上,提出一种基于请求,服务协作的多Agent模型,从而实现多Agent程序的并发交互执行。最后,通过对送咖啡例子的仿真,证明上述方法在实现虚拟场景中的多Agent协作行为方面是正确有效的。     

基于Agent的决策支持系统研究

将人工智能中的最新技术Agent技术用于构建决策支持系统,利用界面Agent、信息Agent、协作Agent来实现决策支持系统的智能部件,提出协作Agent来实现多Agent之间的协作和交互,为解决多Agent系统中Agent之间的协作难问题提供了一种新的思路。     

多个自主机器人的协作策略研究

1引言多Agent系统是DAI的一个重要分枝，它越来越引起人们的兴趣和关注．但由于缺乏合适的分析工具，目前所研制的多Agent系统大都是经验性的［”’］．即使有一些关于多Agent的理论工具，但因太过于一般而很难在实际中发挥作用‘’］．多个自主机器人的协作系统是一种典型的分布式多Agent系统，其协作为DAI提供了很好的实验床［‘］．此问题很复杂，为了简化研究，本文仪研究两个自主机器人的协作问题．2机器人的协作21机器人协作的几个阶段协作的多个机器人作为整体要完成预定的任务，就必须具备协作决策的能力，而协作以结构方式进行…     

一种基于Bayesian信任模型的多Agent协作系统

提出了一种基于信任机制的多Agent协作系统的形成方案.通过借鉴社会学中的人际关系信任模型,建立Agent间的信任关系,利用Bayesian方法对Agent的可信度进行评估,通过Agent间基于信任关系的链接更新形成稳定的多Agent协作系统.仿真结果证实,提出的协作方案能有效地促进Agent间的协作效率,提高共同完成任务的成功率.     

对智能多Agent系统的关键技术研究

文章主要对智能多Agent系统涉及的关键技术进行研究,描述了分布式人工智能与Agent的概念,详细阐述了Agent系统的模型、工作过程、特性、分类和结构,讨论了多Agent之间的通信模式、类型、机制和语言,以及Agent协作与协调方式等。     

多Agent系统的协作及强化学习算法研究

研究了多Agent环境下的协作与学习.对多Agent系统中的协作问题提出了协作模型MACM,该模型通过提供灵活协调机制支持多Agent之间的协作及协作过程中的学习.系统中的学习Agent采用分布式强化学习算法.该算法通过映射减少Q值表的存储空间,降低对系统资源的要求,同时能够保证收敛到最优解.     

基于Web Services技术的MAS协作机制实现

协作机制的研究是多Agent系统的基础。本文提出了基于Web Services技术的MAS协作机制的实现方案，该方案不仅完善和丰富了多Agent系统协作机制理论，也为开发实际的多Agent系统提供了有效的处理方法和实现技术。     

基于声誉激励机制的多Agent分配任务的方法

在一个多Agent系统中,合理的分配任务成为Agent间高效协作的关键之一.提出一种基于Agent的声誉分配任务的方法,并给出Agent的声誉模型以及基于此声誉模型分配任务的具体方法.在充分竞争的多Agent系统中,声誉效应是多Agent系统中的重要激励机制.因此,基于Agent的声誉分配任务增加了Agent间协作的协调性.     

一种适用于Internet的实时多Agent系统模型

提出了一种基于Agent to Agent架构的,适用于Internet环境的实时多Agent系统模型。重点阐述了该模型中Agent之间的协作方式、调度策略和任务执行的控制策略,并介绍了采用的实时Agent通信语言和通信机制。     

多智能Agent在Web信息检索中的研究

本文介绍了人工智能领域的Agent技术,以及其基本特性和一些主要功能。通过对Agent系统结构分析提出多智能Agent工作模型。通过对Agent之同通讯研究开发新的规则和解决方法,通过对多Agent协作不仅改善了单个Agent的基本处理能力,而且可以从Agent系统的交互协作中进一步理解多智能Agent系统的现实意义     

基于Agent的智能决策支持系统开发与应用

针对传统决策支持系统的局限性,该文提出了一个基于Agent的智能决策支持系统开发方案。利用界面Agent、信息Agent、移动Agent、协作Agent来实现系统的智能部件,多Agent通过协作Agent信息路由器进行协作和交互,共同完成决策支持任务。并将该模型应用于草业信息管理决策支持系统中,系统运行结果证明了模型的有效性和科学性。     

基于强化学习的多Agent协作研究

强化学习为多Agent之间的协作提供了鲁棒的学习方法．本文首先介绍了强化学习的原理和组成要素，其次描述了多Agent马尔可夫决策过程MMDP，并给出了Agent强化学习模型．在此基础上，对多Agent协作过程中存在的两种强化学习方式：IL(独立学习)和JAL(联合动作学习)进行了比较．最后分析了在有多个最优策略存在的情况下，协作多Agent系统常用的几种协调机制．     

Agent组织中的政策导向型协作模型

传统Agent协作模型强调Agent的高度自主性,其自发协作过程完全出于内部的"自私性"动机,难以在模型中表达宏观层面上的引导及系统外部的约束,在应用于开放复杂软件系统时,将面临可信度不能满足要求、计算复杂度高及没有有效的冲突消解机制这3方面的问题,这阻碍了Agent技术在现实软件系统建模中的应用.采用组织与政策隐喻,提出Agent组织中的政策导向型协作模型,通过组织与政策给予Agent以宏观上的引导与外部的控制,以增强系统的可信度;采用扩展的可废止逻辑框架,对这一协作过程建立一个具有线性计算复杂度的形式化理论;逻辑体系中内置的优先级方式为系统提供了有效的冲突消解机制.并证明了模型所具有的一致性及其他特性,最后通过一个实例对系统作出验证性说明.