Agent技术研究综述

Agent起源于人工智能(AI),20世纪80年代中期人工智能技术与分布式计算技术相结合,出现了分布式人工智能(DAI)这个研究方向。作为分布式人工智能的构成因素,Agent一词越来越多地被提到,由于它突破了长期以来AI研究进展不大的局面,因此倍受关注,多年来,Agent技术的研究和应用有了更加广泛地发展,特别是Internet和WWW的发展,为Agent技术带来了新的发展契机。     

有限资源环境下的分层分布式体系结构研究

1 引言随着网络技术、分布式理论的发展,人工智能进入了一个新的阶段。人们从不同的方面对分布式人工智能的理论、结构、应用进行了深入的研究。其中分布式问题求解(DPS)、并行人工智能(PAI)以及多Agent系统(MAS)是分布式人工智能的三个主要研究领域。DPS的研究一般是面向任务的,在任务间进行分配、协调,从而生成大量的专家系统和基于知识的系统,在粗粒度上研究控制和数据分布。MAS的研究在近十年中得到较快的发展,当前已经出现了基于Agent的系统和开发Agent的工具和语言等。DPS和MAS的研     

群体决策支持系统与人工智能

群体决策支持系统(GDSS)正进入发展的第三阶段:与人工智能(AI)相结合。本文评述了当前GDSS与AI相结合的两个方面:一是用于知识获取,分析了它成功的原因并指出其特殊性,这是一条有可能突破专家系统开发“瓶颈”的途径;二是以分布式人工智能(DAI)为框架构成多主体(Agent)群体问题求解系统,分析了多主体GDSS与DAI的区别,着重论证前者较后者具有更高性能的原因。最后,提出GDSS今后可供发展的几个方面。     

分布式人工智能研究近况

一、系统的分类大规模集成电路的迅速进步使分布式计算机环境得以建立和发展,为人工智能(AI)问题提供了更有效的求解工具,分布式人工智能(DAI)作为一个新的研究方向,应运而生。 DAI系统不同于传统的分布式处理系     

基于多Agent系统的分布式群体决策支持系统中问题分配的研究

本文利用分布式人工智能技术提出基于多Agent系统(MAS：Multi—Agent System)的分布式群体决策支持系统框架体系结构。在这个系统中，每个Agent都是一个独立的、具有各自利益的自治体，问题不能被强行地分配给各个Agent，因此本文在研究多Agent系统协调的基础上，给出了问题分配的一种解决方案。     

多Agent系统中实时消息传递机制

1 引言 Agent是具有信念、能力、决策和承诺等精神状态的实体,它的提出是以计算的社会学模型为背景,通过多个简单Agent协同工作,可以完成比较复杂的任务。分布式人工智能(DAI)的主要目标就是解决如何组织多Agent系统中的Agent,使它们能够协同工作以完成复杂问题求解。多Agent系统的关键问题是Agent间的协同,而根据计算社会学模型的观点,消息     

Agent交互层次模型

1 引言 Agent的交互机制是Agent社会性的重要表现,也是Agent区别于传统AI系统的重要属性,更是多Agent系统研究的核心问题。理性、完善的交互机制是多Agent之间进行协调、协作和协商的基础。哲学和社会学的研究表明,人与人之间的沟通和交流是人类社会发展的根本动因。同样,对AI系统来说,构造具有交互能力的分布式AI系统是应对分布、时变、     

智能Agent与多Agent系统的研究

智能Agent及多Agent系统自20世纪80年代起一直是分布式人工智能研究的热点。对Agent理论，语言，结构以及多Agent系统结构等问题进行了研究，并对Agent与对象（Object) ,过程控制系统，软件“精灵”以及多Agent系统与分布式问题求解的区别进行了分析。     

意图形式化中的副作用问题

在多Agent系统中,如何抽象和模型化Agent,已成为当前人工智能、软件工程等领域的一项重要的研究课题。在AI领域,人们通常基于意向立场来研究Agent。从意向立场出发,一般把信念(belief)、愿望(desire)和意图(intention)当作agent的基本意识属性(简     

智能信息处理-面向Internet的分布式人工智能技术

多Agent系统和应用是当前分布式人工智能的研究热点。介绍了Agent的特性和结构,并举例说明了基于多Agent技术的智能信息检索系统的构成和应用。