基于内省推理的多agent在线学习方法

多agent环境下agent的最优策略取决于其它agent的策略,这使得学习目标不易被清晰定义.基于客观观察行为建模的方法并不能很好体现智能体的个体理性.本文提出基于内省推理方法的多智能体环境下智能体高效在线学习方法,将基于对手模型的客观观察行为与基于换位思考推理的主观意图推测结合起来,智能体通过内省推理能够更多地得到对手的信息.针对经典协调博弈进行仿真实验,结果表明能取得较好的协调性能.     

作战智能体的机动行为模型研究

作战模型是对部队与武器系统及其作战行动的描述.智能体是在复杂和动态环境中将知识和推理相结合,执行任务的自主或半自主的对象.在基于多智能体的作战模型中,作战智能体模型是参与作战过程的作战单元在模型空间上的逻辑映射,是基本的行为主体.行为是作战智能体进行观察,与其他作战智能体和环境进行交互的过程.考虑作战智能体的机动目的和机动过程,抓住确定机动方向或目标点、确定机动路线、确定加速度和空间状态转移等四个主要环节,建立了作战智能体的机动行为模型,描述了作战智能体在作战空间中的位置变换过程.研究对解决作战仿真中的机动模型问题具有重要意义.     

对称协调博弈问题的多智能体强化学习

针对多机器人协调问题,利用协调博弈中智能体策略相似性,提出智能体的高阶信念修正模型和学习方法PEL,使智能体站在对手角度进行换位推理,进而根据信念修正将客观观察行为和主观信念推理结合起来。证明了信念修正模型的推理置信度只在0和1两个值上调整即可协调成功。以多机器人避碰为实验背景进行仿真,表明算法比现有方法能够取得更好的协调性能。     

基于事件的因果关系的默认规则表达与推理模型

本文根据基于事件的因果关系的结构与组成,通过因果关系与默认规则之间的映射,给出了一个因果关系的默认规则表达模型,并讨论了它的预测推理、解释推理和诊断推理方式与算法.     

网络环境下社会管理的组织行为建模与计算实验研究综述

从网络环境下社会管理、组织行为与影响力建模、社会系统的计算实验、社会系统的探索性分析与优化设计四个方面对网络环境下社会管理的组织行为建模与计算实验的研究现状进行了综述. 在此基础上提出了相应的后续研究方向:网络环境下社会管理结构框架与运行机理、网络群体行为分析与影响力建模方法、社会管理的博弈机理、基于多智能体的社会管理计算实验方法和基于计算实验的社会管理策略探索性分析与评估.     

面向网络计算的移动智能体研究与实现

本文围绕移动智能体的以下五个问题进行了探讨 :( 1 )什么是移动智能体与移动智能体系统 ?文中分析了移动智能体的本质特性 ,通过形式化方法认识了移动智能体的核心属性与行为模型 ,给出了移动智能体的计算模型与生命周期模型 ,澄清了移动智能体系统的基本组成。( 2 )为什么要引入移动智能体 ?本文对移动智能体的效用作了深入地探讨 ,认为移动智能体并非一个全新的、替代性的计算模式 ,而是对当前网络计算模式的一个有益补充与归纳。其优势在于提供了一个网络时代的通用计算框架 ,使得基于信息的分布式系统可以简单地、有效地建模与实现 ,智…     

因果知识的表示和推理

本文介绍了因果推理的两个主要应用：预测行为的间接结果，找出给定事实的真正原因，指出了用逻辑描述的因果关系在解决这两个问题中存在的不足。本文也简单地介绍了J．Pearl提出的因果推理方法，该方法的基本思想是把因果推理看成是一种“计算模式”，而这种把智能归结为“计算模式”的想法正是认知科学中的核心思想。本文最后比较了基于逻辑的方法和基于认知科学的方法实现智能的区别，指出了因果推理应该在认知科学的框架内得到解决。     

一种分层强化学习的知识推理方法

针对知识推理过程中,随着推理路径长度的增加,节点的动作空间急剧增长,使得推理难度不断提升的问题,提出一种分层强化学习的知识推理方法(knowledge reasoning method of hierarchical reinforcement learning, MutiAg-HRL),降低推理过程中的动作空间大小。MutiAg-HRL调用高级智能体对知识图谱中的关系进行粗略推理,通过计算下一步关系及给定查询关系之间的相似度,确定目标实体大致位置,依据高级智能体给出的关系,指导低级智能体进行细致推理,选择下一步动作;模型还构造交互奖励机制,对两个智能体的关系和动作选择及时给予奖励,防止模型出现奖励稀疏问题。为验证该方法的有效性,在FB15K-237和NELL-995数据集上进行实验,将实验结果与TransE、MINERVA、HRL等11种主流方法进行对比分析,MutiAg-HRL方法在链接预测任务上的hits@k平均提升了1.85%,MRR平均提升了2%。     

复杂系统的图模型多智能体协同故障诊断

为解决复杂、不确定系统的故障诊断实时推理问题,提出了基于图模型-多连片贝叶斯网络架构下多智能体协同推理的故障诊断方法。该方法将一个复杂贝叶斯网分割成若干有重叠的贝叶斯子网,使监控网络的单个智能体被抽象为一个拥有局部知识的贝叶斯网,利用成熟的贝叶斯网推理算法可完成智能体的自主推理。随后,通过重叠的子网接口进行多智能体间消息的传播,实现了多智能体协同故障诊断推理。实验结果表明了基于图模型多智能体的协同故障诊断方法的正确性和有效性。     

智能体对手建模研究进展

智能体是人工智能领域的一个核心术语。近年来,智能体技术在自动无人驾驶、机器人系统、 电子商务、传感网络、智能游戏等方面得到了广泛研究与应用。随着系统复杂性的增加,关于智能体的研究重 心由对单个智能体的研究转变为智能体间交互的研究。多个智能体交互场景中,智能体对其他智能体决策行为 的推理能力是非常重要的一个方面,通常可以通过构建参与交互的其他智能体的模型,即对手建模来实现。对 手建模有助于对其他智能体的动作、目标、信念等进行推理、分析和预测,进而实现决策优化。为此,重点关 注智能体对手建模研究,展开介绍关于智能体动作预测、偏好预测、信念预测、类型预测等方面的对手建模 技术,对其中的优缺点进行讨论和分析,并对手建模技术当前面临的一些开放问题进行总结,探讨未来可能 的研究和发展方向。