基于本体的多Agent交互模型

介绍Ontology、Agent及Multi-agent基本概念,阐述了MAS交互和本体在MAS交互中的应用,提出一种基于本体的MAS交互模型图,并详细解释了模型中各组成部分的功能。     

Agent之间重复交互策略研究

在Agent构成的社会中信息可以共享,由于单一的交互对共享信息是没有作用的,因此,提出重复的交互策略。重复交互可以使Agent彼此共享信息,通过惩罚来达到系统的平衡,惩罚是通过忽视被惩罚的Agent的询问来实现的。通过简单地介绍一个周期模型,并且定义了延迟的折扣因子和预期效用,从而考虑了更一般的情况,即建立了n个周期模型,描述了通过观察询问的历史记录中没有应答的情况,来决定是否执行惩罚,并且通过试验进行了验证。随着n的增加,Agent的预期效用增加,而平衡的存在越来越少。     

基于APL语言的多Agent交互平台构架

在分析目前多Agent系统设计现状的基础上,以APL语言为基础,吸收J2EE构架在设计分布式系统中的技术优势,提出了多Agent交互的构架和谈判系统的解决方案。同时,引入了Spring轻量级构架的设计思想,对平台设计进行了优化。     

基于BDI的多Agent交互

给出一个以Ａｇｅｎｔ交互为基本出发点的ＢＤＩ描述语言ＭＡＬ,对ＭＡＬ反映的ＢＤＩ概念,ＢＤＩ间的关系以及多Ａｇｅｎｔ群体的社会承诺和联合意图进行了解释,说明了ＢＤＩ在多Ａｇｎｅｔ交互过程中的起的作用,与Ｃｏｈｅｎ和Ｌｅｖｅｓｑｕｅ,Ｒａｏ和Ｇｅｏｒｇｅｆｆ以及ｈａｄｄａｄｉ等人的工作相比,ＭＡＬ同时Ａｇｅｎｔ个体和多Ａｇｅｎｔ群体的ＢＤＩ描述,克服了对ＢＤＩ概念的反直观解释,给出了符合哲学含义的关     

Agent之间重复交互策略研究

在Agent构成的社会中信息可以共享．由于单一的交互对共享信息是没有作用的，因此，提出重复的交互策略。重复交互可以使Agent彼此共享信息，通过惩罚来达到系统的平衡，惩罚是通过忽视被惩罚的Agent的询问来实现的。通过简单地介绍一个周期模型，并且定义了延迟的折扣因子和预期效用，从而考虑了更一般的情况，即建立了n个周期模型，描述了通过观察询问的历史记录中没有应答的情况，来决定是否执行惩罚，并且通过试验进行了验证。随着n的增加．Agent的预期效用增加，而平衡的存在越来越少。     

一种Agent的协作模型

针对Agent之间的协同合作,提出了一种Agent的操作模型,并以形式化的方法描述了其内部的工作机制.现有的Agent系统一般是将Agent的思想应用到某一个特定的区域内,因此其通用性较差.介绍了"市场"这种较为通用的多Agent协作模型,并将其应用到数据挖掘的系统之中,使系统的智能性得到了很大的提高.     

基于角色的多Agent交互中的信息处理

在多智能Agent系统的研究方面,Agent间的交互问题依然是研究的热点。对于交互中产生的信息如何进行合理的处理并对其加以利用,正是需要进一步讨论的问题。由于信息根据交互中的Agent扮演的不同角色,表现出不同的意义,所以其被利用的价值也有所不同。提出了将多Agent技术应用于模拟法庭中,给每个Agent分配合理的角色,基于角色对多Agent交互中的信息进行形式化的表示,为今后Agent的决策提供依据。     

一种基于黑板模型的多Agent系统通信方法

本文以人工智能领域中的黑板模型为基础 ,提出了在 Internet环境中多 Agent系统 (MAS)的通信方法 .该方法可用于异构的 MAS系统间的通信 .首先把 MAS系统的通信环境划分为不同的层次 ,然后用黑板模型对这些层次进行了描述 .基于这种描述给出了 MAS系统通信用协议和相关参数 .而且 ,还在这些参数中设置了有关服务质量的元素 .     

分布式异构Agent系统交互模型的研究

在分析现有多Agent系统的通信模式和信息传输方式基础上,结合XML和CORBA技术,提出了一种分层的、实现分布式异构Agent系统交互的通信模型,介绍了基于XML的信息转换过程并给出了转换实例,通过该模型在两个异构Agent系统之间的信息交互试验,初步验证了模型的可行性和有效性。     

基于多Agent的电子商务系统模型研究

从事电子商务的人员经常面临2个主要问题：如何将网页访问者转换成您的销售线索?如何实现赢利最大化?为此，文中设计了一个基于多Agent的电子商务系统模型，构建了顾客查询Agent、订购Agent、销售Agent和管理Agent，这个多Agent系统将能比较好地解决上述2个问题。     

多智能体环境下的情绪决策模型?

建立一种基于情绪的Nash-Q决策模型,它由认知层和情绪层组成。认知层模型由Nash-Q算法实现,情绪层建立在情绪记忆和评价理论之上,由高兴、伤心、恐惧、厌烦组成情绪空间,建立相应刺激与情绪映射模型、情绪与行为动作映射模型、每种情绪下的动作信任度评价模型。将文中模型应用到两智能体网格决策实验中,结果表明情绪层的引入可加快收敛速度,同时能有效防止陷入局部最优,更好兼顾在线学习的“保守”和“探索”平衡。     

多Agent信念修正研究

Belief Revision is a theory that studies how to integrate new information into original belief set.Classical BR theory uses AGM frame,but it only resolves problems in single agent BR system.Multi-agent BR faces problems such as the collision of many information sources and how to maximize the logic consistence of multi-agent system.On the basis of game theory model,we form profit matrix under different BR strategies in muhi-agent system and try to get the best strategy that satisfies logic consistence of the system through negotiation.     

Multi-agent team cooperation: A game theory approach

The main goal of this work is to design a team of agents that can accomplish consensus over a common value for the agents’ output using cooperative game theory approach. A semi-decentralized optimal control strategy that was recently introduced by the authors is utilized that is based on minimization of individual cost using local information. Cooperative game theory is then used to ensure team cooperation by considering a combination of individual cost as a team cost function. Minimization of this cost function results in a set of Pareto-efficient solutions. Among the Pareto-efficient solutions the Nash-bargaining solution is chosen. The Nash-bargaining solution is obtained by maximizing the product of the difference between the costs achieved through the optimal control strategy and the one obtained through the Pareto-efficient solution. The latter solution results in a lower cost for each agent at the expense of requiring full information set. To avoid this drawback some constraints are added to the structure of the controller that is suggested for the entire team using the linear matrix inequality (LMI) formulation of the minimization problem. Consequently, although the controller is designed to minimize a unique team cost function, it only uses the available information set for each agent. A comparison between the average cost that is obtained by using the above two methods is conducted to illustrate the performance capabilities of our proposed solutions.     

多主体系统服务模型的研究

在研究多主体系统理论的基础上，结合面向服务的体系结构，提出了一个多主体系统的服务模理，给出了该服务模型的体系结构，能有效整合异构服务资源，解决用户服务请求，在多主体环境MAGE上进行实现，弗在城市应急联动与社会综合服务系统中得到了应用。     

基于博弈模型的多智能体覆盖控制问题

多智能体覆盖控制问题是多智能体分布式协作控制的一个重要研究方向,对于要完成给定任务的多智能体系统而言,保持整体的连通性以便信息的共享非常重要。为解决多智能体连通覆盖问题,在非合作博弈的基本模型上,提出了一种完全分布式的控制算法,即每个智能体仅利用通信范围内其他智能体的信息来独立决策自己的行动,使得系统能在基本保持全局连通的同时,实现对周围环境的最大覆盖。在决策每一步的行动时,每个智能体都希望和通信范围内的其他智能体保持尽可能大的距离,但又不能完全孤立,可看作是一个多目标组合优化问题。仿真结果表明了算法的有效性。     

基于信用和关系网的Multi-agent System信任体系

提出了一种MAS环境下基于信用和关系网的Agent信任体系，给出了模型的构建方法及相关的量化公式。该信任体系可以使系统中的推荐信任和直接信任等同看待，能抑制恶意推荐、协同作弊这些干扰现象，能促进关系网的凝聚性，简化Agent合作伙伴的选取，从而促进系统中Agent间的合作。     

Multi-agent合作的委托-代理模型

给出了Multi-agent合作的委托-代理模型，并利用该模型对常见的Multi-agent合作方式进行了分析，同时给出了模型的应用与讨论。模型通过委托人对代理人的最优激励合同设计，能在合作双方信息不对称情况下，促使代理人agent尽力工作，按委托人agent的意愿完成合作，从而能在一定程度上抑制合作中的欺骗，促进系统中agent间合作；同时，模型为合作伙伴达成合作付出代价的计算提供了理论依据。     

多Agent系统模型及其应用

文章提出了基于访问、感知和知识的多Agent系统模型。从特定环境中的Agents为完成一定的任务所应具备的能力的角度出发,引入了环境状态划分函数、感知函数以及状态转移函数等来对Agents和环境进行研究并建立系统模型。该模型是合理的、自然的。同时,它还区分外部环境与Agents环境中可访问的信息,Agents感知到的信息以及Agents知道的信息,并研究了系统的运行过程。接下来,通过具体的实例来说明模型的具体应用。最后进行总结并讨论了进一步的研究工作。     

基于博弈论的MAS任务分配模型及算法研究

以博弈论为基础,引入Agent能力的概念,提出了一种MAS任务分配模型,同时给出了MAS任务分配和资源竞买的详细算法,最后用实例表明了本模型的合理性和算法的有效性.     

一种新的多Agent协作的信息检索模型

文章在概念空间的基础上提出了一种新的信息检索模型,该模型由多个Agent协作完成检索任务。通过构建知识库,充分利用其他用户的知识,加快用户检索到所需信息的速度,减少信息的过载,并能利用概念空间中的相近概念,解决词汇不匹配的问题。