排序方式: 共有13条查询结果,搜索用时 16 毫秒
1.
本文探讨了在Intemet环境下,知识型MAS系统的任务负载分配问题,指出了它与网格计算的区别.本文的方法与传统的计算资源分配方法相反,将任务负载看作资源,而将Agent作为消费者,每处理一个任务,就获得一定数量的边际效用,利用市场机制,使Agent自主进行任务负载的分配.设计了基于均衡市场和连续CDA市场的两种调度算法,对算法的效果和特点进行了分析,证明市场机制的调度算法可以有效地实现MAS系统任务负载的平衡.此外,本文还给出了一个简单的确定均衡价格的方法. 相似文献
2.
本文针对多Agent系统中Agent之间的盲目交互可能产生的效率低下问题,提出了一种基于慨念树结构的多Agent合作求解模型.在这个模型中,各Agent基于自己的领域知识构造出概念树,通过Agent之间的合作,对概念树从根节点开始使用证据理论实现逐层聚焦,逐步缩小求解范围.为此,本文基于模态、逻辑和关系概念提出了一种面向可能解集的证据理论表示,并探讨了在多Agent环境下应用证据理论可能导致的若干问题. 相似文献
3.
MAS系统的问题求解能力分析 总被引:2,自引:0,他引:2
本文用状态空间搜索模型分析了多Agent系统(MAS)的问题求解能力,认为MAS系统中Agent之间知识的组合应用和对问题搜索方向的交互和决策是影响MAS系统问题求解能力的主要原因,在状态空间搜索模型下可以将Agent间知识的组合应用表达为不同Agent的搜索路径的组合,而Agent对搜索方向的判断是基于启发式信息做出的,从而为形式化分析MAS系统的性能建立了通用的模型.本文以A*算法为例探讨了可采纳算法下多Agent合作求解效果与Agent的知识和启发信息之间的关系,指出只有在一定条件下MAS系统才会获得更好的解题能力.本文还对非可采纳算法下MAS系统性能分析方法提出了初步看法. 相似文献
4.
5.
6.
7.
发现频繁项目集是多种数据挖掘应用中的的,最新的研究主要围绕减少事务数据库的扫描次数进而减少挖掘过程的I/O代价来提高效率.本文提出一种快速挖掘频繁项目集的算法FDFI(fast discoveryfrequentitemsets).该算法利用深度优先搜索的特点,结合频繁项目集的性质,有效地缩小了搜索空间,并采用独特的支持度计数策略,只需一次数据库扫描,就可计算所有项目集的支持度,大大减少了数据扫描量.最后作者对这一算法的性能进行了理论分析和实验验证. 相似文献
8.
从数据中学习贝叶斯网络往往会因为搜索空间庞大而耗费大量时间.由于贝叶斯网络固有的因果语义,领域专家往往能够凭借自己的经验确定节点之间的因果关系.本文方法充分收集专家的意见,并利用证据理论进行综合,去除无意义的网络结构,然后利用常用的学习算法从数据中继续学习.这种融合知识和数据的贝叶斯网络构造方法利用专家知识来缩小学习算法的搜索空间,避免了盲目搜索,同时也避免了单个专家知识的主观性.实验表明该方法能够有效提高学习效率. 相似文献
9.
利用语义网中本体和OWL(Ontology Web Language,即网络本体语言)等相关技术,通过一阶谓词逻辑及产生式知识表示方法具体描述地震灾害应急响应,为实现自然灾害领域应急响应的知识表示和共享提供一种参考。 相似文献
10.
本文结合小波图像压缩算法和VLSI并行处理的要求,提出了一种心动阵列与通用处理器组合的并行处理结构,具有易于VLSI实现、支持多种编码方案的优点,并在并行软件环境PVM上模拟其工作过程,证明该设计是可行的. 相似文献