分层多agent应用集成框架中的动作组件库设计*

提出了称为动作组件库的设计来支持分层的多agent应用集成框架。首先,提出采用由上层agent协调下层agent执行的企业应用集成方式的原因,说明了动作组件库的设计以及如何集成动作组件库的动作实例来支持下层agent完成特定目标。通过一个场景的实现说明动作组件库如何在应用集成中发挥作用。在分层的应用集成框架中,动作组件库的设计为上层agent提供统一的接口来协调下层agent的运行,从而使下层职能agent可以并发地执行业务过程,提高系统运行效率,减少局部流程变化对于整体流程的影响,最终使用户能够采用基于     

Agent应用系统模板语言研究

为了有效地构造可靠、便于维护的多Agent系统（MAS），根据Grammarware的工程化思想与产生式编程技术，以基于黑板的单Agent结构为基础，提出一种Agent模板语言（APL）。通过一个企业业务过程管理（BPM）场景，说明在应用中如何使用APL描述Agent中针对具体应用的数据类型、知识源组件等，并由解析器将APL转换为JADE上的执行代码，进而实现多Agent系统的快速构建，实现MAS自顶向下的开发，从而提高系统开发的效率，增强系统的灵活性与可复用性。     

预动环境中基于协同信任的表情分析

面向情感计算的面部表情研究得到快速发展,人机交互中得到表情的可信分析成为研究热点.提出预动环境中协同依赖的表情分析模型,设计协同信任算法,实现对表情的可信分析.首先,根据个体的表情结构与特征证据的关系提出预动环境中可协同交互的表情分析模型;然后,引入协同理论扩展特征证据,设计协同依赖的可信表情模型,阐述表情特征的证据推理算法;最后通过实验验证协同信任模型对表情的实时可信分析,降低了分析模型主观因素对可信结果的影响.该研究有助于更好地认识信任因素对情感计算的影响.