Agent组织规则的再励学习

Agent组织是一种灵活有效的多Agent系统求解方式。Agent组织规则在Agent组织的求解过程中起着重要作用，可以有效地减少冲突提高求解效率。给出了一种基于再励学习的Agent组织规则生成机制和相应的算法，通过实验表明了算法的有效性，改进了Zambonelli和Jennings等人关于Agent组织规则的工作。     

Agent的组织承诺和小组承诺

基于Agent组织的多Agent问题求解对降低求解难度和求解复杂性有重要意义.对Agent组织的研究主要集中在组织模型、组织规则、组织结构以及组织的形成和演化等方面,需要从组织中Agent的各种思维属性及其相互关系加以扩展.分析和定义了Agent组织中Agent的内部承诺和社会承诺、小组承诺和组织承诺,研究了基于承诺的Agent组织的形成机制以及Agent组织中承诺的性质,从而推广了关于Agent组织的研究.     

基于Agent系统再励学习的应用

本文介绍了Agent组织规则及再励学习的理论,给出了一种基于再励学习的Agem组织规则生成机制和相应的算法。从而得出结论：Agent组织规则在求解过程中起着重要的作用,可以有效地减少冲突,提高求解效率。     

Agent组织的一种递归模型

Agent组织是多Agent系统(MAS)的一种求解形式.基于Agent组织的问题求解可以减少MAS中Agent之间交互的复杂性,降低求解难度.结合收益和组织规则提出了一种Agent组织的递归模型,并讨论了Agent组织的目标分解、收益计算和组织规则形成等问题.相对于Ferber和Jennings等人的工作,这种模型适于描述不同规模的组织,有利于MAS宏观分析和微观分析的结合,而且模型中效用参量的引入可以在一定程度上表明Agent组织的演化.     

面向结构的Agent组织形成和演化机制

基于Agent组织的多Agent问题求解可以大大降低求解难度和交互复杂性。其中Agent组织的形成和演化是基于Agent计算和合作的关键。给出了面向结构的组织形成和演化机制,解决了麻木性和灵活性差问题,保证了Agent的效用理性和个性倾向,刻画了演化所满足的性质,改进了Shehory,Kraus,Glaser等的组织形成和演化方法。     

基于层次图变换的多Agent组织结构动态重组机制

如何动态适应环境是基于组织计算的多Agent系统的关键研究内容之一.组织结构的动态重组为多Agent系统柔性地实现组织目标提供了有效途径.结合Agent组织结构特点,给出了一种描述组织结构的社会结构、角色指定和Agent协调的单根节点层次图模型.通过单根节点和层次化地维护组织结构内元素的拓扑关系,有效地降低了大规模Agent组织重组问题的复杂性;扩展DPO(double-pushout)代数图变换,形式定义了Agent组织结构的重组过程.单根节点层次图描述了重组过程中给定时刻的组织结构状态,图变换规则序列定义了组织结构的变化过程.Agent组织重组和图匹配算法实验结果表明,该层次图变换方法有效地刻画了多Agent组织动态重组过程,并支持图形化重组过程要素设计和大规模Agent组织的重组计算.     

基于约束图分片求解DCOP的Agent组织结构

MAS中许多分布式推理问题可以建模为分布式约束优化问题(DCOP),解决DCOP的分布式算法已经成为MAS中的重要基础.已有的Adopt等算法通过对等的Agent之间的平等协商完成求解,强调了异步通信、分布计算与对解质量的保证,在求解问题的组织结构方面仍有改进余地.可以采用一种基于分散与集中相结合的思路,基于对约束图分片的方法及核心结点、通信主干道等概念,构造新颖的Agent组织结构,完成DCOP问题的异步、分布求解.在该组织结构下求解DCOP的算法可在效率、适应动态性方面得到改善,并将一个Agent一个变量和一个Agent多个变量的DCOP求解方法统一起来.     

多级正交Agent结构模型

文章用代数理论对Agent的属性和行为特征进行抽象,寻找一种合适的描述多Agent系统的抽象方法。提出了多级正交Agent结构的概念和框架结构,给出了正交Agent结构的核心模型。提出和研究了正交Agent结构的抽象模型和非正交Agent结构的正交化算法。相对于Ferber、Zambonelli和Lesser等人的工作,这种模型使Agent组织结构清晰,易于实现,有利于研究Agent之间的协调求解能力和Agent组织结构的演化能力。     

Agent组织结构的圆层式模型

Agent组织是多Agent系统的求解形式,合理的组织结构有助于Agent成员(或子组织)之间的合作和对合作任务及合作成员的管理,因此,对Agent组织结构的研究引起了越来越多的重视.提出了Agent组织结构的圆层式模型;并对Agent角色(或子组织)在MAS求解过程中的行为进行代数抽象,得出了Agent组织结构在代数方面的结构性质.     

情感多主体系统的设计与实现

多Agent在复杂多变的环境中行为的自组织是当前人工智能研究的一个热点．本文借鉴生物系统控制的理论，设计了一种多Agent的体系结构，在此结构中包含有遗传、神经和内分泌控制子系统．本文重点论述了内分泌控制子系统的作用，提出了用情感进行行为学习的新方法．在此方法中，神经系统的作用是记忆和行为决策，其行为决策的效果通过内分泌系统进行反馈，从而避免了神经网络的自学习，使得算法具有较好的求解性能．为了验征该算法的有效性，本文做了倒立模控制的仿真实验．仿真结果也表明算法具有很强的自适应求解能力．     

Agent组织结构的层次式模型

文章用代数理论对Agent组织结构的属性和行为特征进行抽象,提出了Agent组织结构的层次式模型,讨论了层次式Agent组织结构的基本思想和结构框架。提出了“层”的抽象概念及相关性质,提出了层的使用、协作、极大公共子Agent和极小公共父Agent四种运算的新观点,证明了层与使用运算构成半群、与后三种运算分别构成交换半群。     

基于组织结构的多主体协作

基于主体组织的多主体问题求解可以降低问题求解难度和交互复杂性,其中多主体组织的形成规则和多主体的协作与规划是多主体合作的关键。文中提出了一种新的多主体组织模型和一组相关的组织原则,给出了组织规划的方法,提出了多主体组织的形成与消亡形式,并利用扩展的时序逻辑和π演算对上述结论进行了形式化描述,完善了基于组织结构的多主体协作理论,改进了多主体理论研究和多主体编程实践之间脱节的现状。     

一种多智能体组织模型

多智能体组织是由多个智能体以承担组织结构中的角色而组成的系统。它一旦形成,就正如一个智能体一样,作为一个整体承担社会或其他某个组织的角色。因此,对多智能体组织的研究就应从整体和结构两个角度进行。基于这种思想,对现有的组织模型进行了改进,提出一种较为通用的组织结构,以及基于角色的社会智能体、多智能体组织的统一模型,并描述了一种实现最大组织效益的多智能体组织形成机制。     

一种新的多主体学习方法

提出了一种在大型复杂的多主体系统中逐步改进个体与群体问题求解能力的学习方法－基于基组织结构的共识学习方法，通过该方法，各主体能够针对某一领域问题交换意见，分别扩充或修改各自原有的知识，直到达成共识，文章的最后用一个实例详细描述了主体个体的技能和系统的性能是怎样通过共识学习得到提高的。     

多阶段多产品调度问题的链式智能体遗传算法

将遗传算法的编码方式与智能体系统的演化结构相结合,提出一种求解多阶段多产品调度问题的链式智能体遗传算法.算法采用基于订单序列的编码方式,采用一种新的后向指派规则实现编码和可行调度间的一一对应.通过各智能体与其邻域环境的竞争与合作以及自身的自学习操作实现种群的演化过程.对多阶段多产品调度问题的仿真结果表明:链式智能体遗传...