基于BDI模型构建信息Agent

本文提出一种用于分布式多Ａｇｅｎｔ环境的以ＢＤＩ模型为基础构建信息Ａｇｅｎｔ的方法,给出了ＰＥＲＦＯＲＭ（ＰＥＲｓｏｎａｌ ｉｎＦＯＲｍａｔｉｏｎ Ｍａｎａｇｅｒ）系统的模型和算法。     

多Agent系统BDI模型的推理研究

提出了基于环境感知的具有推理能力的BDIAgent模型。通过引入环境感知函数、意见函数、过滤函数、行为函数对环境的变化和Agent自身推理过程进行研究,并通过实例加以说明。     

BDI Agent推理模型的研究

文章提出了基于环境感知的具有推理能力的BDI Agent模型。并通过引入环境感知函数、意见函数、过滤函数、行为函数对环境的变化和Agent自身推理过程进行研究。在此基础上,通过积木世界的具体实例加以说明。     

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。     

基于BDI的对手Agent模型

MAS中建立对手模型,并进行意图和规划识别是有效交互的必要条件.BDI是描述思维的有效手段,可用来建立通用的对手思维状态模型.当前对手模型的研究偏重于对单一行为结果的推断,不能充分表示并发多意图及其关系,也不利于实时地的为决策提供支持.提出的基于BDI建立通用对手Agent模型的算法改进了Anand S.Rao和Milind Tambe等人有代表性的研究成果.     

基于BDI的Agent合同网实现

合同网是一个用于分布式问题求解的高层通信协议,本文给出了一个扩充的合同网协议的会话策略和一个BDI精神状态形成模型,并在此基础上将BDI模型用于合同网协议,给出了实现合同同网协议的一系列BDI行为驱动规则。本文在合同网协议的招投标过程中引入了信任度、稳健度和积极程度等精神状态参数,这类参数有助于改善协作质量,从而使系统具有较好的适应性和灵活性。     

基于加强学习的BDI Agent动作规划机制

为了确保BDIAgent在动态、复杂的环境中实现基于某目标的动作序列决策任务,使用与/或图描述了意图决策结构,此结构将目标与实现这些目标的计划联系起来。根据意图决策结构,提出了3种不同的基于加强学习的动作规划策略,分别是短视性BDIAgent的单步规划、具有远见的BDIAgent的多步规划和追求完美的BDIAgent的最优规划。与传统的BDIAgent系统相比,这种新的意图决策模式克服了计划抽象的不足,并且易于编程实现。     

一种BDI Agent的动态推理模型

论文提出了基于环境感知的具有动态推理能力的BDIAgent模型。该模型引入了环境感知函数、意见函数、过滤函数和行为函数对环境的变化和Agent自身推理过程进行研究,并用扩展了的ASL语言描述该模型的动态推理过程。然后,用机器人摞积木的例子来验证这种推理过程的合理性。最后进行总结并讨论了进一步的研究工作。     

基于BDI的测试用例生成Agent模型

在某些软件测试过程中，是由人工设计黑盒测试中的测试用例，这种方法人工重复劳动多、测试效率低。基于Agent理论中的BDI Agent的思想，给出了黑盒测试中自动生成测试用例的一个Agent模型，提出了一个使用该模型生成测试用例的算法。该模型能够依据黑盒测试中测试用例生成的基本原则和待测功能模块的功能说明，自动设计出相应的测试用例。使用该模型和算法生成了一个登录窗口的测试用例，解决了传统黑盒测试中的不足，具有重要的理论和实际意义。     

基于BDI框架的多Agent动态协作模型与应用研究

近年来，多Agent学习已经成为人工智能和机器学习研究方向发展最迅速的领域之一．将强化学习和BDI思维状态模型相结合，形成针对多Agent的动态协作模型．在此模型中，个体最优化概念失去其意义，因为每个Agent的回报，不仅取决于自身，而且取决于其它Agent的选择．模型采用AFS神经网络对输入状态空间进行压缩，提高强化学习的收敛速度．与此同时，利用模拟退火算法启发性地指明动作空间搜索方向，使其跳出局部最小点，避免迭代步数的无限增长．理论分析和在机器人足球领域的成功应用，都证明了基于BDI框架的多Agent动态协作模型的有效性。     

基于Multi-agent的地铁站内人群应急疏散交互研究

地铁是人们日常出行的重要交通工具之一,地铁站作为人员密集场所,潜藏着巨大的安全隐患,一旦发生火灾,需要快速组织疏散,避免造成大量人员伤亡。提出领导者、普通者和惊慌者三种Agent,构建了多Agent交互协作模型,以某地铁站为仿真空间对象,采用Building EXODUS平台对模型进行仿真。仿真结果表明:疏散中各角色群体的交互,尤其是领导者Agent的引导和协调作用能够提高疏散效率,缩短疏散时间。     

基于Multi-Agent的协作式网络学习系统模型研究

引入Agent技术,提出一种基于Multi-Agent的协作式网络学习系统模型:详细阐述了MASCWL的工作流程及模型构建;引入Petri网模型,对学习主体Agent间协作控制过程进行了形式化描述;提出了系统实现具体方案;最后,利用计算机Multi-Agent仿真建模平台Swarm对学习主体Agent的复杂协作行为进行了仿真建模,实验结果显示:MASCWL在一定数量的学习主体协作下呈现一定的优化性能.     

基于多Agent的适应性网络教学系统设计

当前的智能教学系统对于用户提出的适应性学习服务实现效果尚不理想,突出体现在不能根据学生的学习特点提供相应的学习方式.将Agent技术引入智能教学系统,构建了一种基于多Agent的适应性网络教学系统框架,分析了框架内各Agent的功能和工作过程,提出了一个学生学习特征提取和处理的模型.通过动态跟踪学习记录,采用向量相似度计算寻找一种与学习者相适应的学习风格,为学生提供适应性的学习服务.     

基于多Agent的会议制订系统MSS/MAS

MSS/MAS系统是一种基于多Agent的分布式会议自动制订系统。它的协商方式是基于非终止主动合作计算模型,具有良好的理论背景。我们利用多Agent间的合作关系设计系统并实现高效的会议制定功能,因此MSS/MAS系统是一种具有较强应用价值的多Agent系统。     

基于PAC模型的多Agent用户界面设计

介绍了基于多Agent的用户界面模型PAC,提出了应用PAC模型按照功能与表现分离、层次化组织结构的原则开发多gent用户界面的分析与设计方法,提出了10条用于多Agent用户界面设计的启发式规则。该方法具有概念清楚,分析设计容易等特点。最后,应用该方法,设计了具有机器学习功能的航空公司安全管理智能决策支持系统的用户界面。     

基于社会网络与声誉信任机制的移动多Agent系统信任模型

基于信任机制的移动多Agent系统中,代理Agent一般通过直接信誉值和推荐信誉值来判断对于另一个Agent的信任程度。由于系统相对巨大,直接信誉值通常难以获得,判断的正确性很大程度上依赖于推荐信誉值的准确性和可靠性。通过对整个多Agent系统进行社会网络的挖掘,用以得到与代理Agent存在潜在社会关系的一组Agent。对这组Agent提供的推荐信息充分信任,并优先使用这些Agent提供的信息进行推荐信誉值的计算。最后通过双方直接交易的多寡判断综合信任值中直接信誉值与推荐信誉值的权重。通过实验验证了该模型的有效性。     

基于多主体的分布式网络入侵检测系统

随着网络入侵行为变得越来越普遍和复杂,传统的单一入侵检测系统已不能满足网络安全的发展需求.针对当前形势,为了提高计算机及网络系统的防御能力,提出了一种基于多主体的分布式网络入侵检测模型,研究了基于多主体的分布式网络入侵检测系统.在对入侵检测系统的描述中,重点介绍了入侵检测系统功能、入侵检测系统框架、入侵检测系统工作流程和系统实现的关键技术.为了验证系统的有效性,对入侵检测系统进行了大量的测试.测试结果表明,入侵检测系统扫描网络花费时间不多,扫描结果准确率很高.     

一种基于多智能体的电力零售市场模型

使用多智能体技术,建立了一种电力零售市场的模型.该模型包括了4类市场成员智能体:电力交换公司智能体、发电公司智能体、电力零售商智能体和电力用户智能体.     

基于多Agent的分布式计算机动态取证模型研究

传统的计算机取证大多采用静态取证技术,通过事后分析的方法提取证据,证据的收集和提取比较困难,证据的法律效力低.将计算机取证技术与入侵检测技术结合,提出一种基于多Agent的分布式计算机动态取证模型,采用多Agent的分布式数据采集策略,扩展了取证范围;通过入侵检测系统实时监测,动态获取入侵证据,提高了证据的证明能力;同时,采用证据融合的数据分析技术,通过多源联合信息降低了误警率,增加了证据的可信度,提高了证据的有效性.     

基于着色Petri网的多Agent交互

在多Agent系统（MAS）中,Agent通过遵循交互协议的信息交换来进行交互,而大多数的Agent交互协议是在Agent设计时事先绑定的,这大大降低了Agent之间交互的灵活性。文章给出了一种灵活的创建Agent之间交互协议的方法,通过此方法,Agent不但可以分析自身是否可以使用创建的新协议进行交互,还可以分析使用新协议是否更有利于实现其自身目标。