不对称信息下的协商机制设计

探讨交易双方存在不对称信息结构下协商机制的设计问题，给出了具有激励相容性，事后理性协商机制的完全刻画，在此基础上探讨了其效率问题，分别给出了上述机制的具有事前有效性和事后有效性的完全刻画，最后应用协商双方价值具有线性相关性的实例予以说明。     

基于Agent的电子商务博弈协商过程的研究

把人工智能的Agent技术和经济学的不完全信息动态博弈方法结合起来,在买方的立场上通过约束满足机制实现了自动协商的过程。该方法及自动协商过程可用于解决电子商务协商领域中的协商效率不高的问题。     

一个基于Agent的轿车市场自动协商模型

该文提出了一个针对轿车市场中交易协商的双边多议题自动协商模型，该模型具有如下特点：用基于效用的相似度比较法实现Agent智能搜索；模型采用学习机制包括历史学习和Q-学习，历史学习机制用于Agent协商前初始信念的创建，对Agent在协商中策略的选择、执行具有指导作用。Q-学习机制用于生成协商提议，使得Agent能够在半竞争、信息不完全和不确定以及存在最大协商时间的情况下，更为有效地完成多议题协商。     

信任协商的职责行为和约束

信任协商是分布式环境下陌生实体通过交替地披露属性证书建立信任关系的有效方法。分析了现有研究的不足,给出了职责行为和约束条件的定义,并在此基础上引入状态变化系统,定义了信任协商抽象模型。该模型不仅刻画了协商实体之间的交互性,而且也刻画了授权操作的自主性。最后提出了扩展的Ack策略,对敏感信息的保护进行了分析。     

基于组密钥序列卫星网络组密钥协商协议

组密钥的协商是实现卫星网络安全组播通信的一个关键环节。为降低组密钥协商过程的计算及通信开销,针对卫星网络拓扑结构的动态变化问题,基于组密钥序列给出了组控制节点切换方法,实现了对组控制节点的动态调整;引入认证与完整性校验机制,提出了一种组密钥产生与更新机制,提高了密钥协商信息的安全性。仿真分析表明,该卫星网络组密钥协商协议具有较高的效率与安全性。     

基于模型的诊断问题分解及其算法

对诊断问题的分解进行了研究，给出了基于模型诊断问题分解的判定定理，刻画了利用系统观测值和参量假定例化值分解诊断问题，提出了有条件可分解诊断问题的概念，进一步刻画了基于模型的诊断问题分解，对如何利用参量假定例化值分解诊断问题给出了最可能优先算法，并对该算法的正确性、完备性及复杂性进行了证明，文中的工作为具有树型结构的系统诊断效率的提高提供了理论依据。     

一个基于多阶段的多Agent多问题协商框架

多问题协商是电子交易中的关键问题．多Agent技术的不断成熟为这个问题的解决提供了有效的途径．提出了一个以理性Agent为基础的基于多阶段的多问题协商框架,该框架在时间约束下适用于信息不完全的场景,它描述了多问题的价格协商．为了降低多问题协商的复杂性,它将多问题协商分解为多阶段协商,每个阶段的大小（问题数）相同．阶段数和顺序在协商前确定,每个阶段中的问题顺序在协商中确定．在阶段大小相同的情况下,对给定协商问题的分解,框架能给出优化协商议程（agenda）．尤其是框架能为参与协商的Agent建立学习系统（LS）,以增强Agent的学习能力．最后基于这个框架实现了一个原型系统,原型系统证明这个框架是有效的．     

基于策略的自动协商机制在分布委托授权中的应用

网格系统采用委托授权有效地解决了分布状态下的授权问题,但其动态变化将打破委托授权模式下不同安全域间访问权限的全局一致性。为解决该问题,采用了一种基于策略的自动协商机制。为及时发现问题并在相关安全域间快速协商和恢复双方访问权限的全局一致性,该机制定义了一组用于引导协商过程自动进行的策略规则,并给出一个系统必须遵循的协商状态转换图,从而在事件触发器的推动下,自动实施协商过程的状态变换,实现权限协商并重新授权。测试结果表明,与人工协商相比,该自动协商机制提高了解决问题的效率,改善了系统性能,并简化了管理者的安全维护管理工作。     

基于神经网络的协商学习机制

多agent协商研究中,如何通过学习提高协商效率是一个重要的课题,目前的研究多采用简单的学习算法,学习效果不好。论文首先提出了一个两方多回合交互协商框架,然后依据协商历史结果、协商双方初次出价等信知,对协商结果信息进行预测,从而确定协商交互中的推理策略,并利用BP神经网络的自适应、自学习能力对协商结果预测机制进行学习。随后的验证系统表明,该机制通过对协商结果的有效预测,提高了协商交互的效率和协商个体的效用。     

一种劝说式多Agent多议题协商方法

多Agent系统中的协商问题往往由许多议题组成,导致问题空间十分庞大．传统的协商方法通过对问题空间进行穷尽搜索来找到最优解,并不适合多议题协商．而且,传统的方法不考虑协商偏好变化的情况,使得Agent在不完全及不正确环境下找到的最优解并不合理．提出一种劝说式多Agent多议题协商方法．借助信念修正这一有效的推理工具,协商Agent能够在协商过程中接受协商对手的劝说,考虑对手对协商议题的偏好,并根据一种基于辩论的信念修正方法调整自身的偏好．这样就能够使协商Agent对变化的协商环境具备适应性,从而提高协商的效率及正确率,快速准确地达成协议．     

无双线性对的无证书分布环签名方案

现有分布环签名方案大多基于双线性对运算或模指运算,计算效率不高。针对该问题,提出一种无双线性对运算和模指运算的无证书分布环签名方案,只进行椭圆曲线上的模乘运算。通过复杂度分析结果证明该方案是高效的,仅需2s＋3t-2次模乘运算O表示存取结构中子集的个数,S表示实际签名子集中成员的个数）,并且若方案存取结构中所有子集的成员数均设为某一门限值,该方案即成为无证书门限环签名方案。     

Dissipative structures of the Kuramoto–Sivashinsky equation

The features of dissipative structure formation, which is described by the periodic boundary value problem for the Kuramoto–Sivashinsky equation, are investigated. A numerical algorithm based on the pseudospectral method is presented. The efficiency and accuracy of the proposed numerical method are proved using the exact solution of the equation under study. Using the proposed method, the process of dissipative structure formation, which is described by the Kuramoto–Sivashinsky equation, is studied. The quantitative and qualitative characteristics of this process are described. It is shown that there is a value of the control parameter for which the dissipative structure formation processes occur. Via cyclic convolution, the average value of the control parameter is found. In addition, the dependence of the amplitude of the formed structures on the value of the control parameter is analyzed.     

Control Structure Abstractions of the Backtracking Programming Technique

Backtracking is a well-known technique for solving combinatorial problems. It is of interest to programming methodologists because 1) correctness of backtracking programs may be difficult to ascertain experimentally and 2) efficiency is often of paramount importance. This paper applies a programming methodology, which we call control structure abstraction, to the backtracking technique. The value of control structure abstraction in the context of correctness is that proofs of general properties of a class of programs with similar control structures are separated from proofs of specific properties of individual programs of the class. In the context of efficiency, it provides sufficient conditions for correctness of an initial program which may subsequently be improved for efficiency while preserving correctness.     

基于四叉树结构的加权Voronoi图生成算法

针对普通Voronoi图研究的局限性和加权Voronoi算法的低效率问题,提出基于四叉树结构的加权Voronoi图生成方法。核心思想是利用四叉树结构的层次性,获取未膨胀节点的搜索区域和相关生长源,以时间消耗值替代加权距离,并以节点的最短时间消耗值为依据查找归属生长源。推理了基于四叉树结构计算模型的几个基本性质。实验结果表明,本方法能实现生长源的快速膨胀,有效降低时间复杂度,其时间复杂度小于均匀格网结构,可操作性强,具有较好的实用价值。     

先验自适应中值滤波图像增强算法

通过分析传统中值滤波与自适应中值滤波算法的特点,提出了先验自适应中值滤波算法。该算法的思路是先对噪声进行检测与标识,再构造噪声标识矩阵,根据中值滤波算法原理在取中值时排除邻域内噪声点的灰度值。该算法避免了过度滤波,在保证滤波效果的前提下提高了滤波效率。     

基于Trie的路由查找算法设计与实现

Trie数据结构是实现高速路由查找和分组转发的关键。由于商业原因，各厂商的实现方案都是保密的。为此，本文设计实现了便于高速动态路由查找的trie数据结构，并进一步实现了在trie数据结构上的基于前缀值的动态最长前缀匹配算法，提高了路由查找速度和分组发效率。     

结合优势结构和最小目标Q值的深度强化学习导航算法

针对现有基于策略梯度的深度强化学习方法应用于办公室、走廊等室内复杂场景下的机器人导航时,存在训练时间长、学习效率低的问题,本文提出了一种结合优势结构和最小化目标Q值的深度强化学习导航算法.该算法将优势结构引入到基于策略梯度的深度强化学习算法中,以区分同一状态价值下的动作差异,提升学习效率,并且在多目标导航场景中,对状态价值进行单独估计,利用地图信息提供更准确的价值判断.同时,针对离散控制中缓解目标Q值过估计方法在强化学习主流的Actor-Critic框架下难以奏效,设计了基于高斯平滑的最小目标Q值方法,以减小过估计对训练的影响.实验结果表明本文算法能够有效加快学习速率,在单目标、多目标连续导航训练过程中,收敛速度上都优于柔性演员评论家算法(SAC),双延迟深度策略性梯度算法(TD3),深度确定性策略梯度算法(DDPG),并使移动机器人有效远离障碍物,训练得到的导航模型具备较好的泛化能力.     

一种程序源代码相似度度量方法

提出一种程序源代码相似度度量方法,根据C语言程序源代码的结构特点划分函数作用域,采用相关规则对划分后的程序代码进行规格化处理,对生成的Token序列求Hash值,使用散列值匹配算法对程序源代码进行相似度度量。实验结果证明,该方法可提高程序源代码相似度度量精度,且运行效率较高。     

正负关联规则量化方法

提出一种能够有效挖掘正、负关联规则的量化方法,介绍挖掘系统的整体架构,包括支持度和置信度,通过增加对比影响度,对其进行优化,从而提高有趣知识的挖掘效率。仿真实验结果表明,该方法可以剔除一些无效关联规则,弥补传统方法的不足,具有一定应用价值。     

一种生成最优联盟结构的任意时间算法

提出一种用于生成最优联盟结构的任意时间算法LVAA。利用分支限界技术和剪枝函数搜索联盟结构图的L1、L2和最顶层后,根据整数拆分对剩余的搜索空间进行横向剪枝,并在横向剪枝剩余的子空间内进行纵向剪枝,从而求得最优联盟结构。实验结果表明,该算法的剪枝效率较高,并能在任意时间点上找到最优值。