基于知识情感等级BDI主体的决策行为模型研究

为了将知识、信念、愿望和意图以及害怕、焦虑和自信对决策行为的影响的强烈程度进行形式化,把无穷值的卢卡斯维茨逻辑的真值取值范围从[0,1]扩展到[-1,1]。知识情感等级BDI主体的决策行为通过添加了具体条件的不同背景的不同测度来决定;知识情感等级BDI主体模型清晰地表示了主体的知识状态、心智状态和情感状态的不确定性;此模型可以轻易地向其他类型的主体进行推广。在给出了知识情感等级BDI模型的语言、语义以及此模型的不同背景之间的相互关系之后,对知识情感等级BDI主体的军事决策行为进行了实例分析。此研究旨在为分布式人工智能和军事仿真提供形式支持。     

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.     

一种带概率与效用算子的Agent形式化模型

形式化方法描述Agent时需要考虑信念的不确定性与决策的效用性要素.在经典Agent的BDI形式化模型基础上,定义了Agent形式化语言,引入概率算子与效用算子,提出了Agent形式化模型,在此模型中利用概率算子与效用算子对Agent的信念、愿望、意图与规划等意识属性进行了定义.该模型能满足Agent对逻辑理性、信念的不确定性与决策理性的要求.     

BDI Agent的人机智能结合方法

在网络遥操作中存在着由于操作者的操作负担过重或长时间操作而引起的误操作问题,提出以著名的BDI Agent模型为基础,通过引入中断机制,将反映操作者智能决策的操作目标、操作意图与BDI Agent推理产生的目标、意图进行结合的方法,为解决Agent智能的局限性和操作者的误操作问题,提供了一种人机接口方法,实现了人机智能结合.给出了中断的引入方法和操作者操作目标、操作意图中断响应原理,用形式化模型描述了人机智能决策选取目标和意图的过程.该人机智能结合方法在网络遥操作RoboCup中型足球机器人系统中得到了应用.     

基于对策论的MAS—BDI主体模型

1.引言 1987年Bratman首先从哲学上对行为意图进行研究,此项研究对人工智能产生了深远的影响。Brat-man认为只有保持信念(Belief)、愿望(Desire)和意图(Intention)的理性平衡才能有效地解决问题。基于这个理论,Rao和Georgeff提出了BDI模型:其中B(信念)是BDI主体对自身和世界的认识;D(愿望)是主体要完成的任务;I(意图)是主体所选择的计划。该模型的形式化方法是基于时间的分支模型:信念、愿望和意图分别是分支时间结构。如果将主体的愿望空间描述成一棵决策树,每一节点表示一个选择,一个主体的意图选择过程可以转化为主体在一棵决策树上选择最佳路径的问题。本文将该模型扩展到MAS领域。在多主体系统中,各个独立主体之间相互合作;但是为了获得最大收     

一种新型Agent结构模型研究

本文提出了一个基于传统BDI结构的新型Agent模型，即:BDIM模型。通过在传统的BDI结构模型基础上追加激励算子（motivation）试图解决传统的BDI结构在描述自学习机制和知识动态维护方面的局限性。本文在Rao和Georgeff基于扩展计算树逻辑对BDI结构形式化建模的基础上进行了扩展，把激励相关算子无缝地嵌入到一个已经比较完善的形式化体系结构中.     

智能主体的等级BDI(信念、愿望和意图)模型

BDI(信念、愿望和意图)模型是影响最为广泛的主体技术之一。在把无穷值的ukasiewicz逻辑和命题动态逻辑进行融合后对等级BDI主体模型进行形式化的基础上,提出了GBDIPDL+LL逻辑。为了通过概率、必然性和可能性对不确定性行为进行表示和推理,把相应的公理添加到ukasiewicz逻辑中。文中的GBDIPDL+LL主体模型使用多背景系统,清晰地表示了信念、愿望和意图的不确定性。GBDIPDL+LL主体行为则通过添加具体条件的每种背景的不同测度来决定。对信念、愿望和意图的模型进行了公理化,并说明了它们对主体行为的影响,该模型可以很轻易地向包括其他心理状态的主体进行推广。在给出了GBDIPDL+LL模型语言、语义和GBDIPDL+LL逻辑的公理和演绎规则后,证明了此逻辑系统的完全性和可靠性。之后,在对复合行动进行形式刻画的基础上,描述了GBDIPDL+LL模型的不同背景之间的关系。文章立足于不确定性的表示和推理,志在为分布式人工智能提供形式支持。     

工作流模型的扩展及其形式化描述

工作流是一类能够部分或全部由计算机支持或自动处理的业务过程,工作流模型是对工作流的抽象表示,也就是对业务过程的抽象表示。论文以过程工程理论建立的企业模型作为工作流模型的扩展思想,归纳出了工作流模型设计原则,并对现有的扩展方法进行了分析;最后提出了一种工作流模型,该模型由过程模型、活动模型、组织模型、资源模型和信息模型五个子模型组成,并给出了各子模型的形式化描述。     

情感等级BDI主体模型研究

信念、愿望和意图(BDI)模型是近年来影响最为深远的主体技术之一。文中把命题动态逻辑和无穷值的ukasiewicz逻辑进行融合后对情感等级BDI主体模型进行了形式化。为通过信念度、愿望度、意图度、害怕度、焦虑度和自信度对不确定性行为进行表示和推理,把相应的公理添加到ukasiewicz逻辑中。文中的情感等级BDI主体模型的行为是通过添加具体条件的每种背景的不同测度来决定,清晰地表示主体的心理状态和情感状态的不确定性。文中对情感等级BDI模型进行公理化,并说明它们对主体行为的影响。此模型可较轻易地向包括其它心理状态和情感状态的主体进行推广。文中在给出情感等级BDI模型的语言、语义及公理和演绎规则后,证明此逻辑系统的可靠性和完全性。随后给出情感等级BDI主体模型的不同背景之间的相互关系,并对该主体的买房行动进行实例分析。本研究立足于不确定性的表示和推理,旨在为分布式人工智能提供形式支持。     

网络敌手模型研究

本文首先分析网络攻击特性,给出其形式定义、研究分析了网络攻击特点及攻击模型发展状况,提出了一个网络敌手模型,该模型由三个子模型组成,即网络敌手心智子模型、网络敌手攻击决策子模型、网络敌手攻击行为变迁子模型。这三个子模型将刻画网络攻击敌手的特征,包括敌手内部心智及外在的行为。该模型克服已有模型的不足,模型的能力也更强,能够描述攻击者的意图、决策及行为。并进行形式化分析网络敌手的特征、决策规划、攻击行为过程等网络攻击环节。其目的在于知己知彼,为网络信息安全对抗技术及网络安全策略的研究提供理论基础和指导依据。     

Goal在Agent中的使用研究综述

Agent系统是综合哲学和计算机科学等多门学科的交叉研究领域。心智模型是Agent研究中的核心问题,在各种心智模型中,最成功的是BDI模型,而Goal的引入为BDI心智模型的研究提供了新的思路。根据Goal在Agent中的特点,阐述了Goal在Agent模型中的引入、分类、语义、协商等主题,旨在总结和分析现有的Agent中Goal的使用和机制,为BDI Agent心智模型的研究和对Goal研究的发展趋势和方向提供参考。     

基于Agent的面向DSS的模型库系统研究

智能性是决策支持系统未来的发展方向,为了提高决策支持系统模型库的智能性,文章将Agent的智能性融人到模型库系统中,提出了一种基于Agent的模型库系统构建方案。主要研究基于Agent的模型表示、模型选择和模型组合技术,模型库系统的架构方案及各功能Agent模型,详细阐述了模型库系统各部分的工作原理,并在JADE平台完成了模型库系统原型的开发。实验证明：所设计的基于Agent的模型库系统能很好的解决模型表示、模型组合和模型选择问题,比传统模型库系统具有更高的智能性。     

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。     

基于多Agent的Web负载测试框架研究*

提出了一种基于角色的多代理Web负载测试框架,其核心的三种角色代理均采用一种扩展的BDI代理模型。BDI代理中可动态加载能力组件的功能显著地提高了Web测试的包容性和可扩展性。该框架描述了大量执行不同测试任务的Agent和Agent集,以及支持它们相互通信的Agent通用平台。最后通过一个简单的原型系统,对该模型的性能和可行性进行了验证。     

基于多Agent的Web负载测试框架研究

提出了一种基于角色的多代理Web负载测试框架,其核心的三种角色代理均采用一种扩展的BDI代理模型。BDI代理中可动态加载能力组件的功能显著地提高了Web测试的包容性和可扩展性。该框架描述了大量执行不同测试任务的Agent和Agent集,以及支持它们相互通信的Agent通用平台。最后通过一个简单的原型系统,对该模型的性能和可行性进行了验证。     

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。     

基于情境演算的智能体结构

Agent结构的建立是Agent研究的重要内容.尝试着结合BDI结构和情境演算的优点,提出了一个能够刻画Agent的多种特征,尤其是自主性的智能体结构AASC(Agent architecture based on situation calculus).此结构既能表示Agent的信念、目标、策略等心智状态,又能进行行动推理和规划,为解释Agent的自主性、建构不同类型的Agent提供了统一的平台.     

一种新型Agent模型及其实现框架研究

在充分研究传统的BDI体系结构在描述自学习机制和知识动态更新方面的局限性以及合作环境下的Agent的动力学特征基础上,提出了一个基于传统BDI结构的扩展模型,即BDIM模型。在传统的BDI基础上追加激励因子概念,从心理学和经济学角度对激励进行了定性地分析,从而把激励无缝地嵌入到一个已经比较完善的理论体系结构中;另外,激励概念的引入也为如何在统一的理论框架下对其他两种主体结构：反应性主体和社会主体,进行统一描述和分析提出了一个全新的方法。对于协作环境下的MAS模型,针对BDIM结构的特点提出了一个基于知识仓库的解决方案。     

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。