多Agent两标的序贯拍卖最优排序策略研究

序贯拍卖是多Agent系统中资源分配的一项主要机制。考虑现实拍卖环境,放宽基准拍卖模型假设,提出一个公开标的信息的多Agent两标的序贯拍卖模型,分别给出买家Agent在FPSA、SPSA拍卖规则下的竞价策略。根据两标的间不同关系,分析了买家Agent利润和卖家Agent收益的变化情况,由此得到两标的拍卖的最优排序策略。     

不确定条件下的多Agent自动协商模型

考察了在不确定条件下的双边多议题协商中对Agent的效用建模的问题,给出一个引入了不确定因素的Agent的效用函数形式,更为准确地描述了不确定条件下Agent的偏好.提出了一个不确定条件下的自动协商模型,基于遗传算法设计了协商算法.仿真实验结果表明,该模型能够降低风险,改善Agent在协商过程中的决策效果.     

基于策略选择的Agent多议题协商优化

Agent和多Agent系统（Multi—Agent Syste璐，简称MAS）正在成为人工智能研究实用化和在分布计算环境下的软件智能化的重要技术。协商策略是Agent协商的一个重要问题，选择有效的策略，可以有效地提高协商的效率。提出了一个策略选择算法，并以此为基础，在协商模型中运用预测结果，对协商模型进行了优化，使Agent在协商过程中能根据自己的需要来缩短协商进程，同时获得合理的收益，提高协商过程的可控性。最后通过实验证明了工作的有效性。     

一种基于不完全信息环境下多议题协商的最优化

文章探讨了Agent之间双边多议题的协商。主要以议程和协商程序这两个因素研究了其结果．并分析了不完全信息环境下不同议程和程序的协商过程，在此基础上，我们确定了逐一问题和一揽子交易两个协商程序的平衡策略，最后，给出了每个Agent所有可能议程和过程组合优化的协商结局。     

一对多协商模型研究

自动协商是基于Agent系统中的一个关键交互方式。该文研究一对多协商模型及其相应的协调策略。首先本文提出一个更加灵活的一对多协商模型。支持连续协商,满足开放和动态的协商环境要求。然后提出基于相对效用的协调策略。实验表明该模型能够在协商解效用、协商时间和成本等方面进行优化,证明模型的有效性和更好的实用性。     

多Agent系统研究概述

Agent是一个能够感知外界环境并具有自主行为能力的以实现其设计目标的自治系统。Agent和多Agent系统的研究已经成为分布式人工智能(DAI)的一个热点。阐述了Agent以及多Agent系统(MAS)的基本概念;多Agent系统的反应式结构、慎思式结构以及混合式结构等3种基本的体系结构与多Agent系统的BDI模型,以及多Agent系统中的通信、协调、协商、和合作等关键的技术问题。最后给出了多Agent系统研究尚需要解决的一些问题。     

基于Agent的模糊控制器机理研究

提出了基于Agent的模糊控制器，定义了概念模型和组成结构。Agent具有自己的目标、意图和信念，能对外界进行预测。多个Agent之间协商合作进行模糊推理，增强了系统的稳定性和适应性。利用L*语言对Agent的心智状态进行了形式化描述，阐明了模糊推理Agent的模糊推理过程。给出了模糊推理Agent之间进行通信的规约。用VC十十定义了模糊推理Agent的COM组件模型。     

基于多Agent的个性化动态信息服务系统的实现

本文针对用户和系统管理员在访问公共信息平台过程中对信息服务内容、种类和服务层次的不同需求，提出了一个基于多Agent的个性化动态信息服务系统．并对其中Agent行为算法进行优化。     

一种实时自适应的多Agent路径诱导系统

文中将车、路和人三者同时考虑成一个有机整体,提出一种实时的自适应多Rent路径诱导系统.该系统将这三者用多个Agent表示成统一的多Rent系统,使得人们在出行时利用该系统可以实时的满足人的需求,又能最大化的使得交通最优.并给出了这种实时自适应的多Agent路径诱导系统的模型、协商方法、运行过程,为智能交通系统提出了一种新的解决方法.     

基于黑板模型的多智能协作学习系统的模型研究

构造了基于黑板模型的多智能协作学习系统。运用黑板模型,将多Agent技术应用到协作学习系统中,实现多个Agent之间的通信与协作学习。设计并实现了一个Jadex平台的智能协作学习原型系统,通过系统平台的运行测试,该系统实现了基本的智能协作学习功能。该系统具有智能性,可以使协作学习系统为学生提供更好、更高效的服务,提高学生在协作学习过程中的效率     

引入熟人集的Agent协作联盟构成

Agent联盟构成问题是一个复杂的组合优化问题,属于NP完全问题,其求解是很困难的.本文提出了一种Agent联盟构成策略,该策略在系统运行的初始阶段,保证任务分配的最优解.而在随后的运行中基于熟人集形成Agent联盟.该策略保证在接近任务分配优化的情况下,有效减少系统中的可能联盟数以及联盟形成过程中的通信开销和计算量,避免联盟形成过程中的盲目性,从而节省协商时间提高协商效率.     

基于多Agent的在线培训系统设计

根据在线培训的特点和需求,把Agent技术引入到在线培训系统,在分析智能教学系统的基本理论及Agent思想和方法的基础上,以建构主义学习理论和现代教育理论为指导,建立一个三层多Agent结构的自适应远程培训系统,可以提高在线培训的智能性和个性化,从而改善培训效果.     

基于Agent的Repast建模仿真平台

基于复杂适应系统理论的多Agent建模仿真是近年来复杂系统领域的一个研究热点.介绍了一种新型的基于Agent建模仿真平台Repast,分析了该平台的框架结构、特点及运行机制等内容,并结合压力传导模型描述了利用Repast Simphony工具设计与实现仿真的过程.     

基于多Agent技术的自动文摘系统的研究和设计

为了解决自动文摘系统目前所面临的领域通用性和文摘质量的矛盾,提出了建造基于多Agent技术的自动文摘系统的方案.建造这样的系统时,有两个关键问题:首先是确定在一定负载下,面向各个领域的合适的文摘Agent数目,其次就是选择什么样的协调算法.本文给出了在Internet环境下基于多Agent技术的自动文摘系统模型,提出了三种协调算法,在仿真的基础上分析了系统的性能,得到了在一定负载下面向各个领域的合适的文摘Agent数目,并对三种协调算法进行了比较研究.     

影响双边多议题自动谈判的心智状态分析

多Agent之间的自动谈判是DAI领域的重要研究课题。为了适应环境变化和谈判结果,智能Agent必须利用知识修改其内部状态,即心智状态。目前侧重研究的心智状态包括信念、愿望、意图的关系和形式化描述,即大家熟悉的BDI模型。文章基于BDI模型分析了多Agent系统中影响自动谈判的心智状态。     

基于JACK平台的多Agent系统设计方法研究

随着信息技术的飞速发展,应用软件变得越来越复杂,其智能化程度也越来越高。面向Agent软件开发技术就是在此背景下应运而生的,并迅速成为软件工程领域的一个研究热点JACK平台是以BDI模型为基础,基于JAVA语言的多Agent系统开发环境。此外,它还支持Prometheus等主流面向Agent软件开发方法。通过一个具体项目案例“图书智能推荐系统”给出TJACK平台下多Agent系统的设计与实现方法。     

基于Agent的分布式查询优化研究

Internet上异构的软硬件环境以及多种并行机制对分布式查询优化技术提出了新的挑战，文章将分布式人工智能与数据库管理系统两个研究领域相结合，给出了基于Agent的分布式查询优化系统模型，在该系统中，Agent采用了典型的慎思型体系结构，即BDI模.Agent具有信念库，目标库并在此基础上进行学习和推理，多个Agent之间通过协调，协作以及协商以支持分布式数据库系统的动态查询优化和规划的执行，提高系统的查询效率。     

基于有色Petri网的英式拍卖会话机制

文章结合FIPA英式拍卖协议（English-Auction-Protoc01），用染色petri网（CPN）为这一协议建模．介绍了Agent按照交互协议进行会话的过程，并依据petri网㈣）理论的矩阵方程式对拍卖中Agent使用协议可能获得利益以及产生冲突的情况进行了分析。     

基于概念语义协商的服务Agent划分

 服务参与者Agent之间使用异构的私有本体概念构造消息并进行交互,会由于消息语义的错误理解而影响服务发现的效率和结果的准确性.提出使用概念语义协商的方法改善服务Agent之间的理解能力;定义了服务Agent模型和本体概念解释元组,设计了服务Agent协商行为原语以及协商请求和响应协议;根据概念语义协商结果对私有本体进行更新并根据本体概念理解的相似度对参与服务的Agent进行划分,使功能相近且能互相理解的Agent处于相同的服务社区.实验表明,通过语义协商的服务Agent划分方法,能够有效提高同一服务社区服务Agent之间的概念理解程度,在协商概念数为2和8时,该方法较其他方法能够将概念理解错误率减少平均大约30%.     

复杂诊断系统的MAS协作求解方法

为适应故障诊断中动态变化的环境和满足求解复杂系统全部任务的要求,研究一种基于MAS的分布式智能监控系统.文中以诊断决策问题的结构及建模过程的层次性为基本思想,基于诊断任务的多层次混合分解策略,提出了融合不同表达方式和推理机制的多Agent并行诊断结构,分析了管理Agent、诊断Agent和决策Agent的基本职能,探讨了实时Agent的组织和演化机制,给出了并行推理过程中的冲突消解算法,建立了具有公共属性的智能体模块化层次结构,实现了基于MAS多层分布式黑板模型的智能监控系统.工程应用效果验证了多智能体结构框架下复杂系统分布式求解的可行性和有效性.