多Agent系统分布式问题求解的代数模型方法(Ⅱ): 群体智能和社会动力学

该文是组合论文中第二篇，讨论多Agent系统分布式问题求解的代数模型中的特性层和动力学层，即没粒度Agent群体的宏观群体智能的形式优化代数模型以及宏观社会智能与Agent个体间微观社会行为之间的社会动力学模型，提出了基于这种新的代数模型方法的超分布超并行社会智能问题求解算法，关于分布式多任务自组织规划和资源自组织分配的仿真实验以及与其它方法的比较分析，表明了该文提出了代数模型和问题求解方法的特点和有效性。     

一种新的基于复合弹簧网络的多Agent系统分布式问题求解方法

当多Agent系统（MAS）中Agent之间存在多种复杂的随机的社会交互行为时，当各Agent表现出不同程度的自治性和理性时，难以用现有的方法描述和求解MAS问题，即使对仅仅存在竞争和合作这两种社会交互行为，并且不考虑Agent之间自治程度的本质性差异时，现有的基于结盟的MAS问题求解算法也具有极高的计算复杂性，该文提出一种新的复合弹簧网络模型和方法，利用分布式弹性动力学方程，将MAS分布式问题求解过程转变对应的复合弹簧网络形变过程，这种模型和方法能够处理各种社会交互行为以及Agent不同程度的自治性，分析和仿真实验表明，在计算复杂性和适用性等许多方面，该文的分布并行算法优于文献[7,8]的Shehory-Kraus算法。     

多Agent系统问题求解的广义粒子模型方法

提出一种多Agent系统分布式问题求解的新的广义粒子模型,将复杂环境下多Agent系统资源分配和任务规划的优化问题转变为广义粒子模型中的粒子运动学和动力学问题.广义粒子模型可以描述和处理的复杂环境包括多Agent系统中的Agent之间存在的随机、并发、多类型的交互行为.各Agent有不同的个性、自治性、生命周期、拥塞程度和故障几率等.本文讨论了广义粒子模型和多Agent系统分布式问题求解的关系,提出了广义粒子模型的数学物理模型和多Agent系统分布式问题求解算法,并且证明了它们的正确性、收敛性、稳定平衡性等基本性质.通过复杂环境下多Agent系统资源分配和任务规划问题的实验和比较,证实了广义粒子模型方法的有效性及其特点.     

行为建模及其在多Agent系统中的应用

五行学说蕴含信息动力学,然而在网络中却一直未被很好地利用,为此提出一种基于五行原理的五行粒子模型方法来求解多Agent系统的分布式问题。五行粒子模型可以很好地描述和处理多Agent系统中Agent之间存在的随机、并发、多类型的交互行为。基于五行粒子模型内部存在的生克关系,以及五行自身蕴含的稳定性和平衡性,对五行粒子模型和多Agent系统分布式问题求解进行探讨,并对多Agent系统中的各个Agent进行行为建模,进而提出多Agent系统分布式问题求解的五行粒子模型算法。最后,通过实验验证了该算法的有效性。     

基于智能Agent的网络安全监控系统的研究

提出了一种称为IA－NSM（网络安全监控的智能Agent)的全新方案，它基于智能Agent技术，用于监控和管理Intranet环境下内部结点。IA－NSM是在传统的网络环境中集成了一个灵活的多Agent系统，从而加强了对受控结点非法行为的防范能力，介绍了基于智能Agent技术的网络安全监控系统的应用背景，系统功能，Agent分类和系统模型以及安全策略的制定原则。     

基于MAS的复杂系统分布式求解策略与推理研究

针对复杂的连续生产线系统监测与故障诊断的动态、分布、实时和不确定特性，将多Agent及相关智能技术引入复杂故障诊断领域，提出了一种嵌套式基于消息传递的多Agent组织模型，分析了基于MAS的分布式智能故障诊断方法和过程；研究了模型系统的动态适应性和稳定性；设计了实时诊断Agent工作状态的表达机制；讨论了Agent间的协调协作机制及融合方法；给出了多Agent诊断系统诊断决策的集成描述结构；提出了任务分解与分配调度算法，以充分发挥Agent的社会性和基于场景的特点，使得在复杂系统的问题求解中能提供更为可靠的诊断结果，而且还能节约资源提高诊断效率．将其应用于某安全监控系统中，取得了与专家相似的诊断结果，克服了以往监控诊断系统存在的弊端，提高了企业的安全运行效率．与传统诊断方法相比，体现了Agent技术在复杂分布式问题求解领域的特有优势和良好前景．     

一种基于社会承诺的Agent组织模型OMSC

多Agent领域所面临的一个重大的挑战是解决开放异质的多Agent系统中自治Agent间的协调问题。多Agent为了协调它们之间的活动,需要进行交互。社会承诺作为一种通信和交互机制,为自治的多Agent提供了一种协调的途径。然而,仅靠交互难以实现多Agent间的协调。Agent组织作为一种协调模型可以有效地控制多Agent间的交互与合作。论文将社会承诺和Agent组织两种协调机制相结合,提出一种基于社会承诺的Agent组织模型OMSC,分析了Agent如何用社会承诺进行推理以及基于社会承诺的多Agent系统并给出了一个实例,为多Agent间的协调提供了一种新的方法。     

基于实时多Agent系统的作战智能决策仿真模型

该文首先对Agent和多Agent系统的理论和应用进行了概述，提出一种用于实时人工智能系统(RTAIS)的多Agent结构模型AA的形式化描述，这种Ageng结构包含两层Agent，即RTAIS Agent(AA)和AA内部的一组Agent体(IA)，并介绍基于该模型的舰艇协同攻击潜艇的仿真系统的实例，证明AA结构模型应用于实时智能系统，不仅能适应强实时系统的实时性要求，而且提供了更高的智能水平。     

基于时序活动逻辑的复杂系统多Agent动态协作模型

动态复杂问题求解是人工智能和复杂自适应系统理论与应用重要研究领域,多Agent动态协作是研究热点和难点之一,如何将问题与任务切分有待进一步地研究.借鉴组织学思想将自适应系统中的自主运行单元抽象为Agent,把复杂自适应系统视为多Agent系统组织,从时间和状态角度对复杂动态系统的行为进行描述,提出了基于时序活动逻辑的多Agent系统动态协作任务求解自适应机制和构造模型,建立了用于协作推理的语义规则、授权规则和行为规则,通过在中国科学院智能信息处理重点实验室开发的MAGE等平台上多方实验和仿真测试,验证了方法的可行性和有效性.     

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.     

超分布超并行智能处理的竞争行波异步叠加方法

基于全避同步均质竞争行波的超分布超并行智能处理方法，虽能有效地解决传统的串行符号逻辑方法和通常的神经网络方法所存在的许多问题。“全局性的同步和均质”这种限制在很多情况下难以满足。本文提出同步均质竞争行波的异步叠加方法，用于超分布超并行智能处理，比单一的全局同步均质竞争行波方法有更好的灵活性和实时处理性，能用于范围更广的问题求解，尤其适合于隐含与或图搜索。     

超分布超并行智能处理的同步均质竞争行波方法

本文提出的竞争行波的原理，机制和算法，用于超分布超并行智能处理，克服了传统的符号逻辑串行算法和通常的神经网络方法在人工智能问题求解方面面临的许多困难。本文集中论述了竞争行波中最基本的一类同步均质竞争行波，及其超分布超并行问题求解算法，讨论了它们的性质和应用，并与其它著名的经典搜索算法相比较，表明了本文方法多方面的优点及广泛的应用前景     

基于多Agent的分布式故障智能诊断原型系统研究

近年来，基于多Agent的分布式故障系统已成功地应用于众多领域，本文将多Agent技术应用于故障诊断领域研究，以开发故障智能诊断的多Agent系统，提出了基于原型系统 的基本框架和系统实现途径及方法，其中着重研究了基于多Agent理论的诊断问题分布式任务分解与控制问题，以及诊断Agent之间的协调合作问题，原型系统的研究，为实际应用系统的研制开发提供了理论指导和方法依据。     

局部信息的分布式联盟结构生成算法

已有的求解最优联盟结构方法大多假定Agent的全局信息已知,采用集中式求解思路,这种假设不适用于分布式环境,且没有充分利用Agent的自治性。在多Agent环境下,个体Agent往往只拥有部分联盟信息并且是自利的,如何在局部信息条件下寻找最优联盟结构是多Agent系统需要解决的关键问题。针对以上问题,基于个体Agent的局部信息及系统整体收益的考虑,通过局部Agent之间的优势信息传递,给出了最优联盟结构的分布式求解算法。该算法的特色是在局部最优假设下,通过局部信息的指导,n个Agent在深度方向上自顶向下对联盟结构图的并行搜索,从而达到缩短搜索时间,降低搜索复杂度的目的,该算法的时间复杂度为O（n2）。     

多智能体社会

智能活动在很大程度上是一种社会现象,因此应该从社会角度研究MAS。为了自然清晰地描述多智能体社会,应该将其分为两个层次:Agent层和角色层,Agent层包含承担社会角色的所有智能体,而对于描述社会结构的角色层,提出了一个社会结构的抽象模型,用广义相关性分析了结构中的角色关系,并以此分析了多智能体社会中存在的两种主要的结构形式。     

多智能体系统在分布式采样控制下的动力学行为

本文运用图论、矩阵分析和现代控制理论等工具, 研究信息网络传输下多智能体系统的协调控制和动力学行为. 假设每个智能体通过数字化网络传感器获得其邻近智能体的位置状态,而且多智能体系统采取分布式线性控制协议. 每个智能体被描述为一个简单的采样系统,多智能体系统转化为混合动力学系统. 研究结果表明,多智能体系统所呈现的渐近聚集、周期振荡和发散动力学行为不仅和网络结构的代数特征有关, 而且和每个智能体的动力学方程、采样周期有关. 本文给出了具体精确的代数判据. 仿真例子进一步验证了本文结果的有效性.     

面向产品协同设计的分布式决策支持系统研究

在传统决策支持系统基础之上,本文提出了面向协同设计的分布式决策支持系统的体系结构,分析了问题处理系统与分布式问题求解的过程,并讨论了分布式决策支持系统的、基于智能Agent集成控制的多库系统及其管理。     

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。     

社会Agent的思维模型

以往对智能Agent的社会思维属性的研究,多是将Agent的社会性划分到某社会层次进行研究,或者是在个体思维模型中加入某种社会思维状态。然而,智能Agent任何时候都是通过承担社会角色而发挥其作用的,而且一旦承担了角色,就完全处于角色的社会环境中,并以角色的方式进行思维,产生角色应有的行为,因此可以认为,智能Agent的社会性体现在承担角色的过程中。基于这种思想提出了基于角色的智能Agent的社会思维模型,将关系、义务、承诺等社会概念都纳入了角色的范畴之中。     

基于多Agent的中文智能检索模型

Internet已经成为全球信息系统，如何智能地在这个系统中对信息进行检索一直是热点问题。分布式人工智能的发展和Agent在各个领域的广泛应用，为这个问题的解决提供了技犬上的支持。提出了一种基于多Agent的搜索模型，此模型可以根据不同需求进行信息的智能检索。