基于神经网络的Agent个性化行为选择

在基于效用的行为选择模型基础上对多Agent系统中个性建模问题进行研究。利用人工神经网络能够学习到人类难以理解的目标函数的特点,结合心理学中个性的五因素模型建立Agent个性神经网络,通过不同参数反映个性对效用变化的影响方式,具有更强的个性表征能力。设计梯度下降的学习算法训练Agent相应的个性神经网络。实验验证了该模型刻画Agent个性的有效性。     

基于决策论的Agent个性化行为选择

Agent不同的主观态度对行为策略的偏好具有重要影响,但Agent的个性化态度难于在量化或符号化的数值决策模型中体现。该文参照定性决策理论,在现有效用最大化决策模型基础上,利用不同决策原则模拟不同Agent个性,得到符合Agent个性的行为策略。Agent的决策结果反映了其不同个性特征,个性化使Agent的行为呈现多样化,有利于Agent社会模型的建立。     

基于UML的信息家电Agent行为研究

在分析信息家电智能化需求的基础上,该文讨论了信息家电设备Agent模型的六个部分。并将传统的软件工程方法与面向对象的软件工程方法相结合,利用UML(统一建模语言)为工具,采用面向对象的方法对信息家电设备Agent的反应行为和协商行为分别进行分析、设计和建模,从而使智能信息家电系统的复杂性降低,更便于管理和实现。     

基于jBPM4的临时动态性需求研究

介绍了国内目前的工作流领域特点,尤其对临时动态性需求(会签、撤销、任意回退等)的各种场景进行了分析,提出了基于jBPM4的解决思路及一种动态路由的方法,以解决临时回退的问题.     

基于时序距离的AS级Internet动态性测量方法

随着域间路由安全问题日益突出,AS(Autonomous System)级互联网的动态性测量开始成为研究热点。针对当前的测量方法无法全面度量AS级互联网演化规律的问题,提出了基于时序距离的AS可达距离(ASRD)、AS连通距离(ASCD)两个特征参数,分别从可达性和连通性两个方面度量AS级互联网在不同时刻的差异。通过分析不同时间跨度和时间粒度的路由表数据集,可以对特定AS的动态性进行测量。实验结果表明,对ASRD和ASCD进行时序分析不仅能够准确检测AS级Internet异常事件,而且可以发现AS级Internet的长期演化规律。     

基于动态性与网络化设计的机械设计计算机辅助教学系统

机械设计是一门重要的专业基础课,具有实践必恶性循环 强的特点,为了全面提高教学效率与改善教学效果,运用先进的网络技术与多媒体技术,设计机械设计计算机辅助教学系统,本文介绍了基于动态性和网络休系统设计和一些关键技术,系统内容更新方便,可以上网运行。     

基于Agent的协作频谱感知算法

为了提高认知无线电频谱感知技术的性能, 提出一种新的基于Agent的协作频谱感知算法。该算法在本地检测中使用多门限能量检测,同时将认知节点估计的信噪比的值发送到Agent控制中心,在控制中心根据每一个认知节点发送的信噪比的值和该节点与发射机的距离进行权衡,选取可靠性和有效性较高的认知节点参与判决融合。仿真结果表明,该算法能够很好地提高认知无线电网络的协作频谱感知能力,同时在一定程度上减少了原有协作感知算法中参与感知节点的数目。     

基于多Agent的合作伙伴选择协商模型

为提高合作伙伴选择的效率和质量,将具有自治性的软件Agent应用于合作伙伴选择系统,提出了基于多Agent的合作伙伴选择系统的框架。定义了Agent的结构,确定了Agent间交互作用的方式,包括协商目标、协商协议和推理模型。     

基于智能 Agent 的模型自动选择

模型自动选择是决策支持系统智能化发展的必然要求。针对目前可行算法较少的现状,提出了一种基于智能Agent的模型自动选择方法。该方法运用BDI Agent中的信念描述所求问题,运用信念愿望匹配规则完成模型类型选择;模型选择Agent再通过合同网协议与模型Agent进行交互选择出模型结构。实验结果表明,该方法能较好的完成模型自动选择任务。     

基于SVM的多Agent协商伙伴选择

根据多Agent协商问题的交互特点,引入SVM(Support Vector Machine)分类方法对Agent的协商历史信息进行学习,从Agent的协商历史信息中提取样本来训练SVM,结合模拟协商过程和己方的决策信息,预测与特定伙伴协商时可能出现的结果以及相应的协商收益,根据Agent的自利性原则,选择最合适的协商伙伴.最后,通过仿真实验验证了所提出方法的有效性和优越性.     

基于克隆选择的快速动态聚类算法

为了在聚类数不确定的情况下实现聚类分析,通过借鉴生物免疫系统中的克隆选择原理并结合聚类有效性分析,提出了一种基于克隆选择的快速动态聚类算法。该算法可以根据样本数据自动确定聚类数目及中心位置,克服了传统聚类算法容易陷入局部极小值、对初始值敏感的缺点。通过引入新算子及适当选取聚类的初始中心,使算法的收敛速度明显提高,仿真实验结果表明了本算法的有效性。     

基于函数型数据分析方法的人体动态行为识别

人体运动过程中,肢体的运动是连续的,而对应的运动捕捉数据是离散的.为了更好地分析人体日常运动行为的连续性与周期性,本文提出了一种基于函数型数据分析（Functional data analysis,FDA）的人体动态行为识别方法.首先,利用函数型数据分析方法,将可穿戴式运动捕捉系统采集的人体周期行为数据函数化,通过函数准确地定义数据的连续性与周期性;然后,根据导函数信息确定一个运动周期的起始点,并近似地提取出一个运动周期的数据序列;最后,根据不同行为一个周期内的曲线特征差异,利用支持向量机对动态行为进行分类识别.实验结果表明,本文的算法既能够较好地描述人体动态行为的连续性与周期性,又使得运动数据在标定的统一起始点处对齐,且在WARD数据集与自采集数据集上均取得了较好的识别率,分别达到97.5%与98.75%.     

基于动作选择级的多机器人协作

在多机器人环境中,由于每个机器人动作选择的重叠现象,让机器人之间的协作变得很差.提出了一个方法用于确定动作选择级别.在此基础上,可以很好地控制多机器人的协作行为的获取.首先,定义了用于动作选择级优先级的8个级别,这8个级别相应的映射到8个动作子空间.然后,利用局部势场法,每个机器人的动作选择优先级被计算出来,并且因此,每个机器人获得了各自需要搜索的动作子空间.在动作子空间中,每个机器人利用加强学习方法来选择一个适当的动作.最终,把该方法用于机器人足球比赛的机器人局部协作训练中.试验的效果在仿真和实际比赛中得到了证实.     

基于动作的动态空间推理

动态空间关系的表示和推理一直以来都是定性空间推理中的研究重点。通过用矩形关系来表示空间原语实体为区域的定性空间关系,对Bhatt定义的动态空间系统进行细化和扩展,定义空间实体的8个移动动作,并给出拥有多个空间实体的空间场景下区间关系在不同动作作用下的状态转移图和状态转移表,指出状态转移图和概念邻域图的区别。用一个元组对空间场景进行形式化表示,定义动态空间系统中的一个基本任务,即历史场景在空间实体动作作用下推出新空间场景,给出这个任务的解决方法,指出方法的局限和不足,同时给出一个应用场景。     

一种局部最优型动态集成选择算法

提出一种建立在局部最优基础上的动态集成选择算法,并从理论上对算法进行了分析.该算法首先在多个局部特征空间上构造最优集成,然后使用动态集成选择技术对未知样本进行识别.局部空间上的集成构造问题被转换为一个单目标优化问题,并使用多种群遗传算法进行了求解.基于UCI数据集的实验表明,相对于现有的动态分类器选择算法和动态集成选择算法,新算法能够取得更高的识别率.同时,相对于现有的动态集成选择算法,新算法构造的集成规模更小,识别速度更快.     

基于动态规划的多链路出口路径选择算法

针对多链路接入问题,选取链路成本及影响网络性能的路由跳数作为多链路出口路径选择的优化对象,通过建立多目标优化模型,将多链路出口路径选择转化为动态规划问题,提出一个基于动态规划的多链路出口路径选择优化算法。模拟结果表明,该算法能有效提高网络性能,降低网络链路成本。     

基于行为能力约束的服务动态授权管理研究

针对传统基于语义服务动态合成的低效率和授权管理的有效性不高,提出了基于行为能力约束的服务动态授权管理方法。该方法借助数学优化模型,对服务合成的路径进行了描述,根据成份服务间的约束关系,提出了协同应用服务动态合成算法。基于行为能力约束,将服务合成的语义推理进行预先处理,探索构成协同应用服务的最小行为能力,根据服务请求用户所拥有的行为能力与协同应用服务所需的最小行为能力的关系进行判断授权,避免了用户提出服务请求时的大规模空间搜索和服务语义间的推理计算问题。实验结果分析表明,该方法提高了服务授权管理的自动化程度和有效性,并且具有较高的动态适应能力。     

基于动态分类器选择的网络入侵检测方法

提出了一种基于动态分类器选择的网络入侵检测方法,该方法通过增加训练过程以及对分类器性能的静态估算来减少分类时需要的计算资源,提高分类速度,以满足网络入侵检测对实时性的要求。实验表明,该方法的性能优于基于静态分类器选择的网络入侵检测方法。