自适应分区多代理模型交互式遗传算法

为提高交互式遗传算法的性能.提出一种自适应分区多代理模型交互式遗传算法.该算法基于关键维分割进化初期的搜索空间,同时基于进化进程、逼近精度以及用户评价敏感度,自适应地分割进化中后期的搜索空间.在子空间上,采用多类代理模型学习用户对进化个体评价,并用于评价后续进化的部分或全部个体.将该算法应用于服装进化设计系统,实验结果表明,算法在种群多样性、减轻用户疲劳及用户对优化结果满意度等方面均具有优越性.     

基于多代理辅助多目标进化优化的建筑节能智能设计方法

进化优化具有优异的全局搜索能力,已成功应用于建筑节能设计问题.然而,由于需要借助代价高昂的建筑能耗软件不断评价个体,现有建筑节能设计进化算法普遍存在运行代价高的问题.鉴于此,提出一种面向建筑节能设计的多代理辅助多目标进化优化算法,简称MS-MOEA/D.首先,依据MOEA/D的目标分解特征同时构建多个基础代理模型;然后,针对每个待评估个体,自动选择合适的基础代理模型,并使用它们的集成结果预测该个体的目标值,达到提高其预测精度的目的.同时,在进化过程中自主确定基础代理模型的更新时机和规模,以降低代理模型的管理成本;最后,将所提出MS-MOEA/D与建筑能耗模拟软件EnergyPlus相融合,建立面向建筑节能设计的多目标进化优化仿真平台,并将该平台应用于中国北京地区常见居民和办公建筑节能设计实例中.通过与7种典型多目标进化算法进行对比,结果表明, MS-MOEA/D在显著降低计算代价的基础上能够得到高竞争力的Pareto最优解集.     

可复用的基于移动代理的网管系统模型

提出了一种基于移动代理的可复用网管系统模型.这一模型的核心内容是任务代理、导航代理和代理池,通过这三个部分的协同工作来实现系统对于子网的透明性,即系统的可复用性;提出了多代理协作和多代理分组传输的优化方法,通过优化,改善该模型下系统的运行性能.实验结果表明,该模型有效地屏蔽了子网差异性,提高了网管系统的运行效率.     

基于改进集成学习分类的代理辅助进化算法

当使用代理辅助进化算法求解昂贵高维多目标优化问题时,代理模型通常用于近似昂贵的适应度函数.然而,随着目标数的增加,近似误差将逐渐累积,计算量也会急剧增加.对此,提出一种基于改进集成学习分类的代理辅助进化算法,使用一种改进的装袋集成学习分类器作为代理模型.首先,从被昂贵的适应度评价的个体中选择一组分类边界,将所有个体分成两类;其次,利用这些带有分类标签的个体训练分类器,以对候选个体的类别进行预测;最后,选择有前途的个体进行昂贵适应度评价.实验结果表明,算法中所提出的代理模型可有效提高基于分类的代理辅助进化算法求解昂贵高维多目标优化问题的能力,且与目前流行的代理辅助进化算法相比,基于改进集成学习分类的代理辅助进化算法更具竞争力.     

自适应分区多代理模型交互式遗传算法

为提高交互式遗传算法的性能,提出一种自适应分区多代理模型交互式遗传算法&.该算法基于关键维分割进化初期的搜索空间,同时基于进化进程,逼近精度以及用户评价敏感度,自适应地分割进化中后期的搜索空间.在子空间上,采用多类代理模型学习用户对进化个体评价,并用于评价后续进化的部分或全部个体.将该算法应用于服装进化设计系统,实验结果表明,算法在种群多样性,减轻用户疲劳及用户对优化结果满意度等方面均具有优越性.

     

模型辅助的计算费时进化高维多目标优化

代理模型能够辅助进化算法在计算资源有限的情况下加快找到问题的最优解集,因此建立高效的代理模型辅助多目标进化搜索逐渐受到了重视.然而随着目标数量的增加,对每个目标分别建立高斯过程模型时个体整体估值的不确定度会随之增加.因此通过对模型最优解集的搜索探索原问题潜在的非支配解集,并基于个体的收敛性,种群的多样性和估值的不确定度...     

基于多点加点准则的代理模型辅助社会学习微粒群算法

代理模型辅助的进化算法目前已广泛用于解决计算代价高的复杂优化问题.然而,大多数现有的代理辅助进化算法只适用于低维问题且仍然需要数千次昂贵的真实适应值评价来获得较优解.为此,提出一种基于多点加点准则的代理模型辅助的社会学习微粒群算法,用于解决高维问题并使用更少的评价次数.该算法选用高斯过程构造代理模型,以社会学习微粒群算法(SLPSO)作为优化器,提出一种基于相似度的多点加点规则(SMIC),用于选取需要使用原函数进行实际计算的候选解.在仿真实验中将该方法与现有研究成果进行比较,通过对50维sim100维的基准函数的测试,验证了所提出算法在有限的适应值计算次数下拥有更好的寻优性能,尤其是在高维优化问题上拥有更显著的优势.     

多目标的学习者模型研究

建立学习者模型几乎是所有ITS系统的普遍任务,当前的软件系统趋向于转入分布式和多代理系统,学习者模型转向零散的、由各种软件代理在特定环境下产生的模型。在“个性化课件生成子系统”中运用了这一思想,建立了基于多目标的、运行于分布式与多代理系统之上的学习者模型,该文将主要介绍这一系统的基本构成与运行结构、系统中目标的定义与组织结构,并对目标的解释、目标的生存周期等问题做了进一步的探讨。     

基于聚类的代理模型构建策略

为提高代理模型效率,对数据进行聚类,根据模型构建的需求从聚类结果中选择少量数据训练模型参数,得到一种基于聚类的代理模型构建策略.以该策略构建的代理模型作为近似评价模型,设计一种基于聚类的代理模型辅助粒子群优化算法,提出一种以代理模型辅助迭代搜索作为加速策略的混合变量多目标进化算法.数值实验结果表明,基于聚类的代理模型构建策略具有时间复杂度低、模型构造效率高的优点,模型辅助的迭代搜索过程具有较好的全局探索和局部开发能力.     

基于区间适应值交互式遗传算法的加权多输出高斯过程代理模型

融合了用户认知和智能评价的交互式遗传算法（Interactive genetic algorithm,IGA）是解决一类定性性能指标优化问题的有效方法,但是,评价不确定性和易疲劳性极大地限制了该算法解决实际问题的能力. 基于用户已评价信息,采用合适的机器学习方法,构建用户认知代理模型是解决上述问题的常用方法之一. 但是,现有研究成果均没有考虑用户评价不确定性对学习样本、代理模型的影响,以及模型拟合不确定性对基于适应值的进化操作有效性的影响. 针对上述问题,本文提出基于加权多输出高斯过程（Gaussian process,GP）代理模型的交互式遗传算法. 首先,在区间适应值评价模式下,提取学习样本的噪声特性,以确定相应学习样本对代理模型的影响度权重系数,构建两输出高斯过程代理模型;然后,利用代理模型提供的预测值及预测置信水平,给出一种新的个体适应值估计方法和个体选择方法;基于模型预测信息,实现模型更新管理. 将所提算法分别应用于含噪函数和服装设计问题中,所得结果表明本文算法可更好地拟合和跟踪用户认知,减小对进化搜索的误导,更快找到用户满意解.     

Design and implementation of a multiagent stock trading system

Stock trading is one of the key items in an economy and estimating its behavior and taking the best decision in it are among the most challenging issues. Solutions based on intelligent agent systems are proposed to cope with those challenges. Agents in a multiagent system (MAS) can share a common goal or they can pursue their own interests. That nature of MASs exactly fits the requirements of a free market economy. Although existing studies include noteworthy proposals on agent‐based market simulation and researchers discuss theoretical design issues of agent‐based stock exchange systems, unfortunately only a very few of the studies consider exact development and implementation of multiagent stock trading systems within the software engineering perspective and guides to the software engineers for constructing such software systems starting from scratch. To fill this gap, in this paper, we discuss the development of a multiagent‐based stock trading system by taking into consideration software design according to a well‐defined agent oriented software engineering methodology and implementation with a widely‐used MAS software development framework. Each participant in the system is first designed as belief–desire–intention agents with their facts, goals, and plans, and then belief–desire–intention reasoning and behavioral structure of the designed agents are implemented. Lessons learned during design and development within the software engineering perspective and evaluation of the implemented multiagent stock exchange system are also reported. Copyright © 2011 John Wiley & Sons, Ltd.     

Multi-Agent System Development Based on Organizations

Organizational models have been recently used in agent theory for modeling coordination in open systems and to ensure social order in multi-agent system applications. In this paper, we propose the employment of Organization Theory for the analysis and design of multiagent systems. Thus, we first discuss the current state of the art of organization-oriented multiagent system methods, placing emphasis on their organizational features. We also review human organizational structures, and we propose several guidelines for implementing agent organizations by means of Organization Theory. Our final aim is to employ well-known human organizational structures to develop multiagent systems.     

多Agent系统的研究

自agent术语引起国内学者重视以来,人们一直试图寻找一个贴切的汉语名词,“代理人”“智能体洲结点”等概念应运而生。但这些概念都不能令人满意,因为无论是“智能体”、“代理人”,还是“结点”,都仅部分地反映了agent的特征,而未完全地反映其本质属性,故本文仍使用agent的英文形式。     

基于Multi-Agent的探究式学习系统研究

信息技术的快速发展为教育教学提供了强大的技术支持,目前在国内运用Agent技术支持教学系统的研究正在逐步发展起来.在分析探究式学习特点的基础上,应用Agent技术构建了一个基于Multi-Agent的探究式学习系统.讨论了各个Agent的功能和逻辑结构,介绍了基于Multi-Agent的探究式学习系统的系统组成和工作流程.最后,讨论了该系统的发展前景.     

多agent系统中agent的行为决策

1.介绍 agent是指在某一环境下能够持续自主运行,具有社会性、反应性、自发性等特征的计算实体。多agent系统由一组具有一定资源和能力、相对独立且交互合作的agent组成。由于多agent系统提供了更高层次的抽象模型,能够自然、贴切、直观地表示现实世界中的计算实体及其问题求解方     

Self-organization and multiagent systems: II. Applications and the development technology

Major trends in the development of modern information technologies are to a large extend determined by important practical problems that arise in economics, ecology, safety of society and individuals, and in other fields. Even though these problems seem to be quite different and the requirements for their software implementation are also different, they have many common features, which imply the most stringent requirements for modern information technologies. These features were analyzed in the first part of the present paper. That analysis showed that the new requirements for the model and software implementation of such problems are best met by the multiagent self-organizing system model. In this paper, we consider examples of using this model in various applications and describe their architectures and software implementation; in particular, multiagent self-organization models as applied for flood forecasting and planning and operational enterprise management are described. New capabilities of multiagent self-organizing systems are demonstrated using a self-learning system for detecting intrusions into computer networks as an example. Here, the problem of self-configuration of an overlay network is actually solved. The capabilities of a multiagent self-organizing system in large-scale control in real time are demonstrated using adaptive traffic control in large cities. For the software implementation of multiagent self-organizing systems, special development tools that are different from the existing ones are needed because the conventional top-down development paradigm is inappropriate for self-organizing architectures. The cause is that the global behavior of a multiagent self-organizing system emerges due to local interactions; therefore, it cannot be predicted in advance. For that reason, the bottom-up development model is more appropriate for such systems. In this paper, we give a brief review of the models and approaches proposed for this purpose. One of the promising approaches based on the use of the so-called self-organization design patterns is described in more detail. Results of using the multiagent self-organization model are discussed and prospects of its practical application are estimated.     

基于MaSE方法的业务流程协议分析

介绍了MaSE方法及其开发环境agentTool，在此基础上为一个汽车修理流程的请求服务协议建模，并检验了该模型的有效性。最后在JADE平台上分析了该协议的模拟结果。     

一个个性化的信息搜集Agent的设计与实现

介绍了一个个性化的信息搜集Agent系统--DOLTRI-Agent(distanceandopenlearningtrainingresourceinformationagent)的设计与实现.DOLTRI-Agent系统是一个远程开放式学习(distanceandopenlearning,简称DOL)的教材信息搜集Agent.它基于多Agent体系结构,包含3个子Agent和其他3个组件.该系统具有主动搜集、维护、更新信息的功能,同时还具有个性化的特点,可不断学习用户知识,包括用户感兴趣的信息领域、用户的使用习惯等,并能运用这些知识来为用户提供个性化的信息服务和操作界面.     

钢铁工业过程多智能体系统研究

结合钢铁工业过程的特点，通过分析冶金过程工业智能控制的发展状况，提出了采用多Ａｇｅｎｔ技术，建立钢铁工业多智能体系统，从而实现钢铁工业的分布式智能控制，分析了系统建立的必要性和可行性，并给出了该系统的结构和实现方法。     

一个基于遗传编程的机器人足球系统

该文首先介绍了机器人足球系统的研究概况及遗传编程和层次学习的概念。进而提出了一个简单的多智能体系统：三人足球系统,在此基础上提出了一种能够自动设计智能体的基本动作、多智能体之间的协调合作、多智能体与环境交互的足球系统,讨论了其中的关键技术：遗传编程、层次学习、规则库的设计及实现。最后将应用层次学习的遗传编程技术与标准的遗传编程技术的结果做出了比较与分析。