多Agent多阶段一对多协商模型

为解决多Agent一对多、多议题协商问题,提出了具有议题属性协商阶段的多阶段协商模型,设计了一种根据Agent让步幅度变化所形成的曲线来判定Agent类型和使用何种协商方法的协商策略.详细地分析了多Agent、多阶段一对多协商的协商过程.将三角模糊数多属性决策方法引入到多Agent协商过程中降低了决策者评估对方所提出方案的难度,能更自然地对不同方案的优劣进行排序.模拟算例表明,该模型有效且可行,为多Agent协商提供可参考的模型和求解算法.     

多agent两阶段多属性协商模型

多议题模型中,在议题的评价机制上买卖双方大多采用多属性效用理论或其变形理论,如距离函数等。提出了多属性效用理论实际应用中的悖论问题,分析了造成理论应用偏差的原因和B2C领域电子商务活动交易的特点,进而提出了一个协商拍卖模型。该模型分两个阶段来进行,提高了协商效率,而且允许卖方体现商品的特色,差异化自己的商品。     

多层多视多体建模方法研究

仿真是一种基于模型的试验行为，从某种意义上，模型的正确和准确，决定了仿真的效率和质量。但一组好的模型的诞生，必须有一套正确的建模方法作支持。从这个角度讲，一种科学有效的建模方法比一组好的模型更重要。该文在归纳目前国内外仿真界较为流行的多种建模方法并进行对比分析的基础上，提出了多层多视多体建模的思想，并给出了该建模方法的具体应用过程。最后，采用该文方法，建立了一组仿真模型。     

多覆盖近似空间中的粗糙集模型

在多覆盖近似空间中研究多覆盖粗糙集模型的构造方法,根据两种不同策略,提出了多种乐观多覆盖粗糙集模型和悲观多覆盖粗糙集模型。分别从乐观多覆盖粗糙集模型间的关系、悲观多覆盖粗糙集模型间的关系、乐观多覆盖粗糙集模型和悲观多覆盖粗糙集模型间的关系这3个方面,对多覆盖粗糙集模型间的关系进行了深入研究,得到了各模型多覆盖近似集间的包含关系或等价关系。该研究为直接处理多覆盖近似空间提供了理论模型。     

基于等价关系的混合多粒度粗糙集

以基于等价关系诱导的划分为基础,提出了混合多粒度空间的概念,以便研究同时具有析取和合取关系的多 粒度空间。利用混合多粒度空间中的划分对目标概念进行近似逼近,提出了混合多粒度粗糙集模型。讨论了混合多 粒度粗糙集模型的基本性质,证明了混合多粒度粗糙集是乐观和悲观多粒度粗糙集的广义化表现形式。     

基于多Agent的多属性拍卖模型的设计

本文针对买方为主的拍卖结构,提出了一种基于多Agent技术的多属性拍卖模型.采用Skyline算法实现招标的选优,协同过滤技术实现投标的推荐,利用多Agent技术优点完成多属性拍卖过程的自动化处理.分析表明该模型是一种较为有效、智能化的模型.     

一种多Agent多议题的协商模型

协商是多Agent系统实现协作、协调和冲突消解的关键技术。本文分析了协商问题的实质和协商过程,提出了一种支持多轮协商的多Agent多议题协商模型。模型中引入了Agent类型的概念,在信息不完全的条件下,协商Agent通过推测协商对手的类型来指导自身的提议策略和协商战术,使提议更具针对性,避免了盲目性,从而节约了协商时间,提高了协
商质量。     

基于多模型切换的多变量直接自适应极点配置控制器

提出一种基于多模型切换的多变量直接自适应控制器,控制器参数模型集可由系统参数模型集直接得到,不但仍为一紧集并且被其模型子集完全覆盖.该多模型控制器不仅改善了控制系统的暂态响应,而且可以实现极点配置,最后给出了全局收敛性分析.     

标准模型下基于身份的多代理多签名方案

现有基于身份的多代理多签名方案要么缺乏形式化的安全证明,要么在随机预言模型下可证明安全。但是随机预言模型依赖现实世界无法实现的随机预言机,而标准模型不采用随机预言机,能实现完全透明的安全模拟。以Paterson的签名机制为基础,该文提出一种新的基于身份多代理多签名方案,并且结合（多）代理（多）签名敌手模型和Paterson定义的标准安全模型,定义了基于身份多代理多签名的标准模型。在此模型下,新方案的安全性被规约为多项式时间敌手求解计算Diffie-Hellman问题,实现了可证明安全性。     

基于多代理的数据库多副本事务处理模型研究

针对数据库多副本提出了一种数据库事务并行处理算法。基于多代理技术,建立一种数据库多副本并行事务处理模型,该模型可以自动识别数据库事务的类别并分配相应的事务代理并对超过瞬时处理能力的事物进行拥塞控制,能提高数据库事务处理能力。     

无线多接口多信道Mesh网络下多径路由协议分析

针对无线多接口多信道Mesh网络环境,对两种多径路由模型进行比较分析。根据支持多接口多信道的无线设备的特点,提出了一套较为高效的路由方式。该方案从源节点到目的节点利用提出的接口分配策略,从不同的接口和信道建立多条可同时工作的路由和多条不重叠的备份路由以大幅提升网络性能。它充分利用了多接口多信道移动设备的性能优势,更适合Mesh网络的拓扑特点。仿真测试表明,使用该方案,在端到端时延,网络吞吐量等方面提供了更佳的性能。     

多源覆盖信息系统下的加权广义多粒度粗糙集模型及其应用

考虑到多源覆盖信息系统中数据的复杂性以及单个信息系统之间的不平等性,引入诱导覆盖粗糙集,并对信息系统的属性赋予权重值,提出了多源覆盖信息系统下的加权广义多粒度粗糙集MCS-WGMRS模型。定义了属性权重的计算方法,给出模型的上、下近似,并获取了相应的决策规则。通过实例分析验证了MCS-WGMRS模型的有效性,结果表明该模型对目标集的分类能力更强,适当调整阈值可进一步提高模型的容错性。     

多模型自适应控制

给出多模型自适应控制产生的背景,对模型集的建立、多模型控制器的形成以及算法的收敛性和稳定性进行了分析,介绍了多模型自适应控制在工业生产过程中的应用和最新研究成果,同时提出了存在的问题及进上步发展方向。     

基于证书的多代理多签名

给出了基于证书的多代理多签名的形式化定义和安全模型,并提出一个不使用双线性对的具体方案。在随机预言机模型中,在椭圆曲线离散对数是困难问题的假设下,对方案进行了安全性证明。效率分析表明,方案具有较高的效率。     

基于加权粒度的多粒度粗糙集

首先,通过分析现有多粒度粗糙集模型的不足,提出一种基于粒度加权的多粒度粗糙集模型;然后,通过比较得出加权多粒度粗糙集与乐观多粒度、悲观多粒度和可变多粒度粗糙集之间的关系,讨论加权多粒度粗糙集的性质,并分析这几种多粒度粗糙集度量之间的关系;最后,通过实例分析验证了所提出加权多粒度粗糙集模型的有效性。     

多距离假设纯方位伯努利滤波器的设计

考虑多目标随机新生和消亡下存在杂波和传感器漏检所导致的量测源不确定性,针对纯方位跟踪(BOT)问题,提出一种多距离假设伯努利滤波器。首先,构造笛卡尔坐标系下的多距离假设纯方位观测模型;然后,根据该测量模型详细推导并提出高斯混合多距离假设势平衡多目标多伯努利滤波器;最后,提出一种自适应纯方位新生多伯努利密度的新方法。仿真结果验证了所提出算法的有效性。     

基于多编码器多解码器的大规模维汉神经网络机器翻译模型

为提升维汉机器翻译模型的翻译能力,该文提出使用多编码器多解码器的结构,搭建大规模的维汉神经网络机器翻译模型。相比于单编码器单解码器的浅层的小模型,多编码器多解码器模型具有多个编码器,可以对源语言进行多层次、多视角的压缩表示;同时具有多个解码器,可以增强目标语言的生成能力。实验证明,在大规模的训练数据上,使用该方法搭建的大规模维汉神经网络机器翻译模型,译文质量可以大幅度地超过基于短语的统计机器翻译模型和基本的神经网络翻译模型。该文还针对维汉翻译源端语言和目标端语言的翻译单元粒度进行了实验,发现维吾尔语端使用字节对编码单元、汉语端使用字单元,可以消除对汉语分词器的依赖,做到和双端都使用字节对编码单元可比的效果。     

基于信念的多Agent模型解决多目标优化问题

提出了基于信念的多Agent模型解决多目标优化问题.在这个模型中,Agent通过在解空间中移动来进行搜索,使用信念指导移动.每个Agent都有独立的信念,信念由3部分组成:Agent对每个目标的偏好、移动向量和对此向量的评价.Agent在优化的过程中会根据目标函数的值调整移动向量和对应的评价.Agent也会和相邻的Agent交互信念,从而获得更好的性能.最后用模型解决了几个简单的多目标函数优化问题,实验结果证明了算法的有效性.     

基于广义自适应多粒度的多源信息融合研究

多粒度粗糙集模型是一种有效的信息融合策略。利用该策略能从多个角度将多源信息进行融合,并转化成一致的信息表示。现有的大多数多粒度信息融合方法对每个知识粒度都采用相同的阈值,然而,众所周知,不同的信息源的来源和噪声都不尽相同,其对应的知识粒度的阈值也应不同。为此,首先在广义多粒度粗糙集中引入单参数决策理论粗糙集,提出了广义自适应多粒度粗糙集模型。然后,利用经典的融合策略设计了4种广义多粒度模型,所有模型都可以通过一个参数补偿系数$ \zeta $来自适应地获得知识粒度对应的阈值对,并讨论了这些模型的相关性质。最后,通过实验结果证明,所提模型在实际应用中灵活性更高,决策更为合理。     

基于Lattice-LSTM的多粒度中文分词

中文分词是中文信息处理领域中的一项关键基础技术,而多粒度分词是中文分词领域较新的研究方向。针对多粒度中文分词任务,该文提出一种基于Lattice-LSTM的多粒度中文分词模型,在传统基于字的多粒度中文分词模型基础上,加入了多分词粒度的词典信息。与传统模型相比,所提出的模型在网格结构的辅助下,对不同粒度的分词标准都有较强的捕捉能力,且不局限于单一的分词标准。实验表明,该文提出的方法在多粒度中文分词方向取得了目前最好的结果。