拍卖方法引入多Agent系统

Auction, an operational and effective resource allocation method, generally results in economical efficiency allocation between buyers and sellers. As a negotiation method, auction can be used in Multi-Agent Systems. Withthe consideration of computation ability and communication ability of agents, superadditive and subadditive property of goods, requirements of agents' revenue and real-time ability, proper auction methods can be selected to achieveone-many or many-many task assignments or resource allocation. In this paper, we systematically summarize bidingrules, buyers and sellers' strategies and the performances of current auction methods. A formal auction model, whichfits most of the current auction methods, is also presented.     

基于多Agent的多属性拍卖系统研究

通过对现有网上拍卖系统的深入分析,指出多属性网上拍卖系统的研究是最为薄弱的环节。依据网上交易的需求和分布式人工智能迅速发展,提出了一种基于多Agent的多属性网上拍卖系统,着重对多属性拍卖协议和策略,以及系统构架进行了探讨,给出了集成式的多属性网上拍卖系统的算法,并对今后的研究方向进行了展望。     

多Agent系统的协同

近年来,基于Agent技术给软件的发展带来了日新月异的变化,这种技术提供了软件系统概念化、设计与实现的全新模式,特别是分布与开放环境中运行的软件系统。文章着重阐述研究多Agent系统协同的原因、一般问题、协同关键方法以及协同协议和策略、几个代表观点,并简单描述了在当前主要应用领域内的经典工作,文中最后还提出了当前存在问题和研究领域。     

资源有限连续双向拍卖环境下的ZIP2策略

利用经济模型和多Agent技术研究网络资源分配问题已成为当前网络研究新的趋势.针对Agent资源有限的网络环境,提出了一种基于连续双向拍卖市场机制的ZIP2策略.ZIP2策略是一种包含价格和数量的二维报价策略,Agent采用该策略具有机器学习能力.最后通过模拟实验验证了ZIP2策略可以实现较高的网络资源分配效率,平均分配效率超过97%.     

基于多Agent的分布式通信对抗目标分配系统

针对通信对抗目标分配的特点,提出一种基于多Agent的分布式目标分配系统。给出问题描述和模型建立的方法,设计分布式协同拍卖机制和分布协同拍卖算法,其中,分布协同拍卖算法包括竞拍序列禁忌规则、目标威胁度更新规则等。仿真结果表明,与遗传算法相比,该算法收敛速度较快、实时性较强。     

基于多Agent系统的分布式群体决策支持系统中问题分配的研究

本文利用分布式人工智能技术提出基于多Agent系统(MAS：Multi—Agent System)的分布式群体决策支持系统框架体系结构。在这个系统中,每个Agent都是一个独立的、具有各自利益的自治体,问题不能被强行地分配给各个Agent,因此本文在研究多Agent系统协调的基础上,给出了问题分配的一种解决方案。     

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。     

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。     

多Agent系统的理论、技术及其应用

一、引言分布式人工智能(DAD主要研究在逻辑上或物理上分散的智能系统如何并行地,相互协作地进行问题求解。DAI是在传统AI的基础上发展起来的,分为分布式问题求解(DPS)和多Agent系统(MAS)两个方向。多Agent系统被看成是人工智能的实验平台,成为AI的研究热点之一。     

连续双向拍卖中演化Risk-Based策略研究

Risk-Based策略是基于风险行为的代理策略。为了改善Risk-Based代理的行为,使交易价格迅速收敛于市场均衡价格,提高市场效率,提出利用粒子群优化算法演化Risk-Based策略参数。首先分析了影响Risk-Based代理行为的关键参数;之后提出了改进的粒子群优化算法演化Risk-Based策略关键参数的模型。最后,在基于市场控制的模拟系统中采用连续双向拍卖机制对演化Risk-Based策略进行了实验评价,结果表明演化后的Risk-Based策略比演化前的策略更为优秀。