基于对策论的Multi-Agent多边协商机制研究

针对决策支持系统中智能化程度低和协作困难的问题,特别是对多层次、多目标的决策困难问题,提出了基于对策论的Multi-Agent多边协商机制完成决策支持任务;探讨了基于对策论的多边协商机制,给出了Agent协商联盟的构成条件,提出了一个基于对策论的Multi-Agent多边协商机制,设计了基于Multi-Agent多边协商联盟的构成算法.该算法利用Multi-Agent的多边协商解决了多层次、多目标、多属性的竞争决策问题.最后通过算法验证实例证明了协商机制能更好地帮助用户进行决策,提高了决策系统的灵活性和准确性.     

基于M-Agent单边与多边协商策略的虚拟企业协作机制研究

在分析了采用合同网/市场机制模式构建的虚拟企业协作体系的局限性基础上,基于MAS单边与多边协商策略模型,提出了一种在企业任务划分不明确状态下的虚拟企业协作机制和评价方法.详细论述了基于学习Agent单边协商策略的盟主企业与成员企业间的单边协商过程和选择机制,以及潜在企业联盟中,基于Agent多边协商策略的成员企业间的多边协商过程.最终选择最有利的联盟结构,以保证虚拟企业的全局利益最大化和盟主企业与成员企业间的满意收益.     

基于JADE的Multi—Agent合作仿真的设计与实现

Multi—Agent合作是分布式人工智能领域的一个研究热点,多种合作算法被提出,需要一个平台进行比较验证,而从底层开发出一个Multi-Agent合作系统是比较复杂和困难的,该文在研究JADE仿真平台技术的基础上,构建了一个Multi—Agent合作系统,为研究Multi—Agent合作算法提供了验证平台。     

基于JADE平台的Multi-Agent协商的设计与实现

Multi—Agent协商是目前研究的一个热点,而从底层开发出一个Multi—Agent协商系统是非常复杂和困难的。该文在研究JADE仿真平台技术的基础上,对基于JADE仿真平台的Multi—Agent协商进行了设计与实现,为研究Multi—Agent协商有着重要的意义。     

基于自主行为的RoboCup决策算法设计与实现

为了提高决策的速度和智能性,提出一种基于行为的Multi—Agent决策模型,该模型分为个体决策模型和团队决策模型,个体决策模型是为了提高智能体决策的速度,团队决策模型为了提高决策的智能性。这种基于行为的Multi-Agent决策模型已成功地应用到RoboCup仿真机器人系统中,仿真结果说明了该结构和算法的有效性。     

一种新型船舶避碰决策支持系统的设计与实现

该文介绍了一种新型的船舶避碰决策支持系统——基于Multi-Agent的协商避碰决策支持系统的设计与实现。该系统是一个开放的、智能化的系统,它基于系统论的思想,把协商决策引入船舶避碰,是一个包括避碰决策Agent、协商决策Agent、网络通信Agent和法律仲裁Agent等的Multi-Agent系统,该系统可以最大限度地减少避碰决策中的不确定性,具有良好的用户界面,能提供网络环境下智能化的决策支持,可以更好地解决船舶避碰问题。     

分布式环境下面向复杂任务的Agent联盟构建

在分布式环境下,现有Agent联盟构建算法不能解决带有相互依赖关系和转移成本的任务流程问题。为此,利用Agent协商构建联盟,在协商过程中设定方案发布Agent和参与Agent,并对应设计以成本信息调整和盈利任务争取为主的决策算法。在Agent的反馈信息中加入争取信息,允许参与Agent在多轮协商中采用可控制的信息泄露机制,通过泄露自己的成本信息向方案发布Agent争取可获利的任务,经过多轮协商,形成最优联盟结构。实验结果表明,在按劳分配联盟总收益的模式下,相比传统的信息不泄露机制,该信息泄露机制能够更快地形成联盟,并且具有更高的联盟净收益和Agent平均收益率。     

基于对手案例学习的多议题协商决策模型

为了解决多Agent系统(MAS)协商双方在信息对称情况下的自动协商问题,提出了一种用基于支持向量机算法的间接学习对手协商态度的协商方法,提出了不完全信息条件下基于案例和对策论的Agent多议题Pareto最优协商模型,通过支持向量机的方法来学习协商轨迹,得到协商对手在每个协商项的态度,然后利用学习得到的对手协商态度,构造了一个协商的决策模型,此模型能同时基于对手的态度和自身的偏好来做出协商决策。最后通过实验验证了该方法的先进性。     

基于Multi-Agent自适应供应链系统研究

尽管基于Multi-Agent的供应链提高了供应链系统的灵活性,但是由于供应链系统中供应商、消费者以及产品的经常变化,供应链系统适应环境的变化。提出了基于Multi—Agent的自适应供应链系统模型,讨论了该模型下如何解决由于新的厂商加入引起的交互协议的改变带来的供应链系统的适应性问题,并在此基础上对基于Multi—Agent的自适应供应链系统的实现技术进行了介绍。     

污水处理智能化系统的Multi-Agent通信技术与实现

Agent通信是Multi-Agent系统能否高效运行的关键技术之一。FIPA-ACL是最新的Agent通信语言。为实现基于Multi-Agent的污水处理智能化系统中各Agent间的交互、协商与合作,解决污水处理这一复杂工业过程的控制问题,通过分析FIPA-ACL规范集合的系统组成、通信机制等,提出了一种基于FIPA-ACL的污水处理智能化系统的Multi-Agent通信技术,确定了其通信方式、通信策略与通信协议,并给出了具本实现方法。     

基于Agent和CBR的电子商务谈判系统模型研究

提出一种融合了多Agent和案例推理（CBR）技术的电子商务谈判系统模型,在多Agent环境下应用CBR技术捕获并重用以前成功的谈判案例,从中提取适应性策略来为交易提供决策支持,这些策略可以根据所处环境的改变动态生成。对相关问题进行了讨论,包括谈判案例的匹配和谈判策略的选择。     

应用记忆演化学习的Agent协商研究

在多Agent系统（MAS）环境中,协商是一个复杂的动态交互过程。如何提高协商效率,成为了研究者关注的焦点。应用记忆演化理论的强化学习思想,提出一种Agent协商算法。它与基本强化学习相比,3阶段的记忆演化的强化学习,使得Agent可以在实时回报与延迟回报间更好的做出平衡,并为Agent记忆社会化交互创造条件,使强化学习更适合MAS的要求。通过模拟实验证明该协商算法是有效性的。     

基于JADE平台的Multi-Agent协商的设计与实现

Multi-Agent协商是目前研究的一个热点,而从底层开发出一个Multi-Agent协商系统是非常复杂和困难的。该文在研究JADE仿真平台技术的基础上,对基于JADE仿真平台的Multi-Agent协商进行了设计与实现,为研究Multi-Agent协商有着重要的意义。     

基于遗传算法的多智能体联盟形成机制

针对动态开放式多智能体系统中联盟的形成问题,提出“按能力分配”的联盟报酬划分规则和联盟报酬率等概念及相关命题,讨论Agent之间的协商机制和协商原则,在此基础上建立基于多智能体遗传算法的联盟形成机制。仿真计算结果表明,该联盟形成机制能够减少系统的通信量,保证所得联盟的稳定性和全局最优性,提高系统的结盟效率。     

Multi-Agent采购系统的遗传优化研究

本文提出了一种基于Multi-Agent的电子商务谈判协商模型,并利用改进的遗传算法实现了协商Agent交易方案的自动生成.实验表明,上述方法可以对不断优化Multi-Agent的协商效率,高效、快速地生成使参与自动协商的Agent双赢的交易方案.     

Multi-Agent采购系统的遗传优化研究

本文提出了一种基于Multi-Agent的电子商务谈判协商模型,并利用改进的遗传算法实现了协商Agent交易方案的自动生成。实验表明,上述方法可以对不断优化Multi-Agent的协商效率,高效、快速地生成使参与自动协商的Agent双赢的交易方案。     

基于对手不完全信息的订单在线智能协商模型

针对订单在线协商延误率和失败率高的问题,基于Zeuthen协商策略提出多阶段多边协进化协商算法。引入新的协调者角色控制多边谈判,并利用贝叶斯原理,通过逐渐修正对手底价估算向量的概率分布和动态调整报价曲线获得最优协商让步幅度,结合同步淘汰机制有效避免了无效协商。实验表明该模型能够充分利用对手信息实时更新智能体协商信念,进而明显地改进了协商行为的效用。     

基于资源的协商模型的关键策略研究与实现

基于资源的多议题MAS协商模型的提出是为了满足当前电子商务系统发展的要求的。基于“资源”体现了这种需求。文中给出了基于资源的协商过程中关键的算法和详细处理流程,从多议题、基于经验协商、决策支持和算法流程具体化、形式化方面作了深入研究。并且通过模拟系统实现了算法的功能,实验结果证明该协商模型是可行的。     

多目标旅行商问题竞争决策算法

竞争决策算法是在分析大自然生物世界特别是人类的各种竞争机制和决策原理的基础上,利用竞争造就优化、决策左右结果的特性来到达优化目的的新型寻优算法。给出了用竞争决策算法求解多目标旅行商问题的算法,经过大量数据测试和验证,获得了较好的结果。