一种理性Agent的BDI模型

该文通过引入假设信念,解释愿望和意图在Agent思维状态的认知方面的含义,进而定义愿望和意图,并引入规划,建立理性Agent的动态BDI模型.与Cohen和Levesque,Rao和Georgeff,Konolige和Pollack等人的工作相比,克服了对信念、愿望和意图的反直观解释问题,解决了关于愿望和意图的无为而治和副作用问题,强调了愿望的激发与维护作用,表达了信念、愿望和意图三者间的动态约束与激发关系.     

Agent联盟中的利益分配问题研究

开放、复杂、异构环境下多Agent之间的协作是目前多Agent系统研究的一个重要课题,也是多Agent系统应用于Intemet环境下所要解决的首要问题。现实中自利Agent之间的协作是利益驱动的,是一个典型的讨价还价问题。作者运用K—S解法解决了Agent联盟中各Agent利益分配问题,从而保证了Agent联盟的稳定性。     

Agent社会理性的研究

MAS(multi-agent system)是由多个自治Agent组成的协商,是合作的Agent社会.在社会背景下,Agent社会理性决定着MAS目标的实现.Jennings虽然给出了Agent社会理性的定义和相应的模型,但没有给出模型参数的具体计算方法及其物理意义.基于协同学原理,指出模型的物理意义是系统的序参量,并将参数的计算分为4步:近似线性化、确定序参量、使用支配原理建立微分方程和解微分方程.     

基于理性Agent的有序对等计算社会模型的研究

目前的对等计算(P2P)环境呈现出不稳定的无政府状态,存在的搭便车、公共悲剧以及虚假文件、共谋、不合作等问题使得各类闲置的资源得不到有效的利用,系统难以达到资源的最大共享,也得不到持续的、良性的发展.引入理性Agent技术,将节点改造为对等主体.对等主体被组织为若干个对等组,从而形成结构化的对等计算社会.为了使对等计算社会能够协调地、可持续地良性发展,重点研究对等计算社会中的信任机制,提出CMTM分类多级信任模型及改进的全局信誉度算法,并对系统和信任模型进行仿真实验予以验证.     

集体理性约束的Agent协作强化学习

将多Agent协作学习过程看作是一个个的阶段博弈,针对博弈中存在多个均衡解的问题,提出一种集体理性约束下的多Agent协作强化学习算法。该算法使得系统中的每个Agent均按照集体利益最大化的集体理性原则进行行为选择,从而解决均衡解一致问题,同时使得集体长期回报值最大化,加快了学习速度。在集体理性的基础上通过评价各Agent对整体任务求解的贡献度,解决信度分配问题。追捕问题的仿真实验结果验证了算法的有效性。     

Agent计算的能力理论

能力是规范和描述Ａｇｅｎｔ、研究和分析Ａｇｅｎｔ计算以及设计Ａｅｎｔ的一个重要抽象概念。     

基于Agent的决策支持系统研究

将人工智能中的最新技术Agent技术用于构建决策支持系统,利用界面Agent、信息Agent、协作Agent来实现决策支持系统的智能部件,提出协作Agent来实现多Agent之间的协作和交互,为解决多Agent系统中Agent之间的协作难问题提供了一种新的思路。     

基于管理Agent协作模型的研究

多Agent协作求解是分布式人工智能要研究的基本问题。该文基于管理agent概念提出一个新的协作模型，该模型利用管理Agent对多Agent系统进行全局协作分配，协作申请分级处理，解决了传统协作模型中存在的模型与应用领域有关和只适用于静态环境的问题。     

MAS理性与模型的研究

理性是选择策略的标准,是系统内一种有序结构,关系着MAS目标的实现和MAS的稳定性。有序结构可以在平衡条件下形成（封闭系统）,也可以在远离平衡条件下形成（开放系统）,本文在讨论封闭环境下MAS理性的基础上,给出适应开放环境下的MAS理性。     

基于Agent的建模技术研究

本文提出了一种基于Agent的模型生成方法,它结合了面向对象和人工智能技术,既具有对象的继承和封装特性,也具有推理学习功能.利用该方法,传统的顺序建模系统被发展成为并行的、自主的、可扩展的、适应性良好的建模系统.文中详细介绍了Agent的内部表示和设计Agent系统的关键技术,并用一个实例验证该方法的实用性.     

BDI Agent推理模型的研究

文章提出了基于环境感知的具有推理能力的BDI Agent模型。并通过引入环境感知函数、意见函数、过滤函数、行为函数对环境的变化和Agent自身推理过程进行研究。在此基础上,通过积木世界的具体实例加以说明。     

基于Agent的民航信息推送系统研究

近些年我国民航业发展迅速,民航信息存在数量庞大而有效信息获取不及时的问题,为满足用户的个性化信息服务需求,提出一个基于多Agent的信息推送系统模型,探索通过多Agent协同工作实现民航信息处理的智能化,对系统实现的一些关键技术、用户兴趣模型的构建、信息过滤技术等提出解决办法。     

基于增强学习的代理谈判模型

利用增强学习的Q-leanling理论,构造了一个基于时间信念、价格信念和状态期望Q值的代理谈判模型。将代理交互报价的过程看成代理选择报价行动,实现状态的迁移,可以计算出代理在不同状态采取行动的Q值。代理可以通过修改信念函数及时问贴现率来调整报价。该文实现了谈判模型的报价算法,并从理论和实验数据两方面进行了分析比较。     

基于播存网格的智能Agent研究与设计

简要地介绍了播存网格的组成,并设计了一种基于播存网格的智能Agent,同时详细地讨论了智能Agent的软件实现技术。     

多Agent系统BDI模型的推理研究

提出了基于环境感知的具有推理能力的BDIAgent模型。通过引入环境感知函数、意见函数、过滤函数、行为函数对环境的变化和Agent自身推理过程进行研究,并通过实例加以说明。     

一种BDI Agent的动态推理模型

论文提出了基于环境感知的具有动态推理能力的BDIAgent模型。该模型引入了环境感知函数、意见函数、过滤函数和行为函数对环境的变化和Agent自身推理过程进行研究,并用扩展了的ASL语言描述该模型的动态推理过程。然后,用机器人摞积木的例子来验证这种推理过程的合理性。最后进行总结并讨论了进一步的研究工作。     

基于Agent的分布式空间数据挖掘研究

在介绍数据挖掘、空间数据挖掘、Agent技术的概念和特点的基础上,将Agent技术引入分布式空间数据挖掘.提出了基于Agent的分布式空间数据挖掘系统结构图,并介绍了基于Agent的分布式空间数据挖掘过程.     

移动Agent系统的研究

对移动Agent代表性系统作了研究。分析了移动Agent技术与传统的分布式计算机技术的区别。     

Agent软件系统研究

Agent正迅速成为一个十分重要的研究领域,但迄今却没有多少适宜的Agent开发语言。本文对目前的Agent语言进行了分析和总结,认为JSP是Agent的最好开发环境。     

基于AUML的Agent建模方案研究

AUML(Agent UML)是Agent建模普遍采用的方法,其通过对UML的扩展来支持Agent的建模.通过借鉴面向对象的系统分析方法,给出了AUML建模方案,并详细描述了AUML的建模机制和各类图的扩展.以编队指挥系统为例,从分析系统用例,分析和识别最初的Agent类型,责任识别,提取Agent之间的关系及精化Agent,确定交互直至Agent信息的配置,建立了一整套基于AUML的Agent建模方案.