基于多Agent的网上教学模型的研究

Agent是人工智能和计算机软件领域的一种新兴的技术,智能Agent技术近年来有了很大的发展,本文基于多Agent技术构建了一个网上教学系统模型,为学生和教师提供虚拟教学环境,实现学生之间的协作化学习。     

基于Agent技术的在线测试系统研究与设计

为了使数字教育服务提高到一个新的水平,把Agent技术引入到网络教学中,可以更好地实现网络教学信息系统的自动化和智能化。近年来,许多科研人员纷纷投入到Agent技术的研究中。采用面向Agent软件开发方法,结合Agent技术的优越性,提出了一个网络教学中基于Agent技术的在线测试系统设计模型,在一定程度上满足了教师和学生等对在线测试系统动态性和智能性需求。     

基于多Agent的智能教学系统模型研究

随着人工智能技术的不断发展,人工智能领域的理论(特别是Agent技术)不断地被应用到智能教学系统(ITS)中,从而给ITS的研究与应用提供了新的发展空间.文中设计了一个基于多Agent的智能教学系统模型,着重构建了教师Agent和学生Agent,同时提出了用户层、软件Agent层和数据服务器层这种分层的ITS软件体系结构.     

基于Agent技术的在线测试系统研究与设计

为了使数字教育服务提高到一个新的水平，把Agent技术引入到网络教学中，可以更好地实现网络教学信息系统的自动化和智能化。近年来，许多科研人员纷纷投入到Agent技术的研究中。采用面向Agent软件开发方法，结合Agent技术的优越性，提出了一个网络教学中基于Agent技术的在线测试系统设计模型．在一定程度上满足了教师和学生等对在线测试系统动态性和智能性需求。     

基于多Agent的智能教学系统模型研究

随着人工智能技术的不断发展,人工智能领域的理论(特别是Agent技术)不断地被应用到智能教学系统(ITS)中,从而给ITS的研究与应用提供了新的发展空间。文中设计了一个基于多Agent的智能教学系统模型,着重构建了教师A gent和学生Agent,同时提出了用户层、软件Agent层和数据服务器层这种分层的ITS软件体系结构。     

基于网格环境的移动Agent技术研究

网格和移动Agent技术的整合已经成为分布式技术的一个重要研究方向,通过对网格和移动Agent概念的介绍,对移动Agent的特点和其应用在网格中技术优势的分析,提出了在网格计算中应用Agent技术的思想,重点阐述了移动Agent应用在网格中的关键技术,讨论了移动Agent技术在网格计算中应用存在的问题,最后展望了Agent技术在网格计算中的应用前景。     

基于多Agent的适应性网络教学系统设计

当前的智能教学系统对于用户提出的适应性学习服务实现效果尚不理想,突出体现在不能根据学生的学习特点提供相应的学习方式.将Agent技术引入智能教学系统,构建了一种基于多Agent的适应性网络教学系统框架,分析了框架内各Agent的功能和工作过程,提出了一个学生学习特征提取和处理的模型.通过动态跟踪学习记录,采用向量相似度计算寻找一种与学习者相适应的学习风格,为学生提供适应性的学习服务.     

基于Mobile Agent技术的分布式查询系统

Mobile Agent技术是一种新型Agent技术,具有移动性、智能性和异步计算等特点.文中针对Mobile Agent技术进行了系统的概述和探讨,提出了把Mobile Agent技术应用于分布式查询系统中的思想,并给出了基于Mobile Agent技术的分布式查询系统模型和体系结构,最后描述了Agent间的通讯方法.     

基于Mobile Agent技术的分布式查询系统

Mobile Agent技术是一种新型Agent技术，具有移动性、智能性和异步计算等特点。文中针对Mobile Agent技术进行了系统的概述和探讨，提出了把Mobile Agent技术应用于分布式查询系统中的思想，并给出了基于Mobile Agent技术的分布式查询系统模型和体系结构，最后描述了Agent间的通讯方法。     

基于多Agent和CSCW的协同远程教学系统研究

基于多Agent和CSCW技术，提出在网络环境下构建一个协同远程教学系统，为分布在不同地点的教师和学生提供协同的虚拟教学环境。详细描述了系统的体系结构、设计思想、Agent的内部结构及多Agent的通信机制。     

一种基于DFS的Agent在线学习模型研究

Agent的学习理论是目前研究的热点问题。本文基于动态模糊集（DFS）,抓住Agent心智特性,提出了一种Agent学习模型,构建出该模型下的Agent混合结构并给出了该模型的工作机制,最后借助动态模糊集（DFS）和强化学习技术实现了模型中的策略构造函数,使Agent具有自适应动态环境的能力和在线学习能力。     

一个基于Agent的轿车市场自动协商模型

该文提出了一个针对轿车市场中交易协商的双边多议题自动协商模型，该模型具有如下特点：用基于效用的相似度比较法实现Agent智能搜索；模型采用学习机制包括历史学习和Q-学习，历史学习机制用于Agent协商前初始信念的创建，对Agent在协商中策略的选择、执行具有指导作用。Q-学习机制用于生成协商提议，使得Agent能够在半竞争、信息不完全和不确定以及存在最大协商时间的情况下，更为有效地完成多议题协商。     

用于复杂适应系统仿真的Agent免疫学习系统

分析了复杂适应系统（Complex Adaptive System，CAS）仿真中对Agent学习系统的要求以及基于遗传算法的Agent规则学习系统的不足，提出了一种基于改进免疫遗传算法的Agent学习系统，在该算法中将领域知识和经验作为疫苗对规则库中的规则进行免疫按种，并利用混沌变异模型对规则进行变异操作，产生新的规则。最后，结台跨流域调水管理复杂适应系统仿真中的Agent规则学习过程，对Agent的规则学习和演化机制进行了算法验证及实例分析。     

智能主体在远程教育模型中的应用研究

针对当前远程教育存在的不足,提出一种基于多Agent的远程教育模型,在对各部分的功能进行了详细阐述后,着重就其中某一交互模型——推荐Agent进行了分析,并运用JACK这一多Agent集成开发平台进行了实际研究,实验表明将多Agent技术引入远程教育是可行的,且可大大提高系统的智能性和交互性。     

一种基于ILP和ASP的学习B语言描述的动作模型方法

动作模型学习可以使Agent主动适应动态环境中的变化,从而提高Agent的自治性,同时也可为动态域建模提供一个初步模型,为后期的模型完善和修改提供了基础.通过结合归纳逻辑程序设计(Inductive Logic Program-ming,ILP)和回答集程序设计(Answer Set Programming,ASP),设计了一个学习B语言描述的动作模型算法,该算法可以在混合规模的动态域中进行学习,并采用经典规划实例验证了该学习算法的有效性.     

多Agent自动协商的公平性研究

为了能够快速、高效地进行Agent协商,构建一个优化的多Agent协商模型。在这个模型的基础上,提出了一个基于协商各方公平性的协商学习算法。算法采用基于满意度的思想评估协商对手的提议,根据对方Agent协商历史及本次协商交互信息,通过在线学习机制预测对方Agent协商策略,动态得出协商妥协度并向对方提出还价提议。最后,通过买卖协商仿真实验验证了该算法的收敛性,表明基于该算法的模型工作的高效性、公平性。     

Agent在网上教学中的应用模型

针对当前网上教学这一非传统教学模式中存在的问题结合Agent理论和Agent的特性,利用Agent的特性生成教授学习模式,构造教师Agent和学生Agent,提出了一种应用模型构想。     

一个基于Bayesian学习的协商模型

在Multi-Agent系统(MAS)中,每一个Agent都有不同的目标。通常只拥有对方的不完全信息。Agent需要具有解决在实现各自目标过程中所产生的各种矛盾的能力。协商是解决这些矛盾的一种有效途径。本文提出了一个基于Bayesian学习的协商模型NMBL：在每一轮协商中,Agent通过Bayesian学习获取协商对手的信息,更新对协商对手的信念,然后根据基于冲突点和不妥协度的协商策略提出下一轮的协商提议。NMBL把整个协商过程看成一个动态的交互过程,体现了Multi-Agent系统的动态特性,同时NMBL具有较强的学习能力。试验证明,该模型具有较好的协商性能。     

基于双重注意力机制的异步优势行动者评论家算法

深度强化学习是目前机器学习领域发展最快的技术之一.传统的深度强化学习方法在处理高维度大状态的空间任务时,庞大的计算量导致其训练时间过长.虽然异步深度强化学习利用异步方法极大缩短了训练时间,但会忽略某些更具价值的图像区域和图像特征.针对上述问题,本文提出了一种基于双重注意力机制的异步优势行动者评论家算法.新算法利用特征注意力机制和视觉注意力机制来改进传统的异步深度强化学习模型.其中,特征注意力机制为卷积神经网络卷积后的所有特征图设置不同的权重,使得智能体聚焦于重要的图像特征;同时,视觉注意力机制为图像不同区域设置权重参数,权重高的区域表示该区域信息对智能体后续的策略学习有重要价值,帮助智能体更高效地学习到最优策略.新算法引入双重注意力机制,从表层和深层两个角度对图像进行编码表征,帮助智能体将聚焦点集中在重要的图像区域和图像特征上.最后,通过Atari 2600部分经典实验验证了基于双重注意力机制的异步优势行动者评论家算法的有效性.