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SOA的多边多议题协商模型的研究

提出了一种新的协商模型--基于面向服务架构(SOA)的多边多议题协商模型.利用面向服务架构(SOA)技术来构建松散耦合的协商模型,并在协商模型中应用本体的基本理论和相关技术来定义提议、议题等本体模型,以实现协商议题的多样性和可变性,最后在SOA的框架下以Web服务方式使用经SOAP封装的通信原语实现多边多议题协商模型.     

一种劝说式多Agent多议题协商方法

多Agent系统中的协商问题往往由许多议题组成,导致问题空间十分庞大.传统的协商方法通过对问题空间进行穷尽搜索来找到最优解,并不适合多议题协商.而且,传统的方法不考虑协商偏好变化的情况,使得Agent在不完全及不正确环境下找到的最优解并不合理.提出一种劝说式多Agent多议题协商方法.借助信念修正这一有效的推理工具,协商Agent能够在协商过程中接受协商对手的劝说,考虑对手对协商议题的偏好,并根据一种基于辩论的信念修正方法调整自身的偏好.这样就能够使协商Agent对变化的协商环境具备适应性,从而提高协商的效率及正确率,快速准确地达成协议.     

基于学习的多Agent多议题协商优化研究

以买方Agent的观点,对从交易平台上获得的卖方Agent的历史协商信息进行分析,并根据其特点做初步过滤。在此基础上,针对现有协商模型中存在的问题,提出了一个Agent协商对手选择算法和相应的交互机制,并验证了其可行性。该算法可用于Agent协商开始前协商对手的选择和初始信念的更新,对Agent在协商中策略的选择和执行具有指导作用,能有效提高Agent在协商中的效用及效率。     

基于Agent的双边多议题协商算法

双边多议题协商是一个复杂的动态交互过程。解决Agent在对环境和对方信息不全知的情况下通过协商达成一致并最大化自身效用是非常重要的。为了寻求Pareto效率解,提出了一种在无中介参与的情况下双方通过多轮相互探测求解的方法。实验分析了偏好对协商过程的影响并说明了该算法是一种在较低计算代价下求得Pareto效率解的有效双边多议题协商算法。     

一种基于多目标优化的Agent多议题协商模型

Agent多议题协商研究是多Agent合作求解的核心内容之一,一般基于对策论的方法实现Pareto最优的协商结果。由于很多学者将其转化为单目标约束满足问题,因而只能满足一方的效用最大化要求。Nash指出在理想情况下Agent应追求自身效用最大和对手效用最大的多目标优化,以达到快速达成一致并能最优化自身效用的目的。针对该问题,本文给出一种用指数型功效系数法求解的一揽子交易多议题协商模型NMMOP,该模型能够实现双方Agent的效用最优,提高协商双方的总效用。实验结果验证了该模型的优化效率优于Fatima和Faratin等人的工作。     

基于双边多议题的Pareto最优协商研究

研究完全信息情况下的双边多议题协商问题,提出一种双方反提议决策模型,在每一轮反提议生成过程中,提议方在满足自身效用在该轮的保留效用水平下,最大化对方的效用,从而使协商结果达到Pareto最优,同时对双方在不同让步策略下的协商结果进行算例分析,为基于双方合作的完全信息协商提供理论参考。     

基于学习的多议题协商

随着在线交易越来越普遍,如何有效地将先进的agent技术运用于电子商务协商领域,已经成为经济学家和计算机学者共同研讨的一个主要方向。文中从买方agent的观点出发,在协商过程中采用贝叶斯学习机制进行预测和更新对方agent的信念,使得每个agent通过学习来协调自身的行为,从而缩短了协商时间,提高了协商效率,更能有效地完成协商目的。并实验说明了其可行性。     

一种基于案例的Agent多议题协商模型

不完全信息条件下的Agent协商最优回价策略一般采用间接学习对手偏好的方式;另一方面,Agent一般拥有或多或少的经验和知识,这将帮助它们取得更好的协商结果.这启发了用基于案例的方法直接学习得到最优回价,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.所给出的算法计算复杂度为多项式级,且当案例库规模控制在一定范围内时低于Fatima工作的计算复杂度.实验结果显示,采用该算法的Agent能够取得比人类更优的效用和更短的达成一致时间,且优于Lin等人的实验效果.改进了Fatima等人的工作.     

基于贝叶斯的多议题协商优化

在限时条件下的Agent之间的多议题协商中,虽然最差的结果是没有达成协定,而达成了一个使自己潜在利益受损的协定未必就是好的选择。在很多情况下,由于推理策略和交互机制的不完善使得Agent个体失去自己应得的利益。论文使用贝叶斯方法对协商对手进行预测,尽量使自己的初始信念准确反映对手的意识形态;并在此基础之上提出了一个优化的协商交互模型。在此模型中,Agent个体充分利用自己的预测结果,在协商成功的基础上获得尽可能多的利益。     

Agent协商研究进展

自2001年Jennings研究协商以来,已经成为MAS研究的热点。介绍了协商的定义、研究内容、应用领域;分析了协商的复杂性;总结了通用的单议题协商和多议题协商协议的对策论模型;综述了Agent多议题协商的策略与学习算法;并分别介绍了两种典型的多议题协商：拍卖和并发协商,给出组合拍卖、多属性拍卖和并发协商的基本模型及其研究进展;最后探讨了协商存在问题和将来可能的发展方向,指出作为交互、竞争与合作的基础,协商需要继续深入的探讨,也必将成为多Agent系统研究的主流。     

基于辩论的多商品谈判模型研究*

旨在对一组商品的多agent谈判进行研究,这组商品具有共同的性质,能满足买方特定需求。通过分析一组商品的属性特征,将商品的属性分为主属性和非主属性,用辩论方法构建多商品谈判机制,提出基于辩论的多商品谈判模型,并通过原型系统实验验证了模型的正确性和有效性。提出的模型将一组商品的多agent谈判统一到一个过程中,有利于达成谈判协议,提高谈判效率。     

基于Agent的Web服务QoS协商研究

协商机制是协调Web服务使用者和提供者的不同QoS(quality of service)需求的一种重要方法,通过扩展的协商代理中介角色完成双方的协商.扩展了Web服务的描述,增加了关于QoS的信息,将协商双方的偏好和协商策略参数化,使得双方可以通过简单设置参数来指定,从而Agent可以根据这些信息代表协商双方进行自动协商,并将协商结果转化为合同,更好地约束服务的交付.     

基于本体的服务管理代理的研究与实现

在服务管理代理应用模型中应用本体理论和相关技术,设计内部UDDI保存软件系统所适用的Web服务信息,通过匹配引擎的匹配算法实现Web服务本体和服务请求本体的匹配,应用反射技术实现动态调用被选的Web服务并将结果返回给服务请求者,从而提高了基于面向服务结构的软件系统的灵活性、稳定性和可靠性,进而满足服务请求的要求。     

服务Agent的设计与实现

在服务计算领域,相同功能的服务往往有多个不同的选择。针对同类服务的管理和选择问题,在BDI Agent的基础上,提出了一种服务Agent的结构定义,用以支持服务的运行时动态绑定;设计并实现了基于会话的约束求解服务Agent协商协议;实现了支持服务Agent建模的可视化工具;最后介绍一个应用实例。     

多智能体运输调度系统协商机制的研究

针对大型企业运输调度问题,采用多智能体技术,提出了一个多智能体运输调度系统模型,将汽车资源构造为具有自主能力的汽车智能体,从而提高了系统问题求解的能力,并对系统中多智能体之间的协商机制进行了探讨。     

Web服务设计时系统的研究与实现

Web服务技术为异构应用之间的集成和互操作提供了有效的解决手段,目前多数的Web服务应用支撑平台没有提供一个集成的设计时系统的支持。提出并研制了一个集成的Web服务设计时系统,为多种异构的服务实现体包装成Web服务提供了支持,设计时系统最终会生成运行时系统需要的部署文件。     

一种强调私密性的多智能体协商模型

提出一种更具私密性的多智能体协商模型；基于经济学边际效用的概念建立了基于市场交互机制的协商算法。每个智能体不需向市场智能体发送原料需求信息，只需发送对某种原料边际效用的符号信息；市场智能体作为中间人运行定价算法和分配算法对原料进行定价和分配。仿真结果表明本文方法与已有方法性能相近，但是协商过程不会泄露商业机密信息，更符合分布式智能体的私密性要求。     

基于本体的网格服务匹配算法的研究与实现

针对目前网格服务匹配机制的不足,引入服务质量本体QosOn对OWL S规范进行扩展,并在此基础上基于本体论语义给出了对网格服务能力的描述和匹配方法,并分析了它相对于GT4中现有网格发现机制的优势。