Agent通信原型的设计与实现

Agent通信一直被认为是多Agent系统协作的核心。该文以人工智能领域中黑板模型结构和消息传送结构作为多Agent系统的基本通信结构,对树形拓扑的多Agent原型系统进行了研究与构造。为适应日益广泛的多Agent系统应用需求,在Agent通信报文设计中考虑了不同网络服务质量及安全参数。文章给出了不同类型的Agent通信实例及通信过程描述,并详述了Agent通信调度算法。最后,对多线程和动态负载平衡等实现原型系统的关键技术进行了分析。     

车-地通信场景的一种混合建模方法研究

为了更好地建立高速列控系统分布式整体形式化描述,采用Agent理论和层次着色Petri网混合建模方法对中国列车控制系统车-地通信场景进行了研究。将车-地通信场景抽象为MAS,给出了场景中车-地主体Agent的内部推理过程和形式化定义,采用CPN Tools工具建立了层次化结构HCPN模型,使车-地通信过程、MAS整体行为以及车-地主体内部推理流程可视化。通过对模型状态空间报告的分析确保了模型的正确性,通过对模型进行多次模拟仿真,分析了该场景中不同通信故障率情况下非周期消息的重发间隔对控车实时性能的影响,验证了模型的可行性。     

基于Multi-Agent的计算机免疫系统的研究

网络入侵检测系统等传统的安全防御技术对日新月异的网络攻击手法缺乏主动响应,普遍具有自适应差、误报率高等问题。该文通过对人工免疫系统的工作原理和体系结构的研究,建立了一个基于Multi-Agent的入侵防御体系模型。该模型把入侵检测系统改进为入侵防御系统,具有分布性、自组织性和轻负荷的特性,能较好地解决入侵检测系统存在的上述问题。     

基于多Agent的电力营销决策支持系统的研究

针对传统决策支持系统的局限性以及决策支持问题的复杂性,本文把Agent方法引入到决策支持系统的研究中,提出了一个新型的决策支持系统框架,设计了基于多Agent的电力营销决策支持系统。该模型中的多个Agent通过Agent解释服务通信交流,相互合作,共同完成决策支持任务,充分的发挥了Agent的自主性、反应性、协作性,为电力企业的决策问题的解决提供了一个新的途径。     

基于Multi—Agent建筑工程概预算系统的设计

近年来Agent及Multi-Agent技术发展迅速.文中分析了建筑概预算系统中引入Agent的必要性,阐明了Agent在建筑概预算中应用的意义,并根据建筑工程概预算特点,针对当前各种概预算软件智能性不高的问题,结合Agent技术,采用"内核-类集"的构造方式,设计了一套基于Multi-Agent的建筑工程慨预算系统(MA-CBS)的整体框架,详细描述了施工图Agent的内部结构和实现算法,最后介绍了系统各个Agent间通信的语言、方式和结构.该系统具有分布性、并行性和可拓展性,提高了编制概预算文件的自动化程度.     

一种求解饲料配方问题的优化算法

分析了饲料配方问题现有的求解策略,在Bruin提出的多Agent协商求解一种简化线性规划问题的理论模型的基础上,利用多Agent协商理论和线性规划理论,建立了Agent模型,提出了基于多Agent协商策略的饲料配方问题求解的优化算法,并证明了算法的正确性和可行性。实验结果表明,该算法具有更强的求解能力。     

基于交互历史的多Agent自动协商研究

在多Agent协商过程中,初始信念起到了至关重要的作用.而初始信念的形成是由设计者给予的部分专家知识和策略集,成功的交互历史是Agent在复杂环境中最后达成一致的提议集.通过学习机制从交互历史中获得知识,形成协商的初始信念,将更加有效地预测对方的策略,缩短协商过程的时间,再通过在线学习来协调己方Agent的行为.在此基础上优化协商模型,提高协商的效率和成功率.     

基于多Agent协同的快速入侵检测系统

在多Agent协同入侵检测系统中,不同检测Agent并行地检测网络包中不同的入侵特征,以提高系统的检测效率.使用消息、自定义通信协议等作为系统的协同通信机制,有效地避免了系统中的单点故障,并且,该机制使得各个Agent的检测结果可以有效融合.在分析了入侵的类型、特征后,使用4个检测Agent仿真了入侵检测的过程,并在检测精度、检测误差影响很小的情况下,使检测每条记录的时间大幅度减少.     

一种基于多智能体策略的人工免疫网络数据分类方法

在传统的人工免疫网络基础上,将多智能体技术的典型策略融入到免疫网络的进化过程中。算法引入了邻域克隆选择,操作过程从局部到整体,能够更加全面地模拟免疫网络的自然进化模型;同时在免疫网络进化过程中增加了抗体间的竞争和协作操作,提高了网络的动态分析能力。后续实验中,分别采用常用的3组UCI数据和一幅红树林多光谱TM遥感图像对算法加以验证,实验结果表明算法对遥感图像有较高的分类效率,对UCI数据也有较好的分类效果,表明该算法一种有效的数据分类方法。     

基于多智能体Actor-Critic算法的异构网络能效优化

为了最大限度地提高异构网络（Heterogeneous Hetworks,HetNets）的能量利用率,本文将能效优化问题设计为一个多级决策问题,根据优化目标的资源分配,首先将初始问题分解为对参数ABS（几乎空白子帧,Almost Blank Subframe）比例和CRE（小区间范围扩展,Cell Range Expansion）进行优化的两个子问题,采用多智能体Actor-Critic（Multi-Agent Actor-Critic,MAAC）算法对子问题进行求解,然后通过迭代各优化子问题的解,解决初始优化问题。在参数优化过程中,将单个小基站作为一个智能体,采用MAAC算法对各自CRE寻找最优解,实现小区间异步CRE优化。实验结果表明,该方法在保持能效稳定提高的前提下,相比较于表格式Q学习的循环Q学习算法,其收敛速度提高了40％,并且通过异步优化CRE的方式取得了基站间更均衡的负载。