基于卖方多提议的双边多属性自动协商模型

针对电子交易应用领域,提出一种私有信息和有时间约束的、基于卖方多提议和买方评价的多属性自动协商模型.买方协商策略简化为对卖方每一回合提交的一个或多个提议进行评价,卖方则根据时间和资源依赖策略确定提议的整体让步效用,根据买方评价和协商历史确定不同的让步属性组合和让步幅度,从而生成若干等效的新提议.该模型能有效减轻系统的通信和计算负担,提高解的收敛速度,在一定程度上改善协商效率和质量,并且在买方效用函数为线性时保证较优的联合效用.     

基于对策论的电子商务交易协商的模型研究

为了提高交易效率和降低交易成本,有必要实现电子交易的自动或半自动协商．在现有的一些成果基础上,采用Agent技术,以对策论为理论基础,讨论了在具有多目标属性及信息不完全性情形下的协商过程,并得出了在这种情形下进行多回合协商时的最佳策略次序,最后通过虚拟交易来论证该模型的合理性．     

面向议题关联的双边多议题协商模型研究

在Agent双边协商过程中往往包含对多个议题的协商针对以往的基于议程、相似度、案例等协商方法中大部分都忽略了议题取值之间可能存在的依赖关系，提出一种面向议题关联的双边多议题协商模型首先模型结合了多议题顺序协商思想和局部接受协商策略；其次引入离线学习机制，对协商成功的历史记录进行分区离线学习，利用离线学习机制产生的议题关联规则与预测神经网络实现对关联议题可能接受取值的预测；最后模型提出一种基于关联预测值的分段时间协商策略实验结果表明，该模型在一定程度上提高了协商的总体效用值和效率.     

基于同步提议的服务交易协商方法

以服务交易平台为中间市场,提出一种基于同步提议的服务协商模型,服务提供者和服务使用者将各自的提议同步提交给共同信任的中间市场,由中间市场经过判断并将提议评估转发给协商双方,通过这种方式可以加快协商进程,并使交易双方不必担心暴露自己的交易偏好.提出了基于软件代理的自动协商实现方法,并采用业务流程执行语言对交易过程进行建模.最后,在服务交易平台上实现了该服务协商模型的原型系统,经实例验证,可以有效地实现服务协商,更利于达成双方可接受的交易结果.     

面向属性约束的自动信任协商模型

针对已有自动信任协商系统策略语言粒度粗糙、不能生成所有信任序列且缺乏评估与择优机制等问题,提出一种面向属性约束的自动信任协商模型--ACATN.其具有如下特点:利用属性约束细化策略语言粒度,不仅有效地保护了敏感服务和证书,而且提高了系统的灵活性;使用全局访问控制策略终止不会成功的协商请求,从而提高协商效率;采用信任序列搜索树描述信任序列的生成过程,基于此树的宽度、深度优先搜索算法在快速生成一个信任序列的同时,能够生成所有的信任序列;通过属性证书披露代价和通信开销评估信任序列,以便于系统选择最优信任序列.结合具体实例对ACATN模型的使用进行了说明.     

基于双边多目标和时间限制的讨价还价协商模型

基于博弈论的理论,讨论了基于讨价还价机制协商模型,该模型体现了3个关键特征,包括:具有时间限制、信息不完全性和多目标(议题)的3个特征.该模型用形式化的方法定义了协商模型,并规定了在协商过程中的协商协议;根据博弈论的理论,定义了协商过程中的多目标的效用函数,设计了讨价还价交易过程中双方的让步函数;给出了带有时间限制策略规则,该规则可以作为双方交易过程中判断是否交易成功的条件.通过实验分析比较了几种不同的协商策略,实验结果表明了该协商策略模型的有效性,并且为该系统的具体实施奠定了基础.     

一种基于等效置换的协商策略

为了进一步提高和优化让步协商策略达成的初步协商解的质量,首先提出了等效置换协商策略.等效置换充分利用多议题协商效用评估机制中各议题之间的相关性,在保证协商参与者既得利益的前提下动态改变某些议题的取值,促使协商双方得到更优的协商解.接着给出了具体的实现算法,最后实验验证了等效置换协商策略能够在一定程度上提高Agent的联合效用,得到比让步协商解,证明了等效置换协商策略是可行和有有效的.     

AODE中基于强化学习的Agent协商模型

AODE是我们研制的一个面向Agent的智能系统开发环境。AODE中基于强化学习的Agent协商模型采用Markov决策过程和连续过程分别描述系统状态变化和特定系统状态的Agent协商过程,并将强化学习技术应用于Agnet协商过程。该协商模型能够描述动态环境下的多Agent协商,模型中所有Agent都采用元对策Q-学习算法时,系统能获得动态协商环境下的最优协商解。     

资源限制信任协商

提出了资源限制信任协商方法.陌生的双方在建立信任关系时,仅仅交换一次信任书,随后多次交换对称密钥,直到协商完成或者失败.在资源限制信任协商过程中,用Hash函数验证信任书中的属性,用对称密码保护敏感属性.敏感属性是在自己的控制下逐步显示给对方的.资源限制信任协商避免了传统信任协商中双方多次交换信任书,以及多次验证信任书和策略的一致性检验所带来的大量公钥密码操作负担.同时也避免了传统信任协商中双方必须存储多个信任书的问题.因此资源限制信任协商比较适合在计算能力有限的移动设备之间建立信任关系.由于双方交互的信任书是保密的,因此资源限制信任协商能防止传统信任协商存在的中间人攻击问题.     

基于模糊约束理论的B2C交易自动协商模型研究

分析了B2C交易中协商主体和协商过程的特点,基于带优先级的模糊约束理论为买方协商主体建立了认知模型,能够根据买方主观需求的满足程度和主观忍受程度,综合评估买方的偏好,由此出发设计双方协商策略和协商交互流程,建立了B2C交易自动协商模型,并论证其模型的优越性.     

一种基于社团和分层思想的无标度演化模型

针对复杂网络节点度分布服从幂律分布问题, 给出一种基于社团和分层思想的无标度演化模型. 该模型利用转轮思想和限制节点度改进了无标度模型的优先连接策略; 加入分层结构优化了无标度网络的搜索; 将局域世界模型中的局域世界思想引入到模型中, 并利用社团结构改进了局域世界模型中局域世界的不确定性问题.  理论分析证明了模型的度分布服从幂律分布, 且幂律指数可调.  模拟实验结果表明, 模型有较小的平均路径长度和较大的聚类系数,  且两层网络搜索效率优于单层网络搜索.     

一种基于遗传算法和LM算法的混合学习算法

针对遗传算法与神经网络结合方式中存在的早熟收敛、泛化能力弱等问题, 提出一种交替使用遗传算法和Levenberg Marquardt算法优化神经网络的混合学习算法（GALM算法）. 该算法先通过遗传算法粗调得到一组全局最优近似解, 再以该近似解为初值, 交替使用遗传算法和LM算法优化神经网络训练, 直至发现满意的网络参数. 实验结果表明, 新算法提高了网络的学习能力和收敛速度.     

计算网格多拍卖师系统中的3个关键问题

采用多拍卖师机制, 使用拍卖方式对计算经济网格内的资源分配进行管理. 对拍卖师系统中的3个关键性问题： 防止拍卖师欺骗（包括拍卖师欺骗的判定及处理）、 拍卖师的选择和成交价格的制定进行研究并提出相应的解决方案. 使用网格建模和模拟工具GridSim模拟网格环境, 并运用多拍卖师系统进行资源管理和任务调度实验, 对不同条件下的实验结果进行分析, 验证了计算网格多拍卖师系统的可行性.     

Powell搜索法和惯性权重非线性调整局部收缩微粒

提出一种求解无约束最优化问题的新的混合算法Powell搜索法和惯性权重非线性调整局部收缩微粒群算法的混合算法. 该算法不需要计算梯度, 容易应用于实际问题中. 通过对微粒群算法的修正, 使混合算法具有更加精确和快速的收敛性. 首先利用20个基准测试函数进行仿真计算比较, 计算结果表明, 新混合算法在求解质量和收敛速率上都优于其他算法（PSO, GPSO和NM PSO算法）. 其次, 将新混合算法和最新的各种协同PSO算法进行分析比较. 结果表明, 新混合算法在解的搜索质量、 效率和关于初始点的鲁棒性方面都远优于其他算法.     

以Er/Ni为催化剂合成碳纳米管及其生长机制以Er/Ni为催化剂合成碳纳米管及其生长机制

以Er/Ni为催化剂采用直流电弧放电法合成单壁碳纳米管(SWNTs), 并用扫描电子显微镜、 透射电子显微镜、 拉曼光谱及X射线衍射对电弧放电后 的产物进行表征. 结果表明, 以Er/Ni为催化剂与Y/Ni和Ho/Ni为催化剂合成碳纳米管的直径分布相近, 其直径分布为1.35~1.65 nm, 以1.5 nm为直径的碳纳米管占多数. 对阴极沉积物的X射线衍射分析可知, 稀土元素Er在电弧放电过程中形成稀土碳化物是合成SWNTs产率高的重要因素.      

基于TGIS的旅游路线分析算法

结合GIS技术、 无向图的分析和Dijkstra算法的基本思想, 研究了基于TGIS系统的旅游路线分析算法. 该算法通过一定的假设和简化建立旅游路线分析模型, 利用旅游景点信息和公路信息生成旅游路线分析无向加权连通图. 在此基础上采用限定条件的穷举法并结合Dijkstra算法, 综合研究了基于TGIS系统的旅游路线分析算法, 该算法可以帮助游客进行最佳旅游路线分析.     

偏最小二乘法用于近红外漫反射光谱测定异福片

应用近红外漫反射光谱结合偏最小二乘法(NIR PLS)对异福片中利福平和异烟肼的含量进行定量分析， 所建立的定量分析模型对校正集样品中利福平和异烟肼的含量预测回归系数分别为0.992　77，0.989　01，交互验证均方根误差(RMSECV)分别 为0.006　65，0.004　23.对预测集样品利福平、 异烟肼的含量预测均方根误差(RMSEP)分别为0.005　73，0.003　79；加样平均回收率分别为99.376%和98.243%；重现性实验相对标准偏差(RSD)分别为0.679　3%和0.639　8%.结果表明， 该方法预测精度高， 且具有方便快捷、 非破坏、 无污染、 可在线检测、 重现性好等优点， 可作为异福片原位质量检测和在线质量监控的方法予 以推广.     

A5/1的故障分析

结合故障攻击与Guess determine攻击的思想, 提出A5/1在另一种模型下的故障分析. 结果表明: 通过引入故障, 可成功过滤占总猜测数99.9%的错误猜测, 最终可完全恢复A5/1的内部状态, 攻击的复杂度约为2⁴⁰, 成功的概率大于99%.     

用IAA求解约束模型多解问题

针对蚁群优化算法易于陷入早熟收敛和局部求精能力不足的缺点,提出一种用免疫蚁群算法(IAA)寻找最优解的方法.算法基于人工免疫系统原理,设计了具有免疫能力的蚂蚁抗体保持蚁群的多样性,在迭代后期蚁群依然保持进化能力,提高了算法的局部求精能力,使蚁群优化算法在局部开采与全局探索间都取得了更好的平衡.实验结果表明,算法具有良好的优化性能和时间性能.