模糊交互时态逻辑及其语义结构

Alur等人建立的交互时态逻辑（ATL ＊）是一种重要的多Agent合作逻辑,它对计算树逻辑（CTL ＊）进行了合作算子拓展,然而它缺乏对不确定时态信息的刻画。通过考察模糊时态事件和模糊时态状态、描述相对时间来改进并发博弈结构,并给出模糊并发博弈结构;把模糊并发博弈结构的若干要件从相对时间域到绝对时间域进行映射,给出已映射模糊并发博弈结构;建立了模糊交互时态逻辑（FATL ＊）,给出其语法,在已映射模糊并发博弈结构下给出其语义;阐述了FATL ＊的表达力比ATL ＊强。     

一种理性安全协议形式化分析方法及应用

博弈逻辑ATL和ATEL可以对传统安全协议的公平性、安全性等性质进行分析与验证.不过在理性环境下,由于参与者对知识的自利性,ATL和ATEL都不适合形式化分析与验证理性安全协议.于是在并行认知博弈结构CEGS中引入效用函数和偏好关系,得到新的并行认知博弈结构rCEGS,并在合作模态算子《Γ》中引入行为ACT参数,提出新的交替时序认知逻辑rA-TEL-A,并基于不动点描述rATEL-A时序算子.然后基于rATEL-A,提出适合于形式化分析理性安全协议的推理系统,并对具体的理性安全协议的公平性、安全性等性质进行形式化分析.     

多Agent模糊概率信念逻辑

在经典信念形式化研究中,信念在某一可能世界中的真值取值范围是{0,1）。基于新模糊集合论给出信念真值的模糊真值计算方法,将信念的真值取值范围推广到[0,1]。在这样模糊逻辑框架下,将广义概率Aumann语义推广到广义模糊概率Aumann语义,从而建立多Agent模糊概率信念逻辑。在该逻辑中,给出多Agent模糊概率信念逻辑的语法和语义,并且证明了该逻辑系统的可靠性。     

基于时态逻辑的知识表示研究

讨论模态逻辑和时态逻辑,定义时态逻辑的四个时态算子,探讨了对象模型,提出了时态逻辑对象模型,研究了对象知识表示,给出了基于时态逻辑的知识表示模型和一个对象知识案例,结果表明时态对象模型可以有效地表达知识.     

高交互客户端蜜罐Agent系统研究

根据国内外客户端蜜罐系统的发展现状以及恶意网页攻击机理,设计了一个基于高交互客户端蜜罐技术的协同Agent工作模型,并实现了Malicious Web Site Hunter(MWSH)恶意网页检测系统。系统主要包括控制子系统、高交互级蜜罐子系统及服务子系统三个部分。系统利用Agent技术的协作性以及客户端蜜罐技术的准确性来发现网络中的恶意网页。利用基于VSK逻辑的Agent形式化描述语言对系统涉及的Agent进行了形式化描述,并做了具体实现,不仅可以描述Agent和它的环境信息特征,而且可以描述其完整状态变化过程。     

多智能体协同的认知规范模型检测算法

 在Wooldridge提出的利用不变式特征的方法来模型检测时态认知逻辑的基础上,研究多智能体协同逻辑ATEL(Alternating Temporal Epistemic Logic)中认知算子的模型检测算法,包括多层的认知算子,分布式认知算子和公共知识算子等等。研究结果表明,加入认知算子后的ATEL的在增加系统描述能力的同时并没有明显增加其计算复杂性。     

Agent规划的形式化描述

Agent的规则描述为动作树的抽象结构，刻画了Agent对其行为的选择，组合能力，将Agent的动作划分为实现型动作和维护型动作两种类型，以描述处于一定社会环境之中的Agent，一方面要实现某个目标或意图，另一方面要遵循社会规范的约束，采用扩充了模态算子和动作算子的一阶分枝时序逻辑，对Agent的动作进行了形式化描述。     

新闻文本中事件语义表示

事件是比"概念"粒度更大的知识表示单元,更符合人类的认识过程.事件作为新闻文本的知识单元,结合新戴维森事件语义和6要素事件模型,给出了一个新的事件形式化表示方法;扩展不同的操作算子给出了修饰事件要素的模糊信息、对象、时态与环境的形式化表示方法;使用描述逻辑方法描述了事件对象要素中的概念,给出了新闻文本中事件关系形式化的表示方法.实例表明,该方法能够较好地表示新闻文本中的事件语义.     

信念逻辑的更新模型

刻画信念逻辑的关系语义模型中的关系缺乏直观的解释,更新模型用合理性可以给信念逻辑提供一个更直观的解释。更新模型用动态的更新语义刻画信念算子。用有穷模型的方法证明信念逻辑相对于更新语义是框架可靠的和框架完全的。     

一种在Multi—Agent系统中协调形成策略的框架

通过对BDI属性的刻画让Agent个体理智行为是多Agent系统中研究的一个重要方向.为了在开放系统中理智行为,模型在传统BDI逻辑的基础上结合了ATL语言中的一些概念.进一步地,为了体现Agent个体的自主性,分别定义了环境状态转换函数与私人状态转换函数.在该框架中,Agent个体通过一些必要的步骤,就可以适应环境,计算出更有助于自己达到目标的策略.