动态环境下的多智能体机器人协作模型

提出了在动态环境中,多Agent的一种协作模型,适用于环境信息不完备的复杂情况.将Agent的独立强化学习与BDI模型结合起来,使多Agent系统不但拥有强化学习的高度反应性和自适应性,而且拥有BDI的推理能力,使只使用数值分析而忽略推理环节的强化学习结合了逻辑推理方法.使用了Borlzman选取随机动作,并且采用了新的奖励函数和表示方法,减少了学习空间,提高了学习速度.仿真结果表明所提方法可行,能够满足多Agent系统的要求.     

基于Agent和无线传感器网络的普适计算情景感知模型

研究了普适计算中的情景感知（上下文感知）技术,以无线传感器网络为基础架构,引入Agent技术构建了情景感知模型。从Agent的知识表示和推理、中间件理论、数据管理和自然交互接口等方面探讨了该模型的结构和内容。并通过“智能家居”的应用示范,论述了该模型的可实现性。     

基于Agent的多功能感知环境研究

多功能感知是指计算机不仅可以通过键盘和鼠标 ,而且可以用手势、表情、语音等其它方式与人进行交互。给出了统一的感知Agent模型 ,提出了一个基于Agent的多感知系统结构 ,且建立了系统运行的网络环境 ,并介绍了一个基于语音识别Agent和手势识别Agent的多感知系统     

基于实用推理的多智能体协作强化学习算法

针对将单AgentQ-学习协作算法直接扩展到多Agent系统会导致状态-动作对集合的急剧膨胀、从而影响多Agent的协作学习速度的问题,提出了基于实用推理的多Agent协作强化学习算法.在实用推理框架下,首先在慎思过程中通过考虑群体意图来确定单个Agent的子意图;然后,在手段-目的推理过程中采用Q-学习算法得出实现子意图的最优策略,从而实现群体意图.在Q-学习算法中,各Agent只需考虑自身的状态-动作的值函数更新,对其他Agent值函数的更新可以不加考虑,从而大大降低了算法的空间复杂度,提高了学习速度.追捕问题的仿真实验结果验证了算法的有效性.     

基于Agent的多功能感知环境研究

多功能感知是指计算机不仅可以通过键盘和鼠标，而且可以用手势，表情，语音等其它方式与人进行交互，给出了统一的感知Agent模型，提出了一个基于Agent的多感知系统结构，且建立了系统运行的网络环境，并介绍了一个基于语音识别Agent和手势识别Agnet的多感知系统。     

一种基于粒计算的Multi Agent决策算法

为了克服单个Agent知识的局限性,提高系统决策的可靠性,提出了一种基于证据推理和粒计算的Muhi．Agent决策信息融合算法,并对Muhi—Agent合作决策进行了定义和描述。Multi．Agent决策融合划分为观测和决策两个阶段,观测Agent从环境信息中提取特征向量作为输入,信息粒化后降低了合成计算的复杂度。     

制造系统虚拟环境行为建模研究

虚拟制造系统作为物理制造系统在信息域的映射 ,需要对制造系统在各个层面上进行表达 ,行为建模是制造环境建模的重要内容。提出了制造系统虚拟环境行为建模方法 ,采用多 Agent方法描述制造系统虚拟环境 ,将该环境划分为两种基本成分 :Agent和它们之间的关系。以面向对象Petri网的状态变迁机制作为 Agent的行为推理模式 ,以实体的几何状态、物理状态及运动状态等属性变迁的计算作为Agent行为计算方法 ,以 Agent间相互消息传递关系来描述系统行为逻辑 ,以机器人、机床、缓冲器组成的小系统为例 ,给出了行为推理、行为计算、消息处理的算法。最后 ,采用虚拟现实工具 WTK进行了具体实现     

基于情感组织Agent的联盟形成研究

情感Agent通过同动态环境（包括人）的交互,能够感知周围环境,自治运行以实现特定的目标,同时也能影响和改变环境。把EBDI中的情感Agent引入到组织和联盟中,提出情感因子,对形成联盟的Agent的能力贡献多少进行评估,能充分体现了动态环境中情感Agent的各个情感分量的变化及这种变化对Agent行为的影响。因此,提出基于情感组织Agent的联盟形成策略,引入组织Agent的情感因子对形成联盟过程中的能力贡献进行评估,体现额外效用分配方法有效性、简单性、动态性、时效性,也使整个系统更趋于人性化,显示出协商机制的公平合理性。     

基于多Agent的虚拟装配环境中情境感知的机制

基于多Agent理论,描述了虚拟装配环境的体系结构及其中的消息响应模式;分析了虚拟装配环境中情境感知的机制,提出了一个感知算法.经验证,该虚拟装配环境能合理地分担用户的感知负荷;提高用户在虚拟装配环境中进行装配操作的效率;改善人机交互水平.     

基于多分片贝叶斯网络的多Agent系统模型表示

多Agent系统模型表示是系统实现推理、学习、自组织和Agent间通信的基础。由于多Agent系统结点较多的特性, 一般用单个贝叶斯网络作为模型表示是不现实的。本文提出用多分片的贝叶斯网络作为多Agent系统的表示语言,并详细讨论了将多分片贝叶斯网络转化为具有良好推理计算特性的联合树扩展形式的连接联合森林的具体过程。     

基于移动Agent的个性化学习系统

针对学生学习过程中个体的差异,着重探讨了智能代理技术和基于案例推理在个性化学习中的应用,给出一个基于移动智能代理的网络化学习环境,讨论了该学习环境的体系结构、工作过程、推理机制、主要功能及其实现机制,最后利用Aglet移动Agent平台对系统进行了实现.     

基于Agent的主动网络拥塞控制模型研究

基于模糊神经网络与微粒群算法(PSO),运用主动网络系统的Agent,提出了基于Agent的主动网络拥塞控制模型,并将该机制应用于主动网络系统中,充分发挥Agent对环境感知的学习能力和彼此协调的合作能力,解决了主动网络系统可能发生的网络拥塞问题.     

基于移动Agent的个性化学习系统

针对学生学习过程中个体的差异，着重探讨了智能代理技术和基于案例推理在个性化学习中的应用，给出一个基于移动智能代理的网络化学习环境，讨论了该学习环境的体系结构、工作过程、推理机制、主要功能及其实现机制，最后利用Aglet移动Agent平台对系统进行了实现．     

浅析Agent技术的发展

对Agent技术的发展进行相应浅析,从事物发展规律的角度,揭示了Agent技术发展历程;从Agent本质角度,浅析了它的特性;从Agent研究的本质,提出了Agent的表示和推理;从Internet的出现为背景,探索了Agent技术面临的挑战。     

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.     

基于BDI的Agent动态推理模型

本文基于慎思式Agem的理论,研究如何发展Agent的适应能力,对现有Agent的推理模型作了改进,提出了一个具有动态推理能力的Agem模型,在文章的最后用一个简单的事例验证了这种推理过程的合理性。     

实现一个解汉诺塔的实用推理Agent

汉诺塔游戏是一个十分古老的游戏，用一个实用推理Agent来解汉诺塔也就是要规划Agent做出决定的过程。这将是一个循环过程，在循环过程中Agent将不断的根据汉诺塔的不同来做出相应的反应并更新自己的信念，以找出实现解汉诺塔的最佳规划。本文主要利用解决汉诺塔问题时所使用的规划技术．给出了一个实用推理Agent的控制结构。     

浅析Agent技术的发展

对Agent技术的发展进行相应浅析,从事物发展规律的角度,揭示了Agent技术发展历程;从Agent本质角度,浅析了它的特性;从Agent研究的本质,提出了Agent的表示和推理;从Internet的出现为背景,探索了Agent技术面临的挑战.     

动态容错技术选择模型在移动Agent工作流管理系统中的应用

针对网格环境下,容错机制可保证工作流管理系统的一次性和完整性的执行特征,将移动Agent引入到工作流管理系统中,提出一个可以嵌入移动Agent工作流管理系统中的动态容错技术选择模型.在网格环境下应用这个模型增强容错功能,并允许系统通过对计算环境的感知,优化配置容错机制.     

基于多Agent的减肥锻炼指导系统的设计

针对肥胖症患者的减肥运动缺乏指导的问题,提出了一种多Agent环境下减肥锻炼指导系统设计方案.在该设计中,每个Agent均配备基于案例的推理能力和基于贝叶斯网络的分类能力.Agent之间通过减肥锻炼咨询语言进行协商,寻找最为相似的案例.实例验证表明,该系统具有可行性,为医疗保健领域的肥胖运动处方设计提供一种参考模型和解决算法.