Agent思维状态属性的研究

该文分析了目前有影响的BGP(信念-目标-规划)和BDI(信念-愿望-意向)思维状态模型的局限性，给出了Agent思维状态KOCBDI(知识-义务-交互-信念-愿望-意向)模型，并用机器人足球，说明KOCBDI模型各属性的独立性。     

复杂系统的MAS动态协作求解时序逻辑模型

借助于组织学思想,将自适应系统中的自主运行单元抽象为Agent,把复杂自适应系统视为多Agent组织,从时间和状态角度,对复杂动态系统的行为进行描述。提出了基于时序活动逻辑的多Agent动态协作任务求解自适应机制和构造模型;详细分析了任务求解BDI Agent的信念、愿望、意图的产生过程和实现方法;深入讨论了协商推理的语义规则和行为规则;给出了协作群组的选择算法,包括从群组的建立、选择任务Agent、分解和分配子任务;从任务求解Agent的心智变化角度,详细描述了动态协作任务求解模型实现的6个阶段:任务动态分配、协作意愿产生、协作群体生成、共同计划制定、协作群体行动和结果评估。通过在MAGE等平台上的实验和仿真测试,验证了方法的可行性和有效性。     

基于主体Agent上的意图表示

主体Agent是机器世界中具有“思维”的个体，思考型Agent的最大特点就是将Agent看作是一种有意识系统（Intentional System）。人们设计基于Agent系统的目的之一是把它们作为人类个体或社会行为的智能代理，这样的Agent应该能模拟或表现出被代理者所具有的意识程度（Intentional Stance），如信念、愿望、意图、目标等。文章讨论对Agent思维状态涉及到的几个概念。     

面向虚拟组织的政策导向型自治、可控Agent模型

针对传统BDI模型在虚拟组织应用中所存在的三点不足,本文提出了政策导向型Agent模型.模型以政策导向为手段,利用政策来约束Agent动机的生成,进而影响其意图与行为的产生,增强Agent的可控性.模型采用了分层政策结构,根据政策的所代表利益方的不同,将政策划分为组织层政策与个体层政策,以此来解决Agent个体行为与组织整体目标的冲突问题.基于扩展的可废止逻辑框架,政策被表示为Agent的动机(义务、愿望)生成规则,这为模型提供了一个线性计算复杂度的形式化理论.模型在保持Agent一定自治性的同时,增强了Agent在组织级别上的可控性.     

基于MAS理论的组织建模

从单个Agent的BDI模型出发 ,给出了组织中Agent的思维状态模型框架 ,包括角色、社会关系对A gent思维状态的影响 ,并从思维层次强调了承诺是组织的纽带 ,分别分析了内部承诺、社会承诺、集体承诺和组织承诺 .     

基于群体Agent合作求解的测试床--MAS-Soccer

为试验和比较各种先进的群体Agent合作求解智能算法,给群体Agent合作策略提供一个比较与测试的平台,该文针对传统的测试平台过分强调具体动作实施细节,忽略合作策略重要性的问题,给出了一种基于信念愿望意图(BDI)逻辑推理的群体Agent合作求解仿真系统--MAS-Soccer. 在设计过程中简化Agent具体行为的执行细节,突出整体合作策略以及BDI逻辑推理在比赛中的重要性,并以此作为测试平台,以机器人足球赛任意球战术配合为实验内容,验证和比较了基于特征向量提取的再励学习算法与传统的再励学习算法在学习效果以及学习时间上的优劣.实验在验证算法的先进性的同时,也表明MAS-Soccer测试床能够准确和方便地进行合作策略的验证与比较.     

一种Agent结构的形式化描述

以BDI模型为代表的Agent结构描述存在抽象、复杂和不完整等问题，很难应用于实际Agent的构造。基于物理和设计立场，提出一种新的Agent结构模型，并作了形式化描述。该模型克服了现有模型建立在纯意识系统基础上的缺点，解决了Agent模型与具体Agent结构、行为和目标的映射问题。用该模型构造的电子谈判实例验证了它的正确性和有效性。     

基于行动逻辑的智能主体行为表征研究

在人工智能领域,行为是指智能主体通过感知信息控制执行过程的算法。智能主体典型的行为模型就是BDI(信念、愿望和意图)逻辑框架。BDI主体结构在一些最为重要的多主体系统中得到了广泛应用。动态认知行动逻辑也可以对智能主体的行为进行表征。将BDI逻辑与动态认知行动逻辑融合起来,发展出能够更为有效地对主体不确定性行为进行表示和推理的逻辑是完全可能的。这些研究有助于智能主体不确定性行为的表示和推理,并为分布式人工智能提供形式支持。     

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.     

思考型Agent的基本结构

描述了Agent基本特性 ,提出了三类Agent基本结构 ,指出思考型Agent结构是Agent研究的基础和重点 .在分析思考型Agent抽象结构的基础上 ,重点讨论了基于经典逻辑的Agent结构、基于决策理论的Agent结构和基于BDI框架的Agent结构 ,对其进行抽象的形式描述 ,分析其优缺点 ,并简述了相关的实现方法     

一个基于BDI的Agent框架

JBSAD (Java-Based Software Agent Developer)是一个基于BDI的Agent应用框架.给出了框架中Agent的体系结构,描述了应用框架的设计思想、框架的实现及其工作机制.     

思考型Agent的基本结构

描述了Agent基本特性,提出了三类Agent基本结构,指出思考型Agent结构是Agent研究的基础和重点,在分析思考型Agent抽象结构的基础上,重点讨论了基于经典逻辑的Agent结构、基于决策理论的Agent结构和基于BDI框架的Agent结构,对其进行抽象的形式描述,分析其优缺点,并简述了相关的实现方法。     

Agent的PASS-BDI模型

Agent的BDI模型主要基于Bratman提出的理性主体理论，未能充分体现Agent主动性的认知过程，使Agent的问题求解和心智状态之间的关系未得到充分表达，且难于编程实现。将Das等人提出的计划—注意—同时性加工—继时性加工认知过程模型引入Agent的理论研究中，建立了Agent的PASS-BDI模型，利用多价π-演算从心智状态，认知过程，整体行为等几个方面刻画了该模型的静态和动态特征，并将研究结果应用于多Agent组织中Agent行为特征的刻画。PASS-BDI模型加强了对Agent主动性认知过程的刻画，且易于编程实现。     

支持混合主动交互的USV可变自主系统结构研究

针对混合主动交互的水面无人艇(USV)系统体系结构设计问题,提出一种基于智能体的可变自主系统体系结构模型(MAAF).该模型分为USV可变自主部分、系统用户分析部分以及系统交互推理部分的设计和实现,并采用Agent信念-愿望-意图模型建立系统用户和USV的交互推理过程.最后,利用仿真实验验证,结果表明该系统结构模型满足混合主动交互和分布式与分层式相结合的决策要求,并且合理有效.     

关于BDI Agent的推理模型的研究

本文提出基于环境感知的具有推理能力的BDI Agent模型。通过引入环境感知函数、意见函数、过滤函数、行为函数对环境的变化和Agent自身推理过程进行研究。     

基于Agent的协同感知控制体系与通信机制

随着协同工作中分布式协同行为的增多,对协同主体之间信息交流和协同控制的要求越来越高.为了解决协同控制中动态、开放、社会性的复杂系统问题,引入了协同Agent的概念.利用协同Agent的信念-愿望-意图体系结构,有效实现了协同过程各阶段的感知、控制功能.此外,还利用言语行为理论扩展知识查询和操作语言通信原语,形式化定义了协同工作特有的言语行为,在通信层面为协同工作提供支持.     

规则参数制约下信念、期望及意图主体的前提一结论模型演化机制

把外界刺激、知识库中的规则离散为基本元素并且和信念、期望及意图主体(BDI agent)的前提一结论结合在一起，用可学习的函数关系表示了信念、期望及意图的相互转换机制。BDI agent通过生长和演化在规则库中留下痕迹，此痕迹对规则圈中的优先树进行修改，BDI agent在内部函数作用下生长变大，在外部函数作用下演化为友员主体，也可以蜕变为面向对象的类；演化生长为具有各种用途的、在一个整体前提下有机组合的各种功能单位。这种主体可方便地建造适应于许多智能领域的应用程序，使其成为面向自组织设计的基本概念与基本数据结构，以这种算法结构为基础能构造出自组织设计所需要的主体工作平台。     

基于多主体的智能决策支持系统构建方法

以MFCADS系统为例,描述基于多主体的思维方式构造智能决策支持系统体系结构的方法。主体的构造基于扩展的BDI思维状态模型,采用统一的层次型内部控制结构。主体规划使用HTN方法,形成偏序规划树。模型管理分别采和面向组件和面向主体的方法来管理不同种类的模型,给出了主体模型的形式化描述和建模方法。在一定程度上解决了多主体领域理论与实践相结合的问题,并为提高智能决策支持系统的有效性与可靠性提供了新的途径。     

开放Agent社会的意向模型

研究并提出了意向模型AIOM,把Agent社会中的制度、组织和Agent用一个等价意向结构进行了形式化描述,把社会规范和社会控制机制也纳入同一个框架之下.基于AIOM,给出了Agent社会规范的语义解释,并通过社会Agent在该模型中的决策过程,显示了模型的有效性.AIOM适合于描述不同规模的社会,在统一的框架下,有可能对Agent的个体思维属性和Agent社会的群体思维属性作出一致的解释,有利于使A-gent社会的宏观模型和微观模型得到有机结合.     

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.