基于多Agent协作的下载模型研究

针对现有下载方法的不足,提出了一个基于多Agent协作的下载模型.该模型根据协作规则,将下载任务智能、动态地分配给网络上多个Agent,利用多Agent协作快速、高效、灵活地完成下载任务.Agent的知识是在多Agent的协作过程中,通过学习自动产生、完善和优化的.同时,阐述了模型实现的关键技术及解决方案.     

小波神经网络在绝缘子漏电量预测中的应用

为了实现对绝缘子漏电量的准确预测，提出了基于小波神经网络的预测模型，分析了网络的拓扑结构，给出了网络学习方法．通过对绝缘子漏电量样本数据进行预处理，生成学习样本和测试样本，进而对预测模型进行测试，实现了对绝缘子漏电量的准确预测．将其应用于电业局的绝缘子漏电量预测中，达到了实际应用的精度要求．实验和实际应用表明，该预测模型的误差小，精确度高，能有效地预测绝缘子漏电量。     

基于多中介器协作的信息集成框架

针对传统中介器/包装器(mediator/wrapper)结构上的安全问题,提出了一个多中介器的安全信息集成模型.该模型采用多中介器协作技术,根据当前系统的状态和各中介器本身的性能,以最少等待时间为调度原则,动态选举最优的中介器完成查询任务.该模型既可保证系统的安全性,又可提高系统的效率.