基于MAS构件技术的复杂知识复用动态演化模型研究

为快速恰当地复用企业现有知识和软件, 提出了将企业的知识管理的业务逻辑与知识处理事务分开, 建立基于多智能体和构件知识服务的知识复用模型, 给出了知识复用系统的定义. 深入研究了知识管理业务逻辑的规则模型和智能体的活动行为模型, 建立了基于多智能体的规则协调模式, 实现对知识服务的敏捷调用, 从而有效地支持知识的动态复用和知识使用过程的动态重组, 增强知识管理系统的分布式处理能力和规模可扩展能力.分布式构件库系统中, 智能体可通过协作联合完成用户的检索要求. 智能体拥有自己的知识库, 并且具备学习能力, 能更新其知识库以保持检索结果的有效性. 最后, 通过一个实例进一步说明了所给模型的应用.     

复杂自适应系统的MAS动态协作任务求解时序逻辑模型

借鉴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; 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, 建立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. 并从任务求解Agent的心智变化角度, 描述了动态协作任务求解模型实现的六个阶段: 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等平台上实验和仿真测试, 验证了方法的可行性和有效性.     

网络在线交易动态信任计算模型与信誉管理机制

当前,在C2C网上拍卖交易领域,各种各样的恶意行为层出不穷,信任缺失信誉欺诈现象非常突出,因此,如何建立有效的信任机制已成为亟待解决的问题.在分析现有网络信任交易机制局限性的基础上,针对网络交易信任问题的动态性、匿名性、虚拟性等特点,提出一种基于多Agent系统的网络交易动态信任计算模型与信誉系统.模型包括3部分:第一部分为用户时域的信任度,旨在着重近期历史信誉状况对现期信任度的影响,激励用户采取一致的合作策略;第二部分是对信誉反馈评分的加权平均计算,权重部分主要引入了信誉反馈评分人的信任度(反馈评分的可信性)、交易价值(防止"信誉榨取")、时间折现("防范信誉波动")等因素;第三部分为社区贡献加权,旨在根据某一时域内,一用户对社区其他成员所采取的行为情况,增加或减少此时该用户的信任值,达到孤立信誉反馈提交、惩治欺诈行为的目的.建立了事前开展防范、事中进行协调、事后给予惩罚三位一体的欺诈约束机制,保障网络在线交易的安全性.理论分析和实验验证表明该机制能有效解决三方面问题:解决难以防范投机用户小额积誉、大宗榨取的问题;有效防止会员通过虚假交易或伪造身份进行欺诈;降低网络交易平台仲裁的工作量.