基于多目标优化的多Agent信任联盟模型

基于交互历史建立信任联盟模型,采用多目标优化算法实现联盟信誉最大和联盟收益最大化的双目标优化。实验验证结果表明,模型对联盟的优化效果优于单纯追求联盟信誉或联盟收益最大化的单目标优化效果。     

时延相关网络控制系统的输出反馈镇定

研究了一类具有时变时延网络控制系统的输出反馈镇定问题.对于传感器与控制器间产生时变时延情形,采用时延相关切换控制器,通过Lyapunov-Krasovskii泛函方法和广义模型变换,得到了使闭环系统渐近稳定的线性矩阵不等式充分条件,该控制器是可以降阶的.仿真算例验证了该方法的有效性.     

最优联盟结构生成算法中的分支限界技术

讨论多Agent系统中的最优联盟结构生成问题.对于联盟值以特征函数表示的情况下,提出了一种分支限界技术.该技术用联盟大小所代表的整数多个二部拆分作为当前搜索空间的多个分支,以已经求得的局部联盟值的下界和当前所得到的最优值所构造出的剪枝函数来限界.这样,若当前要搜索的一个分支--二部拆分的上界小于所构造的剪枝函数时,该二部拆分分支所对应的大量二部划分就不需进行分解,从而减少了搜索时间.该分支限界技术可整合到当前所出现的各种联盟结构生成算法中.为了测试该技术的有效性,本文将该技术应用到了Rothkopf所提出的DP算法和Rahwan等人所提出的IDP算法中.在具有21个Agent系统中,带有分支限界的BBDP(Branch Bound Dynamitic Programming)算法比不带有分支限界的DP算法可节省时间58.2%;带有分支限界的比不带有分支限界的IDP算法可节省时间17.8%.     

浅谈如何激发学生的阅读兴趣

阅读能力是语言运用能力的重要组成部分,是获取信息,处理信息,分析和解决问题的重要途径,是高中学生学习英语取得成功的关键.然而,很多学生进入高中以后,不能适应高中英语教学,阅读能力特别差,因而失去了学习英语的兴趣.     

基于Ethereum智能合约的安全策略分析

智能合约是代码和数据的集合，一旦部署便无法更改，且其自身持有金融属性，若出现安全漏洞问题将会造成巨大损失，可见编写出安全可靠的智能合约是至关重要的。为此，基于Ethereum平台研究并分析智能合约的安全漏洞，总结了几种易见的安全漏洞，包括可重入漏洞、整数溢出漏洞、拒绝服务（denial of service，DoS）漏洞、时间戳依赖漏洞、交易序列依赖漏洞等；针对上述合约的漏洞进行详细的原理分析和场景复现，提出了相应的预防安全策略并通过实验进行有效性验证；最后分析并比较了几种主流的智能合约安全漏洞检测工具。     

一种Agent组织信任计算模型

Agent信任研究已经成为多Agent系统理论研究的重要内容,但目前大多数研究都是关于个体Agent信任和声誉,较少涉及Agent组织信任研究;而且,开放网络环境中存在着的大量不精确和不完全信息,导致信任计算置信度不高.针对上述问题,以概率论为工具研究Agent信任,结合交互频率给出一种Agent组织信任计算模型CMAOT,其算法的计算复杂度是多项式级,并提出了4条基本性质.实验结果验证了该模型的计算可行性和效果,改进了Jennings等人的工作.