Agent与基于Agent系统

对Agent、基于Agent系统、Multi-agent系统的定义、特征等方面进行了闸述。初步说明了基于Agent系统的应用特征与应用现状。     

Multi－Agent的范例推理

多代理（Multi-Agent）系统的研究是分布式人工智能中最为活跃的领域。本文在研究了代理技术在基于范例推理（CBR）中的有关应用后,提出多代理范例推理模型。在此基础上,讨论了该模型的相关问题并给出了一个用于汽车故障检修和排除的多代理范例推理系统。     

Irng基于移动Agent的考试系统中的设计与实现

本文首先介绍了移动agent相关概念、特点和技术优势,针对传统考试系统的优缺点提出基于移动agent技术设计考试系统;然后给出基于移动agent技术的考试系统设计及其实现。     

一种进化Agent计算模型

提出了一种具有进化功能的多Ａｇｅｎｔ计算模型。Ａｇｅｎｔ作为自主活动的实体,在求解空间内具有自复制、扩散及死亡等进化行为。通过Ａｇｅｎｔ的不断进化,获得问题的最优解。详细叙述了Ａｇｅｎｔ的进化行为,给出了实现该模型的算法流程,并讨论了该算法在图像边缘检测中的应用。实验结果表明,该模型算法具有快速,高效等优点,特别适用于特征提取及检测问题。     

一个基于Agent的并行工程环境体系结构设计(英文)

基于一个多维面向对象模型,提出一种Ｍｕｌｔｉ－Ａｇｅｎｔ系统结构。这一系统机构包含管理、技术和辅助支持三层。管理和技术层是由许多所谓实例Ａｇｅｎｔ组成。这些实例Ａｇｅｎｔ具有组成部分、内部机构、状态。历史及多种功能。此外还从这些实例Ａｇｅｎｔ中抽象出一种功能Ａｇｅｎｔ。它可以服务于多个实例Ａｇｅｎｔ。在这一系统机构上,总体问题可以通过分布和协调许多子问题求解而得已高效可靠地解决。在这里,系统协调与数据共享是通过分布领域知识完成的。     

一个基于Agent的协作式学习系统

较详细的探讨了如何建造具有一定自治能力的学习主体(agent).在此基础上给出了一个协作式学习系统,其中着重讨论了一个主体内部以及主体与主体之间的协调问题.最后将本文工作与相关工作进行了比较.     

一种基于移动Agent的远程ICAI系统模型

Agent技术提供了一种全新分布的计算模式和问题求解途径,它以一种非集中的、并发的方式来寻求问题的解决,能够有效地缓解集中的、顺序的控制对系统的约束.ICAI(Intelligent Computer As-sisted Instruction System,智能CAI)系统是将人工智能技术引入CAI系统中,赋予机器以人类高级智能的系统,从而有效解决传统CAI的各种缺点.本文结合教学工作将Agent技术用于远程ICAI,提出了一种基于Agent的远程ICAI系统.     

Agent技术及其应用综述

Agent是一个具有自主性、交互性、协同性和智能性等特性的内部驱动的软件实体,它能作用于自身和环境,并能对环境做出适应性的反应,是人工智能领域内的一个新兴技术。本文主要探讨了Agent技术以及该技术在Inter-net等各方面的应用。     

基于Agent的智能e—Education系统研究

为了在e-Education系统中充分发挥网络资源的优势,提高其智能性,实现自适应教学和个性化服务,设计并实现了基于Agent的智能e-Education系统模型．运用教学策略Agent和教学管理Agent,根据学生的学习进度,智能地选择教学策略,以实现教学的个性化,达到智能化教学的目的;使用移动Agent技术实现Agent之间的通信,提高了用户与系统的交互性．     

基于Agent的智能e—Education系统研究

为了在e-Education系统中充分发挥网络资源的优势,提高其智能性,实现自适应教学和个性化服务,设计并实现了基于Agent的智能e-Education系统模型．运用教学策略Agent和教学管理Agent,根据学生的学习进度,智能地选择教学策略,以实现教学的个性化,达到智能化教学的目的;使用移动Agent技术实现Agent之间的通信,提高了用户与系统的交互性．     

一种进化Agent计算模型

提出了一种具有进化功能的多Ａｇｅｎｔ 计算模型。Ａｇｅｎｔ 作为自主活动的实体,在求解空间内具有自复制、扩散及死亡等进化行为。通过Ａｇｅｎｔ 的不断进化,获得问题的最优解。详细叙述了Ａｇｅｎｔ 的进化行为,给出了实现该模型的算法流程,并讨论了该算法在图像边缘检测中的应用。实验结果表明,该模型算法具有快速、高效等优点,特别适用于特征提取及检测问题     

基于多Agent系统的网格计算研究

随着网格计算的迅速发展,未来网格的规模可能非常庞大,网格计算面临许多问题。本文通过引进多Agent系统,去探索解决之道。     

多Agent系统之间的通信与协作机制初探

在MAS中，多Agent之间通信和相互协作一直是多Agent系统研究的重要内容，多Agent间的通信方式有：无通信模式，黑板模式，消息传递模式，方案传送模式；协作方法有：合同网，黑板模型，结果共享与功能精确的协同方法，市场机制。     

基于多Agent协同构建分布式并行遗传算法

针对并行遗传算法中计算资源的分配问题 ,提出了分布式并行遗传算法结构。它由若干计算节点组成 ,每个节点包含若干运行子遗传算法的计算单元。节点的计算能力依照一定的并行模式映射到单元 ;各子算法则根据一定的拓扑结构进行个体交换。从多 Agent系统的观点看 ,计算单元是独立的 Agent,其并行运行涉及计算资源的分配 ,体现了算法对它们的协调 ;个体的迁移体现了它们之间的协作。并且分析了由两个单元构成的算法在不同并行模式和不同个体迁移因子下的性能。     

Agent与面向Agent的程序设计

近年来Ａｇｅｎｔ和面向Ａｇｅｎｔ的程序设计的研究和开发在国外得到了迅速的发展,它所具有的自身的社会性,开放性,自主性和智能性使其已经成为计算机科学的主流,本文评述了Ａｇｅｎｔ和面向Ａｇｅｎｔ的程序设计研究和进展,讨论了Ａｇｅｎｔ的相关概念和分类属性,分析了面向对象程序和面向Ａｇｅｎｔ程序设计各自的特点并且提出了面向Ａｇｅｎｔ程序设计的框架。     

基于Agent的分布计算环境模型研究

针对未来的计算环境的分布,开放,不断地化的演变和发展。本首先对Ａｇｅｎｔ的基本特性,体系结构及行为模式进行了介绍,在此基础上提出一个基于Ａｇｎｅｔ的分布计算环境模型。     

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。     

开放、自适应、分布式多Agent系统

阐述了多Ａｇｅｎｔ系统开放、自适应的含义，指出开放、自适应多Ａｇｅｎｔ系统应具有的特性．分析了当前ＤＡＩ研究的现状，提出了进一步要研究的问题．     

基于规则提升的 Agent 系统异常处理方法

基于进化计算理论中的重组思想, 提出一种基于规则提升的Agent系统异常处理方法, 处理Agent系统中违背执行规则的异常. 该方法根据规则间的相互触发和执行情况分析得到规则处于异常状态的原因, 重组处于异常状态的规则, 提升规则向适应环境的方向进化. 实验结果表明, 该方法能处理规则的异常状态, 增强了规则的触发条件, 保证了规则达到预期的后置条件, 提高了Agent系统在开放环境下的异常处理能力.     

基于Multi—Agent的图像检索技术的研究

针对当前图像特征提取方法中,算法运行速度较慢以及远程图像的信息交换中带宽的限制,设计了一种基于Multi—agent技术的图像特征提取方法,重点讨论了该方法实现的关键技术,包括纹理特征、颜色特征和形状特征的提取算法。模拟实验表明,该方法所提取的特征内容丰富,占用网络的带宽较少,采用的算法运算速度提高明显,而三种基于内容的图像的特征能满足不同类型图像的识别和检索。