不同借贷利率下的投资组合选择——-基于均值和VaR的效用最大化模型

用VaR代替方差来度量风险,从而把基于均值和方差的效用函数拓展为基于均值和VaR的一般二元效用函数（关于均值递增,关于VaR递减）,进而研究含无风险资产且具有不同借贷利率时投资组合选择的效用最大化模型.利用均值-VaR模型有效边界的性质,得到了一般效用函数下最大效用存在的条件及最优解的本质特征,并给出了求解的具体方法和数值算法.最后作为结论的直接应用和说明,利用中国股票市场数据给出了一个实例分析.     

多级影响图在空战机动决策中的应用

利用多级影响图来模拟飞行员在不确定情况下近距格斗时的连续机动决策,并把动力学质点模型和飞行员的偏好考虑到模型中.针对求解多级影响图计算量大的问题,本文把它转化为分层最优化问题,利用进化算法求得最优机动决策.最后的仿真结果表明该模型的有效性.     

本体论在Agent间通信中的应用

在基于agent的仿真系统中，agent之间的协作和通信问题一直是研究的热点和重点。而agent的通信问题又是agent协作前提。目前存在的agent通信语言只规范了通信行为，而没有规范通信内容。本体论作为一种知识表示方法，利用它对agent通信内容进行规范化表示是一种可行的方式。首先对本体的概念做了简要介绍，并结合一个例子给出了领域本体的开发方法、步骤，然后对本体理论在agent问通信方面的应用进行了详细探讨。     

Agent建模的情感集成研究

缺少个体特色的agent在行为模式上往往比较"呆板",而且其行为可以被预测,导致系统的真实性和有效性降低.情感是能够影响人类行为的重要因素,在人类决策中发挥着重要作用.为构建行为更为真实的agent,提出了一种将情感产生机制嵌入到一个成熟的agent体系结构中的方法,依照该方法构建的agent以Soar为基础实现推理和决策,以基于OCC模型的情感模块实现agent情感的生成与更新.同时,文章认为agent的情感状态受其个性、情感历史以及外部刺激决定,并给出了agent情感产生模型,同时分析了情感对agent决策过程的影响机理.最后通过一个具体的仿真实例,验证了基于该框架建立的agent情感和决策的相互影响作用.     

多agent股票预测支持系统的设计

股票市场的预测是一个非常难的研究课题,建立股票预测支持系统是进行股票预测的一种有效手段,本文提出一种全新的利用多agent系统来设计股票预测支持的方法,将每一种定性或定量的预测方法都设计成一个预测agent,各个预测agent都有预测求解方法,知识处理及同其它agent通讯合作的能力,随着系统的运行,各个agent不断地学习以提高自己的能力,从而提高整体系统预测准确性。     

结合先验知识的Bayesian优化算法研究与仿真

由于一般优化问题的先验知识很难获取,因此在Bayesian网络学习中结合与利用先验知识一直是一个很难突破的问题.针对Bayesian优化算法(BOA)的特点,对一般优化问题如何发现和利用先验知识进行了分析讨论,把BOA中前一代种群所提供的信息作为先验知识结合到当前代Bayesian网络的学习中,提高了所学习网络的可靠性,从而提高算法的性能.仿真结果表明所提算法比传统BOA具有更强的全局寻优能力.     

基于势场法优化的蚁群免疫网络路径规划研究

借鉴独特型网络假设和蚂蚁觅食行为的有关机理,提出了一种蚁群免疫网络路径规划算法.将机器人环境作为抗原,机器人行为策略作为抗体,通过抗原抗体的激励和抑制构建免疫网络,同时利用蚁群算法进行网络搜索,改善了免疫网络的最优规划.为了进一步提高算法收敛速度,将人工势场法的规划结果作为先验知识,通过疫苗抽取和接种实现网络初始化.仿真实验表明,新算法具有收敛速度快,规划路径短以及自学习的优点.     

基于多主体影响图及博弈论的军事决策建模

具有循环依赖性的决策行为在包括军事决策问题在内的许多领域普遍存在。在博弈论框架下,利用多主体影响图(multi agent influence diagram, MAID)及其结构诱导的关联图,对具有循环依赖性的军事决策问题进行分析和建模,能够准确地描述具有对抗性的军事决策态势,精确地识别决策问题中的循环依赖关系,深刻地揭示军事决策问题的潜在结构信息。实例分析表明,基于多主体影响图及关联图的框架不仅为军事决策提供了新的分析和建模途径,而且同现有方法相比具有多方面的优势。     

基于多Agent动态影响图的协作实现

将MAIDs在时间上进行扩展,提出一种新决策模型——多Agent动态影响图（MADIDs）,对动态环境中的协作关系进行建模;给出MADIDs的一种分层分解的分布近似方法,进而通过将决策结点和效用结点的推理引入到BK算法中,给出MADIDs环境模型的一种扩展BK（EBK）近似推理算法;引入一种BP神经网络学习MADIDs的局部效用函数。最后,针对一个表示协作关系的MADID模型,进行算法比较和仿真实验,实验结果显示了MADIDs模型的有效性。     

基于多智能体强化学习的多机器人协作策略研究

研究了一种基于智能体动作预测的多智能体强化学习算法. 在多智能体系统中,学习智能体选择动作不可避免地要受到其他智能体执行动作的影响,因此强化学习系统需要考虑多智能体的联合状态和联合动作.基于此,提出使用概率神经网络来预测其他智能体动作的方法,从而构成多智能体联合动作,实现了多智能体强化学习算法. 此外,研究了该方法在足球机器人协作策略学习中的应用,使多机器人系统能够通过与环境的交互学习来掌握行为策略,从而实现多机器人的分工和协作.     

面向Agent的巡航导弹武器控制系统分析

借鉴面向对象方法并根据Agent的特点,提出了一种基于Agent UML(AUML)的面向Agent分析方法。通过巡航导弹武器控制系统的分析过程,阐明了具体分析步骤和要领。在模型表示法上对AUML进行了扩展。以用例图描述责任分配;用五个层次(实体-责任-关系、知识、消息、活动和协议层)的Agent类图逐步细化系统静态结构模型;用多种行为图从Agent外部到其内部描述系统动态行为。     

基于Agent的体系过程A-GERT网络“刺激-反应”学习模型

针对图示评审技术(graphic evaluation and review technique, GERT)网络应用于体系活动决策过程中未考虑网络节点自身的学习能动性问题, 基于智能体(Agent)技术, 结合刺激-反应模型构建A-GERT网络模型。首先, 根据体系活动的逻辑, 搭建A-GERT网络框架, 并通过提出网络传递效用函数, 设计带有反馈机制的A-GERT网络。然后, 利用刺激-反应模型的自适应优势构建学习方程, 以GERT网络期望概率与期望时间等指标度量刺激强度, 进一步拓展刺激-反应模型。最后, 给出网络智能决策节点的学习步骤, 并以创新技术开发体系活动进行算例研究, 结果表明了所提方法的有效性与实用性。     

基于强化学习的指挥控制Agent适应性仿真研究

应用人工智能中的学习技术来赋予战争模拟系统中的智能Agent适应能力，是基于CAS理论的战争复杂性研究的基础内容之一。面对战争系统中复杂动态的环境，传统的监督学习方法不能很好满足智能Agent实时学习的要求。而强化学习却可以很好的适应这种动态未知的环境。文章引入强化学习技术对战争系统中指挥控制Agent的适应性进行建模仿真研究。实验结果表明强化学习技术能很好的满足指挥控制Agent无师在线实时学习的要求，从而为战争模拟系统中的智能Agent的适应性机制提供良好的建模手段。     

基于Agent的单路口交通流控制的研究

利用Agent技术,通过构造路口Agent与相位Agent来对单路口的交通流进行控制,文章首先指出了路口Agent与相位Agent之间的关系,然后对两类Agent的模型进行了研究。并说明了路口Agent对相位Agent规则变量的学习过程。最后文章进行了仿真研究,结果表明本文研究方法的有效性。     

基于遗传算法的CGF学习行为模型研究

通过自学习使计算机生成兵力(CGF)具有决策能力,是机器学习技术应用于军事仿真的一个重要研究方向.运用基于Agent的建模方法和学习分类器系统技术,构建了基于遗传算法的CGF学习行为模型框架,详细论述了该模型学习过程的运行周期,并将记忆功能引入CGF决策模型来加速学习进程.最后,设计了一个可视化验证系统,实验结果表明该模型的有效性和可行性.     

基于能力规划的三维概率选择矩阵优化算法

体系具有复杂性、巨大性和交互性等特征,体系需求的获取和分析则面临方案的不确定性和方案空间庞大等难题,利用启发式搜索算法可以求解规模较大的能力方案,但效率较低。在分析能力方案构成描述中定性、定量等要素特点的基础上,针对不同能力方案求解时算法执行效率差异较大的特征,提出面向智能Agent的三维概率选择矩阵算法,利用智能Agent自学习存储方式,将多种启发式优化算法求解不同类型的能力方案时的效率存储起来,建立三维选择矩阵,求解时动态选择效率高的算法,提高算法整体执行效率。在求解某体系能力规划方案时体现了此算法根据问题动态选择算法的优势。     

交通流路线选择行为演化模型

根据司机对不同路线的效用函数 ,本文建立了交通流路线选择行为演化模型 ,并利用 Master方程对该模型进行了随机型描述 .进一步地 ,对该模型进行了分支分析 ,揭示出交通流路线选择行为的一些复杂性规律 ,并应用该模型进行了交通因素对路线选择行为的影响分析 ,以求为建立和评价实时交通诱导系统提供更加全面的理论支持 .     

基于多智能体仿真的新产品市场扩散研究

基于多智能体的仿真是一种基于微观个体行为的建模仿真方法,具有广泛适用性、分布性、智能性和交互性等特征.本文首先指出了多智能体仿真系统的优势,探讨了多智能体仿真的基本思路,然后构建了一个基于多智能体的新产品市场扩散仿真模型,最后应用多智能体仿真平台AgentSheets实现了该模型.     

基于Metropolis准则的多步Q学习算法与性能仿真

强化学习是目前智能体和机器学习研究的热点。针对强化学习中标准Q学习算法更新速度慢的缺点,通过引入多步信息更新策略和模拟退火中的Metropolis准则,提出了一种新颖的多步Q学习算法,称为SAMQ算法。仿真实验表明,与现有的算法相比,该算法能够有效提高收敛速度,较好地解决智能体选择动作时面临的新知识探索还是当前策略遵循的关键问题。     

支持动态企业模型的MAS模型及其获取方法

为了提高企业信息系统的柔性 ,本文首先提出了一种支持动态企业模型的多 Agent系统( MAS)模型 ,该模型包括两层 :组织结构层和业务处理层 .由于充分利用了 MAS所具有的自主能力、社交能力、反应能力和行为理性等特点 ,该模型能根据企业的动态组织结构、业务流程进行动态调整 ,从而有效提高了基于此模型建立的信息系统对动态企业模型的适应能力并延长其生命期 ;然后结合信息工程论和面向对象方法提出了基于主题的 MAS模型获取方法 ,它从企业行为的功能主题出发进行分析 ,获取相应的 MAS模型 .最后介绍了上述方法的应用实例.