基于MAS的SCADA研究

为了实现SCADA系统的并行化、智能化,提出了一种基于多Agent技术的实现方法。该方法通过对SCADA功能模块的封装,形成了具有学习能力、推理能力、交互能力的任务Agent模型。利用系统Agent的管理功能,实现了多Agent共同协作,完成较为复杂的操作。最后,利用开操作票为例说明多Agent的协作机制。     

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.     

一个网络教学多Agent系统数据模型的研究

应用Agent技术，构建了一个网络教学多Agent系统（Web-Based Education Multi-Agent System,WBEMAS)模型。模型中学习资源库采用了IEEE LTSC LOM标准，并用XML实现，使得寻找和使用资源的过程更有效；并在模糊理论基础上建立学生模型，使之更加个性化和智能化。     

一种基于Agent技术的开放教育教学管理系统研究

提出了一种基于Agent技术的开放教育教学管理系统模型.在远程开放教育教学环境下,利用远程教学平台资源,以Agent技术为基础,将教学资源、学生、教师及管理人员进行有机整合,实现学生个性化学习和智能化沟通学习.对系统模型的部分功能进行了详细论述,构建了个性化、智能化的现代远程教育学习环境.     

一种基于影响图学习其它Agent模型的方法

为了实现动态环境中Agents之间的有效协作,Agent必须能够识别其它Agent的模型.用影响图作为Agent模型表示工具,给定Agent的一个初始模型和它的历史行为,在能力、优先和信念学习的基础上来构建新的模型.学习的方法是用其它Agent的历史行为作为训练集,利用神经网络学习技术来修改效用函数.     

一种基于影响图学习其他Agent模型方法

为了实现动态环境中Agents之间的有效协作,Agent必须能够识别其他Agent的模型。用影响图作为Agent模型表示工具,给定Agent的一个初始模型和它的历史行为．在能力、优先和信念学习的基础上来构建新的模型。学习的方法是用其他Agent的历史行为作为训练集．利用神经网络学习技术来修改效用函数。     

基于多Agent协作的网上多媒体教学系统模型的研究

作为一种新的远程教学模式,基于多Agent协作的网上多媒体教学具有广泛的应用前景。它继承了传统远程教学的优点,并提出了许多创新之处。构建了基于多Agent协作的网上多媒体教学系统模型,运用心智状态形式逻辑及效用理论,从协作的角度分析了学生Agent对学生学习过程的辅助和监测,细化和增强了教师Agent的功能,并引入了移动Agent来完善其通信机制。     

移动Agent技术及实现方法

本文给出了移动Agent的实体模型、理论模型和协作模型并详细阐述了实现移动Agent技术所要解决的问题及方法，为移动Agent的应用提供了新的思路。     

基于Agent的远程教学系统

针对基于网络的远程教学存在的缺陷，提出了一个基于Agent的远程教学模型，较好地实现了学生个性化学习和协作学习。     

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．