基于事例推理的车辆路径问题智能建模方法

针对传统的人工离线建模难以适应现实环境中车辆路径问题动态性这一缺陷，以车辆路径问题的机器建模方法为研究内容，以提高建模工作的实时性和智能性为目标，提出了基于事例推理的智能建模方法。该方法使用基于属性-建模知识重用度的多层加权最近相邻检索方法实现事例的检索；使用基于规则的推理方法完成旧事例建模经验的复用与建模结果的调整。基于这一智能建模方法，实现了车辆路径问题智能建模的原型系统。系统的应用表明，该建模方法在速度币口有效性方面符合实际环境的基本要求。     

基于BDI和知识水平的分布式协调推理

将形式化的协调模型转化为可计算化的协调模型是当前协调问题研究中的一个难点。提出在协调知识水平上对协调进行建模，实现BDI结构Agent的协调推理问题；给出基于协调知识水平的分布式协调推理结构，并以出租车司机问题为例，探讨协调推理的单个Agent的内部结构，为协调建模从形式化向可计算化的转化提供依据。     

基于事例推理的加工中心智能CAD系统研究

针对加工中心模块化设计智能ＣＡＤ系统,提出了基于事例推理的设计方法。文中建立了基于事例推理的方案设计事例树状分层模型和功能模块事例数据模型,提出了设计事例的检索算法及事例的修改与学习策略,最后给出了卧式加工中心设计实例。应用结果表明,基于事例推理的设计方法对开发模块化系列化产品是十分有效的。     

协同地面延误机场时隙MAS动态协调交易

针时协同地面延误程序(CDM GDP)机场时隙交换问题,提出了基于多智能体系统(MAS)协调的动态交易方法,以增加交换的灵活性和自主性,提高时隙资源利用率.在时隙信任交易(slot credit substitutions,SCS)"一对一"简单交换机制的基础上,采用基于市场机制的协商策略,建立了有条件的"多对多"拍卖交易机制,并引入了单边付款的交易形式;应用基于信念-愿望-意图(belief-desire-intention,BDI)的协调推理机制,给出了基于效用的Agent内部推理策略.系统仿真分析表明,航空公司可以动态、灵活和自主地选择最佳交易对象,所提方法提高了航空公司参与协同决策的积极性,增加了时隙交换问题的适用性.     

基于正反向混合推理的故障仿真预测模型

根据故障预测的特点和要求,分析了传统预测方法用于故障预测的不足,提出了动态模糊综合评判方法,建立了基于动态模糊综合评判和多Agent并行诊断的故障预测模型。该模型将正向推理与反向推理、不同的知识表达方式和推理机制融合于同一推理框架中,再现了故障的发生和发展过程。由基于动态模糊综合评判的正向推理得到候选故障集,基于多Agent并行诊断的反向推理确认实际发生的故障,找出故障原因,实现故障定位。     

基于MAS 协调的资源分配决策

突破传统优化方法在动态环境下的局限,用MAS方法研究资源协调问题.在基于BDI的协调推理的基础上,以效用表示个体对资源使用的利益的主观判断,建立基于效用的BDI资源协调推理模型,阐述Agent关于效用的计算、推理和交互过程,并且给出了评估实验结果.本文工作对管理决策及决策支持系统的研究和应用具有参考价值.     

智能自主体在供应链管理中的应用：研究综述

随着人工智能技术的发展，利用具有一定自主推理、自主决策能力的智能自主体以及由其组成的多智能主体系统用来模拟、优化、实施、控制企业供应链的运行，已经成为研究和实施供应链管理的重要方法之一。本文综述了国内外在这一领域的研究工作，总结了智能自主体应用于供应链管理研究的三个主要方向，提出了实现基于智能自主体的供应链管理的几个关键技术问题。     

基于AI的BPR技术在证券风险管理动态联盟建模中的应用

多方合作的动态联盟中,实现基本业务流程与战略目标的一致性一直是BPR要解决的关键问题.一种新的基于AI的面向目标(GO)的过程建模方法--i*模型(如Tropos)将有助于突破传统BPR建模技术的局限.研究了基于人工智能方法的i*模型的基本构成-战略依赖(SD)模型与战略推理(SR)模型,及其在动态联盟中的企业BPR建模流程;并将其应用于证券业风险管理建模领域.研究发现,这种基于AI的BPR新技术可以描述多代理人或行为人之间的目标关系和意图,通过采用知识推理机制,实现了对象实体向目标和社会实体的延伸,解决了多目标实体间动态联盟过程中企业战略意图与业务流程衍生风险管理相结合的难题.     

基于证据理论的不确定可拓推理及其应用

针对可拓推理的不足及可拓知识的不确定性,将关联函数与信任函数结合起来,研究不确定条件下可拓推理的可信度与支持度、冲突度与一致度,构建了基于证据理论的可拓推理函数及合成规则,以实现决策对象在不确定条件下的比较与选择,解决了多方案可拓推理、动态识别的数据挖掘问题,提高了可拓推理的准确性和可信度。     

改进的最近邻法在基于事例推理中的应用

在基于事例的推理中，通常采用判断相似度来进行事例检索。目前广泛采用的最近邻法存在着盲目判断、计算量大的缺陷，提出了一种改进的算法，采用聚类的方法把事例库分为合理的聚类，并找到每个聚类的均值，然后在推理中，近的聚类，并在这个聚类中搜索最相近的事例。新事例直接与每个均值进行比较，找到与它最相从而避免了盲目搜索，优化了算法。