建立支持宏观经济决策研讨厅的预测模型系统

为了提高对宏观经济问题的研讨效率,研讨厅应为参加研讨的专家提供进行宏观经济预测的各种预测模型。然而,传统模型库结构框架建立的预测模型系统,已不能很好地满足支持宏观经济决策研讨厅的要求,本文从分析研讨厅的具体需要出发,提出了利用Agent理论和技术设计和实现适合支持宏观经济决策研讨厅的Agent预测模型系统。     

面向Agent方法在计算机生成兵力中的应用研究

计算机生成兵力（CGF）具有主自性，智能性等特征，并具备感知，通信以及协调的艰力，面向Agent的分析开发方法可以借鉴到CGF系统研究开发工作，CGF所研究的内容侧重于Agent结构，感知，认知，决策等行为的描述，以及多Agent系统（MAS）的研究，本文首先对Agent的一航概念做了介绍，总结了计算机生成兵力中Agent应具有的性质，讨论了设计和建造CGF中Agent的一些问题以及多Agent之间的协作问题，文中最后给出了CGF中Agent设计的概念模型。     

实时多Agent结构与群体智能决策系统实现

文章首先指出了多Agent系统的理论在军事群体实时智能决策中应用的可行性，然后提出了单个实时Agent的组成结构和控制模型，讨论了在实时系统下，多个Agent间通信的不同方式和特点，通过在KQML通信原语的语义层增加时间约束，对KQML进行了扩展，解决了传统KQML通信协议无法满足实时多Agent系统的时间约束问题，实现一个基于多Agent系统的群体实时智能决策系统，为群体智能决策系统的开发提供了理论指导和实现方法。     

基于Internet的多Agent群决策支持系统的实现

结合Agent技术和Internet网络平台 ,提出了一种新的决策支持系统———基于Internet的多Agent群体决策支持系统。介绍了该系统流程及组织结构 ,并着重阐述了该系统的技术实现 ,包括专家Agent、决策管理Agent、各Agent之间的协同、模型库和模型库管理Agent、模型与数据的下载等     

基于Agent的宏观经济决策支持系统

提出的基于 Agent的宏观经济决策支持系统是由多个既能独立运行又能相互合作的软件Agent构成的多 Agent系统 .利用 Agent将处理复杂系统的理论方法、决策理论、信息收集与知识发现技术、宏观经济预测与仿真技术有机地结合以更好地帮助用户作出好的决策     

基于Agent组织的作战模拟

基于Agent的建模方法是一种自底向上、综合的建模方法，是通过微观细节和规则研究宏观现象和模式的独特的研究方法，是一种研究复杂适应系统十分有效的工具。把作战系统视为一个复杂适应系统，将Agent组织理论应用于作战模拟，通过Agent在底层的交互作用来研究作战系统的涌现行为。在建模过程中，主要从作战单元Agent组织的角色的定义、静态结构建模和动态行为建模三个方面对作战系统进行建模。其研究结果表明基于Agent组织的作战模拟有助于揭示作战行为的本质特征和演化规律。     

供应链管理的多Agent系统模型及其决策方法

供应链管理的自动化是电子商务的中心,目前的供应链管理方法已不适合电子商务环境。本文在分析一般供应链管理过程的基础上构建了一个多Agent系统框架模型,基于模糊相似度提出了适合电子商务环境下动态供应链管理中Agent谈判的多目标决策方法,这是一种双赢的决策方法。     

多Agent系统任务分配方法综述

任务分配问题是多Agent系统（multi Agent system, MAS）中的重要研究内容之一,即解决如何将合适的任务分配给合适的Agent以实现整体执行效果最优。在分析MAS四种典型控制架构的基础上,比较了集中式与分布式控制架构下任务分配问题的特点,并对目前MAS中的多种集中式和分布式分配方法分别进行综述。最后,从理论和应用研究两方面总结和分析了MAS任务分配问题的未来发展方向。     

基于Agent的农业经济智能决策支持系统研究

将分布式人工智能中的Agent技术融于现代农业经济管理决策支持系统的研究与开发中,提出了基于Agent的农业经济智能决策支持系统(AEIDSS)的结构和组成,引入界面Agent、管理Agent、数据Agent、模型Agent、知识Agent以及各类决策职能Agent构成系统的主要部件,分析了基于分类器系统的Agent实现方法,探讨了在多Agent通讯与合作环境下实现农业经济系统的动态分析、评估、预测以及优化等决策支持功能的工作原理。图2,参13。     

基于Agent的电子战CGF建模研究

计算机生成兵力（CGF）是一个具有自主性、智能性的复杂系统。传统的建模方法难以精确的描述其模型。Agent技术作为面向对象技术的延伸，为解决这类复杂系统的建模与仿真问题提供了有效手段。应用基于Agent建模技术，建立了电子战CGF的层次模型，并解决了个体Agent模型设计中的感知、动作、决策及实现方法上的问题，最后讨论了用于设计聚合级实体的多Agent系统的组织结构、通信语言、通信机制及协作模式。     

预测支持系统的研究与发展

预测在决策中起着非常重要的作用,但作出准确的预测是很困难的,预测支持系统集预测方法,预测领域及应用领域知识为一体,充分利用计算机的支持作用,是帮助人们进行预测的有效工具,研究人员非常重视预测支持系统的研究,本文对预测支持系统的结构设计、模型管理、人工智能在系统中的应用以及预测支持系统的一些实际应用进行了概述,并分析了“多库”结构预测支持系统在进行复杂问题预测时的一些不足之处,指出Ａｇｅｎｔ预测支持     

灰色Verhulst预测模型的病态特性

为揭示灰色Verhulst模型的建模精度在原始序列存在微小扰动下的变化规律,采用矩阵谱条件数作为研究工具对该模型系数矩阵谱条件数的取值进行分类讨论. 研究结果表明,当且仅当系统原始数据序列第一项为大于零的常数,其他所有项数据皆为0时,建立灰色Verhulst模型才会呈现严重病态性,而采用已呈现特定规律的数据序列构建灰色Verhulst预测模型毫无实际意义. 研究结论认为,灰色Verhulst模型并不存在严重病态性.     

A transfer forecasting model for container throughput guided by discrete PSO

Abstract Accurate forecast of future container throughput of a port is very important for its con struction, upgrading, and operation management. This study proposes a transfer forecasting model guided by discrete particle swarm optimization algorithm （TF-DPSO）. It firstly transfers some related time series in source domain to assist in modeling the target time series by transfer learning technique, and then constructs the forecasting model by a pattern matching method called analog complexing. Finally, the discrete particle swarm optimization algorithm is introduced to find the optimal match between the two important parameters in TF-DPSO. The container throughput time series of two im portant ports in China, Shanghai Port and Ningbo Port are used for empirical analysis, and the results show the effectiveness of the proposed model.     

A self-similar local neuro-fuzzy model for short-term demand forecasting

This paper proposes a selfsimilar local neurofuzzy （SSLNF） model with mutual informati onbased input selection algorithm for the shortterm electricity demand forecasting. The proposed self similar model is composed of a number of local models, each being a local linear neurofuzzy （LLNF） model, and their associated validity functions and can be interpreted itself as an LLNF model. The proposed model is trained by a nested local liner model tree （NLOLIMOT） learning algorithm which partitions the input space into axisorthogonal subdomains and then fits an LLNF model and its associated validity function on each subdomain. Furthermore, the proposed approach allows different input spaces for rule premises （validity functions） and consequents （local models）. This appealing property is employed to assign the candidate input variables （i.e., previous load and temperature） which influence shortterm electricity demand in linear and nonlinear ways to local models and validity functions, respectively. Numerical results from shortterm load forecasting in the New England in 2002 demonstrated the accuracy of the SSLNF model for the STLF applications.     

基于微分信息的ARMAD-GARCH股价预测模型

ARMA-GARCH模型进行股票价格收益预测时,只考虑了滞后历史数据所包含的信息,而对于在每个滞后时间点的变化趋势信息却未纳入计算模型进行统一考虑,在一定程度上影响了模型分析时序数据时的泛化能力.本文提出了一种基于微分信息的ARMAD-GARCH模型,在包含传统ARMA-GARCH模型对因变量的滞后值以及残差滞后值进行线性回归的基础之上,又在条件均值方程中增加了因变量滞后值的近似微分信息,用以融合股票价格变化趋势信息,提高预测模型对于价格演变方向的判别能力.通过对于不同市场综合股指收益率数据的实证研究表明,ARMADGAR,CH模型在数据除噪,趋势判别以及预测精确度等方面均优于一般的ARMA-GARCH模型.     

我国铁矿石进口价格预测的ECM-SVR混合模型

作为钢铁工业生产的重要原材料之一,铁矿石进口价格的剧烈波动给我国钢铁企业带来巨大的冲击.本文通过分析影响铁矿石价格波动的多种因素,包括供需关系、运费成本、国内外经济环境等,挖掘影响铁矿石进口价格的关键因素,综合考虑其线性和非线性均有的复杂时间序列特征,提出一种基于误差修正模型(error correction model,ECM)和支持向量回归(support vector regression,SVR)的铁矿石价格混合预测模型ECM-SVR.实证结果表明:与单一基准模型和传统混合模型相比,新模型具有较高的预测准确率,这对于钢铁企业控制原料成本和市场投资者合理规避价格风险具有重要指导作用.     

基因表达式编程在组合预测建模中的应用

介绍一种利用基因表达式编程的方法来自动生成非线性函数的组合预测模型,并进行误差估计分析, 改变过去只依靠各个子方法的简单线性相加,不能很好地反映非线性真实世界的传统组合预测建模方法.通过对我国CPI的真实历史数据验证, 验证结果表明: 与传统的ARIMA,灰色GM(1,1), BP神经网络和线性组合预测四种方法对比,基因表达式编程建立的组合预测模型所预测的数据准确度明显提高.     

基于标准差的预测有效度的组合预测模型

针对考虑预测精度标准差的预测有效度的组合预测模型，提出了新的优性组合预测、预测方法优超和冗余度的定义．然后探讨了非劣性组合预测以及优性组合预测存在的充分条件，并给出冗余信息出现的一个判定定理．最后也讨论了组合预测模型的新的近似计算方法，给出实例分析，结果令人满意．     

广义加权多重函数平均组合预测及其参数估计

提出一种新的组合预测模型———广义加权多重函数平均组合预测模型,并利用二次规划算法给出其加权系数的不同参数估计方法。该模型具有广泛的代表性,它集多种组合预测模型于一体,是一种新的群组集结方法,通过选择合适的模型组合形式及最佳的模型参数,能够有效地提高预测精度。预测实例表明了该模型的有效性。