面向AGENT的程序设计语言AOPLID

ＡＯＰＬＩＤ语言是以现有的情境演算理论和基于意向驱动方式的ａｇｅｎｔ模型为理论框架而建立的一种面向ａｇｅｎｔ的程序设计语言，介绍了该语言的程序组成及程序的运行，并通过一电梯控制程序说明了如何该语言编制面向ａｇｅｎｔ的程序。     

基于耦合问题的多智能主体协作模型

针对复杂机电系统耦合问题求解的机理,提出了多智能主体协同求解的工作模式应采用客户／服务器的控制方式;描述了服务ａｇｅｎｔ和客户ａｇｅｎｔ的功能和组织结构,并规定了协同求解的ａｇｅｎｔ之间的交互作用格式．为便于实现多个ａｇｅｎｔ的协同求解过程,将耦合问题归纳为一个四元组形式,进而对问题求解中的共同规划的产生过程作了较细的描述．     

新一代决策支持系统(DSS)构成与软集成方法

提出ＤＳＳ新的构成与集成方法;把复杂问题分解为多层多类的构件,即具有自主性和自组织性的ａｇｅｎｔ,每个ａｇｅｎｔ代表着信息环境中的应用主题或数据挖掘工具,或者代表着模型处理世界,通过软集成方法和基于ａｇｅｎｔ的编程方法构成问题求解的ＤＤＳ。     

GDSS决策信息流及其于Multi—agents信息收集模型研究

界定了ＧＤＳＳ信息收集的内涵;构建了信息流图描述群体决策过程决策成员与决策环境、决策任务以及决策成员之间的信息流动途径;最后,针对ＧＤＳＳ信息收集流,利用多智能主体的问题合作解技术,建立基于Ｍｕｌｔｉ－ａｇｅｎｔｓ的信息收集模型。     

多智能体系统中子域适应度评估的合作协进化协作

为了克服合作协进化算法在解决复杂多智能体系统协作问题时存在的适应度函数难以建立和协作行为难以达到全局最优等问题,提出1种子域适应度评估的合作协进化算法来实现异构多智能体系统中智能体的自适应协作。该算法将复杂问题域模型分解成相互影响较小、较易求解的子问题域模型,在子问题域模型之间并行使用合作协进化算法来完成智能体协作行为的进化,有效降低适应度评估的复杂度。在子问题域进行合作协进化时,在适应度函数中引入环境因子影响矩阵,将其他子问题域的影响信息映射到该子问题域中的个体适应度评估中,从而引导种群向全局优化方向进化。ECJ系统中的仿真实验结果验证了其有效性。     

面向Agent的多范例语言I*的设计与实现

讨论在Ｉ＋上进一步引入刻划ａｇｅｎｔ间通信所必需的原语及基于ＨＴＴＰ的中间件而形成的面向ａｇｅｎｔ的多范例语言Ｉ＾＊,在Ｉ％＊中引入了一些处理ａｇｅｎｔ的原语,它们来自Ｓｈｏａｍ的ＡＯＰ和Ｆｉｎｉｎ的ＫＱＭＬ。Ｉ＾＊的实现策略是将Ｉ＾＊转换为Ｉ＋加上ＫＡＰＩ提供的支持ａｇｅｎｔ间通信的库函数调用。ＫＡＰＩ提供ａｇｅｎｔ间的传送和通信界面,支持的协议有ＴＣＰ／ＩＰ、ＨＴＴＰ、ＥＭＡＩＬ等。     

基于贝叶斯方法的多Agent强化学习

在多agentss强化学习（MARL）的研究中，很多都是强调MARL算法收敛于期望平衡解。然而，对于标准的强化学习，该过程需要对策略空间的充分探测，而且探测还经常受到惩罚或错失了良机。在多agents系统中，由于agents之间的协作使该问题更加复杂。为此，提出了在MARL用贝叶斯模型来进行最优探测，该模型与标准的RL模型不同，它将对agent的动作是如何影响其它agents的行为进行推理。同时，还给出了如何对最优贝叶斯探测进行处理以获得理想的结果，并通过与其它算法的比较来说明用贝叶斯方法的可行性.     

设计空间的自动搜索

基于多ａｇｅｎｔ协作求解问题及并行工程的思想，提出了一种电子系统的系统级综合方法，同时考虑所有相关因素，根据各种可能的设计方案构造一个单一的设计空间，设计空间用极大一致集表示，文中给出了求解极大一致集的算法，用该算法把空间逐步缩小为一个单一设计，采用这种方法可以节省大量设计时间     

基于角色交换的多Agent协商问题的研究

利用角色与Agent之间的动态性刻画多Agent系统的结构和行为模型的特点,针对在协商过程中相互协作的Agent如何结成具有相对稳定的合作领域的问题,对角色进行形式化描述,提出了基于角色交换的多Agent协商角色交换算法。该算法能在不完全信息的环境下,提高多个Agent之间的协商效率;并以模拟足球赛为平台进行实验,结果证明该算法是可行有效的。     

多agent协同强化学习算法SE-MACOL及其应用

针对多agent团队中各成员之间是协作关系且自主决策的学习模型,在此对Q学习算法进行了适当扩充,提出了适合于多agent团队的一种共享经验元组的多agent协同强化学习算法。其中采用新的状态行为的知识表示方法,采用相似性变换和经验元组的共享,能够提高多agent团队协同工作的效率。最后将该算法应用于猎人捕物问题域,实验结果表明该算法能够明显加快多个猎人合作抓捕猎物的进程。     

主体承诺中的不确定性分析与协商模型

在多主体合作时，承诺发挥着中心作用；然而在动态环境中，主体的承诺往往带有不确定性。如果主体在做计划时能够事先考虑到这些不确定性，那么将可以大大提高主体合作执行任务的效率。本文提出一些承诺中的不确定性，并采用模糊理论的方法表示和解决这些不确定。解决了在动态环境下难以给出精确数学模型的困扰；并且设计了一个主体协商模型来减少承诺的不确定性。     

基于Markov对策和强化学习的多智能体协作研究

MAS的协作机制研究,当前比较适用的研究框架是非零和Markov对策及基于Q－算法的强化学习。但实际上在这种框架下的Agent强调独立学习而不考虑其他Agent的行为,故MAS缺乏协作机制。并且,Q－算法要求Agent与环境的交互时具有完备的观察信息,这种情况过于理想化。文中针对以上两个不足,提出了在联合行动和不完备信息下的协调学习。理论分析和仿真实验表明,协调学习算法具有收敛性。     

一般和对策中基于协商的多代理强化学习

一般和对策中,只考虑个体理性的多代理协作是一种无全局目标的协作.代理学习基于对手策略假设,不能保证假设的正确性.为此通过定义代理协作的集体目标,提出了一种基于多代理协商的代理强化学习算法.代理选择协商策略,并惩罚偏离该策略的代理来保证协商策略的执行.文中给出了学习收敛的条件及证明,并以实例加以分析.     

多Agent诊断求解方法研究

该文首先建造了一种包括多诊断Agent的诊断系统结构。为提高诊断Agent求解效率,对诊断Agent内部的故障模式进行聚类,将故障模式聚集成多个故障原型,使诊断只在特定空间是进行求解,避免搜索过程的盲目性和无关性;在此基础上,设计了一种基于故障原型的诊断Agent内部序贯诊断算法。另外考虑到诊断对象固有的关联性特征造成的多Agent间的诊断耦合,提出了以故障原型为依据建立Agent间关联模型的方法。基于故障原型的序贯诊断算法和Agent关联模型使Agent的内部诊断和Agent间的协作行为得以有效的联系。文中最后通过一个化工过程诊断实例对提出的多Agent诊断求解方法进行了验证。     

双并联机器人协作的运动学建模

提出并联机器人以协作的方式提高其作业能力的一个新途径·通过引入瞬时作业点的概念,将工件和刀具离散化,并用其相应坐标系上的一个向量来描述工件和刀具上的瞬时作业点,建立了协作系统中各单机间的联系,将并联机器人协作运动学问题转化成二单并联机器人在工件和刀具约束下的运动学参量的求解·建立了双并联机器人协作的等效闭链运动学模型和运动学方程式,为并联机器人协作运动学分析和控制建立了基础·通过算例证明了模型的正确性和并联机器人协作在拓展有效工作空间方面的有效性·     

安全网络的评测认证技术

总结了目前主流的IT安全评估技术,分析了安全网络的概念模型,针对安全网络技术与安全评估机制进行联合运作的需要,文中在分析两者技术特点的基础上重点对评估结果的重用性、形式化评估方法和保障维护机制等方面的问题进行了分析,提出了两种技术联动的一个可行的模型,其结论可为安全网络和评估技术的发展提供新的思路。     

经济学量化模型发展的一种新模式

分析了经济学中传统建模方法的不足,提出了基于多智能体的建模与仿真方法来建立经济系统的量化模型,论述了多智能体模型在经济研究中的应用．     

基于协作体的电子政务协同工作模型的研究

在分析了电子政务协作关系的基础上,根据协同工作的具体特点,提出了以协作体为基本单位,构建了基于协作体,由组织模型、任务模型、过程模型和资源模型组成的四层协作模型组成的电子政务协同工作模型.模型的建立解决了已往协同工作模型对电子政务协同工作方式,以及组织、任务、过程和资源各协作因素相互支持不足等问题,反映了电子政务中嵌套层次式协作关系,为建立高效的电子政务协同工作环境奠定了良好基础.     

信牌驱动工作流模型中的协同问题

目的在工作流过程模型中描述实际业务过程中的协同问题。方法借鉴CSCW领域的研究成果,在信牌驱动工作流模型的基础上引入会话协作活动和会议协作活动。结果会话活动和会议活动能够有效描述业务过程中的协同行为。结论会话活动和会议活动增强了信牌驱动模型的表达能力和适用性,并且可以作为解决同类问题的参考。