基于相关向量机的协商决策模型

为了进一步提高电子商务中对手协商偏好估计的精度,该文提出了一种基于相关向量机(Relevance vector machine,RVM)算法的对手协商偏好(Preference)学习方法.在该方法中,将协商过程看作是协商议题的报价序列,把报价序列映射到新的特征空间,形成出价轨迹.用相关向量机学习出价轨迹,得到协商对手的协商偏好.以双方协商偏好为基础,通过一个优化过程产生双赢的最优反建议.实验数据表明,新方法能够减少协商回合数,增加协商总效用.     

基于半定性贝叶斯网络的建模方法研究

在定性贝叶斯网络的基础上,提出一种既包含定性符号信息,又包含概率分布定量信息的半定性贝叶斯网络,用以集成多个专家的知识和经验,通过一个与专家反复交互的过程,构建出相关问题领域的稳定的贝叶斯网络模型。提出利用区间数来统一表达多个专家的定性或定量的判断意见,给出了在半定性贝叶斯网络中进行概率推理的区间数传播算法,并通过算例验证其有效性。     

不完全信息下基于证据推理的多属性决策方法研究

针对不完全信息下多属性群体决策中存在的问题,提出一种基于证据推理的多属性群体决策方法。该方法首先应用灰色白化权函数将定量属性定性化,然后针对不同专家知识背景的不同,构建基于属性的专家赋权方法,用证据推理方法将不完全信息下的多个专家的意见进行集结,并应用效用理论对方案进行排序择优。最后通过一个算例验证该方法的有效性和可行性。     

Ontology与Agent 在服务选择中的应用研究

为了解决服务选择过程中由于缺少语义和有效的协商,使得用户难以获取满意服务这个问题,提出利用Ontology和Agent来进行服务选择的方法SBOA(Service based ontology and agent),该方法包括本体相似度计算和Agent协商这两个主要过程.在本体相似度协商过程中,研究了一个改进的基于语义的相似度计算方法,在Agent协商策略的设计过程中,把寻找相似度值与服务成本的比值最大作为协商策略,设计了Agent之间基于效用最大的具体的协商算法.SBOA既利用了Ontology的语义表示能力,也利用了Agent具有的自主协商能力,为它们的结合提供了一个途径,也为用户根据语义选择用户满意的服务提供了一个有效的方法.仿真实验表明了SBOA的过程和它的有效性.     

基于粗糙集属性重要性的模糊聚类决策及应用

考虑到不同属性之间的重要性,利用粗糙集理论对模糊信息表或信息表中的不同属性之间(特别是定量属性与定性属性之间)进行耦合,提出一种计算不同属性间相似度的计算方法,即基于粗糙集属性重要性的模糊聚类方法,解决模糊信息表或信息表中属性值定量与定性描述并存情况下的聚类问题,并根据原类结果建立决策表.     

感觉抽取的定性映射模型

将其检测属性的定量属性值转化为定性属性值是感觉的一个基本功能，根据属性的哲学定义，本文给出了属性、定量属性值、性质、定性映射和定性一基准等术语的哲学－－数学定义，并指出：感觉抽取可归结为一个定性映射。     

一种竞争环境下基于改进遗传算法的电子商务协商

 为了提高竞争环境下基于智能体电子商务双边多议题协商当中agent协商的效率,提出了一种竞争环境下agent的协商模型,并且将改进的遗传算法IGA应用于这种模型当中,来提高模型中agent协商的效率。在相同实验条件下,分别对四种遗传算法各进行了1000次的实验,结果表明同样达到协商满意解的时候,标准遗传算法SGA平均需要360次协商,基于Metropolis准则的遗传算法MGA平均需要230次协商,自适应遗传算法AGA平均需要207次协商,而IGA平均仅需要151次协商。这个结果说明,在求解竞争环境下双边多议题协商问题的时候,改进的遗传算法IGA可以使得协商当中的agent高效达到协商的满意解。     

基于证据推理的供应商绩效评价与决策

针对供应商绩效评价与选择这一不确定多属性决策问题,采用证据推理方法建立一个具有不确定性包含有定量和定性的具有多层次结构的多属性决策分析模型.在证据理论框架下,结合信息变换技术,对定性和定量的评价信息按照综合属性的评价等级变换成统一的分布评估形式,考虑属性的权重构造基本概率分配函数,利用证据推理算法综合所有的属性,从而完成方案的综合评价.运用多属性效用理论决策方法确定供应商的选优排序.结合供应商绩效评价与选择实例说明该方法的有效性.     

P2P系统中基于属性约减的可信度评价

由于P2P系统的开放、匿名等特点,传统的访问控制和认证方法已无法在P2P系统中对信任协商进行有效的支持.本文利用信任协商机制和多信任域技术对P2P系统进行安全管理.针对信任凭证在信任协商过程中存在的安全隐患,通过属性的使用记录实现信任凭证中属性集的约减,并给出一种基于属性集的可信度评估方法.该方法减少了访问者属性信息的不必要暴露,提高了信任协商交互的可靠性和安全性.     

基于卖方多提议的双边多属性自动协商模型

针对电子交易应用领域,提出一种私有信息和有时间约束的、基于卖方多提议和买方评价的多属性自动协商模型.买方协商策略简化为对卖方每一回合提交的一个或多个提议进行评价,卖方则根据时间和资源依赖策略确定提议的整体让步效用,根据买方评价和协商历史确定不同的让步属性组合和让步幅度,从而生成若干等效的新提议.该模型能有效减轻系统的通信和计算负担,提高解的收敛速度,在一定程度上改善协商效率和质量,并且在买方效用函数为线性时保证较优的联合效用.     

多Agent系统协商模型研究

本文提出一个多Agent系统中的协商框架,该框架在前人研究的协商策略及协商协议做出了一些改进。在Rosenschein与Zlotkin提出冲突风险度量中加入了考虑协商对手的历史信息的因素,对协商对像的区别对待有利于更合理的在协商过程中做出让步,提高协商的成功率。     

多agent系统的路径诱导算法的研究及在智能交通系统中的应用

针对目前智能交通系统中关于路径、时间、费用等综合因素考虑的复杂问题，本文提出了一种基于多agent系统的路径诱导算法，根据分布式柔性约束协商方法，综合考虑了路径、时间、费用等因素，为智能交通系统的路径诱导问题提出了一种新的解决方法。     

基于多维诱导分量的拓展IOWA算子及其应用

受单一诱导分量不可排序的启发,提出了一种多维诱导分量的拓展IOWA(MIOWA)算子,它可以根据特定背景定义诱导分量的涵义,从不同侧面反映数据分量的若干特性.针对具有自主式特征的协商评价问题,定义了一个二维诱导分量的拓展IOWA算子,使得在多属性信息集结的过程中能够体现方案的相对优势和绝对优势;给出一个决定位置权向量的权数非独裁性协商规则下最大化orness水平的规划模型.最后给出一个算例说明了方法的可行性.     

一种用于agent协同的语义中间件

在开放的动态的分布式系统中,agent之间的协同是确保成功交互的关键因素.元组空间（tuplespace,TS）因其可持久发布信息的逻辑共享存储、关联查询机制以及时空解耦等属性,使得它可作为分布式系统中agent之间通信的协同中间件.然而在异构的环境中,agent必须能够在相同的语义条件下交换信息,此时TS就具有了某些限制性.本文提出一种基于语义网技术和元组空间计算相融合的语义元组空间（semantic tuplespaces,STS）.STS可作为开放动态的分布式系统中基于发布和检索语义信息,使能agent通信和协同的中间件.本文描述了STS的概念模型并讨论了对TS的语义扩展.基于Jena和Pellet——DL推理机,STS最初版本的原型系统已被实现.最后,通过实验的性能评估论证了所采用的方法是切实可行的.     

基于属性法向量修改的人脸编辑算法

根据用户需求修改给定人脸图像,在美妆造型设计、异质人脸合成等领域具有重要的应用价值.目前已有研究基于生成对抗网络(GAN)模型实现人脸的语义属性迁移或者定性修改,但少有算法能够对用户指定的属性进行定量修改.针对人脸多个属性的分离(解纠缠)以及定量编辑两大问题,提出了一个基于属性法向量修改的定量人脸属性编辑算法.首先,端对端求解出隐藏空间中每一个面部属性的最优控制法向量,实现人脸多属性的解纠缠;然后通过调整法向量的移动系数,控制单个属性的变化程度从而控制该属性的定量修改;最后通过融合多个单属性控制向量的方式,达到对人脸多个属性的综合修改效果.实验结果表明,该算法能够同时适用于生成的虚拟人脸图像和真实人脸照片,在保持生成图像质量的同时,实现了人脸属性定量修改的功能.     

装备保障系统评价多属性决策分析

为了优化装备保障系统保障资源的配置,需对系统效能进行综合评价.提出了现行装备保障系统的基本要素和定量及定性指标的量化方法.针对装备保障系统评价过程中评价指标存在定量与定性指标相结合的问题,引入混合型多属性决策原理,提出了一种基于理想点的多属性决策模型.结合案例分析,对模型合理性进行验证.结果表明,该模型能够真实地反映决策空间中各方案与理想方案的模糊属性值之间的接近程度,装备保障系统评价结果更加准确可信.     

基于数据驱动的控制器性能多属性评价方法

控制器的性能通常表现为多个属性指标,综合涉及了随机性和确定性性能,为此,提出了一个相适应的评价方法。根据特定控制回路对于控制性能的不同要求,对各属性指标分配不同的权重;考虑到不同扰动对于控制性能评价基准的影响,提出了一个基于BP神经网络的过程扰动识别方法;基于历史数据建立评价基准,应用多属性决策方法得出控制器的综合属性评价值,数值实例仿真和TE过程实验证明了所提出方法的有效性。     

增量式双边多属性自动协商策略

提出一种双边多属性自动协商策略. 在该策略下, 协商议程由外生议程与内生议程相结合, 外生议程采用n步议程方法, 内生议程采用部分接受策略, 由部分接受策略产生局部交易, 当局部交易变成全局交易时, 协商过程结束; 当某个属性无法达成一致时, 协商失败. 利用该策略, 协商过程能获得平衡解和帕累托最优解, 且时间复杂性较低.     

资源限制信任协商

提出了资源限制信任协商方法.陌生的双方在建立信任关系时,仅仅交换一次信任书,随后多次交换对称密钥,直到协商完成或者失败.在资源限制信任协商过程中,用Hash函数验证信任书中的属性,用对称密码保护敏感属性.敏感属性是在自己的控制下逐步显示给对方的.资源限制信任协商避免了传统信任协商中双方多次交换信任书,以及多次验证信任书和策略的一致性检验所带来的大量公钥密码操作负担.同时也避免了传统信任协商中双方必须存储多个信任书的问题.因此资源限制信任协商比较适合在计算能力有限的移动设备之间建立信任关系.由于双方交互的信任书是保密的,因此资源限制信任协商能防止传统信任协商存在的中间人攻击问题.     

体现用户意图和风格的图像描述生成

现有的图像描述模型大多不能根据用户的意图和用语风格生成个性化的描述。针对这一问题,本文提出一种能体现用户意图和风格的个性化图像描述方法。首先,构建一个关于场景中目标、目标属性以及目标间关系的结构图,通过该图来控制用户所希望表达的目标对象、目标属性以及各目标之间的相互关系;然后,在编码器中加入多关系图卷积神经网络对场景的上下文信息进行编码,并利用图流动注意力来控制描述的侧重点;最后,在生成语句时加入用户风格控制模块,即利用关键词搜索生成包含性别、年龄、受教育程度等信息的用户画像,并结合该画像来控制风格生成器,提取对应的风格样式,最终生成体现用户意图和风格的个性化图像描述。在MSCOCO和FlickrStyle数据集上的实验结果表明,所提出的方法能较好地生成个性化和多样性图像描述语句。