基于Agent的建模技术研究

基于Agent的建模技术是对复杂系统进行问题求解的一种新方法.在面向Agent方法的基础上提出了"基于Agent的建模技术"方法,并针对这一技术方法从系统组织的角度进行了系统性的研究,详细分析了用这一方法建模的主要流程,还首次将这一建模技术运用于"网络坦克作战系统-协作故障诊断与技术维护系统"进行实例分析,根据系统的组织结构和组织目标,构建了3类Agent:系统接口Agent,故障分析Agent和故障区域分析Agent,系统通过3类Agent间的交互协作实现问题求解.最后讨论了应用该技术应注意的主要问题.     

一种基于移动代理的自主拍卖模型

Agent的自治性和移动性为网络环境下的电子商务活动提供了许多潜在优点.拍卖是一种典型的商务活动,基于Agent的自主拍卖是传统拍卖方式的一个发展趋势,具有广泛应用前景.重点研究了建立自主拍卖系统所涉及的主要问题,包括拍卖大厅建模、拍卖大厅查询、交易对象定位、拍卖过程同步和出价策略等.基于移动Agent和博奕理论,提出了一种自主拍卖模型.该模型支持一次价格密封标价拍卖和双边拍卖两种拍卖机制.模型中的Agent接受拍卖任务后能够自动搜寻拍卖大厅、自主参与拍卖过程并向其所有者返回拍卖结果.     

基于多Agent城市交通仿真及控制系统博弈场景及建模的研究

城市交通仿真系统中多Agent之间的关系错综复杂,如何对这些关系进行仿真是实现仿真系统需要解决的难点问题.分析了系统中主要Agent类之间的"竞争-合作-影响"关系的实质--博弈,对其中影响交通拥堵的主要4类博弈关系进行详细分析,并分析它们各自形成的4类基本博弈场景、4种基本博弈场景动态生成、变化甚至消失,形成整体网状结构的交通博弈场景.通过建立对应的博弈模型来表达多Agent之间的相互作用关系;便于在交通仿真系统实现过程中有效地模拟现实交通.     

用于辩证分析的多Agent辩论对话系统MAS-Arguing的设计与实现

多方对话博弈是当前多Agent辩论技术研究的难点.本文基于辩论理论的辩证语义,提出一种用于多方论据博弈的辩证分析模型DAM-MAG,并设计和实现了基于该模型的多Agent辩论对话系统MAS-Arguing,证明了DAM-MAG模型在技术上的可行性.为了多方对话博弈易于实现,MAS-Arguing引入辩论擂台管理Agent,负责协调和监控多个辩论Agent之间的角色转换和论据博弈.本文主要从体系结构、通信语言、多方对话协议和承诺规则等方面说明了MAS -Arguing系统的设计与实现.     

一种基于Agent的高可用性网构软件自动构建方法

Internet环境开放、动态的本质,计算实体自身的自主性和独立性以及网络连接的不稳定性等,均对保障软件系统可用性提出了新的要求.提出了一种基于Agent的高可用性软件构造方法.该方法使用Agent建模网络环境中的自主计算实体,在计算实体及其连接方式的可用性未知的情况下,由Agent通过学习,在运行一段时间后自适应地构造出可用性较优的软件系统.实验表明,基于该方法构建的系统能达到较高的可用性,并能在环境发生变化时自适应地调整自身的行为.     

基于AntNet的网络管理性能优化研究

分布式移动Agent技术是一种新型的智能网络管理技术,但如何实现多个Agent相互协作来高效地管理网络成为一大难题.将蚁群优化的自治且协同的思想应用到网络管理中,为提高移动Agent网络管理的性能开辟了新的思路.在对AntNet算法进行研究的基础上,提出了一种基于AntNet的智能Agent网络管理方式.仿真结果表明,该方式较传统的客户/服务器方式时延小,网络带宽利用率高,从而很好地提高了网络管理的性能和效率.     

一种基于ABD的网络中心战概念级仿真模型

未来战场上的主体是分布、网络化的作战力量,网络中心战将成为信息时代崭新的作战样式.现有的作战仿真系统不足以胜任对网络中心战的建模和仿真.以军事复杂系统理论研究为背景,采用基于智能体抽象建模仿真(Agent Based Distillations, ABD)的方法,提出了一种网络中心战概念级仿真模型,对模型中作战/指挥单元的能力模型、决策模型以及关系网络模型进行了详细介绍.最后构建了一个仿真示例想定,仿真结果证明了模型具有一定的有效性.     

无线传感器网络中安全数据传输的配对同步博弈模型研究

无线传感器网络具有其无人值守和动态开放的特点,因此容易遭受恶意攻击.针对该问题,提出利用博弈理论来支持无线传感器网络中的安全数据传输.基于博弈理论对隐含恶意节点的无线传感器网络中的数据传输过程进行建模,对节点之间的攻击与入侵检测问题用空间结构上的配对同步博弈进行模拟.在进行博弈建模时,充分考虑节点之间的合作与竞争关系,并给出了详细的博弈算法.模拟实验表明,所提出和研究的博弈模型较为有效地解决了隐含恶意节点在无线传感器网络中的安全数据传输问题.     

基于Agent的城市废物计量收费方案仿真研究

提出一种基于Agent的城市废物计量收费仿真模型.由于城市废物计量收费仿真模型属于复杂适应性系统(CAS),传统的建模仿真方法无法完好地刻画城市废物计量收费仿真模型,而基于多Agent的建模仿真方法(ABS)是当前研究复杂适应性系统的最有利工具之一.有必要进行深入研究.在简单介绍复杂适应性系统、基于多Agent的建模方法的研究概况,以及多Agent建模工具--Repast仿真甲台以及它的结构、主要类库与建模步骤后,以城市废物计茸收费仿真模型为研究对象,进行基于多Agent的建模仿真实验,结果表明基于多Agent的建模仿真方法非常合适复杂适应性系统的研究,具有很大的发展空间.     

基于MAS的复杂网络安全形式化建模

针对网络攻击和防御形式化建模逼真度低和描述不规范的问题,基于多Agent建模思想提出了一种"微-宏"观相结合的具有良好扩展性的形式化建模方法,该方法从微观上描述了个体Agent的静态属性和动态行为,从宏观上描述了角色分配方式和各Agent之间的联系。接着以DDoS攻击与防御为例,给出了上述方法的具体实现过程。最后,仿真验证了DDoS攻防模型的正确性和有效性。     

An incentive game based evolutionary model for crowd sensing networks

Crowd sensing networks can be used for large scale sensing of the physical world or other information service by leveraging the available sensors on the phones. The collector hopes to collect as much as sensed data at relatively low cost. However, the sensing participants want to earn much money at low cost. This paper examines the evolutionary process among participants sensing networks and proposes an evolutionary game model to depict collaborative game phenomenon in the crowd sensing networks based on the principles of game theory in economics. A effectively incentive mechanism is established through corrected the penalty function of the game model accordance with the cooperation rates of the participant, and corrected the game times in accordance with it’s payoff. The collector controls the process of game by adjusting the price function. We find that the proposed incentive game based evolutionary model can help decision makers simulate evolutionary process under various scenarios. The crowd sensing networks structure significantly influence cooperation ratio and the total number of participant involved in the game, and the distribution of population with different game strategy. Through evolutionary game model, the manager can select an optimal price to facilitate the system reach equilibrium state quickly, and get the number of participants involved in the game. The incentive game based evolutionary model in crowd sensing networks provides valuable decision-making support to managers.     

基于演化博弈的无线传感器网络分簇算法

针对无线传感器网络中节点负载过重与能耗不均衡而出现网络能量空洞的问题，基于演化博弈理论建立一种簇头竞选的博弈模型，同时提出一种基于演化博弈的无线传感器网络最优成簇算法。运用节点的剩余能量、数据接收能耗和数据转发能耗设计簇头演化博弈的收益函数，并将最优发射功率控制机制应用于簇成员的选择，从而形成稳定连通的网络分簇结构。仿真实验表明该算法平衡了节点负载，从而均衡网络能量，有效改善网络中过早出现能量空洞的问题，进而延长了网络生存时间。     

基于稀疏贝叶斯算法的演化博弈网络重构

演化博弈是自然和社会系统中一种常见的互动类型,探知演化博弈网络的拓扑结构是理解其功能和集体行为的基础。对于演化博弈网络,个体的博弈行为通常难以用动力学方程进行描述,而且相关的时序信息一般数量有限并且是离散的,因此在有限的个体博弈信息下重构网络的结构有着重要的研究意义。本文基于稀疏贝叶斯学习方法进一步发展了演化博弈网络的重构方法,通过在随机网络和小世界网络上的数值模拟验证该方法的有效性。与先前的基于L1范数的方法相比,该方法同样能够在较少的个体博弈信息下实现网络的重构,并且具有更高的重构效率和更强的噪声鲁棒性。     

认知无线网络中基于进化博弈的动态频谱接入*

研究了认知无线网络环境中基于价格动态性的动态频谱接入,即不同的授权网络服务商以不同的价格将空闲频谱出售给认知网络,且认知用户可以根据自己获得的报酬动态地接入不同的网络。为最大化认知网络的效用,提出了基于进化博弈的动态频谱接入方案。仿真结果表明,当认知用户群体到达进化均衡时,接入每个主网络的认知用户数量的比例达到稳定状态,最大化了认知用户和网络的效用。     

虚实互动网络环境下的双群体演化博弈仿真研究

针对虚实互动网络环境下的双群体演化博弈问题,首先给出了一般博弈模型并进行了复制动态分析;然后,建立了双同质群体的多智能体仿真模型,并将仿真结果与复制动态分析和单同质群体进行了对比;最后,从策略更新时间、网络结构、学习机制三方面提出了双群体的异质演化机制。仿真结果表明,不同演化博弈机制下的演化稳定策略基本一致,但演化稳定策略的收敛速度及鞍点取值不同,应用时要根据实际问题的异质特征来构建恰当的博弈演化机制。     

弹性效用价格竞争博弈的纯策略寡占均衡

讨论了具有弹性效用的并行路径网络的多个服务提供商之间的价格竞争博弈问题。如果每个拥有链路的服务提供商的目的是设定使自己利润最大化的价格,而用户依据Wardrop原理选择自己的传输流量和传输路径。当每个用户的效用函数为凹函数且其一阶导数也是凹函数,网络链路的延迟函数为线性函数时,则证明了这种多个服务提供商之间的价格竞争博弈存在纯策略寡占均衡。     

Trust-based evolutionary game model assisting AODV routing against selfishness

Self-organizing networks such as wireless ad hoc networks present a number of problems and paradoxes towards trustworthiness and consistency of the network. Lack of cooperation between nodes drastically brings down the throughput of the network. Selfish behavior of the nodes is one of the issues, which deter the trust among them. This paper explores the multiple modes to build trust and proposes an effective, dynamic and distributed framework using evolutionary game theory. Strategic, non-cooperative and evolutionary game theory has been utilized to model the dynamic behavior of selfish nodes in a self-policing ad hoc network. AODV routing assisted by the proposed game model enlightens a cogent scenario, which demonstrates that it can stimulate cooperation among selfish nodes, albeit without negotiations. The proposed model encompasses two distinct modes to learn and predict the behavior of neighbors namely deterministic and random. Deterministic mode is a generic one which helps to analyze the behavior of the network for standard strategic patterns whereas the random strategy profiles are explored using randomized analysis based on genetic algorithm. This paper investigates the simulated results for the two methods and asserts that if nodes use evolved strategies and trust evaluation mechanism, then the model supports in accomplishing the cooperation level to reach the maximum possible.     

基于Stackelberg博弈的协作网络功率分配策略

针对协作网络中的功率分配问题,提出基于Stackelberg博弈的分配策略。首先建立博弈模型,源节点根据中继节点分配的功率给出价格;中继节点根据自身资源情况、信道状态、位置信息以及源节点提出的价格,进行协作传输功率的分配,从而构建用户效用函数;接着证明了该效用函数满足凹函数的条件,且存在均衡点,因此参与决策的用户可以通过求解协作功率和价格的Stackelberg均衡解(SE)最大化自己的效用;最后,通过仿真实验验证了均衡点的存在,并对源节点位置不同情况下节点的价格、功率和效用进行了分析,实验中离中继更近的源节点的协作功率和效用分别是距离较远用户的1.29倍和1.37倍。理论分析与实验结果证明了策略的有效性,而且该策略能适用于协作网络及其他分布式网络。     

基于演化博弈的多用户网络选择算法

无线通信技术的发展和演进,使得多种广域蜂窝网和大量无线局域网共存、重叠。针对热点区域,密集分布的大量用户同时发起同种业务请求应用场景,提出一种基于演化博弈的多用户网络选择算法,依据选择网络的用户数设计效用函数,给出了演化博弈的复制动态方程。与RSSI算法的对比仿真结果表明：该算法能快速达到演化均衡,用户平均收益高于RSSI算法,接入网络的用户分布更均衡,能合理利用网络资源。     

物流中心选址的神经网络集成模型研究

针对在建立物流中心选址模型中,单个人工神经网络模型难以确定参数、容易产生“过拟合”等问题,提出一种神经网络二次集成模型,利用Bootstrap可重复采样技术得到不同的训练集来训练产生不同的个体神经网络,采用粒子群优化算法结合个体输出获得神经网络集成,并在此基础上将集成视为个体再次结合。实验结果表明,该模型易于设计且能够提高泛化能力。