复杂系统的MAS分布式协作求解研究

在传统故障诊断基础上,将多Agent技术应用于动态、分布、实时和不确定的复杂系统故障诊断领域，是求解复杂过程故障诊断问题的一种新尝试。讨论了基于MAS的分布武智能故障诊断方法和过程。基于一种分布式Agent诊断系统结构原型系统，重点研究了诊断问题的多Agent间的交互、协作以及诊断决策问题，提出了分布式信息交换和分布武诊断的BDI结构的推理机模型，并用CBR技术对其实现了协作求解。应用表明，该系统能快速、准确地进行故障成因分析．取得了与专家相似的诊断结果。     

多Agent复杂诊断系统分布式协同求解研究

针对当前大型复杂设备故障诊断的实时性、智能化要求,以组件化思想为基础,建立了基于多Agent的分布式智能故障诊断系统模型,讨论了基于MAS的分布式系统诊断的方法和协同求解问题.提出包含分布式诊断融合决策模块的Agent一般模型,分析了分布式协同求解的任务分解、分配和协作求解问题,并运用CBR方法实现了单个Agent内部推理以及多Agent的协作.仿真实验表明,该系统能高效、准确地诊断故障,具有较好的主动性、适应性和交互诊断性.     

基于Agent的协同式网络管理模型研究与实现

移动Agent技术为智能网络管理的研究开辟了新的思路,但由于每个Agent是一个自治的主体,因此如何实现多个Agent协调合作来高效地管理网络成为多Agent系统(MAS)的核心问题.在对移动Agent和其体系结构进行研究的基础上,提出了一种基于多移动Agent网络管理模型,将移动Agent分成四类,并将黑板系统方法的应用在多Agent之间通信和协调中,使Agent问的协调变得相对容易,通过黑板将单个Agent联系成一个整体,结果表明,该模型加强了对各Agent的控制,提高了网络管理效率.     

网络故障监测中多智能Agent模型的研究与实现

文章提出了一种基于多智能Agent的模型，用于解决网络故障的监测问题。该模型将分布式人工智能原理与网络管理要求结合起来．实现了对网络故障监测的实时性和智能性，并对该模型进行了进一步的实现。智能Agent的更新知识是在多Agent的协作过程中．通过学习获得、完善和优化的。     

一种基于Agent的通讯模型设计及其应用

Agent的一个显著特点就是它的社会性;Agent的应用主要是以多个Agent协作的形式出现;MAS的求解问题的能力超过单个Agent,Agent间的通信是系统中较为关键的问题;操作性较好的通信方式,以＂黑板＂最为著名,也有人提出了介于黑板方式和预定点方式之间的类黑板方法;本模型需要解决3类通信;采用该TTMAS通讯模型,整体运行时间可以节约30%以上。     

基于多智能体的分布式智能诊断方法研究

在传统智能诊断基础上，将多Agent技术应用于动态、分布、实时和不确定的复杂系统故障诊断领域，以求解复杂过程诊断问题．提出了基于MAS的分布式智能故障诊断方法和过程；讨论了基于模式聚类的故障求解机制及对诊断问题任务的辨识、分解；研究了多Agent的约束和关联；设计了应用Agent工作状态的表达机制；确定了应用Agent间的工作状态影响关系及多Agent间的交互、协作和通讯；构建了多Agent模糊关联模型；给出了多Agent诊断系统局部诊断决策与全局诊断决策的集成描述结构：实现了一种分布式Agent诊断系统结构及其原型系统．工程应用表明，该系统能快速、准确地进行故障成因分析，并给出有效的决策意见，取得了与专家相似的诊断结果．     

复杂诊断系统的MAS协作求解方法

为适应故障诊断中动态变化的环境和满足求解复杂系统全部任务的要求,研究一种基于MAS的分布式智能监控系统.文中以诊断决策问题的结构及建模过程的层次性为基本思想,基于诊断任务的多层次混合分解策略,提出了融合不同表达方式和推理机制的多Agent并行诊断结构,分析了管理Agent、诊断Agent和决策Agent的基本职能,探讨了实时Agent的组织和演化机制,给出了并行推理过程中的冲突消解算法,建立了具有公共属性的智能体模块化层次结构,实现了基于MAS多层分布式黑板模型的智能监控系统.工程应用效果验证了多智能体结构框架下复杂系统分布式求解的可行性和有效性.     

基于UM-PRS的多Agent解释器设计

针对单个Agent不能应对复杂任务需求的问题,通过在UM-PRS平台上设计一种改进的BDI(Belief Desire Intention)模型Agent解释器,即对解释器数据存储结构进行优化,并添加一个用来支持多Agent之间通信协作的通信模块,使原来的单个Agent具有了与其它一个或多个Agent合作高效完成复杂任务的能力,并通过仿真验证了改进的BDI模型Agent解释器的有效性。     

DFL在MAS商务系统中的应用及相似度算法研究

支持多Agent商务谈判系统(Multi-AgentSystem,MAS),将动态模糊逻辑(DFL)技术应用到系统中,提出了基于DFL的MAS商务推理模型,实现了动态模糊数据的表示、处理和多个Agent的协作推理过程,并提出了一种改进的动态模糊相似度算法,最后总结了系统具有的一些优点.为解决多Agent商务谈判中的动态模糊问题找到了一条新的途径.     

基于多Agent技术下的智能决策支持系统研究

文章针对传统决策支持系统的局限性以及决策支持问题的复杂性，构筑了一个基于多Agent技术下的智能决策支持系统环境，综合地提出了一种新颖的决策支持系统研究方案。提出流动Agent实现多Agent之间的协作和交互，为解决多Agent之间的协作难题提供了一种新的思路。     

智能代理技术在电信领域的应用

本文在分析智能代理及多代理系统特点的基础上,着重讨论多代理系统在电信领域中的应用,特别是在智能业务提供上的应用。并以ＵＰＴ为例,提出基于代理的智能业务的可能实现方案     

基于移动Agent的电子商务通信研究

移动Agent是将人工智能和网络技术结合,为解决复杂、动态、分布式智能应用提出的一种全新的计算方式,它的智能性、动态性和移动性特点为电子商务的智能资源发现和网上自动交易提供了技术支持。着重论述了移动Agent技术在电子商务中应用的基本原理,并设计了基于JAVA的移动Agent通信原语集。     

Agent任务调度与迁移策略研究

对移动Agent技术进行了较详细的论述,重点阐述了Multi-Agent系统组织结构、Agent资源队列分配与任务调度及Agent迁移策略,动态迁移机制和迁移路径的算法。本研究旨在于探讨一种新的电子商务模式,试图解决电子商务的效率、成本和业务智能问题,实现智能业务处理。     

基于多Agent的智能决策系统在工控领域的应用

Agent是人工智能领域的一个重要分支，多Agent的智能决策系统是当今决策系统的一个新的研究方向。文章在讨论多Agent技术、辅助决策技术的基础上，提出了多Agent的智能决策系统的体系结构。基于本文提出的MAS体系结构，将回归预测分析、判别分析等辅助决策模型应用到火力发电的机组效能分析中．从而提高了电厂的工作效率。     

基于策略选择的Agent多议题协商优化

Agent和多Agent系统（Multi—Agent Syste璐，简称MAS）正在成为人工智能研究实用化和在分布计算环境下的软件智能化的重要技术。协商策略是Agent协商的一个重要问题，选择有效的策略，可以有效地提高协商的效率。提出了一个策略选择算法，并以此为基础，在协商模型中运用预测结果，对协商模型进行了优化，使Agent在协商过程中能根据自己的需要来缩短协商进程，同时获得合理的收益，提高协商过程的可控性。最后通过实验证明了工作的有效性。     

基于一卡通的机房管理系统的设计

提出一个一卡通机房管理系统的设计思路,即充分利用一卡通系统的统一身份认证和电子支付功能,整合一卡通系统及机房管理系统,实现了数据共享,减少大量冗余数据,从而提高机房的智能化管理水平。     

基于强化学习的一类NP问题求解算法

Agent强化学习是机器学习的一个重要分支。阐述了Agent强化学习算法的基本理论,建立了求解类货郎担等NP问题的数学模型,给出了Agent强化学习算法解决这类问题的框架和基本方法,并运用该方法成功地解决了一个赛程安排问题,较传统方法有一定的改进。     

基于深度学习机制的火警协议智能分析模型

火灾自动报警器品牌和型号众多,不同品牌或型号的数据协议均有所不同,这为智慧消防的信息集成增加了难度。为解决这一问题,文中提出一种将深度学习技术与火警协议分析模型相结合的SSAESMFA模型。该模型基于栈式稀疏自动编码器和Softmax回归,能够通过对已知消防设备的协议数据进行深度学习,实现对未知协议数据的识别。经过训练,SSAESMFA对协议数据的识别准确率能达到99.83%,实验表明,该模型有较高的对消防设备协议数据的特征提取分类能力,可有效提高智慧消防的信息集成效率。