基于对手案例学习的多议题协商决策模型

为了解决多Agent系统(MAS)协商双方在信息对称情况下的自动协商问题,提出了一种用基于支持向量机算法的间接学习对手协商态度的协商方法,提出了不完全信息条件下基于案例和对策论的Agent多议题Pareto最优协商模型,通过支持向量机的方法来学习协商轨迹,得到协商对手在每个协商项的态度,然后利用学习得到的对手协商态度,构造了一个协商的决策模型,此模型能同时基于对手的态度和自身的偏好来做出协商决策。最后通过实验验证了该方法的先进性。     

基于Bayesian学习的适应性优化协商模型

在复杂的自动协商环境中,设计能够处理不完全信息和动态情形的协商agent有效学习机制正成为具有挑战性的议题.提出了一种基于Bayesian学习的时间依赖的双边多议题协商优化模型(BLMSEAN).通过只观察对手的历史报价,将Bayesian学习和基于混合策略的演化算法相结合,所提模型使得协商agent能够对于对手协商参数的概率分布有更精确的估计(如期限、保留报价和议题权重等),能够适应性地调整让步策略使协商双方都受益,提高了协商的成功率和效用.通过实验可以显示所提的模型学习对手私有信息和适应性调整让步策略的有效性.     

一种新型船舶避碰决策支持系统的设计与实现

该文介绍了一种新型的船舶避碰决策支持系统——基于Multi-Agent的协商避碰决策支持系统的设计与实现。该系统是一个开放的、智能化的系统,它基于系统论的思想,把协商决策引入船舶避碰,是一个包括避碰决策Agent、协商决策Agent、网络通信Agent和法律仲裁Agent等的Multi-Agent系统,该系统可以最大限度地减少避碰决策中的不确定性,具有良好的用户界面,能提供网络环境下智能化的决策支持,可以更好地解决船舶避碰问题。     

一种多Agent多议题的协商模型

协商是多Agent系统实现协作、协调和冲突消解的关键技术。本文分析了协商问题的实质和协商过程,提出了一种支持多轮协商的多Agent多议题协商模型。模型中引入了Agent类型的概念,在信息不完全的条件下,协商Agent通过推测协商对手的类型来指导自身的提议策略和协商战术,使提议更具针对性,避免了盲目性,从而节约了协商时间,提高了协
商质量。     

基于贝叶斯分类的增强学习协商策略

为了帮助协商Agent选择最优行动实现其最终目标,提出基于贝叶斯分类的增强学习协商策略。在协商过程中,协商Agent根据对手历史信息,利用贝叶斯分类确定对手类型,并及时动态地调整协商Agent对对手的信念。协商Agen、通过不断修正对对手的信念,来加快协商解的收敛并获得更优的协商解。最后通过实验验证了策略的有效性和可用性。     

资源分配问题的协商模型

研究Agent多次协商过程中的策略调整问题,目的是使得Agent在协商过程中具有自学能力,对环境和协商对手更敏感。结合资源分配问题,讨论Agent协商过程中的学习问题,基于博弈论分别分析了单次协商和多次协商模型,给出了协商过程中在不同信息条件下遵循的策略,并进行了证明。     

多Agent自动协商的公平性研究

为了能够快速、高效地进行Agent协商,构建一个优化的多Agent协商模型。在这个模型的基础上,提出了一个基于协商各方公平性的协商学习算法。算法采用基于满意度的思想评估协商对手的提议,根据对方Agent协商历史及本次协商交互信息,通过在线学习机制预测对方Agent协商策略,动态得出协商妥协度并向对方提出还价提议。最后,通过买卖协商仿真实验验证了该算法的收敛性,表明基于该算法的模型工作的高效性、公平性。     

基于对策论的Multi—Agent多边协商机制研究

针对决策支持系统中智能化程度低和协作困难的问题,特别是对多层次、多目标的决策困难问题,提出了基于对策论的Multi-Agent多边协商机制完成决策支持任务;探讨了基于对策论的多边协商机制,给出了Agent协商联盟的构成条件,提出了一个基于对策论的Multi—Agent多边协商机制,设计了基于Multi—Agent多边协商联盟的构成算法。该算法利用Multi-Agent的多边协商解决了多层次、多目标、多属性的竞争决策问题。最后通过算法验证实例证明了协商机制能更好地帮助用户进行决策,提高了决策系统的灵活性和准确性。     

基于Multi-Agent的空天飞行器智能系统通讯技术研究

为实现空天飞行器操纵和控制的完全自主,提出了基于Multi-Agent的空天飞行器智能化系统的通讯模型;Agent通讯是决定Multi-Agent系统能否高效运行的关键技术之一,为实现基于Multi-Agent的空天飞行器智能系统中各Agent间的交互、协商与合作,即Agent的通讯问题,提出了一种基于FIPA-ACL的空天飞行器智能化系统的通讯技术;最后通过仿真实现了通讯过程.     

基于对策论的Multi-Agent多边协商机制研究

针对决策支持系统中智能化程度低和协作困难的问题,特别是对多层次、多目标的决策困难问题,提出了基于对策论的Multi-Agent多边协商机制完成决策支持任务;探讨了基于对策论的多边协商机制,给出了Agent协商联盟的构成条件,提出了一个基于对策论的Multi-Agent多边协商机制,设计了基于Multi-Agent多边协商联盟的构成算法.该算法利用Multi-Agent的多边协商解决了多层次、多目标、多属性的竞争决策问题.最后通过算法验证实例证明了协商机制能更好地帮助用户进行决策,提高了决策系统的灵活性和准确性.     

应用记忆演化学习的Agent协商研究

在多Agent系统（MAS）环境中,协商是一个复杂的动态交互过程。如何提高协商效率,成为了研究者关注的焦点。应用记忆演化理论的强化学习思想,提出一种Agent协商算法。它与基本强化学习相比,3阶段的记忆演化的强化学习,使得Agent可以在实时回报与延迟回报间更好的做出平衡,并为Agent记忆社会化交互创造条件,使强化学习更适合MAS的要求。通过模拟实验证明该协商算法是有效性的。     

基于D-S证据理论的多Agent辩论谈判策略研究

为了使Multi-Agent辩论谈判策略的生成更加科学合理,避免像贝叶斯算法、遗传算法、神经网络算法和其他机器学习方法在谈判领域对先验知识要求过高的缺陷,利用D-S证据理论方法对信息不确定情况下的辩论谈判策略进行研究,提出基于D-S证据理论的辩论谈判策略生成方法。该方法模拟人作决策时的思考和行为方式,综合考虑谈判的内外部环境状况,随时随地获取证据,对证据进行处理,分析证据处理结果作出决策。通过算例验证该方法在谈判领域的适用性和可行性。     

污水处理智能化系统的Multi-Agent通信技术与实现

Agent通信是Multi-Agent系统能否高效运行的关键技术之一。FIPA-ACL是最新的Agent通信语言。为实现基于Multi-Agent的污水处理智能化系统中各Agent间的交互、协商与合作,解决污水处理这一复杂工业过程的控制问题,通过分析FIPA-ACL规范集合的系统组成、通信机制等,提出了一种基于FIPA-ACL的污水处理智能化系统的Multi-Agent通信技术,确定了其通信方式、通信策略与通信协议,并给出了具本实现方法。     

基于合同网协议的多智能体虚拟企业协商研究

协商是虚拟企业成员之间协作的实现方式。本文通过对多智能体的协商框架、协商模型和协商过程等进行深入的分析,在合同网协议的基础上构建多智能体协商体系框架,并结合贝叶斯决策方法来建立自学习协商模型。根据协商中的更新信息实时更新智能体信念,实现多智能体协商过程的自学习功能。从而有利于提高协商效率,改善网络通信,保证虚拟企业的敏捷性和协商双方的利益。     

基于辩论的多Agent商务谈判认知模型

针对在基于辩论的谈判中如何表示Agent的认知结构和决策机制的问题,提出一个应用于商务谈判的Agent的认知决策模型。该模型由卖方和买方Agent两部分构成,其中,Agent的认知结构用自我目标认知以及对对方的目标认知等集合来表示,Agent的决策用多目标优化模型来辅助进行。基于辩论的谈判实例验证了该模型的实用性。     

基于Agent的专家系统推理模型

针对传统专家系统推理模型结构在知识获取方面适应性差的现状,从系统科学的视角,运用复杂适应系统理论,对传统专家系统的结构及运行机制进行了改进.引入Agent来模拟人脑中的神经元,用来承载专家系统中相互作用的知识,然后,基于Multi-Agent之间的相互作用来构建复杂适应的专家系统推理模型.从而,将专家系统中的知识获取机制、知识库、推理机三者统一于由Multi-Agent进行相互作用的复杂适应系统之中.通过设计体育赛事申办决策专家系统的原型,进行了专家系统推理模型的验证.原型运行结果表明:基于Multi-Agent的专家系统推理模型结构能够有效地提高专家系统知识获取的适应性.这为研究更加接近人脑智能的专家系统提供了崭新的研究思路.     

基于知识本体的协商Agents模型研究

知识本体具有知识共享,再利用和规则推理的能力,基于知识本体构建协商Agent模型,使协商Agent与特定的协商语言．协商协议和协商议题分离,解决异构Agent之间协商问题。