一种强调私密性的多智能体协商模型

提出一种更具私密性的多智能体协商模型；基于经济学边际效用的概念建立了基于市场交互机制的协商算法。每个智能体不需向市场智能体发送原料需求信息，只需发送对某种原料边际效用的符号信息；市场智能体作为中间人运行定价算法和分配算法对原料进行定价和分配。仿真结果表明本文方法与已有方法性能相近，但是协商过程不会泄露商业机密信息，更符合分布式智能体的私密性要求。     

电子市场动态原料配置方法

基于市场交互机制建立电子市场原料配置问题的多智能体协商模型,利用原料电子市场的价格交易数据,基于神经网络的方法在每个协商步预测下一协商步的原料价格,使企业智能体表现出一定的预动性,仿真实验表明该模型提高了市场在配置资源方面的有效性。     

电子市场排污权交易的多智能体协商方法

为了平衡经济发展和污染治理之间的矛盾,将地理位置相对集中的排污企业建立专业电子市场用于排污权的交易。在控制排污总量的前提下,通过合理安排生产来最大化排污企业的收益。基于市场交互机制,给出了一个多智能体协商框架。每个智能体代表一家企业参与协商,在不暴露企业商业信息前提下,在当前污染物价格下通过规划方法计算污染物需求量。市场端接收每种污染物需求量并计算每种污染物价格,然后作为公共信息加以发布。仿真实验表明,相对于按比例单独缩减排污量,协商结果使得污染企业的个体收益都有所提高,从而增大了社会收益。     

电子商务中的自动协商

描述电子商务中基于智能体的自动协商，给出基于智能体的自动协商模型和协商智能体的体系结构，描述了一组构成协商协议的通信原语。通过约束满足机制、协商策略和提议评估算法实现自动协商。并实现了一个供应链管理中买卖自动协商的原型系统。     

一种协商在线增量学习算法及其在基于智能体的电子商务中的应用

随着多智能体系统MAS的迅猛发展,常常需要进行在线的协商。然而由于协商中不完全信息的存在,常常会大大影响协商的效果。该文提出一种多智能体协商中的动态在线增量学习算法,采用Q-学习机制来学习agent协商中的不完全信息。该文将这种学习算法应用基于智能体agent的电子商务中。实验证明算法可以加速协商的过程,提高协商的效果。     

一种基于多智能体系统的边缘提取算法

提出了一种可行的多智能体系统实现架构,基于扩散梯度的边缘特征表示,将多智能体系统应用于边缘提取。算法根据个体智能体的简单机制,结合边缘位置的梯度外在表现,使每个智能体采用一定的策略进行边缘搜索,其中包括扩大范围、平移和位置突变。通过多智能体的共同努力,最终完成对边缘的提取。实验表明,该算法能够更为精确地搜索边缘位置,而且对噪声的影响不敏感。     

多智能体运输调度系统协商机制的研究

针对大型企业运输调度问题,采用多智能体技术,提出了一个多智能体运输调度系统模型,将汽车资源构造为具有自主能力的汽车智能体,从而提高了系统问题求解的能力,并对系统中多智能体之间的协商机制进行了探讨。     

基于提议信息保护下的多属性协商协议研究*

综合分析了多属性协商的特点和现有研究所面临的问题,以设计实用性多属性协商机制为目标,分析和规范协商中的智能体的职能、准则及信息表达形式,从而构建了双边同步多属性协商协议。协议策略得出的结果克服了已有研究成果的典型缺陷,并得到了帕累托最优解。协议通过同步提议机制和对提议信息的屏蔽,减少了参与者之间的猜忌,避免了协商者潜在的利益流失,从而提高了协商的效率和保障了交易的公平性。     

基于自适应差分进化算法的多边多议题协商

为提高基于智能体(agent)的电子商务多边多议题协商的效率及稳定性,提出改进的自适应差分进化算法(ADE)并将其引入到合作环境下的多边多议题协商问题中。差分进化(DE)算法是目前求解连续空间内全局优化问题性能最优的进化优化算法之一。利用该算法收敛速度快、收敛精度高、全局寻优能力强等特点加快多边多议题协商的速度,使协商效率更高、稳定性更强。通过与目前解决多边多议题协商问题效果最好的混合遗传算法(HGA)对比,实验结果表明,自适应差分进化算法具有更快的收敛速度和更好的稳定性,可以使多边多议题协商中的各智能体达到协商最优解,并有效地减少协商次数,提高协商的效率和稳定性。     

基于对手不完全信息的订单在线智能协商模型

针对订单在线协商延误率和失败率高的问题,基于Zeuthen协商策略提出多阶段多边协进化协商算法。引入新的协调者角色控制多边谈判,并利用贝叶斯原理,通过逐渐修正对手底价估算向量的概率分布和动态调整报价曲线获得最优协商让步幅度,结合同步淘汰机制有效避免了无效协商。实验表明该模型能够充分利用对手信息实时更新智能体协商信念,进而明显地改进了协商行为的效用。     

基于Agent的Ada95分布计算调度算法

为实现Ａｄａ９５的分布并行计算,本语文探讨了如何利用Ａｇｅｎｔ实现分 计算的基本模型,提出了一个综合考虑计算量、通讯量的预分配算法和基于Ａｇｅｎｔ的动态负载平衡算法,预分配算法旨在均匀分配计算量的减少分布单元间的通讯开销,基于Ａｇｅｎｔ的动态负载平衡算法是为了弥补静态分配的不足,根据各工作站完成的计算量来进行均衡调度。     

基于Agent能力自信度的任务分配问题研究

借助结盟的任务分配机制是多Agent系统研究中的一个热点问题.文中通过任务需求和Agent能力的ECA规则表示,定义了一种Agent能力自信度,并给出了基于合同网协议和Agent能力自信度的任务分配算法和应用示例,其中,任务需求ECA规则中的C项表示Agent执行该任务时必须做出的付出,能力ECA规则中的C项表示Agent可以为该任务做出的承诺,付出/承诺关系揭示了Agent的能力自信度,ECA规则使得Agent能力自信度具有良好的可计算性.     

基于组合拍卖机制的移动Agent投标策略

针对Agent系统资源分配需求提出一种兼顾Agent时间片数量要求和执行截止期限要求的投标策略。定义CPU时间片组合拍卖问题模型,设计Agent各种投标信息处理方法,包括适合组合拍卖CPU时间片机制的Agent零智能投标算法和NZIPca投标算法。仿真结果表明NZIPca策略具有较强的竞标能力。     

基于拍卖的动态任务分配算法

动态任务分配是开放式MAS系统研究的重点。在文献[9]给出的算法基础上,针对任务分配或执行过程中,随时有新任务出现的情况,本文提出一种改进算法,同时考虑Agent对已知任务和未来任务的期望度,以引导Agent合理出价,从而得到较优的分配结果。通过在多Agent运输军需问题中的应用,验证了该算法是合理有效的。     

基于DCSP的煤矿应急救援资源调配方法

在大规模群体突发事件发生后,如何实时及有效地调配资源,是保障应急救援快速实施的关键。以煤矿应急救援为背景,探讨合适的资源调配方法。分布式约束满足问题(D(',SP-Distributed Constraint Satisfaction Problem)擅于表示及求解分布式环境下以协作性为主的问题,是一种解决具有信息分布、需求随环境动态变化等特点的资源调配问题的有效方法,而煤矿应急救援问题正好具有这样的特征。因此,采用DCSP方法来解决煤矿应急救援中的资源调配问题,抽取并构建了煤矿应急救援资源调配的模型,讨论了Agent模型和约束模型的定义,改进了MAWS(MAWS-Multiple Asynchronous Weak-commitment Search)算法。经实验验证,采用DCSP方法可在事故发生后的较短时间内做出有效的资源调配决策,减少资源送达到事故点的时间,为应急救援争取了大量救援时间,从而减少了煤矿事故发生后的人员伤亡和经济损失。     

基于遗传算法的主体规划实现

面向主体的软件开发是计算机科学与技术领域的一项重要技术.近年来,在主体体系结构,主体规划、主体通信语言等方面的研究已经得到了一系列进展.探讨了主体规划的实现问题,提出将遗传算法的思想用在主体每一步的动作的选择中.给出了基于遗传算法的主体规划算法,并结合一个应用实例展示了具体的实现过程.     

多Agent系统中基于招投标的任务分配优化

在利用多Agent系统辅助生产任务分配过程中,为避免仅凭招投标结果来确定任务分配方案时只能获得局部最优的问题,提出了一种生产任务分配全局优化方法。建立了基于招投标结果的生产任务分配优化目标函数,设计了退火进化算法,实现生产任务的综合评标。通过实例验证说明算法求解该问题可行有效,便于获得生产任务分配的全局最优方案。     

基于内部结构MPOMDP模型的策略梯度学习算法

为了提高MPOMDP模型的知识表示能力和推理效率,提出一种基于Agent内部结构的MPOMDP模型。该模型能表示Agent的内部结构及其时间演化,并通过将系统联合概率分布表示成每个Agent内部变量集的局部因式形式,以提高模型的推理效率。将GPI-POMDP算法扩展到基于内部结构的MPOMDP模型中,给出基于内部状态的多Agent策略梯度算法（MIS-GPOMDP）,来求解基于内部结构的MPOMDP。实验结果表明MIS-GPOMDP算法具有较高的推理效率,且算法是收敛的。     

多Agent系统任务分配的研究

针对多Agent系统中存在的任务分配问题,提出一种任务与Agent之间多对多的分配模式,建立相应的任务分配模型,定义任务分配中的性能影响因子,并推导出进行任务分配优化的目标函数,通过一个实际案例,验证该方法的有效性。