推测计算中基于进程约简的资源协商算法

介绍了基本的推测计算理论,并以此为基础给出了推测计算的扩展框架,其中包括进一步资源协商框架.提出了基于进程约简的资源协商算法,并将其嵌入到推测计算中.最后,在货物运输领域做了几个实验证明算法是有效的.这些工作在交通和货物运输的决策中有重要的应用价值.     

智能体行动推理中的信念修正

信念修正中的加强修正算法在保留低秩非矛盾信念时存在不足,流演算由于其表示公式的局限,无法较好的与信念修正结合来进行行动推理。针对以上不足,提出了依赖信念修正算法和Strategy-Axiom-Reasoning模型。该算法满足Ind假设并且较好的保留了条件信念和低秩非矛盾信念,SAR模型继承并改进了流演算的公理系统,用公式集表示信念集,较好的实现了与信念修正的结合。最后将依赖信念修正算法运用到SAR模型中,用实验证明了其可行性。     

面向常识的时间推理

常识和时间推理是人工智能研究的两个主要课题.Allen等人提出的时间推理缺少时间点、时区和时距的统一表示;过分考虑计算,缺少规则推理;求解算法难以应用于多Agent环境并且没有考虑常识不一致性.该文提出一种时间信息表示网络,分析了约束之间的推导规则,给出了常识时间问题的多Agent合作满足弱路径一致性的求解方法.该文的工作改进了Meiri,Wetprasit和Sattar等人的工作,为时间推理结合常识特性和适应多Agent合作环境提供了可行的方案.     

一种劝说式多Agent多议题协商方法

多Agent系统中的协商问题往往由许多议题组成，导致问题空间十分庞大．传统的协商方法通过对问题空间进行穷尽搜索来找到最优解，并不适合多议题协商．而且，传统的方法不考虑协商偏好变化的情况，使得Agent在不完全及不正确环境下找到的最优解并不合理．提出一种劝说式多Agent多议题协商方法．借助信念修正这一有效的推理工具，协商Agent能够在协商过程中接受协商对手的劝说，考虑对手对协商议题的偏好，并根据一种基于辩论的信念修正方法调整自身的偏好．这样就能够使协商Agent对变化的协商环境具备适应性，从而提高协商的效率及正确率，快速准确地达成协议．     

供应链并发协商粒子群优化模型研究

针对供应链企业之间的产销协同问题,将多Agent技术运用于二级供应链中,建立一种不完全信息约束下的并发协商模型。基于粒子群优化的协调策略可以在协商过程中更新协商Agents信念值进而支持连续协商。仿真结果表明此模型的可行性和有效性,与其他并发协商模型相比,该模型在协商结果效用、协商时间、协商成功率方面具有优势。     

基于时间约束的不完全信息的战略协商模型

在实证的一对一协商中，协商Agent不仅要面临自己的最后期限的压力，同时又要预测协商对手的最后期限和其类型，协商Agent的协商战略必须满足理性与均衡的要求。提出了通过形式化的方法建立轮流出价协商模型，给出了轮流出价协商战略均衡的条件定义，求出了基于时间限制的不完全信息环境下满足均衡组合的协商战略，建立了依据均衡战略的实用化协商算法，最后分析了该算法产生的实验数据，并在相同环境下与Zeus协商模型比较显示，依从本模型的均衡战略的协商Agent能根据对对手的不确定信息的信念动态地采取行动，以获得最大的期望收益。     

基于约束图分片求解DCOP的Agent组织结构

MAS中许多分布式推理问题可以建模为分布式约束优化问题(DCOP),解决DCOP的分布式算法已经成为MAS中的重要基础.已有的Adopt等算法通过对等的Agent之间的平等协商完成求解,强调了异步通信、分布计算与对解质量的保证,在求解问题的组织结构方面仍有改进余地.可以采用一种基于分散与集中相结合的思路,基于对约束图分片的方法及核心结点、通信主干道等概念,构造新颖的Agent组织结构,完成DCOP问题的异步、分布求解.在该组织结构下求解DCOP的算法可在效率、适应动态性方面得到改善,并将一个Agent一个变量和一个Agent多个变量的DCOP求解方法统一起来.     

基于多Agent协商的服务流程定制

针对复杂业务需求,提出了基于多Agent协商的服务流程定制模型、算法和系统．首先介绍了该模型及其支持系统的框架以及服务Agent的结构和工作原理;然后在将业务需求满足定义为分布式柔性约束满足问题的基础上,提出了基于多Agent协商的求解算法并介绍了一个应用案例;最后,给出了一个原型系统．该模型和系统能够对复杂的业务需求进行建模和求解,从而寻找到合适的服务,满足了服务流程定制的需要．     

一种基于案例的Agent多议题协商模型

不完全信息条件下的Agent协商最优回价策略一般采用间接学习对手偏好的方式;另一方面,Agent一般拥有或多或少的经验和知识,这将帮助它们取得更好的协商结果.这启发了用基于案例的方法直接学习得到最优回价,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.所给出的算法计算复杂度为多项式级,且当案例库规模控制在一定范围内时低于Fatima工作的计算复杂度.实验结果显示,采用该算法的Agent能够取得比人类更优的效用和更短的达成一致时间,且优于Lin等人的实验效果.改进了Fatima等人的工作.     

多Agent自动协商中机器学习的应用研究

目前将机器学习理论应用到多Agent自动协商系统中已成为电子商务领域的最新研究课题。本文即是利用贝叶斯法则来更新协商中的环境信息（即信念），利用强化学习中的Q学习算法生成协商中的提议，建立了一个具有学习机制的多Agent自动协商模型。并且封传统Q学习算法追行了扩充，设计了基于Agent的当前信念和最近探索盈余的动态Q学习算法。实验验证了算法的收敛性。     

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。     

A dynamic default revision mechanism for speculative computation

In this work a default revision mechanism is introduced into speculative computation to manage incomplete information. The default revision is supported by a method for the generation of default constraints based on Bayesian networks. The method enables the generation of an initial set of defaults which is used to produce the most likely scenarios during the computation, represented by active processes. As facts arrive, the Bayesian network is used to derive new defaults. The objective with such a new dynamic mechanism is to keep the active processes coherent with arrived facts. This is achieved by changing the initial set of default constraints during the reasoning process in speculative computation. A practical example in clinical decision support is described.     

Fuzzy Constraint-Based Agent Negotiation

Conflicts between two or more parties arise for various reasons and perspectives. Thus, resolution of conflicts frequently relies on some form of negotiation. This paper presents a general problem-solving framework for modeling multi-issue multilateral negotiation using fuzzy constraints. Agent negotiation is formulated as a distributed fuzzy constraint satisfaction problem (DPCSP). Fuzzy constrains are thus used to naturally represent each agent's desires involving imprecision and human conceptualization, particularly when lexical imprecision and subjective matters are concerned. On the other hand, based on fuzzy constraint-based problem-solving, our approach enables an agent not only to systematically relax fuzzy constraints to generate a proposal, but also to employ fuzzy similarity to select the alternative that is subject to its acceptability by the opponents. This task of problem-solving is to reach an agreement that benefits all agents with a high satisfaction degree of fuzzy constraints, and move towards the deal more quickly since their search focuses only on the feasible solution space. An application to multilateral negotiation of a travel planning is provided to demonstrate the usefulness and effectiveness of our framework.     

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。     

基于贝叶斯的多议题协商优化

在限时条件下的Agent之间的多议题协商中,虽然最差的结果是没有达成协定,而达成了一个使自己潜在利益受损的协定未必就是好的选择。在很多情况下,由于推理策略和交互机制的不完善使得Agent个体失去自己应得的利益。论文使用贝叶斯方法对协商对手进行预测,尽量使自己的初始信念准确反映对手的意识形态;并在此基础之上提出了一个优化的协商交互模型。在此模型中,Agent个体充分利用自己的预测结果,在协商成功的基础上获得尽可能多的利益。     

一种零售电子市场中的商品交易自动协商模型

本文提出了一个针对零售电子市场中商品交易协商的双边多议题自动协商模型。基于实质利益协商法的原则,综合采用带优先级的模糊约束满足问题(PFCSP)和多属性效用理论(MAUT)的思想对协商进行建模,给出了买卖双方Agent的形式化模型,对协商双方的行为和策略进行了算法描述,并对协商可能获得的结果进行了分析。     

基于Agent的多属性决策模型及其在高校实验教学中的应用

商务智能中,基于Agent的自动谈判利用Agent的各项人工智能优势模拟人们进行实际商务谈判,日益受到重视,其中的多属性决策尤为重要。针对现有研究对其中权重及感知价值研究不够的现状,采用犹豫模糊数,给出新的属性分类,建立相应的犹豫模糊评价矩阵并进行评价值规范后构建相应主观权重算法;结合目标优化模型和拉格朗日函数,构建相应客观权重算法,进而提出改进的综合权重计算法;在前景理论基础上,引入损失规避因子,提出将正负理想点作为双参考点,设定相应算法计算各属性与正负理想解的距离,并将其作为新参数加入感知价值函数,从而提出基于改进综合感知价值函数的总体优势度算法,最终构建出基于Agent的多属性决策模型;以某高校实验教学设备采购谈判为例,通过敏感性分析和与相关研究结果的比较分析,验证了该模型能帮助Agent做出更快速合理有效的决策。     

软件Agent的一种面向对象设计模型

怎样实现软件Agent是设计与开发面向Agent编程语言及工具的关键问题.为基于当前主流的面向对象技术来解决该问题,首先讨论了对象与Agent的主要区别,然后通过对Agent的BDI模型进行简化改进,提出了一种基于对象技术的软件Agent的实现体系结构及其内部行为自主决策算法.最后,基于该结构及算法并利用设计模式开发出了软件Agent的一种面向对象设计框架.该工作对于上述问题的解决,以及在现有成熟的面向对象技术基础上开发出软件Agent程序设计语言及其支撑环境具有基础指导意义.     

多物流中心协同配送车辆调度模型研究

提出了基于多Agent的物流中心协同配送车辆配载调度系统框架。系统中的Agent以自组织方式暂时结盟,结盟原则是联盟内成员完成物流任务成本最小。重点研究了联盟成员实施协同配送车辆配载调度优化算法以及结合配送货物共有性、车辆负载及行驶路径的基因自适应换位算子,并就实施协同配送利益分享协商模型中的协商协议、协商策略进行重点分析。实验结果表明,自组织协同配送可以降低成本,提高物流配送效益。     

Speculative Computation Through Consequence-Finding in Multi-Agent Environments

This paper is concerned with a multi-agent system which performs speculative computation under incomplete communication environments. In a master–slave style multi-agent system with speculative computation, a master agent asks queries to slave agents in problem solving, and proceeds computation with default answers when answers from slave agents are delayed. In this paper, we first provide a semantics for speculative computation using default logic. Speculative computation is considered in which reply messages from slave agents to a master are tentative and may change from time to time. In this system, default values used in speculative computation are only partially determined in advance. Next, we propose a procedure to compute speculative computation using a first-order consequence-finding procedure SOL with the answer literal method. The use of a consequence-finding procedure is convenient for updating agents' beliefs according to situation changes in the world. Then, we further refine the SOL calculus using conditional answer computation and skip-preference in SOL. The conditional answer format has a great advantage of explicitly representing how a conclusion depends on tentative replies and defaults. This dependency representation is important to avoid unnecessary recomputation of tentative conclusions. On the other hand, the skip-preference method has the great ability of preventing irrational/redundant derivations. Finally, we implemented a mechanism of process maintenance to avoid duplicate computation when slave agents change their answers. As long as new answers from slave agents do not conflict with any previously encountered situation, the obtained conclusions are never recomputed. We applied the proposed system to the meeting-room reservation problem to see the usefulness of the framework.