量子信息与智能模拟

在人类跨入21世纪之际,信息科学面临着新的挑战。计算机是否存在智能一直是数学家和电子技术专家们关注的重要课题,是人们向往的目标,但建立在不可逆Turing机基础上的智能模拟暴露了许多难以克服的困难,近年来,物理学家加入这个研究行列,他们成功地将量子理论和信息科学结合起来,提出许多令人耳目一新的概念、原理和方法,于是"量子信息"作为新兴的学科分支便应运而生。山东经济学院计算机科学与技术系和江苏大学计算机科学与通信工程学院的几位老师在本文中探讨了基于量子信息技术的智能模拟新途径。     

面向用户的智能搜索引擎模型UOISE的研究

分析了传统搜索引擎所存在的问题,提出了一种面向用户的智能搜索引擎模型(User-Oriented Intelligence Search Engine,UOISE)和动态Q学习算法,UOISE模型由若干个Agent和知识库组成,针对用户个人信息以及用户的上网行为,分析用户的兴趣所在,从而推断出用户的意图,能有效地为用户提供真正需要的、即时的信息,为用户提供多层次个性化的信息服务。动态Q学习算法实现了Agent跟踪用户行为、推断用户兴趣的过程。对比实验表明,UOISE比普通检索工具具有更高的查全率和查准率。     

避免逻辑全知的BDI语义

BDI(belief, desire, intention)是基于Agent计算的理论模型,BDI语义关系着Agent计算的发展.通过把相信划分为主观相信和客观相信,把可能世界理解为认知的不同阶段,给出具有进化特征的BDI语义.该语义既能描述Agent,又避免了"逻辑全知"问题.     

分布式强化学习在RoboCup中的应用

强化学习理论由于其自学习性和自适应性的优点而得到了广泛关注。基于主Agent的概念改进了传统的群体强化学习算法,应用于机器人足球(Robocup)仿真实验中,取得了初步结果。     

基于管理Agent协作模型的研究

多Agent协作求解是分布式人工智能要研究的基本问题。该文基于管理agent概念提出一个新的协作模型,该模型利用管理Agent对多Agent系统进行全局协作分配,协作申请分级处理,解决了传统协作模型中存在的模型与应用领域有关和只适用于静态环境的问题。     

RoboCup中动态目标驱动的策略分析

Agent理论和技术是当前A1研究中的热点。其中，基于目标驱动的Agent计算是一个尚待解决的关键性问题。文章提出了目标驱动中的依赖和协商机理，以RoboCup为测试床建立了面向足球抢断的动态目标驱动模型，并基于该模型分析了在特定足球阵形下借助依赖与协商形成抢断策略的过程。     

MAS及其相关概念

1 引言现实世界存在大量分布系统,MAS(多Agent系统)结构为其提供了一条研究途径,网络及多处理机的硬件研究成果为其实现提供了必要的支持。 MAS系统由多个智能体(Agent)组成,每一个Agent又是一个自治计算实体,具有目标、知识和能力。我们为什么要研究MAS?首先MAS优于仅由单     

基于关联规则与聚类算法的查询扩展算法

针对信息检索中查询关键词与文档用词不匹配的问题,提出一种基于关联规则与聚类算法的查询扩展算法。该算法在第1阶段对初始查询结果的前N篇文档进行关联规则挖掘,提取含有初始查询项的关联规则构建规则库,并从中选取与查询用词关联度最大的置个词作为扩展词,与初始查询组成新查询后再次查询,在第2阶段将新查询结果进行聚类分析并计算结果中每篇文档的最终相关度,按最终相关度大小重新排序。实验结果表明,该算法比单独使用关联规则算法或是单独使用聚类算法均有更优的检索性能。     

一种新的学习记忆模型的研究

基于传统的认知心理学的AS模型,提出了一种新的学习记忆模型。该模型基于AS的记忆原理,结合大脑皮层的记忆机制来细化记忆的过程,进而提出针对该模型的学习记忆算法。实验结果表明,该算法的性能良好,其机制符合人脑思维,实用、有效且可行。