一种基于混合遗传算法的双边多议题协商

为了提高基于智能体电子商务双边多议题协商当中agent协商的效率,提出了一种agent的协商模型,并且将混合遗传算法HGA应用于这种模型当中,来提高模型中agent协商的效率。分别对4种遗传算法各进行1000次的实验。结果表明,它们同样达到协商最优解时,标准遗传算法SGA平均需要218次协商,基于Metropolis准则的遗传算法MGA平均需要184次协商,自适应遗传算法AGA平均需要152次协商,而混合遗传算法HGA平均仅需要121次协商。这说明,在求解双边多议题协商问题的时候,HGA可以使得协商当中的agent高效达到协商的最优解。     

自适应遗传算法在多边多议题协商中的应用

为了使基于智能体电子商务中协商智能体最大限度地达到协商的最优解,并且提高协商的效率,提出将自适应遗传算法AGA应用于基于智能体电子商务的多边多议题同时出价的协商中. 经过1000次实验,标准遗传算法SGA平均需要210次才能达到协商的最优解,而AGA平均仅需要187次. 这表明,在基于智能体的电子商务中,自适应遗传算法可以使多边多议题协商中的智能体高效达到协商的最优解.     

电子商务中的协商议价策略

针对中国人在商业活动中的具体情况和要求,提出了一种智能协商议价策略,并且在研究讲价过程中应遵循的原则的基础上,给出了相应的讲价算法,该算法使交易双方实现了利益最大化,从而提高了交易的成交率,适用于各种电子商务应用。     

基于人工神经网络的强化学习在机器人足球中的应用

将人工神经网络与强化学习相结合,提出了基于人工神经网络的强化学习的应用方法,并用该方法解决了机器人足球比赛中踢球机器人的动作选择问题．实验结果表明了该方法的有效性．     

一种基于能力的联合承诺机制

针对复杂环境下的Agent间的多议题协商，提出了一个多策略整合的协商框架，阐述了基于多议题的多回交互提议机制，在此基础上给出了一个多议题整合策略负责提议的推理，利用权值矩阵整合了时间依赖、资源依赖、对方信知依赖、最终结果集预测等多种策略，该框架考虑了实际应用环境中多因子的综合影响，更加具有实用性，其中最终结果集预测有效解决了复杂环境下的信知不完整性，提高了协商效率。     

对手偏好主动学习驱动的协商框架

针对自动化协商问题,提出一种基于主动学习算法的对手协商偏好学习方法. 在该方法中,协商过程表示为建议序列,将建议序列映射到出价轨迹特征空间,建立训练样本集. 在激烈竞争的电子商务环境中,样本标记的成本较高,引入主动学习算法后,在预算范围内,提高了对手协商偏好预测的精度. 实验数据表明,该方法能在少量有标记训练样本下获得良好的预测能力,减少了协商回合数,提高了协商总效用.     

多智能体系统混合智能学习算法研究

针对Agent个体学习与群体学习各自的不足，探讨了多智能体系统(MAS)中的合作与协商及Agent学习技术，提出了一种新的混合智能学习算法．将个体学习与群体学习有效结合起来，提高了Agent的个体性能及系统整体的智能水平．在足球机器人仿真系统中进行了实验，结果表明了算法的可行性与有效性．     

Mas冲突管理模型

本文首先从人类社会中冲突的概念、类型和冲突控制的行为模型等研究入手, 在此基础上提出了多agent冲突管理模型, 这种模型由内部冲突管理、外部冲突管理和冲突协商管理等几个模块构成。     

Q学习角色值法在机器人足球比赛中的应用

提出了基于Q学习的角色值方法,避免了在比赛中由于机器人之间的频繁角色转换而造成的系统效率损失及系统不稳定。该方法完善了多智能体系统的整体调整方法,有效地解决了在实际系统设计和实现过程中遇到的问题。经FIRA仿真比赛检验,该方法是有效的,降低了机器人丢球、漏球、不作为的可能性,弥补了按区域分配固定角色的不足,有较好的实用性。     

基于强化学习的多智能体协作实现

基于马尔科夫过程的强化学习作为一种在线学习方式,能够很好地应用于单智能体环境中.但是由于强化学习理论的限制,在多智能体系统中马尔科夫过程模型不再适用,因此强化学习不能直接用于多智能体的协作学习问题.本文提出了多智能体协作的两层强化学习方法.该方法主要通过在单个智能体中构筑两层强化学习单元来实现.第一层强化学习单元负责学习智能体的联合任务协作策略,第二层强化学习单元负责学习在本智能体看来是最有效的行动策略.所提出的方法应用于3个智能体协作抬起圆形物体的计算机模拟中,结果表明所提出的方法比采用传统强化学习方法的智能体协作得更好.     

Double Learning Algorithm in Bilateral Multi-Issue Negotiation under Incomplete Information

In order to enhance the efficiency in bilateral multi-issue negotiation under incomplete information,double learning algorithm that includes Q-learning algorithm and Bayesian learning algorithm is presented.TheQ-learning algorithm is used to learn the weights of issues,and the Bayesian learning algorithm is used to learnthe reservation price of issues.Experiments show that the algorithm can help agents to negotiate more efficiently.     

New E-Commerce Model Based on Multi-Agent Automated Negotiation

A new multi-agent automated negotiation model is developed and evaluated, in which two competitive agents, such as the buyer and seller, have firm deadlines and incomplete information about each other. The negotiation is multi-dimensional in different cases. The model is discussed in 6 kinds of cases with different price strategies, warrantee strategies and time strategies. The model improves the model of Wooldridge and that of Sycara to a certain extent. In all possible situations, the optimal negotiation strategy is analyzed and presented,and an e-commerce model based on multi-agent automated negotiation model is also illustrated for the e-commerce application in the future.     

网格数据库的发展及在电子商务中的应用前景

随着电子商务和网格技术的迅速发展，在硬件发展速度跟不上电子商务发展步伐的前提下，对电子商务交易网站的访问及响应速度势必会成为一个难题。目前，在网格研究如火如荼的情势下，网格数据库的发展也随之成为研究的目标。对网格数据库的现状及发展进行分析的同时，结合电子商务网站的数据库技术的现状和应用，对网格数据库在电子商务中的发展前景进行了初步的设想及分析，从完善现有数据库和重新建立数据库两种情况讨论了网格数据库的应用。     

Java多线程机制及其应用

对Java多线程的通信机制、同步机制进行了分析,说明了Java多线程的应用,并介绍了Java多线程机制的实现方法,给出了一个C/S的实例,最后指出了Java多线程机制的缺点和不足,以待进一步的研究。     

机械设备智能诊断系统的机器学习机制

论述了机械设备智能诊断系统的学习机制及其实现方法，重点研究了基于诊断行为的机器学习问题，提出了不确定性知识的评估方法及评估函数．     

模仿学习在机器人仿生机制研究中的应用

较为系统地综述了机器人模仿学习的过程,并对该领域的相关关键问题进行了探讨.基于模仿的生物机制,构建了机器人模仿学习的一个工程应用框架,以该框架为指导,重点对模仿学习的行为表述问题及研究进展进行论述;对模仿学习和强化学习在机器人运动技能学习中的应用进行了对比分析;并对该领域的研究进行了展望,可见对机器人模仿学习的研究是机器人仿生机制研究的热点内容.     

基于近似约简的集成学习算法及其在入侵检测中的应用

为了获得较大差异性的基学习器来构建集成学习器,从属性空间划分的角度来考虑集成学习问题,通过粗糙集理论定义了近似约简的概念,进一步提出了基于近似约简的集成学习算法;本方法将数据集的属性空间划分为多个子空间,基于不同子空间对应的数据集训练得到的基学习器具有较大的差异性,从而保证了集成学习器具有较强的泛化性能。为了验证本算法的有效性,本算法被应用于网络入侵检测中。在KDD CUP 99数据集上的实验表明,与传统的集成学习算法相比,本文所提出的算法具有更高的检测率和更低的计算开销,更适合于从海量高维的网络数据中检测入侵。     

智能代理技术在主题学习网站中的应用研究

主题学习网站是一个以主题知识为导向、资源性的网上协作学习系统,它能为"项目教学"活动的开展提供一个开放、交互与协作化的网络教学平台。将智能代理技术应用于主题学习网站中,构建出具有代理服务功能的主题学习网站,更有效地帮助学生进行个性化的自主学习,是人工智能在网络教学中应用的探索。