基于多Agent系统的自调节及协同工作的组合投资模型

Agent技术特别是多Agent系统(MAS,Multi-Agent System)为解决人工智能等领域复杂问题提供了一个新途径,多Agent系统重点研究如何协调系统中的各个Agent的行为使其协同工作.针对多阶段组合投资问题,提出了一个基于多Agent系统的自调节及协同工作的组合投资策略模型.该模型系统中的各个Agent通过通讯共享知识,在求解问题的搜索空间中进行协同搜索,在更短的搜索步长内得到问题的解,极大地提高了系统性能.该模型具有不基于任何股票模型、时间复杂度低以及逼近最优投资策略速度较快等优点,实验证明具有一定的实际意义.     

基于多Agent系统的组合投资模型

针对多阶段组合投资问题,提出了一个基于多Agent系统的自调节及协同工作的组合投资策略模型.该模型系统中的各个Agent通过通讯共享知识,在求解问题的搜索空间中进行协同搜索,在更短的搜索步长内得到问题的解,极大地提高了系统性能.该模型具有不基于任何股票模型、时间复杂度低以及逼近最优投资策略速度较快等优点,实验证明具有一定的实际意义.     

MAS系统的问题求解能力分析

本文用状态空间搜索模型分析了多Agent系统(MAS)的问题求解能力，认为MAS系统中Agent之间知识的组合应用和对问题搜索方向的交互和决策是影响MAS系统问题求解能力的主要原因，在状态空间搜索模型下可以将Agent间知识的组合应用表达为不同Agent的搜索路径的组合，而Agent对搜索方向的判断是基于启发式信息做出的，从而为形式化分析MAS系统的性能建立了通用的模型．本文以A*算法为例探讨了可采纳算法下多Agent合作求解效果与Agent的知识和启发信息之间的关系，指出只有在一定条件下MAS系统才会获得更好的解题能力．本文还对非可采纳算法下MAS系统性能分析方法提出了初步看法．     

基于学习者个性因素的多Agent协同学习系统

未解决当前的远程教育系统存在形式单一和被动教学等问题,该文提出了一个基于学习者个性因素的多Agent学习系统模型。该模型结合智能代理技术,通过分析学习者个性因素,给出了个体Agent能力描述语言,提出了新的个性化分组策略和学习任务分配策略,采用补偿机制鼓励agent合作,结合状态空间搜索理论使M AS系统具有更强的解题能力,并可满足学习者主动学习的要求,还能在一定程度上节约系统的通讯。     

多Agent系统中实时消息传递机制

1 引言 Agent是具有信念、能力、决策和承诺等精神状态的实体,它的提出是以计算的社会学模型为背景,通过多个简单Agent协同工作,可以完成比较复杂的任务。分布式人工智能(DAI)的主要目标就是解决如何组织多Agent系统中的Agent,使它们能够协同工作以完成复杂问题求解。多Agent系统的关键问题是Agent间的协同,而根据计算社会学模型的观点,消息     

对多Agent系统协同的研究

多Agent系统中的一个重要问题是如何解决Agents间的通信和相互协作 ,以便达到信息的获取和协同工作的目的。本文介绍了多Agent的协同问题及解决协同问题的关键方法 ,并给出了一个多Agent的信息获取系统和模型。     

基于人工免疫理论的多Agent系统协同框架

多Agent系统因其自身的协同、协商、合作机制,对降低问题求解难度和求解复杂性具有十分重要意义.而人工免疫系统具有良好的多样性、分布式并行处理、自组织、自学习等特点.通过提出一种基于人工免疫系统的多Agent系统控制框架,将人工免疫理论中的免疫记忆、clone选择、亲和力计算、自学习等特点应用于多Agent系统中的协同工作中,更好地解决多Agent的协同优化问题.     

基于多Agent的智能故障诊断系统研究

本文对多Agent技术在故障诊断领域的应用作了研究,在传统智能故障诊断系统的基础上,结合Agent的基本结构和特性,提出了基于多Agent的智能故障诊断系统模型。该系统中的各个单独的Agent都具有自己的判断方法、知识处理及同其他Agent的协作能力,为实际应用系统的开发提供了理论指导。     

基于角色和协作场景的MAS管理模型及应用

MAS协作管理是实现Multi-Agent协同工作的关键理论与技术。本文通过引入基于角色的策略和Agent协作场景ACS,提出了一种面向MAS的多Agent协作管理参考模型MACM^2（Multi-Agent Collaboration Management Model）,并给出它在基于智能体的网络文本信息检索系统中的具体应用。该模型在实际系统中解决了协作管理的复杂性问题,提高了Agent的协作能力,同时也降低了系统开销。     

动态环境的人工免疫网络多Agent优化策略

基于生物免疫网络的核心思想及多Agent技术,提出了动态环境下的人工免疫网络多Agent优化策略（Dmaopt—aiNet）．该策略以搜索动态环境中的全局最优解为目标,引入了邻域克隆选择、邻域竞争和协作操作,并同时对Agent自信度状态作自动调整,在优化策略中采用了双重Agent网络结构、双重变异及动态环境检测策略．理论分析了Dmaopt—aiNet算法具有全局收敛性,实验结果表明该算法对高维动态优化问题具有较突出的优越性,能准确定位动态环境下的最优解,具有较好的搜索效果和效率．     

基于多代理的个性化推荐学习系统

针对现有学习系统存在信息过载、缺乏个性化服务能力、不能提供检索服务的问题,提出基于多代理构建个性化推荐学习系统。该系统利用JADE设计学习者Agent与推荐Agent,采用Lucene设计带有个性化能力的搜索引擎支持推荐,并融合3种推荐方法发挥多Agent间协商与协作的优势。实验结果表明,相比单一推荐方法,该系统具有较好的推荐效果和效率。     

基于多Agent的Web服务异常处理模型

为有效解决Web服务中存在的各种异常,结合多Agent的特性,提出了一种基于多Agent系统的异常处理模型。该模型利用了Agent的协作性、推理和自学习的特性,使异常得到有效地捕获和处理。同时,也为用户提供了友好的异常提示信息,并保证了Web服务器信息的安全性。     

信息网格协调性缺乏原因分析

大型信息网格容易产生协调性问题。作为一个典型的大型信息网格,全球信息网格已经出现了缺乏协调性的情况。大型信息网格都带着有多Agent系统的特征。非合作博弈理论可以很好地解释多Agent系统缺乏协调性的原因。使用非合作博弈的原理分析了全球信息网格的协调性问题,并把理论推广到普通的大型信息网格。没有一个统一管理,多Agent技术和网格计算的结合才是缺乏协调性的原因。     

多Agent系统中消息通信模型的研究与设计

在多Agent系统当中,Agent之间可以通过消息通信的方式来相互协作共同完成一个目标任务.通过对多Agent系统中消息通信机制的探索和研究,在此给出了Agent域的概念,并在Agent域的基础之上,设计了不同的消息通信模型.     

基于智能体架构的网络行为监控集成系统

设计了一个采用分布式多Agent架构的网络行为监控集成系统NBMIS(Network Behavior Monitoring Integrated System).阐述了该系统的集成框架,Agent的交互模型与Agent的结构.详细讨论了系统中各个Agent的功能及实现的关键技术.NBMIS具有分布式多Agent协同、系统可扩展性好的特点,在网络结点数庞大和网络高负荷运行情况下能获得良好的监控性能.应用实践表明NBMIS能有效地对网页浏览、附件下载、邮件收发、FTP文件传输、IM聊天等网络行为进行监视和控制,且能有效发现潜在的网络安全问题并及时报警.     

免疫多 Agent 协同的教育管理系统模型研究

为了满足学校办学的智能化需求,设计了基于免疫多 Agent 协同的教育管理系统模型。研究了免疫多 Agent 协作 处理模型, 通过对话式扩充合同网协议完成了多 Agent 协作。采用免疫多 Agent 的协同进化算法提高了免疫进化算法的全 局搜索能力和收敛速度,使教育管理系统模型具有良好的最优解搜索能力。     

一种基于多Agent的进化多目标优化算法

将进化多Agent系统引入多目标优化问题求解,通过Agent的局部搜索机制及Agent种群的协同进化机制来寻求Pareto最优解。在设计的进化算法当中借鉴了人工生命系统中的一些基本方法,如能量、小生境和迁移机制等。实例表明通过该进化算法求得Pareto最优解集具有很高的效率。     

基于FIPA的多Agent系统通信研究

Agent通信是多Agent系统(MAS:Multi-Agent System)的核心活动之一,是Agent相互协调、合作的基础。依据FIPA(Foun-dation for Intelligent Physical Agents)规范,采用消息传送与CORBA技术相结合的通信方式,实现了MAS中Agent之间的有效通信。通过具体的通信实例讨论了MAS中Agent通信的实现。     

基于组织结构的多主体协作

基于主体组织的多主体问题求解可以降低问题求解难度和交互复杂性,其中多主体组织的形成规则和多主体的协作与规划是多主体合作的关键。文中提出了一种新的多主体组织模型和一组相关的组织原则,给出了组织规划的方法,提出了多主体组织的形成与消亡形式,并利用扩展的时序逻辑和π演算对上述结论进行了形式化描述,完善了基于组织结构的多主体协作理论,改进了多主体理论研究和多主体编程实践之间脱节的现状。