一对多协商协调策略

重点研究了一对多协商中对多个并发的一对一协商进行协调的协调策略。首先提出了相对效用理论,接着提出了基于相时效用理论的一对多协商协调策略,谊策略能够很好地解决当多个并发协商进程同时获得满足艘用评估的提议,特别是存在多个最大相同效用提议时的取舍问题,为协商更加有效、健壮、有序地执行提供了坚实的基础。     

多Agent多阶段一对多协商模型

为解决多Agent一对多、多议题协商问题,提出了具有议题属性协商阶段的多阶段协商模型,设计了一种根据Agent让步幅度变化所形成的曲线来判定Agent类型和使用何种协商方法的协商策略.详细地分析了多Agent、多阶段一对多协商的协商过程.将三角模糊数多属性决策方法引入到多Agent协商过程中降低了决策者评估对方所提出方案的难度,能更自然地对不同方案的优劣进行排序.模拟算例表明,该模型有效且可行,为多Agent协商提供可参考的模型和求解算法.     

网格环境面向服务的Multi-Agent交互协议及协商模型

网格目的是为了实现地理上分布的异构资源和服务的共享.资源的分配、应用开发和模型使用是网格环境中的关键问题和复杂的任务.利用具有一定自主推理、自主决策能力的Agent以及由其组成的Multi-Agent系统(MAS)来模拟、优化、实施、控制网格资源的分配和管理为网格研究提供了一种有效的新方法.在基于MAS的网格系统中资源分配和调度活动都是通过协商完成的,因此如何保证Agent之间能够有效、有序地进行协商的协商机制是网格计算环境的重点.针对目前对协商的研究还只是单纯地研究协商协议或者只重视研究协商策略,缺乏对网格环境下协商模型的研究背景下,提出了一个医学图像处理网格环境下的面向服务的多代理协商模型.     

基于决策论的Agent个性化行为选择

Agent不同的主观态度对行为策略的偏好具有重要影响,但Agent的个性化态度难于在量化或符号化的数值决策模型中体现。该文参照定性决策理论,在现有效用最大化决策模型基础上,利用不同决策原则模拟不同Agent个性,得到符合Agent个性的行为策略。Agent的决策结果反映了其不同个性特征,个性化使Agent的行为呈现多样化,有利于Agent社会模型的建立。     

对抗环境下多Agent协商问题的研究

利用多Agent系统具有的自治性和实时反应性,探讨对抗环境下的多Agent协商决策问题,提出一种混合式的多Agent结构协商模型,给出以最大团队效益为前提的协商求解策略和协商角色交换算法。通过协商,对抗环境中的Agent成员能够很好地进行动作策略选择和移动,能更好地进行进攻和防守。仿真实验验证了算法的可行性和有效性,结果表明其在一定程度上解决了多Agent系统中实时动态和受限通信对抗环境下的多Agent决策与合作问题。     

基于前景理论的辩论协商研究

基于最大效用理论的协商往往假设协商者完全理性,然而在现实的协商中,协商者的行为往往偏离理性,针对这一问题,将前景理论应用到辩论协商中,利用前景理论对不确定条件下协商者的决策行为进行探讨。利用知识库中的信息构造协商者相对收益或损失的参考点,同时利用外部信念模型对前景理论中的参考点进行动态移动,以动态反应协商者偏好的变化。通过算例验证了基于前景理论的辩论协商可以很好地反应协商者的决策行为,并能够帮助协商者顺利完成协商。     

基于Nearest-Biclusters协作过滤技术的效用图结构学习算法

在多议题协商研究中,议题之间的依赖关系增加了协商Agent效用函数的复杂性,从而使得多议题协商变得更加困难.基于效用图的多议题依赖协商模型是体现议题间依赖关系的多议题协商模型.在该协商模型中,协商双方仅需要较少的协商步数就能够找到满足Pareto效率的协商结局.如何有效地学习买方Agent的效用图结构是该协商模型的关键.文中基于Nearest-Biclusters协作过滤技术的思想提出了一种新的效用图结构学习算法(NBCFL算法).该算法首先利用Nearest-Biclusters协作过滤技术发现买方偏好的局部匹配特性,提取与当前买方Agent类型相同的买方Agent所产生的协商历史记录,然后通过计算各议题间的依赖度学习买方Agent的效用图结构.实验表明在参与协商的买方Agent类型不同的条件下,NBCFL算法比IBCFL算法能更好地学习买方Agent的效用图结构.     

基于增强学习的多agent自动协商研究

该文通过对协商协议的引入,对提议形式、协商流程的分析,结合多属性效用理论和连续决策过程,提出了一个开放的、动态的、支持学习机制的形式化多问题自动协商模型。并在模型的基础上分别对评估提议、更新信念、生成提议等协商过程作了详细描述;对传统Q学习进行了扩充,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。     

移动环境下基于策略的QoS两级协商机制研究*

为了更好地控制移动性对QoS的影响,本文把基于策略思想应用到移动环境中,对基于策略的QoS两级协商机制进行研究,设计了框架中功能实体的内部结构,给出所用策略的形式。进一步对COPS协议进行扩展,用其作为实体间的协商协议,并模拟了协商过程。三个实体的两级协商机制能根据移动节点位置、路径的不同,动态选择协商级别作出决策。扩展COPS协议进行QoS协商,使移动管理与QoS协商相互独立,可用移动事件触发QoS协商,对QoS路径进行部分恢复和重建。     

基于动态选择性集成学习的供应链产销协商优化策略

针对当前Agent产销协商自适应学习效果差及协商环境动态变化的现状,考虑动态协商环境中的冲突水平、合作可能性、协商剩余时间对谈判的影响,利用熵值法确定3个影响因素的权重并进行线性加权。结合当前协商议题的差异性,构建基于动态选择性集成学习的让步幅度预测模型,并提出供应链产销协商优化策略。实验结果表明,与单学习机协商策略相比,该策略提高了Agent自适应学习成功率及联合效用,并且能确保供应链产销双方受益,实现合作双方互利互赢的局面。     

网格多资源平行谈判模型研究*

针对网格环境中多资源交易复杂状况,提出了经济学框架下基于迭代算法的网格多资源平行谈判模型及形式化描述和谈判流程,并且给出了一种买方信用在多个资源上优化分配的数学方法,以进行网格环境下高效的资源管理。     

基于Agent的双边多议题协商算法

双边多议题协商是一个复杂的动态交互过程。解决Agent在对环境和对方信息不全知的情况下通过协商达成一致并最大化自身效用是非常重要的。为了寻求Pareto效率解,提出了一种在无中介参与的情况下双方通过多轮相互探测求解的方法。实验分析了偏好对协商过程的影响并说明了该算法是一种在较低计算代价下求得Pareto效率解的有效双边多议题协商算法。     

基于MVC架构文档报表管理系统的设计与实现

根据公司对文档报表管理的实际需求,通过对某房地产评估公司的日常报告文档管理的各方面的需求分析,将系统的需求抽象化、模块化、系统化,利用.NET开发平台MVC架构实现了报告信息管理、数据维护管理、公司收据和报告文档管理等功能,实现了管理文档的规范化和信息化,提高公司管理文档信息的工作质量、管理水平,为用户提供更为方便快捷的服务。     

基于区间相似度的动态服务协商模型

针对服务协商中信息的不对称性、协商环境的动态性以及QoS属性的不确定性和模糊性,提出基于区间相似度的动态服务协商模型。利用区间相似度和区间估计预测对方的协商策略,以此制定己方的最优反策略。算例分析表明,在动态服务协商环境下,该模型比静态协商模型更贴近现实的协商行为,能有效提高协商效率。     

基于遗传算法的多边多议题自动协商模型

协商是MAS实现协同、协作和冲突消解的关键环节。在虚拟组织建立的背景之下,讨论了现有的多agent协商技术,提出了一个基于遗传算法的多边多议题自动协商模型,并且给出了相应的协议和算法。该模型能够迅速求出协商解,且agent能保持较高的效用,因此具有一定的通用性,适宜在动态的、时间约束强的开放网络环境下工作。     

技术创新平台中基于Agent的多议题协商算法与策略

针对技术创新平台应用背景下的技术对接协商问题,结合智能感知Agent技术,分析并设计了多议题协商算法与策略。由技术创新平台中技术对接的实际环境,充分地利用平台中的历史技术对接提议,并考虑到技术对接双方的技术对接效益,设计技术对接中基于智能感知Agent的多议题协商算法,并在此基础上设计提议生成策略,提出技术对接协商中的建议解。保证了技术对接过程中技术交易双方的综合效益最优,使得技术交易双方能够在技术对接协商中达到效益“双赢”。通过技术创新平台中的技术对接的实际算例,例证了该协商算法与协商策略对技术创新平台中技术对接环境的适用性、合理性、可行性和有效性。     

基于SOA的多Agent协商服务及其应用

在简述一种融合了面向服务架构和多Agent协商系统特点的新的协商模型——基于面向服务架构的多Agent协商模型的基础上,设计了该协商模型的多Agent协商服务端,阐述了Agent中协商推理机在协商中的基本过程。面向服务架构的协商服务端与协商Agent管理平台组合起来,搭建起支持开放环境并开展协商的软件应用环境,实现了基于面向服务架构的多Agent协商模型在电子商务中的 应用。     

基于增强学习协商策略的研究及优化

增强学习在电子商务中可以帮助Agent选择最优行动,并达成目标。在传统增强学习协商策略中,Agent一开始便进行大幅度的妥协,这是不合理的,与现实不符,降低了Agent的期望。通过期望还原率来还原Agent的真实期望,对协商策略进行优化;讨论了期望还原率的取值对协商过程的影响;通过实验验证了优化的协商策略在保证协商效率的同时,提高了协商解的质量。     

Agent negotiation based ontology refinement process and mechanisms for service applications

Nowadays organisations are willing to outsource their business processes as services and make them accessible via the Web. In doing so, they can dynamically combine individual services to their service applications. However, unless the data on the Web can be meaningfully shared and is interpretable, this objective cannot be realised. In this paper, a new agent-based approach for managing ontology evolution in a Web services environment is exploited. The proposed approach has several key characteristics such as flexibility and extensibility that differentiate this research from others. The refinement mechanisms which cope with an evolving ontology are carefully examined. The novelty of our work is that inter-processes between different ontologies are studied from the agent’s perspective. Based on this perspective, an agent negotiation model is applied to reach an agreement regarding ontology discrepancy in an application. The efficiency and effectiveness of reaching an agreement over an ontology dispute is leveraged by the private negotiation strategy applied in the argumentation approach. An extended negotiation strategy is discussed to enable sufficient information in decision making at each negotiation round. A case study is presented to demonstrate ontology refinement in a Web services environment.