一种结合环境状态的Agent语义模型

在Agent模型的研究中，大部分工作集中在基于Agent的思维状态（BDI）的模型，没有考虑外部环境的影响，或者仅仅将外部环境和内部思维状态笼统混在一起进行分析，没有考虑到它们之间的内在联系，将Agent的BDI思维属性模型与外部环境状态相结合，给出了在部分可观察环境下，结合外部环境状态的MAS语言语法，语义模型，考虑了Agent的可见算子，观察算子和信念算子之间的关系，并通过机器人足球赛的例子，对该语义系统加以具体描述，这些研究推广了Kaelbling,Wooldridge等人的工作。     

一种理性Agent的BDI模型

该文通过引入假设信念,解释愿望和意图在Agent思维状态的认知方面的含义,进而定义愿望和意图,并引入规划,建立理性Agent的动态BDI模型.与Cohen和Levesque,Rao和Georgeff,Konolige和Pollack等人的工作相比,克服了对信念、愿望和意图的反直观解释问题,解决了关于愿望和意图的无为而治和副作用问题,强调了愿望的激发与维护作用,表达了信念、愿望和意图三者间的动态约束与激发关系.     

理性Agent的意图维护模型

在理性Agent的形式化中,通常认为Agent的思维状态包含信念、愿望帮意图这3个属性,它们之间的静态关系已被人们充分重视,但它们随时间的动态变化还未被很好研究,考察了意图维护直观语义中的一些问题,给出了随信念、愿望改变的意图维护的动态模型,与Rao和Georgeff的意图维护模型相比,适用性更广、更简单,不必限制可友爱世界的时序结构,不必另外引入信念=愿望、意图算子的on ly模态形式,并且对愿望和意图不存在逻辑全知问题和重言隐含下的副作用等问题。     

一种结合效用的Agent思维状态模型

建立Agent思维状态模型是Agent理论 研究的一个重要课题.结合效用提出一种Agent思维状态模型BDICU(belief desire intentio n combined with utility),使Agent的行为具有逻辑理性和决策理性,为副作用问题提供了 解决方法.同时,给出目标和意图的生成和更新规则.BDICU模型改进和扩充了Rao和Georgeff 的信念-期望-意图理论,为逻辑和效用理性Agent系统提供了实现支持.     

Agent的理论与结构模型分析

通过对Agent的理论与结构模型的分析总结，解释了Agent的基本定义和理论模型，指出了当前Agent理论模型存在的一些问题，勾画出Agent技术的理论和结构模型的总体框架，并在此基础上给出了Agent的结构模型和形式定义，建立了一个基于事件(Event)的Agent模型。     

Agent思维状态模型

文章综述了20世纪90年代以来多Agent系统中Agent思维状态模型的研究结果.从直观分析、形式化模型、结构模型、合作研究和应用方面来介绍Bratman的哲学观点、Cohen和Levesque的意图模型、Rao和Georgeff的BDI模型等重要成果,最后介绍了正在开展的工作.     

一种具有个性的Agent实现机制

建立具有个性的Agent在基于Agent的计算中具有重要的意义。现有研究对于个性和定义和个性对Agent影响的分析比较片面,对缺少对个性程度和目标自主产生的描述,给出了有程度描述的结合倾向和特质的个性定义,形式化的描述了具有个性的Agent的结构和有关算法,分析了个性对Agnet交互与组织的影响,改进了Rizzo和Casteifranchi等人的具体个性的Agent实现方法。     

Agent的体系结构

首先介绍了Agent的基本概念,然后针对BDI Agent和移动Agent,讨论Agent的体系结构。     

智能软件Agent的中间件模型

Agent技术的应用潜力是巨大的，已经在许多领域尝试使用，解决一些复杂问题，但要开发智能软件Agent要求具有多方面的先进技术，如知识表达、推理、网络通信等技术，开发者难以使用。为了减少开发时间和代价，文章提出了智能软件Agent的一种中间件模型，并且介绍了这个模型如何创建Agent.     

Agent的意图模型

意图是Agent的一个不可缺少的意识属性,在决定理性Agent的行为时起着重要的作用.已经有了若干种基于正规模态逻辑的意图模型,但它们存在着严重的“逻辑全知”问题.该文阐明意图不是正规模态算子,并提出了另一种意图模型,它不存在“逻辑全知”问题和其他相关问题(例如,副作用问题等).这种意图模型与Konolige和Pollack的意图模型相比,比较简单、自然,且满足K公理和联合一致性原理,实际上,为非正规模态算子基于正规可能世界的语义表示提供了一种新的方法.     

一种基于信念-期望-意图和效用的社会承诺机制

在多智能体系统中,为完成问题求解智能体之间需建立起社会承诺.文章将信念-期望-意图和效用理论结合起来,提出了一种社会承诺机制,保证了智能体行为的逻辑理性和决策理性.该文的工作将Rao&Georgeff的信念-期望-意图理论和S.Kraus的激励承包思想有机地结合起来,改进了Haddadi的社会承诺机制,为Castelfranchi的社会承诺提供了实现支持.     

一个改进的理性Agent-BDI模型

利用一种新的可能世界语义,在Ｒａｏ和Ｇｅｏｒｇｅｆｆ的基于分支时间可能世界模型的ＢＤＩ形式化的基础上,得到一个改进的ＢＩＤ模型。与Ｒａｏ和Ｇｅｏｒｇｅｆｆ的ＢＤＩ模型以及大多数基于可能世界的形式化相比,不存在逻辑全知问题和除等价情况外的副作用问题。     

基于非单调逻辑的自适应BDI模型

由于Agent直接与现实世界发生交互作用，设计者难以事先预料所有可能出现的环境状况并一一规定恰当的处理方法，Agent往往不能产生恰当的行为，从而可能导致问题求解失败。本文结合BDI模型和非单调逻辑的优点，引入了可能信念概念和信念维护算子，表达了Agent和动态环境之阃的互动关系;引入Agent价值概念和行为规划算子，表达了期 期望和意图之间的动态约束关系，很好地解决了Agent在非预期环境中的适应性问题。     

Agent-BDI逻辑

阐述了Agent的形式化描述应该采用含有正规和非正规模态算子的混合模态逻辑为逻辑工具 的观点.建立了Agent-BDI逻辑的代表系统A-BI,讨论了它的语法和语义.特别是给出了非正 规模态算子基于Kripke标准可能世界的新的语义解释,证明了A-BI逻辑系统不但是可靠的, 而且是完备的.A-BI逻辑系统恰当地刻画了信念与意图的本质与内在联系,可作为Agent形式 化研究的逻辑工具.     

BDI Agent解释器的研究和改进

现有的“信念-愿望-意向(BDI)”Agent系统将它的3个主要心智状态(信念、愿望、意向) 作为数据结构而不是模态算子来使用,导致信念-愿望-意向Agent的研究在理论和实践之间 存在较大的差距.该文深入研究了过程推理系统(precedure reasoning system,简称PRS)和 扩展的多Agent推理系统(developed multi-agent reasoning system,简称dMARs),针对dM ARs系统的解释器,提出了一种改进的编程语言AgentBDI,结合一个典型的分布     

Design and implementation of a multiagent stock trading system

Stock trading is one of the key items in an economy and estimating its behavior and taking the best decision in it are among the most challenging issues. Solutions based on intelligent agent systems are proposed to cope with those challenges. Agents in a multiagent system (MAS) can share a common goal or they can pursue their own interests. That nature of MASs exactly fits the requirements of a free market economy. Although existing studies include noteworthy proposals on agent‐based market simulation and researchers discuss theoretical design issues of agent‐based stock exchange systems, unfortunately only a very few of the studies consider exact development and implementation of multiagent stock trading systems within the software engineering perspective and guides to the software engineers for constructing such software systems starting from scratch. To fill this gap, in this paper, we discuss the development of a multiagent‐based stock trading system by taking into consideration software design according to a well‐defined agent oriented software engineering methodology and implementation with a widely‐used MAS software development framework. Each participant in the system is first designed as belief–desire–intention agents with their facts, goals, and plans, and then belief–desire–intention reasoning and behavioral structure of the designed agents are implemented. Lessons learned during design and development within the software engineering perspective and evaluation of the implemented multiagent stock exchange system are also reported. Copyright © 2011 John Wiley & Sons, Ltd.