ABDIDSS環(huán)境下多Agents之間協(xié)作與近似推理機(jī)制研究.pdf

1、　　本文針對(duì)動(dòng)態(tài)的、復(fù)雜的以及不確定問(wèn)題，以基于多Agents的分布式智能決策支持系統(tǒng)及復(fù)雜決策任務(wù)的描述與分解、多Agents之間的協(xié)作與推理機(jī)制為研究?jī)?nèi)容，具體的研究?jī)?nèi)容如下：　　1、針對(duì)當(dāng)前多Agents理論模型研究存在的問(wèn)題，文章在經(jīng)典Agent的BDI以及聯(lián)合BDI等心智狀態(tài)模型基礎(chǔ)上引入效用與概率因子，建立基于效用與概率因子的個(gè)體Agent的心智狀態(tài)模型以及群組Agent聯(lián)合心智狀態(tài)模型，引入效用與概率因子滿足Agent對(duì)

2、環(huán)境的不確定性以及自利性的要求?！　?、提出了基于BN(貝葉斯網(wǎng))的復(fù)雜決策任務(wù)的形式化描述方法，得到?jīng)Q策任務(wù)的分解問(wèn)題等價(jià)為貝葉斯網(wǎng)的分解問(wèn)題；提出了決策Agent的任務(wù)分解性質(zhì)以及相對(duì)應(yīng)的貝葉斯網(wǎng)的分解性質(zhì)與分解方法。BN推理系統(tǒng)的復(fù)雜性取決于BN分解后的SBN(子貝葉斯網(wǎng))對(duì)應(yīng)的概論表大小，即由概率表的屬性變量大小及其取值狀態(tài)決定；因而存在一種優(yōu)化的分解方法使在分解后的SBN上推理的復(fù)雜性最小，文章提出了貝葉斯網(wǎng)的優(yōu)化分解性質(zhì)與

3、方法。　　3、根據(jù)決策任務(wù)涉及的知識(shí)范圍與個(gè)體Agent知識(shí)特性，多Agents對(duì)決策任務(wù)的求解協(xié)作分成任務(wù)分擔(dān)的協(xié)作與結(jié)果共享的協(xié)作；對(duì)于任務(wù)分擔(dān)的協(xié)作采用合同網(wǎng)的方式管理多Agents對(duì)任務(wù)的承擔(dān)與分配；對(duì)于結(jié)果共享的協(xié)作采用局部全局規(guī)劃的方式實(shí)現(xiàn)不同Agents之間的決策信息與決策結(jié)果的共享；提出了在ABDIDSS環(huán)境中任務(wù)的協(xié)作求解過(guò)程?！　?、提出了基于博弈論的多Agents協(xié)作模型，用一個(gè)多Agents的影響圖描述基于博

4、弈論的協(xié)作情景，這樣多Agents之間的協(xié)作就等價(jià)為求解用Agents影響圖描述的博弈均衡解，提出了求解均衡解的原理、方法與算法。　　5、針對(duì)直接在BN上精確推理與近似推理都被證明是NP完全的，提出了把BN轉(zhuǎn)變?yōu)橐粋€(gè)和BN相關(guān)的二次結(jié)構(gòu)，在貝葉斯網(wǎng)上進(jìn)行概率推理等價(jià)為在二次結(jié)構(gòu)上進(jìn)行概率推理。在二次結(jié)構(gòu)上進(jìn)行概率推理過(guò)程包括建立聯(lián)結(jié)樹(shù)以及利用信念勢(shì)計(jì)算概率兩個(gè)過(guò)程?！　?、粗糙集理論是一種處理含糊和不確定性問(wèn)題的數(shù)學(xué)理論。它在分類的