MAS中基于本體的Agent學習進化機制研究.pdf

1、環(huán)境是動態(tài)變化的，MAS中Agent行為也是未知的，要建立領域完備的先驗模型幾乎不可能，許多領域知識也是在Agent的交互過程中逐步獲得的，因此復雜環(huán)境下的Agent應當能夠根據(jù)以前的經(jīng)驗建立信任評價模型，校正其行為，即具有學習或自適應能力。
　　 Agent學習是近年來廣泛受到人們關(guān)注的熱點問題之一。單個Agent常常由于其有限的資源和能力，不能完成復雜的任務，所以多個Agent之間的學習交流也非常必要。依據(jù)現(xiàn)有的Agent理

2、論模型及其技術(shù)方法，并沒有真正實現(xiàn)大規(guī)模的應用，其中一個主要問題就是多Agent的本體論沒有解決。
　　 本文首先回顧Agent與MAS的產(chǎn)生發(fā)展及主要研究內(nèi)容，介紹Ontology與DFL的基礎知識，針對一個旅游消息服務原型系統(tǒng)，構(gòu)建旅游領域Ontology，并采用基于Ontology的知識表示與推理，在此基礎上介紹語義協(xié)商學習和信任模型。多Agent學習進化策略，主要包括Agent的協(xié)商學習，基于Ontology的語義相似度