基于支持向量機的Agent遷移策略.pdf

1、移動Agent是一個能在異構(gòu)網(wǎng)絡(luò)中自主地從一臺主機遷移到另一臺主機,并可與其他Agent或資源交互的程序,它除了具有智能Agent的最基本特性—自治性、反應(yīng)性、主動性和交互性外,還具有移動性.移動Agent的遷移機制和遷移策略是移動Agent的核心技術(shù)之一,遷移策略的優(yōu)劣直接影響MA的性能乃至其任務(wù)的完成.支持向量機(SVM)是一種建立在統(tǒng)計學(xué)習(xí)理論基礎(chǔ)之上的機器學(xué)習(xí)方法,它是從線性可分情況下的最優(yōu)分類面發(fā)展而來的,是結(jié)構(gòu)風(fēng)險最小化原理

2、的近似實現(xiàn).相對于傳統(tǒng)學(xué)習(xí)理論,SVM具有更嚴格的理論和數(shù)學(xué)基礎(chǔ),不存在局部最小問題且具有更好的泛化能力.多數(shù)系統(tǒng)在規(guī)劃移動Agent遷移路由時只考慮了軟件資源(任務(wù)語義),而忽略了網(wǎng)絡(luò)傳輸資源和主機處理資源等硬件資源的影響,更沒有考慮移動Agent以往的旅行經(jīng)驗,這顯然是不全面的.該文在參考現(xiàn)有移動Agent規(guī)范和已有模型的基礎(chǔ)上,提出了基于支持向量機的移動Agent智能遷移策略,并給出了相應(yīng)的模型.在模型設(shè)計過程中對Concordi

3、a的旅行表進行了改進,創(chuàng)建了鏈式結(jié)構(gòu)的旅行表.在此基礎(chǔ)上,將支持向量機引入移動Agent的智能決策模型中,并根據(jù)智能決策的需要對傳統(tǒng)Agent模型進行了改進.同時,該文提出了一種可以從較少的旅行經(jīng)驗中獲取更多知識的方法,使Agent在執(zhí)行較少的次數(shù)后就可以得到良好的學(xué)習(xí)效果,提高了該模型的實用性.文章最后對該遷移策略進行了仿真試驗,從仿真結(jié)果中可以看出,盡管基于支持向量機的智能遷移策略在選擇遷移目的時不能完全達到全局最優(yōu)的結(jié)果,但是該策