【摘 要】
：
近年来，影响最为广泛的主体技术就是BDI(信念、愿望和意图)模型。笔者把无穷值的？ukasiewicz逻辑和命题动态逻辑进行融合后对等级BDI主体模型进行形式化。为了通过概率、必然性和可能性对不确定性行为进行表示和推理，我们把相应的公理添加到？ukasiewicz逻辑中。文中的等级BDI主体模型使用多背景系统，清晰地表示了信念、愿望和意图的不确定性。等级BDI主体的行为则通过添加了具体条件的每种背
【机 构】
：
厦门大学哲学系;福建省仿脑智能系统重点实验室 福建厦门 361005 厦门大学智能科学与技术系、福
【出 处】
：
第四届中国Agent理论与应用学术会议
论文部分内容阅读
近年来，影响最为广泛的主体技术就是BDI(信念、愿望和意图)模型。笔者把无穷值的？ukasiewicz逻辑和命题动态逻辑进行融合后对等级BDI主体模型进行形式化。为了通过概率、必然性和可能性对不确定性行为进行表示和推理，我们把相应的公理添加到？ukasiewicz逻辑中。文中的等级BDI主体模型使用多背景系统，清晰地表示了信念、愿望和意图的不确定性。等级BDI主体的行为则通过添加了具体条件的每种背景的不同测度来决定。笔者对信念、愿望和意图的模型进行了公理化，并说明了它们对主体行为的影响。此模型可以很轻易地向包括其他心理状态的主体进行推广。笔者在给出了等级BDI模型的语言、语义和等级BDI逻辑的公理和演绎规则后，证明了此逻辑系统的完全性和可靠性。之后，在对复合行动进行形式刻画的基础上，描述了BDI模型的不同语境之间的关系。文章立足于不确定性的表示和推理，志在为分布式人工智能提供形式支持。
其他文献
常用的优化算法大都模拟自然界的一些演化过程来求解优化问题，如进化算法(EA)和粒子群算法(PSA)等，但这些算法在某些场合仍显得实时性较差且易陷于局部最优解.由此提出了一种新型快速的直接随机优化算法(DROA).它直接利用随机搜索过程寻找最优解，减少了额外计算，降低了计算复杂度；其搜索过程分为全局搜索和局部搜索两个阶段，两个阶段选用不同的调节参数公式和搜索方式：首先将递增参数的三个随机优化模块串接
目前，视频监控设备已经遍布公众场所并被广泛应用到安全监控，视频信息的安全性与有效性成为信息安全领域中至关重要的问题，在某些特殊视频中，运动目标往往是人们关注的焦点，因此在视频传输过程中保持运动目标的完整性就显得尤为重要。本文给出了一种基于视频中运动目标的自嵌入水印方法，能够实现在视频信息接收端对运动目标的无损恢复。这一结果的实现依赖于文中提出的一种新的运动目标提取方式，即使用近似于原始视频帧的合成
本文在暗通道去雾的基础上，通过估计透射率对暗通道值进行补偿，分析成像特点，重新估计大气光，实现去雾方法的改进。通过大量实验分析和对比实验，本文提出的自适应的基于暗通道先验的去雾方法在光线不足或以天空等为背景的图像实验效果优于现有的方法。使用MSE(均方误差)对FRIDA 数据库中多组数据进行误差分析，结果证明使用本文恢复的图像更接近真实图像。
基于人脸的身份鉴别技术已经受到越来越多的重视。在可见光环境里，人脸识别算法对光照的变化非常敏感。使用近红外人脸图像进行识别可以有效的提高人脸识别对光照的鲁棒性。 在可见光下获得的人脸图像和近红外线下获得的人脸图像反应的是人脸的两种不同模态下的特质，所以提取出来的特征具有一定的差异性，同时使用可以提高识别的性能。近红外 图像成像的原理会导致近红外图像与可将光图像相比出现模糊，轮廓不全等，对识别性能造
典型相关分析(Canonical Correlation Analysis,CCA)是寻找同一对象两组变量间线性相关性的一种常用的多元统计分析方法,其采用的欧氏距离度量方式导致了算法的非鲁棒性。我们先前导出的核诱导的距离度量不仅在理论上被证明是鲁棒的而且在(聚类)应用上获得了有效验证。本文旨在将其进一步应用于CCA,发展出核诱导距离度量的鲁棒CCA(KI-CCA),该算法不仅克服了CCA非鲁棒的不
现实生活中复杂网络如社交网络、生物网络等无处不在。挖掘复杂网络中功能模块及其关系对网络结构功能的了解、事物及其发展规律的认识有着重要作用。本文利用典型相关分析(CCA)分析复杂网络中功能模块及其相互关系，并将其转化为LASSO 回归优化问题，以提高结果的可解释性。在此基础之上，提出了一种模块及其相互关系的挖掘算法。该算法不仅能准确挖掘网络中的功能模块，而且还能同时度量模块之间的相关程度。人工生成数
三维模型检索是多媒体信息检索领域的重要组成部分，由于“语义鸿沟”的存在使得当前基于内容的检索结果通常不十分令人满意。考虑到解决“语义鸿沟”的关键是将三维模型的底层形状特征与高层语义特征进行有效融合，为此提出一种三维模型的语义与形状异构特征融合方法，该方法将三维模型在基于内容的检索过程中用户反馈信息形成的语义关联作为模型的语义表达，并通过子空间学习方法将这种语义表达信息与模型的底层特征进行融合，最后
随着分布式多智能体系统应用领域和系统规模的不断扩大，网络特性已成为影响系统性能的一个重要因素。本文通过研究和分析复杂网络特性对大规模分布式多智能体系统协同控制的影响，为提出新的优化算法提供依据。我们主要针对随机网络，小世界网络，网格网络和无尺度网络四种典型复杂网络特性从理论和仿真两方面进行分析。在理论方面，通过基于马尔科夫链的信息传输过程在不同网络结构下的建模，对比分析了信息无偏随机游走模型和智能
从流行病监控数据中准确推断出描述流行病传播途径和传播方式的流行病传播网络具有重要意义。现有的传播网络结构推断方法大都面向信息传播过程，所能处理的数据与可获得的流行病监控数据形式不同，不适合处理具有粗粒度、时空多尺度和数据缺失等特性的流行病监控数据。针对该问题，本文提出了基于自主计算的流行病传播网络建模方法和网络结构推断方法。该方法采用多自治体建模传播网络结构和流行病传播过程，采用蒙特卡罗模拟结合群
提出了一个基于并行粒子群优化的分布式Agent 计算框架.在求解大规模复杂优化问题时,框架中使用一个主群(master swarm)来演化问题的完整解,并使用一组从群(slave swarm)来并行优化一组子问题的解,主群和从群通过交替执行来提高问题的求解效率.使用基于组件的Agent 架构,主群和从群被建模为框架中的顶层Agent,它们又可被分解为一组子Agent,包括用于构造问题初始解的Con