论文部分内容阅读
本课题的研究来源:国家自然科学基金项目“经验知识推理理论研究”(60273087)、北京市自然科学基金项目“不确定推理理论研究”(4032009)。多Agent系统(Multi-Agent System,MAS)研究的是由多个智能Agent通过相互交互作用而组成的系统。在对MAS的研究中,最重要的是理解发生在这些Agent之间的交互的类型。现有的成果仅仅对交互作用中的合作、协商、协调等行为进行了孤立地研究,而没有从系统的观点对这些行为之间的内在联系进行深入探讨。此外,对于同样存在于MAS交互作用中的敌对关系的研究还是一片空白。何华灿教授提出的泛逻辑学思想,充分考虑到存在于事物之间的关系柔性——广义相关性对推理运算具有的影响,并以广义相关系数来刻画广义相关性的连续变化。本文将广义相关性概念引入到MAS交互作用中,定量研究了合作、自利、竞争、敌对等关系,取得了以下创新性成果:1)提出目标相容性概念,并应用于NAS交互作用分类现有的MAS合作、协调、协商等概念不能明确地描述Agent间的相互关系,本文提出了目标相容性的概念,并以此为基础,重新界定合作、协调、非协调关系,从而明确了各种交互作用,为后续的量化研究打下了基础。2)提出基于广义相关性的多Agent交互作用量化表示方法将泛逻辑学中广义相关性的思想引入到MAS的交互作用中,建立了基于广义相关性的MAS交互作用量化表示方法,可以根据广义相关系数的大小来定量地研究各种交互作用。该表示方法不仅包括了现有研究中的协作、自利、竞争等关系,而且还能涵盖敌对关系。3)提出基于广义相关性的Agent决策模型London大学Jennings教授等提出了社会责任Agent的决策函数,本文针对其中加权系数存在的难以取值、求解算法复杂、未考虑敌对关系等问题,提出了基于广义相关性的Agent决策模型,该模型具有加权系数取值方便、通过线性运算即可求解的优点。运用该模型对博弈论“囚徒两难”等问题进行仿真,验证了Agent可以在合作和敌对之间进行灵活的行为选择。4)设计并实现了广义相关性MAS系统——GCC-MAS对基于广义相关性的Agent的思维模型进行形式化,将决策函数引入到形式化过程中,并建立了广义相关性MAS系统。在Swarm仿真环境下,验证了该系统中Agent在不同目标导向下的决策行为效果。本文对基于广义相关性的Agent交互作用及决策进行了初步研究,今后还需要进一步深入探讨在实时系统中,广义相关系数根据历史经验进行学习,合理调节等问题。