论文部分内容阅读
CSCW适应信息化社会中人们工作方式的群体性、交互性、分布性和协同性特征,具有极富潜力的广阔应用市场,发展势头十分强劲。同时,随着计算机网络、计算机通讯技术的发展,对于软件Agent及多Agent系统的研究成为分布式人工智能研究的一个热点。Agent概念的核心是描绘一个动态的实体,该实体可以自学习、自增长,根据环境调整自身的行为,因而比静态的过程更能体现协作群体中单个个体的行为特点。多Agent系统中,学习的一个重要研究内容就是若干Agent如何学会协同操作以共同完成给定的任务。因此,Agent技术可以很好的解决CSCW中的协作问题。并且,将Agent技术应用到CSCW中,可以克服原有CSCW分布式系统协作方面的种种缺陷,为CSCW系统协作的实现带来诸多好处。 在CSCW系统中,Agent如何进行合作以完成任务求解是本文的研究重点。本文在文献[1]的基础上,给出了一种基于Agent联盟行为自信度的Agent合作与问题求解机制。首先给出了Agent联盟的定义,在此基础上给出了Agent和Agent联盟相对于某个任务k的行为自信度的定义及其计算公式,并提出了在多Agent联盟系统中Agent及Agent联盟行为自信度的修改规则,随后给出了多Agent联盟系统中基于行为自信度原理的任务委托及执行算法。在该方案中,基于任务分解“与或树”定义个体Agent及其联盟的行为自信度,较之文献[1]基于“动作”的定义,有更好的操作语义和容易把握的粒度。采用能力和行为方式两个指标来综合评价Agent及其联盟的行为自信度,较之文献[1]单纯基于动作的表示,能更好地反映Agent的问题求解能力。本文引入的负载平衡规则、风险规则、黑名单规则等,符合竞争问题求解的实际需求。提出了当单个Agent加入联盟和脱离联盟时Agent行为自信度的修改规则等,满足了联盟形成机制的要求。另外,本文还分析了多Agent联盟系统所面临的安全威胁,并提出了一个多Agent联盟系统的安全控制机制。 在实现部分提出一个Agent行为体的框架模型。该模型是一个基于ECA规则的主动机制模型,能够依据ECA规则在一定条件下主动触发各种行为,符合了基于行为自信度多Agent联盟系统的需要。另外,为了系统的安全,在模型