基于信任度模型的多Agent全局協(xié)調(diào).pdf

1、隨著人工智能的發(fā)展,特別是分布式人工智能在大規(guī)模多Agent系統(tǒng)中的應(yīng)用,系統(tǒng)中越來越多地表現(xiàn)出群體特征。此時(shí)單純地研究Agent理論、構(gòu)造及體系結(jié)構(gòu),已不滿足要求,從而興起了人工社會(huì)系統(tǒng)的研究。人工社會(huì)系統(tǒng)是針對(duì)多Agent系統(tǒng)集中式控制的復(fù)雜性和分布式控制的多Agent間的沖突而提出的新研究方法。該方法經(jīng)歷了從下線自上而下方法到更適合動(dòng)態(tài)變化的上線自下而上建模方法的發(fā)展過程。在上線自下而上方法中面向群體智能涌現(xiàn)的多Agent系統(tǒng)全局

2、協(xié)調(diào),已成為目前人文和科技結(jié)合研究的熱潮。
　　 本文則按照目前研究的上線自下而上方法,以研究多Agent系統(tǒng)中群體智能中一致性行為涌現(xiàn)的全局協(xié)調(diào)為目標(biāo),建立了多Agent系統(tǒng)形式化模型并詳細(xì)分析了系統(tǒng)中對(duì)涌現(xiàn)有影響的各個(gè)要素和結(jié)構(gòu)。主要工作如下:
　　 1、根據(jù)面向涌現(xiàn)全局協(xié)調(diào)的多Agent系統(tǒng)的發(fā)展,選擇了適合本系統(tǒng)使用的群體智能形式化的數(shù)學(xué)模型和要素,確立了使用博弈論和信任度機(jī)制作為系統(tǒng)中Agent間交流所使用的涌

3、現(xiàn)機(jī)制。
　　 2、在以往的研究中,Agent間一次交流策略的更改,大部分是根據(jù)Agent所在的客觀環(huán)境(如:Agent擁有的資源,地理位置,社會(huì)地位的權(quán)威值等)的反饋建立策略更新函數(shù),更改當(dāng)前的狀態(tài)。本文則使用隨時(shí)間動(dòng)態(tài)變化的累積信任度做為策略更新算法。同時(shí)使用靜態(tài)完全信息的博弈矩陣作為決定信任度變化滿意值反饋的衡量值。建立了基于博弈論和信任度的多Agent模型。最后通過實(shí)驗(yàn)驗(yàn)證了該模型在一致性行為涌現(xiàn)上的有效性,并和HCR算

4、法比較了其涌現(xiàn)效率。
　　 3、通過對(duì)多Agent系統(tǒng)中對(duì)涌現(xiàn)有重要影響的因素的總結(jié),本文的相關(guān)研究主要包括以下幾個(gè)方面:a)W-S模型小世界網(wǎng)絡(luò)中鄰接度K、重連接率P對(duì)涌現(xiàn)效率的影響；2)B-A模型無尺度網(wǎng)絡(luò)在涌現(xiàn)上的有效性及它和W-S模型小世界網(wǎng)絡(luò)在涌現(xiàn)效率上的比較；3)對(duì)涌現(xiàn)產(chǎn)生的算法的研究,我們將信任度和權(quán)威值結(jié)合,作為策略更新參數(shù),研究其對(duì)涌現(xiàn)的有效性,及不同側(cè)重程度下的影響。
　　 4、在系統(tǒng)出現(xiàn)涌現(xiàn)現(xiàn)象,達(dá)