论文摘要
虚拟环境是以计算机技术为核心的现代高新技术,是对社会情景的仿真,并引入自治个体驻留其中。自治个体是处以一定虚拟环境中可以自主进行决策和活动的个体,是对真实社会情景中个体的仿真,因此它具有社会性。人工智能关于社会智能的研究恰好适用于自治个体。自治个体的行为必须与虚拟环境相适应的。自治个体如何分析虚拟情景并做出行为决策是一个需要研究的课题。自治个体的社会性决定了其情景分析和个体行为决策模型的研究需要引入社会学和心理学的理论作为指导。本文选择了相互依赖理论作为研究的理论基础。相对依赖理论是由哈罗德凯利等提出的以人与人之间相互交往和人与人之间关系为研究对象的一种社会心理学理论。该理论认为自治个体都是在一定的情景下做出行为选择的,脱离了情景的行为都是没有意义的。它将支付矩阵作为情景的一种可计算表示方法,并且提取了情景的依赖性、一致性、控制性和对称性等重要社会属性。以相互依赖理论作为基础,本文首先提供了一种虚拟环境下基于支付矩阵的情景分析算法,将原有的二维情景属性分析方法扩展为四维情景属性分析方法。情景四维属性中,对称性决定了情景中自治个体之间的优先关系,其余三种属性将情景划分为了下面5类：低依赖,高依赖高一致合作,高依赖高一致竞争,高依赖低一致合作,高依赖低一致竞争。实例分析验证了虚拟情景分析结果与人类的通识相一致。进一步的,本文提出了虚拟环境下基于四维情景属性的自治个体行为选择模型,以情景分类结果为基础,完成感知矩阵的情景分类,并通过实验得到了不同虚拟情景下最合适的行为策略。实验证明了四维情景属性可以有效的对情景进行划分,并证明了情景分析下的自治个体行为选择模型可以有效地指导自治个体的行为。最后,针对自治个体情景感知矩阵与虚拟情景支付矩阵间的不一致性,本文提出了行为选择模型指导下的自治个体情景感知矩阵创建和更新机制,实现了信任度驱动的自治个体情景感知矩阵适应性更新,以保障自治个体的行为适应于虚拟情景。实验证明了自治个体感知矩阵更新算法的有效性,可逐步逼近情景矩阵。