多Agent系统模型概率框架的研究

论文摘要

贝叶斯技术和贝叶斯网络是人工智能中不确定性问题处理的一种工具。贝叶斯技术和Agent技术的融合形成了一个具有广阔前景的新兴研究领域。 多Agent系统的模型表示是多Agent系统中推理、学习、合作等一系列操作实现的关键。本文在对贝叶斯技术理论和贝叶斯网络模型进行了介绍和讨论的基础上,讨论了大知识域上多Agent系统模型的表示框架:多分片贝叶斯网络模型,探究了便于推理的连接联合森林的实现,并给出其上的系统信念表示以及实现推理的具体操作。具体工作如下: (1) 在分析动态贝叶斯网络结构的同时提出了1 1/2片联合树算法。此算法具有实现简单、不必限定消去顺序、只需作一次扩展等较好的特性;且通过实验比较,证明了此算法在运行时间、空间上要优于普通的扩展联合树算法和2片联合树算法。 (2) 由于大知识域的局部性,在利用多分片贝叶斯网络对大知识域上多Agent系统进行模型表示的基础上结合联合树的思想,探究了便于推理的连接联合森林的实现并对推理操作UpdateBelief进行了有效的改进。

论文目录

• 第一章 绪论
• 1.1 科学研究的一个趋势——人工智能
• 1.2 合作研究的重要性
• 1.3 Agent技术与多Agent系统
• 1.4 Agent的定义及特征
• 1.4.1 Agent的定义
• 1.4.1.1 人工智能当中的Agent-理想Agent，智能Agent
• 1.4.1.2 计算机领域的Agent-软件Agent
• 1.4.1.3 复杂性领域的Agent
• 1.4.1.4 社会心理学领域的Agent
• 1.4.1.5 博弈论中的Agent
• 1.4.2 Agent的特征
• 1.5 Agent的行为特征表示及其推理
• 1.6 多Agent系统的定义及特征
• 1.6.1 多Agent系统的定义
• 1.6.2 多Agent系统的特征
• 1.6.3 多Agent系统需要解决的问题
• 1.7 本文的组织
• 第二章 贝叶斯技术与贝叶斯网络
• 2.1 贝叶斯定理
• 2.2 贝叶斯网络的模型表示
• 2.2.1 贝叶斯网络的图组件的相关概念
• 2.2.2 贝叶斯网络的模型结构和马尔可夫性质
• 2.2.3 贝叶斯网络模型的第二结构——联合树
• 2.2.4 贝叶斯网络的语义
• 2.3 动态贝叶斯网络的模型表示
• 2.4 动态贝叶斯网络中的概率推理
• 2.4.1 接口的定义
• 2.4.2 1（1/2）片联合树的构造
• 2.4.3 1（1/2）片联合树中的推理过程
• 2.4.4 算法性能分析及实验结果
• 2.5 本章小结
• 第三章 多分片贝叶斯网络与连接联合森林
• 3.1 多分片贝叶斯网络的形式化定义
• 3.1.1 多分片贝叶斯网络的图组件
• 3.1.2 多分片贝叶斯网络的形式化描述
• 3.2 单个BNs上联合树的扩展
• 3.2.1 多分片贝叶斯网络按联合树组织
• 3.2.2 子网的转换
• 3.2.3 子网间有向分隔集的转换
• 3.3 连接联合森林的构造
• 3.3.1 转换每个有向无环子图（SubDAG）为联合树
• 3.3.2 联合树之间连接树的构造
• 3.4 连接联合森林上联合系统信念的确定
• 3.5 本章小结
• 第四章 多分片贝叶斯网络上的推理操作
• 4.1 连接联合森林的一致性与可分性
• 4.1.1 联合森林上的一致性
• 4.1.2 联合森林上的可分性
• 4.2 连接联合森林上的基本推理
• 4.2.1 支持度
• 4.2.2 联合树内保持一致性的操作
• 4.2.3 联合森林中的信念传播
• 4.3 本章小结
• 第五章 总结与展望
• 参考文献
• 附录1 1（1/2）片联合树算法
• 附录2 攻读硕士学位期间发表的论文