基于DFL的多Agent自动推理平台设计

论文摘要

本文利用动态模糊逻辑(DFL)作为形式化描述工具,提出了Agent的推理模型,并在此基础上构造了一个多Agent系统推理平台。主要工作包括:基于DFL理论,构造了单个Agent的推理模型;分析了当前多Agent系统的研究状况,构建了多Agent系统的推理平台;给出了Agent推理过程中的选择算法、反馈算法、协商算法和推理算法;给出了该平台在组合数学中的初步应用。 综上所述,本文的特点主要有如下几点: 1、提出了基于DFL的多Agent自动推理平台的设计方案,并进行了初步的实例分析; 2、提出了基于DFL的Agent自动推理过程中的选择算法、反馈算法、协商算法等; 上述工作,对多Agent系统进行了合理的形式化描述,既弥补了现有理论的不足,又为进一步研究多Agent系统提供了新的途径。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 引论
• 1.1 多Agent系统的理论
• 1.1.1 多Agent系统（MAS）的概念
• 1.1.2 多Agent系统的组织
• 1.1.3 多Agent系统的通信
• 1.1.4 多Agent系统的协调
• 1.1.5 多Agent之间的依赖
• 1.1.6 多Agent联合心智状态
• 1.2 多Agent系统的自动推理
• 1.2.1 Agent的推理
• 1.2.2 多Agent的自动推理
• 1.2.3 问题的提出
• 1.3 本文的内容安排
• 第二章 理论工具——动态模糊逻辑
• 2.1 动态模糊（DF）命题逻辑公式
• 2.2 DFL的谓词演算
• 2.3 动态模糊推理规则
• 2.3 小结
• 第三章 基于DFL的多Agent自动推理平台设计
• 3.1 设计原则
• 3.2 设计思想及步骤
• 3.3 基于DFL的Agent构造
• 3.3.1 Agent心智状态的形式化描述
• 3.3.2 多Agent群体心智状态的形式化描述
• 3.3.3 单个Agent的构造
• 3.3.4 知识库的构造
• 3.4 MAS-ARP的构造
• 3.4.1 多Agent的基本框架
• 3.4.2 MAS-ARP的交互机制
• 3.4.3 MAS-ARP交互的约束条件
• 3.4.4 MAS-ARP的通信语言
• 3.4.5 MAS-ARP的相识者模型
• 3.5 MAS-ARP各部分的工作机制
• 3.5.1 管理Agent选择推理联盟的模型
• i反馈模型'>3.5.2 任务Agent a_i反馈模型
• 3.5.3 协商模型
• 3.5.4 联盟的推理模型
• 3.5.5 MAS-ARP的工作机制
• 3.6 小结
• 第四章 MAS-ARP在组合数学中的应用
• 4.1 MAS—ARP在组合数学中的应用
• 4.2 MAS—ARP在其它方面的应用
• 4.3 本章小结
• 第五章 总结与展望
• 参考文献
• 致谢
• 附录
• 汉英名词对照
• 部分代码