基于广义相关性的多Agent交互作用研究

论文摘要

本课题的研究来源：国家自然科学基金项目“经验知识推理理论研究”（60273087）、北京市自然科学基金项目“不确定推理理论研究”（4032009）。多Agent系统（Multi-Agent System，MAS）研究的是由多个智能Agent通过相互交互作用而组成的系统。在对MAS的研究中，最重要的是理解发生在这些Agent之间的交互的类型。现有的成果仅仅对交互作用中的合作、协商、协调等行为进行了孤立地研究，而没有从系统的观点对这些行为之间的内在联系进行深入探讨。此外，对于同样存在于MAS交互作用中的敌对关系的研究还是一片空白。何华灿教授提出的泛逻辑学思想，充分考虑到存在于事物之间的关系柔性——广义相关性对推理运算具有的影响，并以广义相关系数来刻画广义相关性的连续变化。本文将广义相关性概念引入到MAS交互作用中，定量研究了合作、自利、竞争、敌对等关系，取得了以下创新性成果：1)提出目标相容性概念，并应用于NAS交互作用分类现有的MAS合作、协调、协商等概念不能明确地描述Agent间的相互关系，本文提出了目标相容性的概念，并以此为基础，重新界定合作、协调、非协调关系，从而明确了各种交互作用，为后续的量化研究打下了基础。2)提出基于广义相关性的多Agent交互作用量化表示方法将泛逻辑学中广义相关性的思想引入到MAS的交互作用中，建立了基于广义相关性的MAS交互作用量化表示方法，可以根据广义相关系数的大小来定量地研究各种交互作用。该表示方法不仅包括了现有研究中的协作、自利、竞争等关系，而且还能涵盖敌对关系。3)提出基于广义相关性的Agent决策模型London大学Jennings教授等提出了社会责任Agent的决策函数，本文针对其中加权系数存在的难以取值、求解算法复杂、未考虑敌对关系等问题，提出了基于广义相关性的Agent决策模型，该模型具有加权系数取值方便、通过线性运算即可求解的优点。运用该模型对博弈论“囚徒两难”等问题进行仿真，验证了Agent可以在合作和敌对之间进行灵活的行为选择。4)设计并实现了广义相关性MAS系统——GCC-MAS对基于广义相关性的Agent的思维模型进行形式化，将决策函数引入到形式化过程中，并建立了广义相关性MAS系统。在Swarm仿真环境下，验证了该系统中Agent在不同目标导向下的决策行为效果。本文对基于广义相关性的Agent交互作用及决策进行了初步研究，今后还需要进一步深入探讨在实时系统中，广义相关系数根据历史经验进行学习，合理调节等问题。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 Agent概念
• 1.1.1 Agent定义及属性
• 1.1.2 Agent形式化模型
• 1.1.3 Agent体系结构
• 1.1.4 Agent通信
• 1.2 多Agent系统
• 1.2.1 MAS概念
• 1.2.2 MAS主要研究方向
• 1.2.3 研究工具
• 1.3 研究现状
• 1.4 研究内容与主要创新
• 1.5 本文结构
• 1.6 本章小结
• 第二章 多Agent之间的交互作用
• 2.1 合作、协调、协商
• 2.1.1 定义
• 2.1.2 目标相容性
• 2.2 多Agent间合作
• 2.2.1 合同网模型
• 2.2.2 黑板模型
• 2.2.3 部分全局规划
• 2.2.4 联合意图模型
• 2.3 多Agent间协调
• 2.3.1 基于行为的协调
• 2.3.2 基于协进化的协调
• 2.3.3 基于博弈论的协调
• 2.3.4 基于社会的协调
• 2.4 多Agent间的非协调
• 2.4.1 竞争关系
• 2.4.2 敌对关系
• 2.5 本章小结
• 第三章 基于广义相关性的Agent交互作用量化表示
• 3.1 存在的问题
• 3.2 柔性逻辑——泛逻辑
• 3.2.1 泛逻辑的提出
• 3.2.2 柔性因子--广义相关系数
• 3.3 基于广义相关性的MAS交互作用量化表示
• 3.4 与其他模型的对比
• 3.5 本章小结
• 第四章 基于广义相关性的Agent决策模型
• 4.1 社会责任Agent
• 4.1.1 计算模型
• 4.1.2 改进的计算模型
• 4.2 存在的问题
• 4.3 基于广义相关性的Agent决策模型
• 4.4 基于广义相关系数的决策函数在博弈论中的仿真实验
• 4.4.1 囚徒困境博弈
• 4.4.2 社会福利博弈
• 4.5 本章小结
• 第五章 基于广义相关性的Agent BDI模型及体系结构
• 5.1 Agent的BDI模型
• 5.1.1 Cohen与Levesque的模型
• 5.1.2 Rao与Georgeff的模型
• 5.1.3 BDI模型与效用函数相结合
• 5.2 基于广义相关性的Agent BDI模型
• 5.2.1 模型定义
• 5.2.2 信念模型
• 5.3 Agent体系结构
• 5.3.1 基于慎思的Agent体系结构
• 5.3.2 基于广义相关性的Agent体系结构
• 5.3.3 Agent行为主要过程
• 5.4 本章小结
• 第六章 GCC-MAS实验仿真
• 6.1 GCC-MAS实验描述
• 6.2 仿真环境——Swarm简介
• 6.2.1 Swarm基本组成
• 6.2.2 Swarm实验过程
• 6.3 Swarm仿真平台下GCC-MAS系统
• 6.3.1 实验环境
• 6.3.2 GCCAgent
• 6.3.3 目标规则
• 6.4 实验数据及结果
• 6.4.1 同构GCC-MAS
• 6.4.2 异构GCC-MAS
• 6.5 本章小结
• 第七章 总结与展望
• 7.1 本文工作与创新点
• 7.2 今后的研究方向
• 参考文献
• 在学期间的研究成果及发表的论文
• 致谢