种衣剂防治小麦茎基腐病效果的评价

茎基腐病已成为黄淮小麦主产区最具破坏性的土传病害之一,对我国粮食安全供给构成严重威胁。目前抗茎基腐病主栽品种稀少,生产上主要依赖于化学农药措施。药剂拌种可以有效防治茎基腐病。综合评价现有的种衣剂对小麦茎基腐病的防治及增产效果,以期为合理用药提供依据。采取高感茎基腐病小麦品种郑麦1354为研究对象,播种前种子包衣晾干,利用高致病力茎基腐病菌株PY20-20培养小米菌谷,连续2个小麦生长季利用进行人工接种病圃,包衣种子和接种菌谷等重量混合播种,分别于小麦拔节期和乳熟期记载处理小区植株发病情况,调查9种种衣剂处理后不同生育期的病情指数(disease index,DI),成熟收获后测定小区实际产量,结合小麦产量相关性状,比较种衣剂防病增产作用。结果表明:种衣剂处理后拔节期茎基腐病DI值均小于1.0,显著小于空白对照(5.07),防治效果为85.09%~100%,其中33 g·L^(-1)咯菌·噻虫胺、9%苯甲·吡虫啉和35 g·L^(-1)精甲霜灵·咯菌腈的防效达到为97%~100%。在乳熟期,种衣剂处理后茎基腐病DI平均值低于15,显著小于空白对照(81.55),其中35 g·L^(-1)精甲霜灵·咯菌腈和9%苯甲·吡虫啉防效较好,平均防效分别达到92%和95%,而且分别增产39.62%和36.31%。综合而言,采用种衣剂35 g·L^(-1)精甲霜灵·咯菌腈和9%苯甲·吡虫啉防治小麦茎基腐病效果好且增产效果显著,具有较好的应用前景。

基于组合赋权和灰色关联TOPSIS的电子商务代运营服务商选择研究

专业的电子商务代运营服务商能较好地降低电商服务成本,提高电商运营效率,成为众多中小实体企业进入电商行业的必然选择。为便捷有效地对电子商务代运营服务商进行综合评价与选择,建立了基于DEMATEL、熵权法组合赋权与灰色关联TOPSIS相结合的多属性综合决策方法。首先,将DEMATEL计算的权重和熵权法计算的熵权采用乘法合成法组合赋权;其次,将TOPSIS计算的相对接近程度和灰色关联分析计算的灰色关联度进行混合计算,通过灰色关联贴近度完成备选方案的排序和优选;最后,利用建立的评价方法对婴儿床制造企业Q公司选择电子商务代运营服务商开展了实证分析。从实证分析可以看出,这种评价方法可以为中小企业选择电子商务代理运营服务商提供一种更加便捷有效的优化方法。

面向Agent的程序设计

本文针对所谓合作Agent应用问题阐述了一种面向Agent的程序设计AOP（agentori－entedprogramming）方法框架．其中提出了一种新的Agent编程语言（AOPL），设计并实现了其程序设计系统（AOPS），该系统支持AOPL到C的转换．同时，提出了一种新的Agent关系模型，讨论了该模型的组成及其在体现合作Agent应用系统的体系结构、指导Agent之间的协作行为和支持对系统结构特点的深层理解方面所发挥的重要作用．最后讨论了AOP在多功能感知系统中的应用．

基于多Agent的Internet信息涉密检查系统

该文给出了基于多Agent的Internet信息涉密检查系统(IISIS)的设计方案,详细论述了IISIS体系结构、Agent角色分配、能力结构以及IISIS中多Agent协作协调算法。该系统可以有力配合保密部门针对Internet信息服务器进行高效快速的涉密检查,其实用性已得到实践验证。

基于信用和关系网的Multi-agent System信任体系

提出了一种MAS环境下基于信用和关系网的Agent信任体系,给出了模型的构建方法及相关的量化公式。该信任体系可以使系统中的推荐信任和直接信任等同看待,能抑制恶意推荐、协同作弊这些干扰现象,能促进关系网的凝聚性,简化Agent合作伙伴的选取,从而促进系统中Agent间的合作。

基于Agent的协同关系模型研究

在分析协同环境中Agent之间协同关系特征的基础上,本文提出并定义了一种基于Agent的协同关系模型(ACRM),该模型引入了时间和空间的机制,用于描述现实世界的协同环境中Agent动态协同过程。通过应用实例说明该模型解决了动态协同过程中协同关系变化等问题。

关系网模型——基于社会合作机制的多Agent协作组织方法

在多Agent系统 (MAS)的研究中 ,如何表示Agent之间的相互关系 ,以及有效地组织Agent之间的协作通信机制 ,提高系统的可靠程度、降低整个系统的通信代价和减少资源开销 ,一直是困扰很多MAS研究者的问题 该文主要从研究Agent社会合作机制入手 ,对大规模开放式多Agent系统 (OMAS)环境下的Agent社会组织方法、Agent协作行为表现进行了研究 引入了一个表示Agent之间联系的熟人关系网模型 ,对Agent之间的可信任度关系进行了讨论 ,并分析了Agent熟人关系链上可信任关系的传播机制 。

不同浓度湿润剂对高寒草甸鼠害型秃斑地改良效果研究

【目的】秃斑地土壤斥水性是限制其植被恢复的重要因素。降低秃斑地土壤斥水性,增加土壤持水性是植被恢复的优选措施之一。【方法】选取青藏高原东部碌曲县典型秃斑地,喷施100、200、300和450 mL/m^(3)浓度的湿润剂,以未喷施湿润剂的秃斑地为对照(CK),对比分析喷施区和对照区土壤物理性状和植物群落特征,并采用相关性分析探讨土壤因子对植物群落特征的影响,灰色关联度分析法,评价改良效果。【结果】1)不同浓度湿润剂喷施后,土壤最大持水量(MC)、毛管孔隙度(CP)和总孔隙度(TP)均大于CK(P<0.05),各浓度处理间无显著差异;2)湿润剂浓度为200 mL/m^(3)的喷施区,多年生杂类草丰富度显著大于其他浓度处理,大于CK(P<0.05);3)土壤最大持水量(MC)和毛管持水量(CC)与植物高度(ht)显著相关(P<0.05)。【结论】秃斑地喷施湿润剂可提高土壤持水能力,增加植物物种丰富度,湿润剂浓度为200 mL/m^(3)喷施效果最佳。

基于关系网模型的Agent联盟形成策略

从研究Agent社会合作机制入手,引入了一个表示Agent之间联系的社会关系网模型,并以该模型中的熟人集为基础提出了一种Agent联盟形成策略。该策略能有效地减少系统中的联盟数,避免联盟形成过程中的盲目性,节省协商时间并提高协商效率。

多功能感知系统中的面向Agent技术

本文将人类语言分为自然语言和人体语言，阐述了人体语言的概念，讨论了人类语言的结构与包容关系，归纳了人体语言与自然语言的信息融合模型．在该模型的基础上，利用面向Ａｇｅｎｔ技术设计了一个多功能感知系统的框架结构，提出了Ａｇｅｎｔ关系图表示方法，并具体实现了一种人体语言感知原型系统．

多Agent环境下规划的验证方法

如何验证多ａｇｅｎｔ规划是一个非常重要的研究课题，因为该研究关系到规划的求解能否在分布式环境下有效地进行．在本文中，我们讨论了规划的验证方法，给出了压缩集合的生成算法，并给出了该算法的正确性证明．与Ｋａｔｚ等人所提出的算法不同，我们用正向邻接表和逆向邻接表来表示规划链关系Ｄ，用辅助数组来控制所用到的子图（即不是真正的生成子图，但由辅助数组即能看出当前所要处理的子图），提出了避免无用子图产生的方法．我们所给出的算法不论在空间复杂性方面还是在时间复杂性方面都优于Ｋａｔｚ等人所提出的算法．

一个支持Web服务聚集的多Agent协作框架

设计了一种支持Web聚集的多Agent协作框架.为提高聚集的性能,提出了用需求的三级行业分类编码、相关行业编码和关键词信息作为中介Agent中需求的注册信息,并给出了相应的搜索过程与策略.通过模拟实验,验证了该方法的可行性和有效性.

基于实体-关系-问题的Agent结构与推理模型

提出了一种新的知识表示方法，即实体一关系一问题（Entity—Relation—Problem，E-R-P）知识表示体系，进而给出了一种基于E—R—P知识表示体系的Agent结构与推理模型ERPBAM。该模型具有简单、直观、灵活、通用等特点，解决了以往Agent结构与推理模型因基于复杂的符号表示与推理而显得过于复杂的问题，并具有处理推理过程中涉及到的各类信息，尤其是模糊信息的能力。同时，由于E—R—P知识表示体系综合了客观事物系统及现实问题知识的表示，使得ERPBAM中Agent的结构与推理过程更好地融为一体，其实现代码变得高效而紧凑。构造了一种基于ERPBAM的智能Agent——ERPBIA。鉴于ERPBAM的特点，ERPBIA的构造过程变得简单，且具有以简单、高效的方式代替人类进行建模、推理、制定决策的能力。

基于Agent联盟的协作学习系统研究

为了在协作学习系统中实现学习者Agent之间的有效合作,通过引入一种新的合作机制——同学关系网模型(School mate Relation Web Model),来构建学习系统中学习者Agent之间的同学联盟,并且基于学习者Agent之间的同学联盟来实现多个学习者Agent之间的协作学习。在每个同学联盟中,任意两个Agent之间都具有同学关系,并且联盟中的所有Agent相互协作,共同完成学习任务。另外,联盟中的学习者Agent之间的通信不是直接进行的,而是通过一个黑板来进行,这可以显著地提高Agent之间的通信效率。由于同学关系网模型可以避免Agent联盟形成的盲目性,并且可以提高学习者Agent之间的交互效率,从而使得我们基于Agent同学联盟的协作学习系统可以实现学习者Agent之间的有效合作,弥补了现有协作学习系统的不足。

冲突环境下中立Agent群体趋向分析与预测

分布式智能系统基本研究领域之一就是多Agent系统.在MAS协作过程中冲突难以避免,在实际应用的许多情况下,冲突都是在群体层面展开,同时冲突双方都需要特别关注持中立态度Agent的未来发展导向,这在双方势均力敌情况下尤为重要.因此,根据已有信息,建立基于中立Agent群体的智能分析与计算模型,对中立群体可能的趋向进行必要评估和预测,在冲突研究与应用当中具有基本意义.通过对MAS中Agent相互关系的形式描述,引入中立Agent群体模型,建立了对中立Agent未来状态进行智能分析和预测的计算模式,并设计了相应算法和实验.理论分析和实验结果表明了所建立模型的合理性与有效性.

基于Agent的情感劝说的信任识别模型研究

由于Agent系统的分布式特征,使得传统的安全手段已经不适用于新的应用需求,而解决该问题最重要的思路是信任管理,其基础之一就是信任识别。本文在Agent情感劝说的背景下,利用多维度评价信息和Agent关系网络,运用Dempter-Shafer证据理论,提出基于Agent的情感劝说的信任识别模型,引入动态权重因子,将直接交互信息和推荐信息进行组合,计算出各合作伙伴的综合信任度值,从中寻找出适合的合作伙伴,为Agent的决策提供大力的支持。

支持动态Web服务组合的Agent合作网络模型

Web服务组合是服务计算领域的研究热点之一,面对当前因特网络中存在的大量不同服务类型的Web服务,现有的服务组合方法在服务自治协作方面仍存不足。为有效进行服务组合,提高组合性能和质量,提出一种服务Agent合作网络模型(CONETM)以及相关合作算法,使得一个Agent管理一个或多个相同服务类型的Web服务,并通过建立动态Agent合作关系实现对Web服务的最优组合。实验结果显示,CONETM方法比简单随机组合和分布式Agent联盟方法在组合时间、通信消息以及用户服务满足率等性能方面更好。

基于m5C相关基因构建三阴性乳腺癌预后预测模型及药物敏感性分析

为了探讨5-甲基胞嘧啶(5-methylcytosine,m5C)相关基因在三阴性乳腺癌(triple negative breast cancer,TNBC)患者治疗及预后中的潜在价值,构建了基于m5C相关基因的预后预测模型,用于评估TNBC患者的预后和生存状况。从基因表达总库(gene expression omnibus,GEO)数据库和癌症基因组图谱(the cancer genome atlas,TCGA)数据库中下载TNBC基因表达谱和相应的临床数据。通过Pearson分析确定了99个m5C相关基因,进一步采用单因素Cox分析鉴定出5个与预后有关的m5C相关基因(SLC6A14、BCL11A、UGT8、LMO4、PSAT1)并构建了风险评分(risk score)预测模型,根据风险评分中位值将患者划分为高风险组和低风险组。使用Kaplan-Meier(K-M)生存分析、受试者工作特征(receiver operating characteristic,ROC)曲线、多变量Cox回归分析、构建列线图和校准曲线评估了模型的预测效能。训练集和验证集的K-M生存曲线、受试者工作特征曲线下面积(area under the curve,AUC)分析均验证了模型具有良好的预测能力。多变量Cox回归分析显示,风险评分可作为独立的预后生物标志物。使用ssGSEA、免疫评分分析和化疗药物对高低风险组患者的半最大抑制浓度(half maximal inhibitory concentration,IC50)值差异分析显示,免疫细胞和免疫检查点基因以及大多数化疗药物的IC50值在不同风险组之间的表达存在显著差异。研究结果构建了基于5个m5C相关基因的风险评分预后预测模型,这将有助于阐明TNBC中m5C相关基因的作用机制,进而提供更有价值的预后及诊断的生物标志物和潜在的治疗靶点,为TNBC患者临床个性化治疗提供理论指导。

多Agent系统安全信任问题研究

随着网络的普及和计算机性能的提高,智能Agent技术以其高度的灵活性和智能型等特征在解决未来复杂问题方面具有独特的优势。本文以多Agent合作为场景提出了基于关系网的信任模型。提出了基于信任模型的分层信任推理算法,实现了一个能对信任进行推理的框架,并且给出了信任评估模型以及度量信任的机制。

基于Agent和带权关系网的软件体系结构自适应

作为软件的蓝图,描述整个系统的结构和行为模型的软件体系结构在软件自适应中起着重要作用,具有适应性特征的Agent为构造自适应软件系统提供了独特的优势。针对现有基于Agent的软件系统在体系结构和动态配置方面的不足,提出了一种基于带权关系网模型,利用Agent对环境的监测和评估,以调整Agent间联系的权重来决策Agent间的合作对象的选择,从而使得基于Agent的软件系统在构件、连接件和配置方面具备适应性,为开发基于Agent的自适应软件系统提供借鉴和参考。