Evaluation Model for Capability of Enterprise Agent Coalition Based on Information Fusion and Attribute Reduction

For the issue of evaluation of capability of enterprise agent coalition,an evaluation model based on information fusion and entropy weighting method is presented. The attribute reduction method is utilized to reduce indicators of the capability according to the theory of rough set. The new indicator system can be determined. Attribute reduction can also reduce the workload and remove the redundant information,when there are too many indicators or the indicators have strong correlation. The research complexity can be reduced and the efficiency can be improved. Entropy weighting method is used to determine the weights of the remaining indicators,and the importance of indicators is analyzed. The information fusion model based on nearest neighbor method is developed and utilized to evaluate the capability of multiple agent coalitions,compared to cloud evaluation model and D-S evidence method. Simulation results are reasonable and with obvious distinction. Thus they verify the effectiveness and feasibility of the model. The information fusion model can provide more scientific,rational decision support for choosing the best agent coalition,and provide innovative steps for the evaluation process of capability of agent coalitions.

基于多Agent系统的数据融合算法评估平台框架

研究了数据融合算法评估平台应具有的特点,给出了一种基于多agent系统数据融合算法的评估平台框架,讨论了框架中agent的结构和agent间的通信机制.利用该框架原型实现了单个融合算法和多融合算法组合的评估.

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．

基于多Agent偏好的决策信息融合

针对多Agent系统的群决策问题,本文提出了一种利用多Agent群体偏好进行决策融合的方法,使用群决策方法生成多Agent群体偏好,然后根据模糊排序策略进行决策信息的融合,群决策方法与模糊排序这两种方法的混合运用有效地降低了决策时间,提高了决策的精度。经过实验模拟,证明了这种方法的简单性和有效性。

基于P2P多Agent数据融合入侵检测模型研究

首先分析了网络结构变化带来的问题,以及传统的C/S模型的不足,简述了P2P和多Agent数据融合,在此基础上提出了基于P2P多Agent数据融合入侵检测模型,并重点分析了系统最关键的部位:分析器。最后指出了模型的优势和缺陷,并提出了相应对策。

多Agent技术在数据融合系统中的应用

数据融合充分利用多个传感器资源,对观测到的信息进行合理支配和使用,把在时间和空间上的冗余或互补信息按照某种准则进行组合,以获取对被观测目标的一致性认识.为提高目标跟踪系统的滤波精度,在滤波时采用了多Agent技术,使系统的跟踪精度有了显著提高.通过引入多Agent技术,对数据融合系统中的模型和方法进行改进,提出多Agent数据融合模型,为数据融合问题提供新的解决方法和途径.

Agent的多传感器管理方案

多Agent系统(Multi-Agent System,MAS)以其智能性和交互协作等优点在分布式系统中得到了广泛的应用。火控系统组网就是通过把分立的火控系统通过某种网络结构连接起来,以提高火控系统的整体性能,是一个典型的分布式系统。以火控系统组网为背景,将Agent技术应用于组网系统中的多传感器管理,并采用了基于角色的任务分解思想,提出了基于多Agent的传感器管理结构模型,分析了各个组件Agent的功能。

基于多Agent信息融合的煤与瓦斯突出预测

针对现有煤与瓦斯突出预测方法存在的不足,考虑检测到的影响煤与瓦斯突出的多种因素数据,建立了煤与瓦斯突出预测的多Agent信息融合模型,实现对煤与瓦斯突出的快速、准确和动态预测。利用基于均值的分批估计融合算法对煤与瓦斯突出指标的多传感器数据进行处理以获取更为准确、可靠的数据以提高预测准确性,应用D-S证据理论解决煤与瓦斯突出预测过程中的不确定性和不精确性问题。通过实例对提出方法进行验证,结果表明所提出的方法预测准确性高,是一种有效的煤与瓦斯突出预测方法。

基于多Agent信息融合的轨道交通信号设备故障诊断技术要点

针对我国城市轨道交通信号设备故障的特点,设计了一个基于多Agent信息融合技术的轨道交通信号设备故障诊断系统。介绍信息融合技术的相关要点,重点阐述多Agent信息融合技术的定义和理论。对多Agent轨道交通信号设备故障诊断的总体结构进行分析和设计。详细分析了信息采集Agent、管理Agent、诊断Agent等主要Agent的基本职能,以及各Agent间的通信协作方式。

一种基于移动Agent的无线传感器网络数据融合算法

数据融合技术能够通过合并多个数据源产生的数据,去除冗余信息,有效地减少网络中的数据传输量,节省传感器节点的能量,延长无线传感器网络的生命期。从农业生产的实际情况出发,针对蔬菜大棚远程温度监测提出了一种基于移动代理的数据融合算法。系统仿真结果表明,随着网络规模的增大,可以减少时延,有效的降低能量消耗。

D-S多Agent飞行器结构系统早期故障智能诊断

将D-S证据理论与多A gent相结合,建立了飞行器结构系统早期故障智能诊断模型,对其实现策略、D-S融合推理算法等进行了分析和研究,并以空间飞行器防热系统为例说明了该方法的有效性。结果表明,该方法具有结构简单、组态灵活、推理速度快等特点,能够有效地对飞行器早期故障实施快速诊断,为保障飞行器安全可靠飞行提供了一种新的技术途径。

基于移动Agent的无线传感器网络分层融合

无线传感器网络中采用移动代理进行分层数据融合,在每层采用不同的融合算法。移动代理在簇内进行数据融合前,先进行了奇异值的踢出,从而提高了融合结果的精度。簇头节点间则采用比较的方法进行数据融合。仿真表明,该算法提高了数据融合的精度,降低了能耗,延长了网络的寿命。

基于Agent的长输管道应急指挥决策系统设计

为帮助决策机构快速高效地制定长输管道事故应急救援方案和行动目标,运用Agent(真体)对长输管道应急指挥决策系统进行设计。通过划分应急指挥系统层次,分析信息融合Agent、形势评估Agent、资源规划Agent这3个关键模块,建立基于Agent的应急指挥过程模型。结合应急指挥机构和应急指挥决策系统,提出应急指挥系统运行机制。通过对该机制的研究,阐明应急指挥机构与应急决策系统间的数据交流和控制请求,为提高两者协作能力,快速、高效地完成应急救援任务提供支持。

多Agent及其在信息融合中的应用

基于分布式人工智能中的多Agent系统的定义、构成和模型,以及信息融合概念、类型和方法等,阐述MAS交互及其应用,提出一种基于MAS的信息融合系统模型,并详细解释了该模型中的各组成部分的功能和作用。

虚拟环境中多Agent决策的冲突证据合成研究

研究了虚拟环境下基于知识融合的多Agent仿真决策中的冲突证据合成,认为传统的Dempster-Shafer证据组合规则导致悖论的主要因素是归一化因子,使结果产生了误差。对该规则进行了形式变换,分解了归一化因子,把Dempster-Shafer分为两项之合,其中第二项含有未知项。文中首次提出了融合误差的概念,引入误差函数项和全局平均支持度,这两项与未知项相关。采用等效的方法,提出了一种改进的证据组合规则,与变换后的Dempster-Shafer规则形式上一致,仅把误差赋给了未知项。理论分析和实验表明,新的合成规则得到了合理的融合结果,产生的误差最小。最后给出了一个高速贴标机的多Agent仿真决策的实例说明新组合规则的有效应用。

基于多Agent的传感器管理系统研究与设计

本文提出了一种传感器管理系统框架,给出了基于多Agent的解决方案。该结构通过多个Agent间的相互协商来实现传感器任务的分配,较好地克服了在融合中心存在的缺陷。并在此基础上着重探讨各Agent之间的协调合作问题,实现了基于KQML语言的各Agent之间的协调机制。

基于多Agent建模的弹道导弹多特征综合识别框架

由于弹道导弹目标特征具有积累时间各异、分类方法繁多、存在干扰等难点,需要系统具备智能、自适应和协作的能力来完成目标的综合识别。在传统综合识别的基础上,提出了一种基于多Agent建模的弹道导弹多特征综合识别框架,构建了Agent的推理规则库和内部状态库,描述了Agent的处理流程与交互关系。基于Swarm平台仿真验证表明,该框架能有效进行多特征综合识别,给出正确的识别结果。

多层Agent数据融合的无线传感器决策网络及其多样性研究

为实现无线传感器网络(WSN)原始感知数据融合中不确定分析的量化决策和智能处理,在WSN层次化的数据融合机制下,引入粗糙集理论的决策表和决策网络智能技术,设计智能型和规则型2类Agent,由此构建多层Agent数据融合的无线传感器决策网络(WSDN)模型,并研究层间智能Agent型和属性间规则Agent型WSDN的多样性。应用结果表明,该模型能较好地适用于典型的WSN场合,实现Agent间的融合优化与智能决策。

基于效用评估的设备智能诊断多Agent动态融合方法

为解决由于设备故障的复杂性而带来的对智能诊断过程的高适应性要求,提出了根据实际情况,进行基于效用评估的设备智能诊断多Agent动态融合诊断方法。建立了适应性强的、有利于实现高准确性、高速诊断的基于诊断时间和诊断准确率的效用评估算法与基于效用评估的动态融合流程。实例表明,该方法有利于系统实现高效率的智能诊断。