有限信念集上修正的一种方法

讨论了信念集是有限子句集时的信念修正方法.首先给出了一阶逻辑上求所有极小不协调子集的一个过程,证明了该过程的正确性;讨论了由所有极小不协调的子集来实现信念修正的方法,介绍了我们开发的信念修正的原型系统.最后和相关工作进行了比较.

基于本体的物流企业私有信念集的研究

根据用户的特殊需求,利用本体技术对物流供应商的私有信念集,尤其针对物流企业的经营战略进行了分析、挖掘和推理,实现了4PL根据货物属性实现与具有较强核心竞争力的供应商的自动关联,给用户和4PL公司提供了一个查准查全的筛选平台。

有限信念集上修正的一种方法

讨论了信念集是有限子句集时的信念修正方法.首先给出了一阶逻辑上求所有极小不协调子集的一个过程,证明了该过程的正确性;然后讨论了由有极小不协调的子集来实现信念修正的方法,介绍所开发的信念修正的原型系统;最后与相关工作进行了比较.

智能体行动推理中的信念修正

信念修正中的加强修正算法在保留低秩协调信念时存在不足,流演算由于其表示公式的局限,无法较好地与信念修正结合来进行行动推理。针对以上不足,提出了依赖信念修正算法和Strategy-Axiom-Reasoning(SAR)模型。该算法满足Ind假设并且较好地保留了条件信念和低秩非矛盾信念,SAR模型继承并改进了流演算的公理系统,用公式集表示信念集,较好地实现了与信念修正的结合。最后将依赖信念修正算法运用到SAR模型中,用实验证明了其可行性。

信念修正的完全和可操作的方法

给出了命题逻辑上信念修正的两种可操作的完全方法.首先对R-演算的规则进行了修改,使得对任何一个极大协调的子集都通过这组规则得到.然后,给出了求得所有的极小不协调子集的一组规则.最后,给出一个过程,该过程能求得所有的极大协调子集.因为这两种方法都能求得所有的极大协调子集,所以把它们称为完全的.

信念修正中的一种新型评价算子研究

本文考察了评价算子,即刻画认知主体如何借助评价依据来理性评价新信息的算子,它放弃新信息中部分不可信信息,但是与传统收缩算子不同,它不指定收缩的信息而只要求评价结果与评价依据相一致。S.O.Hansson认为以单个句子作为新信息的非优先信念修正具有三种模式:决策–修正(Decision-Revision)、整合选择(Integrated Choice)和膨胀–巩固(Expansion-Consolidation)。评价算子单独刻画了非优先复合修正决策–修正模式的决策模块,对于修正模块这里不作探讨。我们先按AGM信念修正模式对评价算子进行了公理性刻画,接着通过不一致核心集和一致保留集分别构造了核心评价算子和部分交评价算子,然后分别证明了这两种算子与公理性刻画之间的表达定理,最后对评价算子和其他相关工作进行了比较。

面向Agent的信念修正的系统模型

提出一种面向Agent个体的信念修正系统模型。采用资源有限性Agent的定义及其相应的信念修正实现方法,保证系统的处理效率;利用MongoDB分布式文档存储的特点和数据存储格式BSON在数据传输上的通用性,提高系统在存储方面的可扩展性和信念存储的完整性与操作效率。为更好地规范Agent之间通信数据的格式并增强Agent与Web应用数据传输上的兼容性,整合现有的Agent通信语言的语义和JSON在数据规范上的特点,提出一种Agent通信语言JSONACL。实例验证与分析结果表明,该模型在处理较大信念集的情况时表现良好,为信念修正提供了一种可视化表现形式。