基于元Agent技术的作战个体行为建模

针对虚拟作战个体行为具有智能性和自主性的特点,从行为功能考虑,将影响人员外在行为的内部因素分解为元Agent,提出一种基于元Agent聚集的作战人员行为模型。依据各个主体特点采用智能模型实现其结构,描述感知因素的量化值和可信度,引入收益指标评估意图的远景规划,通过动作执行概率的赋值达到重复作战行为的优先选择。与传统方法相比,该模型充分考虑到个体行为内在因素间的交互耦合和复杂反馈,提高了作战个体战场行为的智能性、自主性和差异性,为作战人员行为建模等问题提供一种新的研究思路。

面向生物医学命名实体识别的多Agent元学习框架

生物医学命名实体识别是生物医学数据挖掘的基本任务.文中提出了一种将多Agent系统和元学习方法相结合的多Agent元学习框架,应用于生物医学命名实体识别.基层多个学习Agent分别识别不同类型的生物医学命名实体,并通过相关学习Agent之间的通信来交换有益信息以调节个体Agent的行为提高其学习性能,元层Agent综合决策基层学习Agent的学习结果以获得最终的识别结果.元层Agent和基层学习Agent通过局部特征选择法选择适合不同实体类别的敏感特征集合提高了总体识别性能尤其是小类别识别的性能.文中提出的方法有效改善了传统的单一学习模型和全局特征选择方法不能兼顾各类别命名实体识别性能的不足.实验结果表明,文中提出的全新方法在生物医学命名实体识别上取得了优越的性能,在JNLPBA2004测试语料上获得了77.5%的F测度值.

基于局部信息的Agent元胞自动机设计

复杂性研究不仅是工程、科学各学科,也是管理学科的一个重要研究领域。由于管理科学本身的复杂程度其每个单元都构成一个具有自主能力的Agent;而且必须考虑到实际的Agent是基于局部信息的(完全信息条件可以看作局部信息的一种特殊情况),因此有必要开展对建立基于局部信息的Agent元胞自动机设计方法的广泛研究。本文从冶金物理化学中Gibbs自由能方法开始,在用于金属凝固过程模拟方法的基础上,推导出在管理科学中适用的评价函数方法,及其应用方法。

多任务并发调度在SDH网元中的应用

为提高EMS/Agent集中式管理方法中Agent的并发处理性能及响应时间,对网元Agent中的多任务并发调度机制进行研究,提出采用轻量级Job取代任务作为最小调度单位,结合多线程异步并发机制构建网元Agent消息处理调度框架。该技术已应用于中兴通讯的光传输设备中,有效提高了系统的并行处理能力,并改善了交互响应时间。

数控设备Agent化方法及其应用研究

数控设备Agent化模型是Agent化方法研究的核心内容之一。文章以数控铣削加工中心为研究对象,简述了多Agent系统,并对制造资源Agent化过程进行分析,提出了元Agent的概念,总结出一种数控设备Agent化模型。运用相关传感器对铣削加工过程中刀具三位力信号进行采集及分析,建立异构加工中心之间的通信,并在该模型基础上,开发出了应用于生产实践的远程监控及调度系统。试验结果表明,该系统具备较好的实用性和经济性。可以应用推广于中小型企业。

基于奖励机制的成员搜索引擎调度策略

为减少元搜索引擎中无效成员搜索引擎返回的大量重复冗余信息、减轻后期结果处理的负担、提高系统的查准率,文章提出一种基于奖励机制的成员搜索引擎调度策略。该策略引入Agent技术,将每个成员搜索引擎Agent对查询的重要程度进行量化管理,选择检索性能最佳的若干成员搜索引擎进行调度。实验结果证明,这种基于奖励机制的成员搜索引擎调度策略在提高查准率、缩短查询时间、减轻元搜索引擎后期的结果处理负担方面,都优于传统的成员搜索引擎调度策略。