智能MAS在分布式远程教学系统中的应用研究

智能多代理系统(Multi-Agent System,MAS)和模糊理论都是人工智能领域的研究热点,教学系统中的子系统 Agent可以作为网络教学管理员、教师、甚至作为教学对象陪伴学生学习。在基于 MAS 的分布式网络教学系统中引入模糊理论,可以实现优势互补,在分布式结构的基础上实现智能教学、学习评估,对网络教学技术的发展具有重要的现实意义。

基于多Agent的智能网络教学系统研究

针对现有网络教学系统存在的不足,采用建构主义学习理论,结合Agent技术对网络教学系统进行研究,设计了基于Agent的智能网络教学系统模型,实现了基于多Agent的智能网络教学系统,从而提高了现有网络教学系统的智能化、个性化水平,继而提高了网络教学质量.

基于自适应变异粒子群算法的分布式电源规划

针对分布式电源(DG)规划问题,建立配电网网损最小、电压偏差最小、静态电压稳定裕度最大的多目标DG规划模型。采用模糊集理论将多目标优化问题单一化,通过使总体满意度最大化,提升整体性能。同时采用自适应变异粒子群算法(AMPSO)对建立的模型进行求解,在一定程度上克服了基本粒子群算法容易早熟收敛的问题。在IEEE 33节点配电网系统上进行仿真计算,验证了模型和算法的有效性。

基于Web和数据挖掘的ITS系统的设计与实现

网络化和智能化是计算机辅助教学发展的两大趋势,基于网络环境的智能教学系统(ITS)的研究已经成为当前和今后相当长时期的一个重要课题。本文结合“首都师范大学智能教学系统”的开发过程,主要讨论了系统模型的构建、数据挖掘技术的应用以及知识库、教师模型、认知型学生模型的建构、基于模糊理论的知识表示和推理等关键技术和实现方法。目的在于借助通用的、一般的技术手段,为学习者提供一个自主的、智能化、个性化的、有利于学生意义建构的学习环境。