基于自适应Agent的入侵检测系统研究

探讨了利用入侵检测自治代理和自适应模型生成相结合的系统方案,提出了动态逻辑连接的方法,有效降低了系统的配置难Agent度,同时提高了系统运行的可靠性和容错性。

自适应多Agent系统的运行机制和策略描述语言SADL

自适应系统具有环境开放性、变化敏感性、系统动态性等复杂性特点,如何支持这类复杂系统的开发和维护是目前软件工程关注的焦点.将自适应系统中的自主运行单元抽象为软件Agent,借助组织学思想提出了支持自适应系统运行的动态绑定机制,设计了表述Agent如何适应环境变化的自适应策略描述语言SADL(self-adaptive strategy description language),开发了SADL的编译器和运行支撑环境.该方法将复杂自适应系统的自适应逻辑和业务逻辑相分离,通过SADL语言显式地描述系统的自适应特征,从而简化了复杂自适应系统的开发和维护.通过案例分析,阐述了如何基于上述方法来进行复杂自适应系统的开发,验证了方法的有效性.

复杂自适应多Agent系统的环境表示及感知

对自适应系统驻留环境的显式表示和有效感知是实现复杂自适应系统的前提,也是当前自适应系统研究面临的一项重要挑战.借助于组织学思想将自适应系统中的自主运行单元抽象为Agent,把复杂自适应系统视为多Agent组织,提出了基于动态绑定的自适应机制和构造框架;将环境作为一阶抽象,提供了对自适应多Agent组织的驻留环境进行抽象和描述的语言设施以及对环境进行有效感知的两种方法:基于事件发布-订阅和基于软传感器的方法;提出了支持软传感器与环境动态关联的思想和技术,使得复杂自适应系统的开发具有环境表示显式化、环境感知透明化的特征,所开发的软件系统易于维护和升级.介绍了实现上述机制、技术和语言设施的支撑平台SADE,并进行了案例分析以验证方法的可行性和有效性.

基于自适应Agent的地铁站台乘客集散仿真研究

作为提高地铁运行效率与服务水平的基础研究,地铁乘客集散仿真应综合考虑建筑环境、设施配置、运输组织三方面对乘客集散效率的影响.本文构建了乘客自适应Agent模型,从环境感知、行为决策、动作执行三方面建立基于神经元模型的环境拥挤感知模型,考虑拥挤的运动行为启发规则、运动状态离散更新规则.在构建乘客微观行为动力学模型的基础上,以典型的地铁岛式站台乘客集散为研究对象,建立地铁站台乘客集散仿真模型.仿真结果表明,在地铁站台建筑空间环境和设施设备配置确定的情况下,乘降客流需求和列车发车间隔对地铁站台最大乘客数及乘客集散效率影响显著.

自适应Agent的设计和实现

自主性是自适应软件实体的基本性能,即具有自适应特征的软件实体应能感知环境的变化,并具有控制自身结构和行为的能力。将自适应系统中的软件实体抽象和封装为软件Agent,基于组织学的抽象和思想以及动态绑定机制设计和实现了自适应Agent,提出了自适应Agent的模型和构造框架,介绍了实现自适应Agent的若干关键技术,如自适应策略描述语言(self-adaptation strategy description language,SADL),动态绑定机制的实现,环境的感知技术等。并通过案例分析说明了如何开发自适应Agent程序,验证了方法的可行性和有效性。

制造系统中任务分配的自适应Agent模型

为实现在保持高生产率的前提下对环境变化的快速响应 ,提出了一个基于自适应Agent的模型 ,研究了制造系统中最常见的任务在加工资源上的分配问题。设计了在多智能体系统中分别代表加工资源、任务和协调者的三类Agent ,以及它们在各自利益驱动下所应遵循的行为规则 ,并采用了局部与全局的双层强化学习机制 ,以保证整个系统的行为朝着预期的优化方向演化 ,适应环境的改变。最后 ,给出了一个以车间调度为背景的仿真示例 ,在环境变化 (如产品需求改变或机器故障 )的情况下 ,系统能够自动地产生满意的任务分配策略。

基于强化学习的自适应多Agent系统的构造

自适应系统所处的环境往往是不确定的,其变化事先难以预测,如何支持这种环境下复杂自适应系统的开发已经成为软件工程领域面临的一项重要挑战。强化学习是机器学习领域中的一个重要分支,强化学习系统能够通过不断试错的方式,学习环境状态到可执行动作的最优对应策略。本文针对自适应系统环境不确定的问题,将Agent技术与强化学习技术相结合,提出复杂自适应系统开发的核心运行机制和构造技术,从而使得所开发的自适应系统具备在不确定环境下适应环境变化的能力。论文通过案例分析阐述了如何基于学习机制来进行自适应多Agent系统的开发,验证了该机制和方法的有效性。

Agent软件技术应用实例

在以往远程教学系统的设计、开发中，通常使用面向过程和面向对象的编程方法，文中采用Agent技术进、Web环境下远程教学系统的构建、组织和管理。在Agent的教学系统中，首先建立单个Agent内部结构的形式化模型，再从多个Agent角度入手，设计、开发面向Agent的远程教学系统，利用MuhiAgent技术，设计了基于目标的Multi-Agent系统并探讨了该系统的实现方法。

自适应人机界面的新模型机制探讨

当前,自适应界面已成为人机界面研究的一个方向。本文首先介绍了有关人机界面和自适应界面的一些基本概念,并在此基础上提出了一个人机界面的自适应机制,并提出智能Agent是计算机领域中自适应人机界面设计思路之一,给出了基于Agent的用户模型的结构框图,探讨了用户界面Agent及其构建方法。

自适应策略描述语言编译器的设计与实现

复杂自适应系统中的软件实体既需要完成业务功能,又需要不断地感知环境,并根据环境的变化调整自己的结构和行为来适应环境,完成自适应功能。当前自适应系统的开发存在将自适应逻辑和业务逻辑相互缠绕的问题,使得自适应系统的开发和维护变得极为复杂和困难。本文将自适应系统中的自主运行单元抽象为自适应Agent,将自适应Agent的业务逻辑和自适应逻辑相分离,提出了表述Agent如何适应环境变化的自适应策略描述语言SADL。为了将自适应策略编译成可执行的程序单元,本文设计并实现了SADL编译器。通过案例分析阐述了如何定义自适应策略,并展示了编译结果,验证了方法的有效性。

自适应系统软件传感器设计与实现

随着Internet的普及应用,越来越多的软件系统运行在开放的环境中,需要感知和适应环境的变化。如何支持这类复杂软件系统的开发和运行已经成为当前软件工程面临的一项重要挑战。针对自适应系统与其驻留环境的交互问题,将自适应系统中的软件实体抽象为自主Agent,提出了自主Agent感知环境变化的软件传感器及其与环境的动态关联思想,给出了软件传感器的设计和实现。不同于已有研究,将软件传感器视为一类特殊的软件Agent。最后通过案例分析展示了上述思想和技术的可行性和有效性。

一种基于DFL的多Agent系统框架研究

基于DFL,提出了一种多agent系统的框架,包括:多agent系统的相关定义,动态多agent系统、自适应学习多agent系统的演变算法等。

基于自适应Agent仿真的系统可靠性预计方法

建立了基于自适应Agent的系统仿真模型的3层体系结构,设计了3类Agent对象:环境仿真Agent、系统仿真Agent和单元仿真Agent,分别模拟了环境、系统对象和基本工作单元,建立了考虑任务环境影响因素、由若干A-gent组成的系统可靠性仿真模型,是对系统可靠性预计方法的新探索。

基于UML活动图的测试研究进展

UML活动图不再是状态图的特例,它作为一种独立的模型广泛用于软件的行为建模。基于UML活动图的测试受到业界的普遍欢迎。然而从UML活动图自动生成完整的测试场景\用例成为一个难点。本文对基于UML活动图的测试进行了比较分析,总结了几种从UML活动图生成测试场景\用例的方法及其使用的算法,即反蚂蚁Agent方法、灰盒方法、自适应细菌Agent方法和系统的形式化方法。对这些方法进行了分析与比较,指出一些不足之处。最后对UML活动图测试的发展趋势做了一些展望。