基于BDI Agent技术的情感机器人语音识别技术研究

介绍了BDIAgent技术在情感机器人实现中的应用。通过基于Agent技术的语音识别网络的构建,实现让机器人对外界语音输入能够正确地识别和理解,这样才能为进一步进行情感上的交流奠定基础。主要讨论了如何在BDIAgent技术的基础上建立识别器和解释器。

基于BDI Agent的网格服务模型研究

随着网格技术应用的不断深入,对网格服务应用过程中的自治性、智能性等提出了较高要求。为了有效解决网格服务过程中的自治性问题,在对网格服务及智能Agent的BD I模型进行研究的基础上,提出了一种基于BD IAgent的网格服务模型。分析了模型中各模块的组成及功能,基于Agent的智能性、自治性和社会性等特点,讨论了Agent在网格服务请求处理过程中的作用。同时,利用本体语义进行网格服务的匹配,从网格服务的基本概念和整体服务能力上对匹配过程进行了说明。该模型提高了网格服务发现的准确率,同时也增强了系统的可维护性、灵活性和扩展性以及网格服务管理的自治性和容错性。最后,进一步明确了该模型的未来研究方向。

一种BDI Agent的多线程实现方法

Agent BDI结构的实现是多Agent系统开发中的难点之一。本文研究了理性BDI模型,提出并实现了一种AGENTFRAME结构,其中明确表示了Agent的信念、愿望和意图,以该结构为模板所生成的Agent能够长期持续地自主运行,完成推理和协作等多种智能行为。

基于加强学习的BDI Agent动作规划机制

为了确保BDIAgent在动态、复杂的环境中实现基于某目标的动作序列决策任务,使用与/或图描述了意图决策结构,此结构将目标与实现这些目标的计划联系起来。根据意图决策结构,提出了3种不同的基于加强学习的动作规划策略,分别是短视性BDIAgent的单步规划、具有远见的BDIAgent的多步规划和追求完美的BDIAgent的最优规划。与传统的BDIAgent系统相比,这种新的意图决策模式克服了计划抽象的不足,并且易于编程实现。

基于Petri Nets的BDI Agent模型

Petri nets是一种图形和数学的建模工具,广泛应用于各种系统。它们主要描述和研究信息处理系统一些特点,如并发、异步、分布、并行、非确定和随机过程。为了更容易、方便、自然地描述agent系统,该文提出了面向agent的Petri nets分析方法。该方法主要对面向对象的Petri nets分析方法作了一些改进。最后给出了基于Petri nets的BDI agent实现模型。

BDI Agent解释器的研究和改进

现有的“信念 -愿望 -意向 (BDI)”Agent系统将它的 3个主要心智状态 (信念、愿望、意向 )作为数据结构而不是模态算子来使用 ,导致信念 -愿望 -意向 Agent的研究在理论和实践之间存在较大的差距 .该文深入研究了过程推理系统 (precedure reasoning system,简称 PRS)和扩展的多 Agent推理系统 (developed multi- agentreasoning system,简称 d MARs) ,针对 d MARs系统的解释器 ,提出了一种改进的编程语言 Agent BDI,结合一个典型的分布式人工智能的例子 ,对它的语法和语义进行了描述 ,并给出了一个改进的 BDI Agent的解释器 ,使 BDI Agent能用一种类似于逻辑程序设计的方式编程实现 .

TriBDI Agent应用框架的研究和实现

借鉴面向对象开发工具中的应用程序框架的思想，提出了一种Ａｇｅｎｔ的应用框架──ＴｒｉＢＭＩ，该框架为三层体系结构，通过 Ａｇｅｎｔ的 ＢＤＩ模型来表示 Ａｇｅｎｔ的心智状态．该框架已在ＡＩＤＥ（Ａｇｅｎｔ Ｉｎｔｅｇｒａｔｅｄ Ｄｅｖｅｌｏｐｉｎｇ Ｅｎ－ｖｉｒｏｎｍｅｎｔ）Ａｇｅｎｔ集成开发平台中予以实现，并对如何使用该应用框架构建Ａｇｅｎｔ系统提出了初步的设计规范．

BDI Agent推理模型的研究

文章提出了基于环境感知的具有推理能力的BDI Agent模型。并通过引入环境感知函数、意见函数、过滤函数、行为函数对环境的变化和Agent自身推理过程进行研究。在此基础上,通过积木世界的具体实例加以说明。

基于BDI Agent的电子商务客户知识管理

为了克服传统专家系统知识获取、知识表示等瓶颈问题,在Jadex平台下,研究了电子商务客户知识管理BDI Agent的设计与实现,解决了客户知识表示、知识库的建立、知识管理BDI Agent的结构与推理机制。研究结果表明基于BDI Agent的电子商务客户知识管理系统具有很强的智能性、主动性、灵活性和推理的鲁棒性。

基于Q-learning的不确定环境BDI Agent最优策略规划研究

BDI模型能够很好地解决在特定环境下的Agent的推理和决策问题,但在动态和不确定环境下缺少决策和学习的能力。强化学习解决了Agent在未知环境下的决策问题,却缺少BDI模型中的规则描述和逻辑推理。针对BDI在未知和动态环境下的策略规划问题,提出基于强化学习Q-learning算法来实现BDI Agent学习和规划的方法,并针对BDI的实现模型ASL的决策机制做出了改进,最后在ASL的仿真平台Jason上建立了迷宫的仿真,仿真实验表明,在加入Q-learning学习机制后的新的ASL系统中,Agent在不确定环境下依然可以完成任务。

一种BDI Agent的动态推理模型

论文提出了基于环境感知的具有动态推理能力的BDIAgent模型。该模型引入了环境感知函数、意见函数、过滤函数和行为函数对环境的变化和Agent自身推理过程进行研究,并用扩展了的ASL语言描述该模型的动态推理过程。然后,用机器人摞积木的例子来验证这种推理过程的合理性。最后进行总结并讨论了进一步的研究工作。

基于AUML的BDI Agent软件测试用例生成算法

根据面向BDI Agent的软件特点,采用基于模型的软件测试方法。利用树形结构对BDI的运行过程进行分析,确定Agent个体的运行轨迹;对AUML模型中的序列图进行分析,做Agent间的交互测试。将序列图(sequence diagramSD)中的消息进行提取,确定MAS中每个Agent所要处理的消息事件集合,依据消息集合生成目标树,遍历目标规划树确定测试路径;依据测试路径生成测试用例。实验结果验证,该方法可以基于AUML序列图生成完备的测试用例。

BDI agent导引修改机制用于Peer to Peer系统文件操作

类是面向对象技术中最重要的概念,改进类的结构后给出了一种可计算的agent模型.这种模型的特点是加入了导引函数与一些修改函数,导引函数借助节点信息树实现agent的BDI搜索,这是agent的通常工作模式.修改函数用来完成agent的生长与变异,各地的agent与访问的agent作用在一起形成分布式多agent系统(distributedmulti-agentssystem).这一模型能够用于PeertoPeer系统交互以及实现多粒度文件操作.

基于BDI逻辑的多Agent系统的学习机制

虽然理性Agent的信念-愿望-意图(BDI)模型很重要,但是它的两个主要缺陷仍没解决:缺少学习能力、缺少明确的多Agent功能。从多Agent学习角度,使用带有学习能力的多Agent系统背景对BDI-Agent结构进行扩展,并利用“作为一阶方法的”逻辑决策树归纳,使得“在Agent的规划可以成功执行时,Agent能够进行学习”。这样的BDI学习Agent体系结构可以在单个表处理语言Lisp中并行执行多Agent系统,而且这一方法可以保持学习与实践推理理论之间的一致性。

支持多Agent通信的扩展BDI逻辑

ＢＤＩ（信念、期望和意图）逻辑是当前ａｇｅｎｔ理论研究的热点课题之一，相关研究工作较少涉及对ａｇｅｎｔ间通信的描述．文章旨在提出一个能表示和推理多ａｇｅｎｔ间基于言语行为理论的通信行为的扩展ＢＤＩ逻辑．该逻辑是一个多类、带量词并具有分枝时序结构的一阶多模态逻辑，除了包含标准ＢＤＩ逻辑的模态和时态算子之外，还引入了一些必要的逻辑算子和构造符，用于刻画ａｇｅｎｔ为实现其意图而具有的规划能力，以及对多ａｇｅｎｔ通信给出正确的语用解释．文章讨论了逻辑的语法和语义。

基于BDI的Agent合同网实现

合同网是一个用于分布式问题求解的高层通信协议 .本文给出了一个扩充的合同网协议的会话策略和一个BDI精神状态形成模型 ,并在此基础上将 BDI模型用于合同网协议 ,给出了实现合同网协议的一系列 BDI行为驱动规则 .本文在合同网协议的招投标过程中引入了信任度、稳健度和积极程度等精神状态参数 ,这类参数有助于改善协作质量 。

Agent-BDI逻辑

阐述了 Agent的形式化描述应该采用含有正规和非正规模态算子的混合模态逻辑为逻辑工具的观点 .建立了 Agent- BDI逻辑的代表系统 A- BI,讨论了它的语法和语义 .特别是给出了非正规模态算子基于 Kripke标准可能世界的新的语义解释 ,证明了 A- BI逻辑系统不但是可靠的 ,而且是完备的 .A- BI逻辑系统恰当地刻画了信念与意图的本质与内在联系 ,可作为 Agent形式化研究的逻辑工具 .

基于BDI的测试用例生成Agent模型

在某些软件测试过程中,是由人工设计黑盒测试中的测试用例,这种方法人工重复劳动多、测试效率低。基于Agent理论中的BDI Agent的思想,给出了黑盒测试中自动生成测试用例的一个Agent模型,提出了一个使用该模型生成测试用例的算法。该模型能够依据黑盒测试中测试用例生成的基本原则和待测功能模块的功能说明,自动设计出相应的测试用例。使用该模型和算法生成了一个登录窗口的测试用例,解决了传统黑盒测试中的不足,具有重要的理论和实际意义。

基于BDI的足球agent和TH-soccer平台

机器人足球赛是典型的 MAS问题 .建造了 TH- soccer比赛平台 ,利用 BDI实现了足球 agent模型和比赛算法 ,并在模型上实现了 team work方法 ,可解决个体与 team行为选择矛盾的问题 ,还给出了个体对抗 ,局部战术和全局战术等协商、协作和对抗方法 .改进了 Milind