检索结果-内蒙古大学图书馆

北方交通大学学报 2004年第2期28卷 17-21页

作者：王黎明黄厚宽北京交通大学计算机与信息技术学院北京100044

推测计算是在信息不完全的情况下,提前进行决策的一种计算过程.它以假设推理为基础,并利用缺省值对未来的问题进行计算.事实上,在计算过程中,缺省值并不是唯一的基础信息.在时间允许的情况下,主Agent可以通过协商获得尽可能多的真实信息... 详细信息

推测计算是在信息不完全的情况下,提前进行决策的一种计算过程.它以假设推理为基础,并利用缺省值对未来的问题进行计算.事实上,在计算过程中,缺省值并不是唯一的基础信息.在时间允许的情况下,主Agent可以通过协商获得尽可能多的真实信息,信息越丰富,推测计算的结果越精确.为了强化协商,本文分析了假设推理和推测计算的基本理论,并以此为基础给出了推测计算的扩展框架,定义了协商语言,提出了协商算法,并将其嵌入到了推测计算中,从而可以提高推测计算的精确性.

关键词：计算机应用推测计算假设推理协商对话对话约束

来源：评论

学校读者我要写书评

暂无评论

基于主Agent信念修正的推测计算及其资源协商

引用

软件学报 2005年第11期16卷 1920-1928页

作者：王黎明黄厚宽北京交通大学计算机与信息技术学院

基于假设推理(abduction-based)的推测计算(speculative computation)是在资源信息不能及时到达时,利用缺省假设进行计算的过程.在计算过程中,如果应答和信念不一致,则主Agent将修正它的信念.为了实现目标,在有限时间内使推测计算的结... 详细信息

基于假设推理(abduction-based)的推测计算(speculative computation)是在资源信息不能及时到达时,利用缺省假设进行计算的过程.在计算过程中,如果应答和信念不一致,则主Agent将修正它的信念.为了实现目标,在有限时间内使推测计算的结果更精确,主Agent要通过协商获得尽可能多的实际信息,协商是降低决策风险的主要途径.在介绍假设推理和推测计算的基本原理的基础上,提出了基于时间约束的推测计算扩展框架、基于时间约束的进一步协商框架和基于信念修正的协商算法,并将进一步协商框架和协商算法嵌入到推测计算的过程中,在协商过程中赋予主Agent更强的信念修正能力.最后,在货物运输领域的实验中,证实了基于信念修正的推测计算的有效性.

关键词：推测计算信念修正假设推理协商对话对话约束时间约束

来源：评论

学校读者我要写书评

暂无评论

推测计算中基于进程约简的资源协商算法

引用

模式识别与人工智能 2005年第3期18卷 273-280页

作者：王黎明黄厚宽柴玉梅北京交通大学计算机与信息技术学院北京100044 郑州大学信息工程学院郑州450052

介绍了基本的推测计算理论,并以此为基础给出了推测计算的扩展框架,其中包括进一步资源协商框架。提出了基于进程约简的资源协商算法,并将其嵌入到推测计算中。最后,在货物运输领域做了几个实验证明算法是有效的。这些工作在交通和货物... 详细信息

介绍了基本的推测计算理论,并以此为基础给出了推测计算的扩展框架,其中包括进一步资源协商框架。提出了基于进程约简的资源协商算法,并将其嵌入到推测计算中。最后,在货物运输领域做了几个实验证明算法是有效的。这些工作在交通和货物运输的决策中有重要的应用价值。

关键词：推测计算假设逻辑理论协商对话对话约束

来源：评论

学校读者我要写书评

暂无评论

基于学习和推测计算的多Agent协商机制研究

基于学习和推测计算的多Agent协商机制研究

引用

作者：王黎明北京交通大学

学位级别：博士

多Agent协商是分布式人工智能的主要研究领域之一，在电子商务中有重要的应用。随着Internet的不断发展和成熟，企业的电子化、虚拟化的趋势不断加强，尤其是网上电子交易更加引人注意。为能充分利用Internet的网络资源优势，电子交易... 详细信息

多Agent协商是分布式人工智能的主要研究领域之一，在电子商务中有重要的应用。随着Internet的不断发展和成熟，企业的电子化、虚拟化的趋势不断加强，尤其是网上电子交易更加引人注意。为能充分利用Internet的网络资源优势，电子交易领域的问题也日渐突出，比如交易的精度低、效率低和交易者的智能性不足等。分布式人工智能协商技术为这些问题的解决提供了一条途径。协商是一个动态复杂的过程，尤其是面对复杂的协商，解决上述问题不是一件易事。自从Zeng[5]提出基于Bayes学习的协商模型，并指出学习可以促进协商以来，协商和机器学习结合起来成了新的研究热点，提高协商者在协商过程中的学习能力是解决上述问题的有效途径。本文针对协商中存在的问题，在对当前机器学习方法和协商技术进行深入细致的分析，并对它们各自的特点及优缺点有了充分认识的基础上，对协商过程中的一些关键问题进行了研究。主要的研究内容有： 1.对推测计算进行了扩充，并提出了基于信念修正的推测计算。在计算过程中，如果应答和信念不一致，则主agent将修正它的信念。为了实现目标，在有限时间内，使推测计算的结果更精确，主agent要通过协商获得尽可能多的实际信息，协商是降低决策风险的主要途径。为此，提出了基于时间约束的推测计算扩展框架、基于时间约束的进一步协商框架和基于信念修正的协商算法，并将进一步协商框架和协商算法嵌入到推测计算的过程中，在协商过程中赋予主agent更强的信念修正能力。最后，在货物运输领域的实验证实了基于信念修正的推测计算的有效性。\n 2.为了提高多问题协商的准确性和购物agent的效用，除了考虑协商过程之外，还要解决协商前销售agent的选择问题。为了充分学习协商历史，实现探索(Exploration)和利用(Exploitation)的折衷，把销售者的选择问题转变成K臂赌博机问题(K-armedbanditproblem)来求解。文中提出了信任和声誉的度量模型，结合K臂赌博机问题的求解技术，采用基于模拟协商(N(si))的学习机制，提出了几个确定奖励分布的改进算法H(a，n)、E(a，r)、EE(a，r)和DS，最后，以模拟协商过程为基础将改进算法和信任及声誉模型有机地结合起来，提高了选择销售agent的准确性和实用性。几个实验都证实了本文工作的有效性。\n 3.提出了一个以理性agent为基础的基于多阶段的多问题协商框架。该框架在时间约束下适用于信息不完全的场景，它描述了多问题的价格协商。为了降低多问题协商的复杂性，它将多问题协商分解为多阶段协商，每个阶段的大小(问题数)相同。阶段数和顺序在协商前确定，每个阶段中的问题顺序在协商中确定。在阶段大小相同的情况下，对给定协商问题的分解，框架能给出优化协商议程(Agenda)，提出以仲裁agent为基础的多阶段协商协议，给出了确定多阶段的过程。尤其是，框架能为参与协商的agent建立学习系统(LS)，以增强agent的学习能力。最后基于这个框架的原型系统证实这个框架是有效的。\n 4.提出一个基于推测计算的一对多并行协商模型。在多agent环境中，推测计算就是一个agent在还没有得到应答的情况下提前做出决策的过程。这部分将推测计算用于多个有偿资源获取的一对多协商中。首先将推测计算模型扩充为可容纳多协商线程的模型，并提出具有信念修正的多问题协商模型。基于这两个模型又提出了多线程并行协商过程。为实现这个多线程并行协商过程，给出两种并行方案，并对这两种方案和相应的并行策略进行了讨论。最后通过实验证实了所给出的模型和并行协商过程是有效的。\n 5.

关键词：推测计算多Agent协商协商机制人工智能协商机器学习

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：