（计算机应用技术专业论文）基于信任度模型的多agent全局协调.pdf

，_，。 i i ll li ll ll lli i ii l l l l l l l l y 18 2 5 7 8 8 n a n ji n gu n i v e r s i t yo f a e r o n a u t i c sa n da s t r o n a u t i c s t h eg r a d u a t es c h o o l c o l l e g eo f i n f o r m a t i o ns c i e n c ea n dt e c h n o l o g y g l o b a lc o o r d i n a t i o no f m u l t i - - a g e n t ss y s t e m b a s e do nb e l i e fm o d e l 么功e s i si n a r t i f i c i a li n t e l l i g e n c e b y g uc h e n l i n a d v i s e db y a s s o c i a t ep r o f e s s o rx i az h e n g y o u s u b m i t t e di np a r t i a lf u l f i l l m e n t o ft h er e q u i r e m e n t s f o rt h ed e g r e eo f m a s t e ro fe n g i n e e r i n g j a n u a r y , 2 0 1 0 ， 、： 0 争 二。 l 本人声明所呈交的硕士学位论文是本人在导师指导下进 行的研究工作及取得的研究成果。除了文中特别加以标注和致 谢的地方外，论文中不包含其他人已经发表或撰写过的研究成 果，也不包含为获得南京航空航天大学或其他教育机构的学位 或证书而使用过的材料。 本人授权南京航空航天大学可以将学位论文的全部或部 分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本承诺书) 作者签名：卫叁堡壁 e t 期：型：! ：1 2 ， 、t 0 南京航空航天大学硕士位论文 摘要 随着人工智能的发展，特别是分布式人工智能在大规模多a g e n t 系统中的应用，系统中越 来越多地表现出群体特征。此时单纯地研究a g e n t 理论、构造及体系结构，已不满足要求，从 而兴起了人工社会系统的研究。人工社会系统是针对多a g e n t 系统集中式控制的复杂性和分布 式控制的多a g e n t 间的冲突而提出的新研究方法。该方法经历了从下线自上而下方法到更适合 动态变化的上线自下而上建模方法的发展过程。在上线自下而上方法中面向群体智能涌现的多 a g e n t 系统全局协调，已成为目前人文和科技结合研究的热潮。 本文则按照目前研究的上线自下而上方法，以研究多a g e n t 系统中群体智能中一致性行为 涌现的全局协调为目标，建立了多a g e n t 系统形式化模型并详细分析了系统中对涌现有影响的 各个要素和结构。主要工作如下： 1 、 根据面向涌现全局协调的多a g e n t 系统的发展，选择了适合本系统使用的群体智能 形式化的数学模型和要素，确立了使用博弈论和信任度机制作为系统中a g e n t 间交 流所使用的涌现机制。 2 、 在以往的研究中，a g e n t 间一次交流策略的更改，大部分是根据a g e n t 所在的客观 环境( 如：a g e n t 拥有的资源，地理位置，社会地位的权威值等) 的反馈建立策略 更新函数，更改当前的状态。本文则使用随时间动态变化的累积信任度做为策略更 新算法。同时使用静态完全信息的博弈矩阵作为决定信任度变化满意值反馈的衡量 值。建立了基于博弈论和信任度的多a g e n t 模型最后通过实验验证了该模型在一 致性行为涌现上的有效性，并和h c r 算法比较了其涌现效率。 3 、 通过对多a g e n t 系统中对涌现有重要影响的因素的总结，本文的相关研究主要包括 以下几个方面：a ) w - s 模型小世界网络中邻接度k 、重连接率p 对涌现效率的影响； 2 ) b - a 模型无尺度网络在涌现上的有效性及它和w - s 模型小世界网络在涌现效率 上的比较；3 ) 对涌现产生的算法的研究，我们将信任度和权威值结合，作为策略 更新参数，研究其对涌现的有效性，及不同侧重程度下的影响。 在系统出现涌现现象，达到平衡后，使得一部分a g e n t 改变策略，研究其平衡性。 本文选择小世界网络上基于博弈论的信任度模型，在系统出现涌现达到平衡后，选 择2 0 的a g e n t s 更改策略，进行实验，结果显示，我们的系统能很好地重新达到 平衡。 关键词。人工社会系统，涌现，博弈论，小世界网络，无尺度网络 基于信任度模型的多a g e n t 全局协调 a b s t r a c t w i t ht h ee v o l u t i o no fa i ，e s p e c i a l l yf o rt h ea p p l i c a t i o no fd i s t r i b u t e da ii nl a r g es c a l em a s ，t h e m a e r o s c o p i c a lc o l o n yp h e n o m e n o nc o m e so u tm o r ea n dm o r eo f t e n t h et r a d i t i o n a ls t u d yo fa g e n t s t r u c t u r ea n dt h e o r yc a nn o tf i tt h es i t u a t i o na n ym o r e s ot h er e s e a r c ho fa r t i f i c i a ls o c i a ls y s t e m e m e r g e d t h i sm e t h o di su s e dt oc o n t r o lt h eb a l a n c eb e t w e e nt h ec o m p l e x i t i e so fc e n t r a lc o n t r o la n d t h ec o n f l i c t so fd i s t r i b u t e dc o n t r 0 1 i th a sa l r e a d yb e e nt h r o u g ht o p - d o w no f f - l i n ed e s i g nt ob o t t o m - u p o n - l i n ed e s i g nt oa d j u s tt ot h ed y n a m i cm a s n o wt h ee m e r g e n c eo fc o l o n yi n t e l l i g e n c ei no n - l i n e d e s i g n e dm a sh a sb e e nt h eh o t s p o ti nh u m a n c u l t u r ea n dt e c h n o l o g i e s t h i st h e s i sr e s e a r c h e st h ee m e r g e n c eo fs o c i a lc o n v e n t i o ni nm u l t i - a g e n ts y s t e m 、历t l lb o t t o m - u p o n - l i n ed e s i g n , b u i l d st h ef o r m a lm o d e lo fm u l t i - a g e n ts y s t e ma n da n a l y z e dt h ep o i n to ft h es y s t e m t h a tw i l li n f l u e n c et h ee m e r g e n c e t h em a i nw o r k so ft h et h e s i sa 托s u m m a r i z e da sf o l l o w s ： 1 a c c o r d i n gt o t h ee v o l u t i o no ft h ee m e r g e n c ep h e n o m e n o ni nm a s ，w ec h o o s ep r o p e r m a t h e m a t i c sm o d e lt of o r n 谊l i z et h ea r t i f i c i a ls y s t e m , a n dd e c i d et ou s eg a m et h e o r ya n db e l i e fd e g r e e a s t h ee m e r g e n c em e c h a n i s m s 2 i np r e v i o u sr e s e a r c h , a g e n t su s u a l l yc h a n g et h e i rs t r a t e g i e sa c c o r d i n gt ot h ef e e d b a c ko ft h e i r e x t e r n a le n v i r o n m e n ts u c ha s ，r e s o u r c e sa na g e n th o l d ，g e o g r a p h yl o c a t i o n sa n d s o c i a lp o s i t i o n t h i s t h e s i st r i e st ou s et h eb e h e fa m o n ga g e n t sa st h es t r a t e g yu p d a t ef u n c t i o nw h i c hw ec a l lh c bt o c h a n g et h e i rs t r a t e g i e s a n dw e 哪g a l n et h e o r ym a t r i xa st h ep a y o f fo fb e l i e ff e e d b a c k t h e n ，w e b u i l dt h em a sm o d e lb a s e do ng a m et h e o r ya n db e l i e fd e g r e e i nt h ee x p e r i m e n tp a r tw ev e r i f i e dt h e v a l i d a t i o no fe m e r g e n c e 谢t l lh c b s t r a t e g ya n dc o m p a r e dt h ee f f i c i e n c yo fh c b a n dh c r 3 a c c o r d i n gt ot h es u m m a r i z a t i o n so ft h ei n f l u e n c ef a c t o r so fe m e r g e n c e ，w e v ep i c k e ds o m ek e y p o i n t sa n dm a d ead e t a i lr e s e a r c h , w h i c hi n c l u d i n g ：a ) t h ek e yk & p p r o p e r t i e st ot h ee f f i c i e n c yo f e m e r g e n c e ”t h ev a l i d a t i o no fe m e r g e n c eo nb as c a l ef l e en e t w o r ka n dt h ee f f i c i e n c yc o m p a r eo f t h ee m e r g e n c eo nw - sm o d e ls m a l lw o r l da n db - as c a l ef r e en e t w o r k c ) w et r yt oc o m b i n et h eb e l i e f a n dp o s i t i o nf a c t o r st o g e t h e ri t hd i f f e r e n te m p h a s i s 罄t h ep a r a m e t e ro fs t r a t e g yu p d a t ef u n c t i o na n d v e r i f yi t sv a l i d a t i o na n de f f i c i e n c yo nt h ee m e r g e n c e 4 a f t e rt h ee m e r g e n c eh a sc o m eo u t , t h es y s t e mc o m e st oab a l a n c es t a t g w ej u s tc h a n g e2 0 a g e n t s s t r a t e g i e st oo b s e r v et h es t a t eo f t h es y s t e m k e y w o r d s ：a r t i f i c i a ls o c i a ls y s t e m , g a m et h e o r y , e m e r g e n c e ，s m a l lw o r l dn e t w o r k , s c a l e f r e en e t w o r k n 1 ， ：； 南京航空航天大学硕士位论文 目录 论1 究背景1 工社会智能的国内外研究现状。1 2 1 人工社会智能的发展过程1 2 2 系统建模分析方法2 2 3 多a g e n t 系统模型的建立4 1 2 3 1a g e n t 的定义、结构和类型和工作方式：4 1 2 3 2 系统及模型的选择7 1 2 3 3 多a g e n t 系统社会网络结构的选择8 1 2 4 人工社会系统设计方法的研究9 1 2 5 多a g e n t 环境下a g e n t 的交流方式9 1 2 5 1a g e n t 学习及策略更新方法。9 1 2 5 2a g e n t 交流的结构和分类1 0 1 2 5 3a g e n t 学习和a g e n t 交流1 l 1 2 5 4 社会法律及策略更新算法的研究1 l 1 2 5 5 目前的研究问题域及应用1 2 1 3 本文的主要研究工作1 2 第二章多a g e n t 系统形式化及涌现机制选择。1 4 2 1j ；i 言1 4 2 2 群体行为全局协调调整机制1 5 2 2 1 群体智能现象与原理1 5 2 2 2 群体智能系统的形式化。1 6 2 3 全局协调中各因素的影响1 6 2 3 1 全局协调中社会规则策略更新要素的选择1 7 2 3 2 局部扩散效应撼知范围2 l 2 3 3 社会网络结构的选择2 l 2 4 涌现机制的选择2 l 2 4 1 博弈机制2 2 2 4 2 信任度机制2 4 基于信任度模型的多a g e n t 全局协调 2 5 结论2 5 第三章基于信任度模型的多a g e n t 系统建立与实现。2 6 3 1 引言2 6 3 2 基于信任度模型多a g e n t 系统的建立2 7 3 2 1 系统中社会规则策略更新算法要素的选择2 7 3 2 1 1a g e n t 感知范围的选择2 7 3 2 1 2 信任度要素的概念2 7 3 2 2 系统模型和a g e n t 的形式化及建立2 8 3 2 2 1 系统模型的形式化。2 8 3 2 2 2a g e n t 的形式化2 9 3 2 3a g e n t 所在社会网络的建模2 9 3 2 3 1 小世界网络的实现。3 3 3 3 系统中涌现机制的选择3 4 3 3 1 博弈论、信任度结合的涌现机制3 4 3 3 2 群体智能涌现的评价标准3 5 3 3 3a g e n t 间博弈游戏的选择3 6 3 3 4 信任度的建立及演变。3 7 3 4 基于信任度模型的多a g e n t 系统实现4 0 3 4 1 策略更新算法的实现。：。4 0 3 4 1 1 数据结构4 0 3 4 1 2h c b 算法4 l 3 4 1 3h c r 算法4 4 3 5 一致性行为的涌现及实验结果4 7 3 5 1h c b 算法关于一致性行为的涌现4 7 3 5 2h c b 算法和h c r 算法的效率比较4 8 3 6 结论4 8 第四章信任度模型中的多参数分析及比较。5 0 4 1 引言5 0 4 2 信任度模型中网络结构的影响5 l 4 2 1w - s 小世界网络结构性质的影响5 l 4 2 2 无尺度网络5 2 4 2 3 小世界网络与无尺度网络的比较 5 6 南京航空航天大学硕士位论文 于信任度与权威值的策略更新算法研究5 7 3 1a g e n t 信任度及权威值的关系5 7 4 3 2 信任度和权威值结合的h c b p 算法的有效性5 9 4 4 信任度模型系统平衡性的研究5 9 4 5 结论6 1 第五章总结与展望6 3 5 1 本文研究总结6 3 5 2 工作展望6 4 参考文献6 5 j l | 【谢6 9 在学期间的研究成果及发表的学术论文7 0 v 基于信任度模型的多a g e n t 全局协调 图 图 图 图 1 2 3 4 图1 5 图2 1 图2 2 图2 3 图2 4 图2 5 图2 6 图2 7 图2 8 图3 1 图3 2 图3 3 图3 4 图3 5 图3 6 图3 7 图3 8 图3 1 0 图3 1 l 图4 1 图4 3 图4 4 图4 。5 图4 6 图4 8 图4 9 图4 1 0 v l 图清单 a g e n t 的基本结构4 智能a g e n t 的工作过程5 j i i j ! 篁a g e n t 5 认羽a g e n t 6 b d i 结构图。6 a 和b 一次交流中可能考虑的因素1 7 a g e n t 直接邻居关系作为交流范围1 8 任务t l ，t 2 的a g e n t 分配l 8 任务t l 皿的a g e n t 执行步骤关系示例图1 9 a g e n t 间层次传播策略改变图1 9 基于a g e n t 信任度的策略选择2 0 基于a g e n t 策略信任度总和的选择2 0 a g e n t a 和b 常用的一次基于信任度的交流2 4 l = i 的a g e n ta 3 的作用域2 7 c 2 0 4 网络图相当于p = 0 时的网络结构图。3 l c 2 0 ，4 图经过p - - 0 1 选择节点连接后的网络图3 l c 2 0 ，4 图经过p = i 连接后的网络图3 2 n - - 2 0 0 ，k - - - 4 ，pe 【0 1 ，0 4 】j 3 2 n = 2 0 0 ，k - - 4 ，p ( 0 4 ，0 7 】。3 3 n = 2 0 0 ，k - - 4 ，p ( 0 7 ，l 】3 3 基于博弈论和信任度的策略更新过程3 5 不同初始信任度迭代结果图4 7 h c r 和h c b 算法涌现效率对比图4 8 k 值对社会传统涌现的影响。5 1 种子节点图示。5 3 m 0 = 5 包含6 0 节点的b - a 无尺度网络图5 4 m 0 = 5 包含4 0 0 节点的b - a 无尺度网络度分布图5 4 小世界与无尺度网络与一致性行为涌现5 7 a ，b 比较图6 0 迭代次数的二次拟合结果。6 l a 、b 、b a 随a g e n t 规模变化趋势的比较6 l 基于信任度模型的多a g e n t 全局协调 注释表 a r t i f i c i a li n t e l l e g e n c em i l s 信任度 小世界网络中的重连接概率 s 小世界网络中的交流半径 彳 a g e n t 之间随时间t 的满意值 a ( s 9 a g e n t 之间随时间t 的非满意值h c b a g e n t 的权威值h c b p a g e n t 局部作用半径h c r m u l t i - a g e n ts y s t e m a g e n t 数量 a g e n t 策略集合 a g e n t 集合 策略s l 的累积权衡度 最高累积信任度 最高累积信任权威度 最高累积支付值 ， p p k 岛研尸 工 本章简单叙述了多a g e n t 系统全局协调的研究背景和国内外研究现状，分别介绍了系统和 a g e n t 建模的发展，系统中a g e n t 间交流方式及策略更新发展的研究。最后给出了本文的主要研 究工作。 1 1 研究背景 基于人类智能对日常生活的重要性，为了了解自己和社会，人们开始研究智能实体由此兴 起了人工智能这门学科，其发展主要经历了以下几个阶到1 l ： l 、基于逻辑的人工智能：这是早期的人工智能，主要基于心理学对经验知识研究的结果， 发现启发式知识在人类思维中的应用。这类传统的人工智能可以概括为符号表达、逻辑推理、启 发式编程，如a 算法等。 2 、模拟形象思维的人工神经网络及分布式并行处理：该阶段开始采用分布式并行处理的方 法，如：人工神经网络。到此，人工智能的研究途径表现为模拟逻辑思维，以符号处理为中心的 传统方法。 3 、现场人工智能和现场认知：该阶段则将系统和其运行环境结合，观察系统与周围世界交 互及系统的部件间交互时智能的涌现，从而引导了现场人工智能和智能涌现的发展。在人类社会 中，就是研究人和由人组成的社会之间交互学习涌现出的智慧，这种人类智能的社会性已成为当 前时代的特征和研究热潮 4 具备理论之后人工智能与思维和系统研究结合。诸如智能体a g e n t 的社会性、人工社 会系统的研究等。该阶段，对a g e n t 的研究已经从自主性、反应性、主动性逐渐向移动性、学习 与适应性、交互及社会性上发展，和多个a g e n t 构成一定的社会环境。在这种环境下，多a g e n t 系统显现出来社会性、自主性、协作性及集体行为等类似人的特性及其人类的社会属性的特征越 来越明显，形成多a g e n t 系统中社会性的研究。 5 、社会智能涌现的研究。在a g e n t 及多a g e n t 系统的社会性越来越明显时，发展到了多a g e n t 系统中集体行为社会性的研究，研究个体a g e n t 的社会性和群体智慧并将其应用到现实中研究人 文和科技的结合。 目前。人工社会智能及其涌现的研究现则已成为人工智能研究领域中的一个热潮。 1 2 人工社会智能的国内外研究现状 1 2 1 人工社会智能的发展过程 9 0 年代初协调多a g e n t s 系统中的合作主要有两种方法【2 】： 基于信任度模型的多a g e n t 全局协调 1 、 集中式方法。通过用于中央控制的a g e n t 来协调所有a g e n t s 的活动，但这种方法通常需 要花费很多的资源。当a g e n t s 的数目及a g e n t s 之间的活动不断增加时，a g e n t s 之间交 流、同步的处理过程也相应急剧增长。这些处理过程都依赖于中央控制者，使得中央控 制者设计及处理都变得非常庞大，其所造成的耗费在一些复杂系统中是不允许存在的。 2 、 相对集中式方法的缺陷，人们又提出了分权方法。a g e n t s 之间以相互独立的方式实现自 我决策和管理，因此，a g e n t s 为实现各自的利益，容易产生冲突。此时，a g e n t s 间的冲 突控制则成为了研究重点。如果，a g e n t s 间发生的冲突无法解决，则出现了瓶颈。 鉴于这两种方法的局限性，m o s e 和t e n n e n h o l t z 提出了人工社会智能的方法1 2 。a g e n t s 在遵 循已有的约束条件下，各自自我管理，由此形成人工社会系统机制，来减少对中央控制者的需要； 另一方面，系统中自主决策的a g e n t s 必须遵循预定义的约束集，以减少a g e n t s 之间的冲突。 m o s e 和t e n n e n h o l t z 称这种用于约束a g e n t s 行为的约束集为人工社会系统。 在人工社会系统的概念提出后，科学家们兴起了关于人工社会系统形式化及建模方法，人工 社会系统中约束集及规则算法，人工社会系统设计方法的研究。又提出了很多社会本体性的概念 及关于这些概念的研究，如：社会行为，社会结构，社会法律，智能体( a g e n t ) 、多智能体( m u l t i - a g e n 0 等。及a g e n t s 之间协作关系的研究如：并合作、协调、竞争等。 1 2 2 系统建模分析方法 目前关于环境范围内为研究多a g e n t s 系统中a g e n t 行为及其表现的研究，基本包括两大学派， 自上而下( t o p - d o w n ) 和自下而上( b o t t o m - u p ) 。自上而下派认为智能现象与大脑的物理硬件无关， 人工智能的目标是将大脑使用的规则抽离出来，将它们编写进计算机的程序中，复制人类智能。 自下而上派则认为，人类大脑的特定物理构造在人的认知能力中起着至关重要的作用，如果不关 注大脑的物理结构，我们将无法理解人的智能【3 】。其他还有一些研究方法：横向，环形研究等等。 1 ) 白上而下( t o p - d o w n ) 方法 t o p - d o w n 方法是老派人工智能研究方法。该方法将智能看作抽象的、依据形式系统进行符 号处理的功能现象。他认为任何一个系统，只要展示特定的功能结构，就可以认为是有智能的。 t o p - d o w n 方法在2 0 世纪5 0 至8 0 年代一直占据统治地位。他研究特定的行为准则下a g e n t s 的 行为、交流变化，认为系统结构是已知而且稳定的，利用已经存在的社会结构进行分析。 其方法一般是先对整个社会结构建模，将各种属性抽象出来最终设计到结构中，目前总结 的需抽象的属性分为 4 1 ：l 、社会责任( s o c i a lr e s p o n s i b l i t i e s ) ：避免危害社会行为的一些准则。 是基于a g e n t 的内部原始属性和社会结构对a g e n t s 积极或消极的影响。2 、权利( r i g h t s ) ：a g e n t s 可实现的一些目标或特权。其他a g e n t s 不可妨碍a g e n t s 的这些目标。3 、名誉( r e p u t a t i o n ) ：对 信任度的估价。 但是仅仅按照这种方法来建模会有一些弊端。t o p - d o w n 方法认为结构不变而整个系统是 2 ， ， 南京航空航天大学硕士位论文 发展变化中的。当一些约定俗成的准则成为系统的严重制约因素时，系统就会发生改变。 制度的变化是社会系统组件之间交流的结果或者是由于组件交流所带来的个人行为变化 的进一步结果，则不能用t o p - d o w n 进行建模。 因此n i g e lg i l b e r t ，p i e t r ot e m 在他们的工作【5 】中提出使用t o p - d o w n 方法进行建模，当运行 过程中出现了无法预料的现象时，则对新的属性进行定义，同时进行b o t t o m - u p 反馈，反作用于 这个模型，使得模型能适应意外的变化，不断完善整个结构。 2 )自下而上( b o t t o m - u p ) 方法 b o t t o m - u p 方法，和t o p - d o w n 方法相对，是新一派研究方法，它认为智能是具体的、依赖于 人脑的特定物理构造的心理现象。他注重个体从周围世界获得信息，进行认知，主要研究a g e n t s 的属性、交流、所处环境相互作用下个体之间自发产生的制度变化，及最终形成的社会准则。其 对现实社会的抽象包括微小、中等到大规模的结构，比如：组，联盟，集体，网络等。该方法中， 有时结构的出现完全是由个体之间自发的行动产生的。比如原先具有不同目标和属性的a g e n t s 在经过交流后，最终形成了一个相互依赖的网络。 到目前为止，b o t t o m - u p 已有大量的研究成果，代表性的如：k a r e ni cf u l l a m , t o m a sb k l o s ， g u i l l a u m em u l l e r 等人 6 1 使用基于荣誉和信任度的交流方式的b o t t o m - u p 研究。他们提出在考虑 这些方法时要注意以下几个方面的问题：l 、精确度：模型必须能准确地预测其他a g e n t s 的未来 行为。精确度可以用a g e n t s 的模型计算结果和他所信任的a g e n t 的真正信任度之间的相似度来衡 量【7 8 ，9 】；2 、可适应性：因为信任度可能会因为环境的改变而改变，模型必须能动态改变a g e n t s 的信任度【l o 】：3 、快速汇聚：当有新的未知a g e n t 加入时，模型必须能快速重新定义属性，形成 新的模型。同时要防止恶意进入及离开模型，使模型不断动态变化，以保证汇聚的效率【l i 】；4 、 多维性：系统要区分a g e n t 在各种不同类别的a g e n t s 之间的信任度【1 2 1 ；5 、效率：算法在构造模 型的过程中必须有最小的计算花费和时间【1 3 l 【1 4 】；6 、决定是否交流：当给定一个交流意见时，a g e n t 应该能估计该交流在其他a g e n t 上是否可以正常实现来正确判断是否应该参与此交流，避免出现 孤立无用的交流【1 5 l 【1 6 1 ：7 、估测一个交流的价值：一个a g e n t 必须能够估计一个交流的价值，或 者该交流能完成的程度，从而能计算一个好的支付值【0 7 】；8 、确定并且能将不可信的a g e n t s 孤立 出去：通过不与不可信a g e n t 交流将其孤立【】【嘲。我们在实际研究的过程中则可参考这些标准。 其他还有 y i c h u a nj i a n g 和t o mi s h i d a 等人的工作，他们将表示a g e n t 社会地位的权威值引入多 a g e n t 系统，作为交流标准。他们的工作分为：l 、在单个a g e n t 层次交互时，低权威值的a g e n t 必须服从高权威值a g e n t 的策略【2 0 l 。依靠层次传递，最终形成一致性行为的社会准则；2 、讨论了 相邻节点和非相邻节点社会策略的选择：选择相邻最具权威的策略；非相邻节点之间的交流，根 据三个方式：强制命令、合作、非合作决定采取相应的方式【2 1 】；3 、讨论了聚居式a g e n t s 之间社 会准则的形成。在这里他们讨论了地理位置，同一个策略的使用人数对权威值扩散的影响。综合 3 基于信任度模型的多a g e n t 全局协调 这些因素，比较策略最终对a g e n t 的影响及该a g e n t 对该策略的抵抗，决定采取本地策略还是该策 略口2 1 。4 、并发策略影响，当a g e n t 同时有多个策略可供选择时，提供了冲突处理。当发生冲突时， 选择影响力更高的策略。他们通过a g e n t y _ 问的交互，自底向上最终形成同一组内群体智能的一 致行为，实现全局调控。 3 )横向 系统性的改变发生在同一分析层的各个实体问，由实体间的交互自发产生，通常由a g e n t s 的 内部状态：情感，社会态度等决定。最常见的应用是：推测。 4 )环形 在多层次的出现处理研究中，从一个给定层次的社会事实出发，向高层或低层出发最终反馈 到初始层。 1 2 3 多a g e n t 系统模型的建立 对多a g e n t 系统模型的研究包括了a g e n t 的定义及应用到理论和实现中的形式化、a g e n t 在 系统中社会行为的定义。 1 2 3 1a g e n t 的定义、结构和类型和工作方式： 在计算机和人工智能领域中，a g e n t 可以看成是一个实体。它通过传感器感知环境，通过效 应器作用于环境。a g e n t 为了达到一定的目标，有着自成规律地执行任务的工作模式。它有如下 特点【2 3 1 1 2 4 1 ：l 、有在一定的环境中执行相关任务或动作的能力：2 、可以感知自身周围环境并将 信息反馈；3 、可以直接与其他a g e n t s 通讯；4 、被一系列的需求趋向驱动( 以个体目标的形式 或者是优化生存或者满意条件的形式) ：5 、拥有自己的资源；6 、有一定的自主性：7 、其行为的 目的是为了优化自身的一些目标，这个过程需要考虑到a g e n t 本身所拥有的资源，技能，和对外 界的感知，及与其他a g e n t 之间的交流。 1 ) a g e n t 的基本结构，如图1 1 ： 4 作用 图1 1 a g e n t 的基本结构 a g e n t 从它所处的环境感知信息，并将这些信息反作用于环境。 r ， 童室墼窒塾丕盔堂塑主垡垒銮 一一 _ 一一。 2 ) 智能a g e n t 的工作过程，如图1 2 图1 2 智能a g e n t 的工作过程 a g e n t 首先从周围环境感知信息，利用这些信息进行交互，达到信息融合，再对这些融合了 的信息进行处理，产生作用。a g e n t 之间再进行交互最后反作用于环境 3 ) 几种不同的a g e n t a 反应a g e n t ，如图1 3 图1 3 反应a g e n t a g e n t 首先通过传感器从环境中获得当前世界的信息，通过一系列条件_ 动作规则作用于当前 世界的信息，产生合理的动作最终通过效应器作用于环境 5 基于信任度模型的多a g e n t 全局协调 b 认知a g e n t ，如图1 4 图1 4 认知a g e n t 首先a g e n t 通过传感器从环境中获取信息和a g e n t 本身的内部状态进行信息融合，其次利用 知识库对信息进行规划参照要实行的目标执行相应的动作，最后通过效应器反作用于环境。 4 ) a g e n t 的形式化定义 要对a g e n t 进行模拟研究，首先需要将其用一定的形式和语言表现，即a g e n t 的形式化。一 个完备的形式化系统需要包含相互独立的两个方面的属性：形式语言及其语义模型。在a g e n t 形式化方面，经典的命题逻辑和一阶谓词逻辑并不合适 2 u l 。目前最常用的形式化工具是模态逻 辑和可能世界语义，即将意识态度看成是一种模态。在语义方面，用可能世界及其可达关系来解 释信念、目标等意识概念的含义。目前，关于模态逻辑和可能世界语义的研究已形成一整套的相 关理论，成为表示和推理智能a g e n t 和多a g e n t 系统的最有力的形式化工具。标准的可能世界语 义的最主要的不足是其逻辑全知问题( 1 0 9 i c a lo n m i s c i e n c e ) ，已有很多研究者对其进行了改进 2 6 1 。 关于形式化的发展，典型的为b d i 模型。 i 最早的b d i ( b e l i e f , d e s i r e ，i n t e n t i o n ) 结构，如图1 5 6 愿望 八 l 信 目标 规 念 划 意图 v 图1 5b d i 结构图 r 南京航空航天大学硕士位论文 最早由b r a t m a n 提出用意图，信念，期望来描述a g e n t ，之后c o h e n 思想对信念和意图进行了形式化的描述。b d i 模型研究的典型代表是 澳大利亚的的r a o 和g e o r