论文部分内容阅读
与当今分布式计算的软件构件技术(COM/DCOM、CORBA和RMI)的面向对象技术相比，软件Agent的粒度更大，智能化程度更高。软件Agent的研究已经成为当今软件技术的研究热点，也就是说软件技术由面向过程到面向对象、面向构件，再到面向Agent设计。移动Agent是一个能在异构网络中自主地从一台主机迁移到另一台主机，并可与其他Agent或资源交互的程序。 本文首先分析了Agent、软件Agent、移动Agent的概念、特性及其逻辑发展继承关系，显示出了移动Agent计算模式在低带宽、高延迟环境下的优势，重点研究移动Agent智能迁移模型、移动Agent迁移计划、Agent的学习与训练、Host选择、基于机器学习的移动Agent迁移策略等有关移动Agent的关键技术，参照互操作性的规范MASIF，根据目前移动Agent平台开发情况，致力于把这些平台互连起来实现Agent真正的跨平台移动，为研制开发移动Agent平台做前提性研究工作。 智能性是agent的特征之一，但目前就如何实现agent的智能性还是研究的热点与难点。本文在现有平台与规范的基础上提出了agent智能迁移体系结构，并针对迁移策略的host选择进行深入的研究。在此基础上提出了基于知识积累的agent智能迁移策略实现的具体方法。1)通过数据相关分析来确定对程序执行时间有影响的性能参数的相关系数作为此性能参数的权重，在确定host时只需看这些参数与权重的函数来评定。2)应用人工神经网络技术，考虑各个性能参数的影响，通过相关分析来确定和程序执行时间相关性比较大的参数作为神经网络的输入确定网络拓扑结构。这样不但解决了agent执行时host的选择与其host本身诸多影响因素之间的不确定关系，而且解决了agent学习积累知识的方法。通过人工神经网络学习后的agent执行时间比随机选择时间少，并在aglet平台对此算法进行了仿真实验，通过学习的agent能获得较优的结果，为合理的选择host提供依据。最后简要总结论文的主要工作，并提出今后要做的工作。 本文共分五章。第一章分析现有Agent存在的问题，提出本文研究内容与意义；第二章概述了Agent、移动Agent平台及关键技术、规范的研究情况；本文重点在第三章讨论了移动Agent智能迁移模型、Agent迁移计划、Agent学习与训练，基于相关分析Agent迁移策略，基于相关分析与神经网络Agent迁移策略；第四章对提出的Agent迁移策略进行模拟实验并分析实验结果。在第五章总结了本文的研究情况和尚未解决的问题。