基于交互历史的多Agent自动协商研究

来源 :计算机科学 | 被引量 : 0次 | 上传用户:endlessing
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在多Agent协商过程中,初始信念起到了至关重要的作用。而初始信念的形成是由设计者给予的部分专家知识和策略集,成功的交互历史是Agent在复杂环境中最后达成一致的提议集。通过学习机制从交互历史中获得知识,形成协商的初始信念,将更加有效地预测对方的策略,缩短协商过程的时间,再通过在线学习来协调己方Agent的行为。在此基础上优化协商模型,提高协商的效率和成功率。
其他文献
随着知识抽取、数据挖掘等技术的兴起,基于日志的企业流程重构引起了学术界和工业界的高度重视。本文针对目前重构算法大都采用本地策略因而无法保证最优挖掘以及算法对噪声不
随着计算机技术的飞速发展及信息时代的来临,计算机在管理工作中的应用越来越普及。药品检验所是国家对药品质量实行技术监督检查的法定机构,是国家药品监督保证体系的重要组
本文提出了一种将数据库同Web服务技术相结合的方法,一方面使得数据库可以将其存储的数据以Web服务的形式提供给外部使用,另一方面也可以在数据库内部直接使用SQL语句或存储过
适应Web服务的动态变化性是流程驱动的服务聚合研究的一个重要内容,传统的工作流建模思想必须加以改进以适应这一新的应用需求。本文引入了服务结点和服务群的概念,从服务聚合
单体型检测在遗传病基因的定位、药理反应的研究、个体识别等方面有极其广阔的应用前景。单体型组装问题指如何利用个体的基因测序片断数据,根据不同的优化准则确定该个体单体型的计算问题。对MSR,MFR,MEC,WMLF,MEC/GI等单体型组装模型做了详细的分析比较,得出了如下结论:在没有引入测序误差情况下,上述模型的重构精度基本一致。随着测序误差的增加,MEC/GI模型的容错性最好,重构精度最高;MSR
针对现有分类算法通常对不平衡数据挖掘表现出有偏性,即正类样本(通常是更重要的一类)的分类和预测性能差于负类样本的分类和预测性能,提出一种不平衡数据分类方法。该方法通过一
问题理解是问答系统中的一个关键步骤。问题理解的过程包括疑问词分类、问句分词及词性标注、疑问句句型识别、问题分类及问题中心的识别等。提出了对疑问句句型的识别方法,即
在LEO卫星网络中,由于卫星高速运动导致的网络拓扑变化和不同卫星覆盖城内流量的非规整性给设计其特殊路由算法带来很大挑战。结合卫星网络的固有特点,本文提出一种基于路径信
目的:探讨脐带异常对新生儿及分娩方式的影响。方法:对2006年1月至2007年12月间分娩的961例产妇资料作回顾性分析。结果:脐带异常227例,发生率为23.62%;脐带异常组的羊水Ⅱ&#176
本文从现有的一些提高宽带无线接入系统性能的技术出发,分析了它们克服无线通信缺陷的一些解决思路,总结出要提高宽带无线接入系统性能的关键在于提高现有带宽的利用率和增加系