基于Agent的计算PDF|Epub|txt|kindle电子书版本下载

基于Agent的计算PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章　绪论1

1.1　对基于Agent的计算的认识1

1.2　基于Agent的计算研究进展3

1.2.1 基于Agent计算的思维状态模型4

1.2.2 多Agent协调、协商与合作求解11

1.2.3 Agent组织16

1.2.4 MAS的社会性21

1.2.5　多Agent形式语义方法23

1.2.6 MAS拍卖25

1.2.7　面向Agent的程序设计语言29

1.2.8　测试床与应用系统34

1.3　本书各章的组织37

第2章　个体Agent模型43

2.1　概述43

2.2 Agent的BDI模型45

2.2.1　语法定义45

2.2.2　语义模型46

2.2.3　语义解释47

2.2.4　信念、愿望和意图48

2.2.5 动态BDI模型53

2.3 Agent的BDI效用模型55

2.3.1 直观分析55

2.3.2　语言和语法56

2.3.3　语义57

2.3.4　模型性质公理60

2.3.5　BEL,GOAL和INTEND关系公理60

2.3.6　模型实现分析61

2.4　并发Agent的模型63

2.4.1 语法63

2.4.2　语义模型64

2.4.3　模型基本性质67

2.4.4　举例68

2.5　并发Agent的操作模型69

2.5.1 π-演算69

2.5.2　直观含义70

2.5.3　模型定义70

2.5.4　并发Agent内核语言75

2.5.5　举例77

2.6　小结80

第3章　群体Agent的社会模型83

3.1 概述83

3.2 社会Agent的BDO模型87

3.2.1　MAS的分层模型87

3.2.2　承诺、意图和义务87

3.2.3　语法定义88

3.2.4　语义模型90

3.2.5　基本性质92

3.2.6　群体现象95

3.2.7　举例95

3.2.8　模型对比分析96

3.3 计算Agent的社会模型98

3.3.1　模型98

3.3.2　重构102

3.4　BDO Agent和MAS结构设计106

3.4.1 分析106

3.4.2 MAS的概念层次107

3.4.3 BDO Agent结构109

3.4.4 BDO Script和Robocup的部分描述111

3.5 小结113

第4章 多Agent系统协商方法115

4.1 概述115

4.2　MAS的一种动态行为118

4.2.1 收益函数与理性假设119

4.2.2　Agent的理性与系统行为121

4.2.3　最小理性假设下的系统行为122

4.2.4　分离理性假设下的系统行为122

4.2.5　惟一理性假设下的系统行为124

4.2.6 举例124

4.3　多Agent协商算法125

4.3.1 Agent的意图与Pareto＊理性127

4.3.2　多Agent协商算法134

4.3.3 举例142

4.4　多Agent多遇学习协调方法145

4.4.1 Nash平衡147

4.4.2 0历史学习方法149

4.4.3 1历史学习方法152

4.4.4　∞历史学习方法154

4.4.5 δ历史学习方法158

4.5小结160

第5章　Agent对抗163

5.1 概述163

5.2 基于BDI的对手模型166

5.2.1 对手模型167

5.2.2　跟踪算法168

5.2.3　算法分析170

5.2.4 算法推广171

5.2.5　实验分析172

5.3　个体对抗174

5.3.1 Agent通信174

5.3.2 KQML的语义176

5.3.3　基于对手模型的协商算法179

5.3.4　基于对手模型的欺骗算法180

5.3.5　对抗策略185

5.3.6　实验分析185

5.4　群体对抗186

5.4.1　群体意图的表示187

5.4.2　群体意图的生成与执行过程189

5.4.3　群体意图跟踪算法191

5.4.4　实验分析194

5.5 小结196

第6章 多Agent系统的语义模型199

6.1 概述199

6.2　Agent组织形成的形式描述和语义202

6.2.1　化学抽象机202

6.2.2 Agent组织结构的设计203

6.2.3 Agent组织结构设计的形式描述204

6.2.4 Agent组织结构设计过程的形式语义206

6.3 受限AGENT0的操作语义208

6.3.1 AGENT0语言208

6.3.2　约定和假设209

6.3.3 基于π-演算的受限AGENT0操作语义210

6.3.4 受限AGENT0的CAM语义214

6.3.5　讨论216

6.4 多Agent信念逻辑的Aumann语义216

6.4.1 MBL的Kripke语义与广义Aumann语义216

6.4.2 MPBL及概率Aumann语义221

6.5　概率信念逻辑的概率模态语义及完备性227

6.5.1　正规概率模态语义227

6.5.2 PBLω的概率模态语义及完备性229

6.5.3 PBL？的概率模态语义及弱完备性234

6.6 多Agent系统形式规范中的进程演算239

6.6.1 基于内部选择的CCS系统及弱互模拟的同余性239

6.6.2　基于并行动作的π-演算及强互模拟的同余性247

6.6.3　传递知识的进程演算259

6.7　小结264

第7章　Agent的个性模型265

7.1　概述265

7.2　个性的定义266

7.3　具有个性的Agent结构267

7.3.1　结构描述267

7.3.2　目标实现机制268

7.4　交互与组织270

7.4.1　交互270

7.4.2　组织270

7.5　具有个性的行为网络271

7.5.1　行为网络描述271

7.5.2　活性传播计算272

7.5.3　活动选择273

7.6　小结273

第8章　Agent组织与联盟275

8.1　概述275

8.2　基于思维状态传递的组织表示277

8.2.1 利用思维传递函数描述Agent关系277

8.2.2　组织描述279

8.2.3　组织表示的应用280

8.3 Agent组织的递归模型281

8.3.1 Agent组织结构的递归模型282

8.3.2　模型分析283

8.3.3 Agent组织的形成286

8.3.4　用递归模型描述Agent组织286

8.4　一种基于π-演算的Agent组织模型288

8.4.1　角色和组织框架289

8.4.2　组织形成过程举例292

8.4.3　组织动作的思维状态效果294

8.4.4　实验分析和算法实现295

8.4.5 讨论297

8.5 Agent组织的承诺机制298

8.5.1　多Agent系统的承诺298

8.5.2 Agent组织的承诺关系299

8.5.3　承诺的语法和语义300

8.5.4　承诺的性质302

8.5.5　基于承诺的组织形成303

8.5.6　举例305

8.6　面向结构的组织形成306

8.6.1　组织描述框架306

8.6.2　面向结构的Agent组织形成方法308

8.6.3　举例312

8.7　联盟演化机制313

8.7.1 问题的描述与分析313

8.7.2　联盟等价性314

8.7.3　联盟演化315

8.7.4　基于组织论的演化机制317

8.8　小结319

第9章　Agent社会321

9.1 概述321

9.2　基于信念-愿望-意图和效用的社会承诺机制324

9.2.1　基本框架324

9.2.2　社会承诺的决策和通信机制326

9.2.3　社会承诺过程328

9.2.4　举例331

9.3　基于市场模型的MAS社会规范331

9.3.1　Coleman的社会理论332

9.3.2　规范的定义335

9.3.3　权利分配、规范的制定和废除337

9.3.4　对称利益形势下的共同禁止规范339

9.3.5　举例340

9.4　Agent行为规范343

9.4.1　一种行为规范框架343

9.4.2　基于人工神经网络的规范机制345

9.4.3　规范效益与应用分类348

9.4.4　实验分析349

9.5　小结351

第10章 多Agent系统拍卖方法353

10.1 概述353

10.2　一种拍卖模型358

10.2.1 模型358

10.2.2　拍卖方法的评价标准359

10.3　一种边际效用递减的组合拍卖求解算法360

10.3.1　组合拍卖模型361

10.3.2　物品分配算法362

10.3.3 基于多物品不可转移检查算法的分析365

10.4　一种多属性拍卖方法366

10.4.1　多属性拍卖模型367

10.4.2　多属性拍卖MAV367

10.4.3　MAV的评价371

10.5 小结373

第11章 多Agent系统合作求解方法375

11.1 概述375

11.2 基于BDI的多Agent交互379

11.2.1　语法定义379

11.2.2　语义模型380

11.2.3　语义解释381

11.2.4 单Agent间的BDI382

11.2.5　社会承诺和联合意图384

11.2.6　合作的形成过程387

11.3　多Agent系统的一种合作机制389

11.3.1 面向任务域TOD389

11.3.2　测试床结构和交互流程390

11.3.3　合作交互策略391

11.3.4　实验分析394

11.4　群体Agent合作求解的逻辑模型396

11.4.1 语法和语义模型397

11.4.2　公理399

11.4.3　群体Agent合作求解过程400

11.4.4　举例404

11.5 群体Agent合作策略的表示与评估406

11.5.1 基于影响图的群体Agent合作求解模型406

11.5.2　情景演算语言——ConGolog408

11.5.3　评估算法409

11.5.4　举例412

11.5.5　讨论413

11.6　小结415

第12章　多Agent学习417

12.1　概述417

12.2 多Agent Markov对策中的再励学习421

12.2.1　再励学习与Markov对策421

12.2.2　多Agent Markov对策再励学习算法423

12.2.3　学习算法的收敛性424

12.2.4　实验分析426

12.3　Agent组织规则的再励学习428

12.3.1　组织规则学习环境与算法428

12.3.2　算法改进431

12.3.3　实验分析433

12.4 一种基于角色跟踪的群体Agent再励学习434

12.4.1　群体Agent学习模型434

12.4.2　基于角色跟踪的再励学习算法436

12.4.3　再励学习算法的评价标准437

12.4.4　实验分析438

12.5 一种基于特征向量提取的FMDP模型求解方法440

12.5.1 FMDP模型和线性规划440

12.5.2　状态特征向量442

12.5.3　线性规划的近似求解443

12.5.4　举例446

12.5.5　基于状态特征向量的再励学习算法447

12.5.6　实验分析449

12.6　小结451

第13章　Agent平台与测试床453

13.1 概述453

13.2　多Agent动态交互测试床456

13.2.1　多Agent篇章理解456

13.2.2　类市场体系结构457

13.2.3 TUMIT的类自由市场体系结构458

13.2.4　理论框架与算法463

13.2.5　实验分析469

13.2.6 TUMIT分析473

13.3　交易市场测试床475

13.3.1　信息物品分析475

13.3.2　iMarket测试床477

13.3.3 实验分析480

13.3.4　买方合作竞标实验483

13.4 多Agent系统实验环境485

13.4.1 MAS/TH-4的系统结构485

13.4.2 虚拟分布计算环境VDCE486

13.4.3　资源管理Agent和通信管理Agent492

13.4.4　多Agent篇章理解系统493

13.5 测试床TH-Soccer和MAS/TH-5498

13.5.1 TH-Soccer测试床498

13.5.2 MAS/TH-5测试床501

13.6　小结508

第14章　Agent技术应用511

14.1 概述511

14.2　工业生产中的Agent516

14.2.1 Agent技术应用的共同问题516

14.2.2　产品设计Agent517

14.2.3　计划与日程安排Agent519

14.3　信息检索和管理Agent520

14.3.1　个人信息Agent520

14.3.2　Web Agent521

14.3.3 多Agent信息检索系统522

14.4　Agent技术的适用性523

14.5 小结525

参考文献527

附录　Robocup的部分描述565