一、Agent合作过程中的信任问题研究(论文文献综述)
任子仪[1](2020)在《结合信任的联盟结构生成》文中研究说明联盟形成是多Agent系统研究中最为重要的挑战之一,如何对Agent进行划分使得联盟结构的社会福利最大化是当前面临的主要问题。假设每个Agent都具有理性和自利性,为了追求自身的效用最大化而选择和其它的Agent进行联盟,进而使整个系统实现社会福利最大化。目前,联盟结构生成问题面临很大的计算挑战,即使添加了约束条件,也需要新的算法来更快更有效地解决该问题。合作博弈理论模型是联盟形成研究的基础,其中比较典型的是基于特征函数形式的可转移效用博弈模型,不过,其不仅没有考虑Agent之间形成联盟的可能性,也没有考虑Agent之间协同工作的方式,这会对模型和技术的实用性带来一定的限制。同时,大多数的合作博弈模型假设任意Agent都能够形成联盟,并且一个Agent集可以形成任意数量的联盟,这种假设过于宽泛,而现实生活中有一些具体的约束存在。针对上述问题,对联盟形成过程中上述两种常见假设进行约束,将形成联盟的数量约束为k,形成联盟的Agent之间有一定的信任效用约束,提出了信任效用关系的联盟形成,即具有较高的信任效用关系的Agent之间才允许生成联盟。对于本身不具有信任效用关系的Agent,则通过成员之间的传递建立联系。然后,在保证Agent个体理性和联盟中不存在块的前提下,借鉴图像处理的s-t-cut算法,提出两个多项式时间的联盟结构生成算法MT-s-t-cut和MTU-s-t-cut,求解给定情况下的最优联盟结构。最后,仿真实验验证了信任能够影响形成的联盟结构,社会福利随Agent数量的增加而增加,并且算法的运行时间远小于DP和ODP-IP算法。
李宏[2](2020)在《互惠信任对组织内知识传播效率的影响研究》文中认为组织内知识的有效传播是组织保证自身持续竞争优势的关键因素,所以组织内的管理人员应该积极鼓励成员在组织内、成员间有效地分享知识。但是,知识在传播过程中的信息不对称性极易造成隐藏信息的道德风险,所以知识的传播过程往往会单方面有利于知识的寻求者。同时,知识传播的行为通常会使知识的提供者付出自身垄断优势丧失的代价。从社会交换的角度来看,除非知识传播过程中产生的利益超过付出的成本,否则持有珍贵知识的理性个体会有极大概率拒绝传播知识。所以,近些年知识管理领域的研究重点逐渐由知识传播的成本研究转向知识传播的内在动因。本文通过应用知识基础理论、知识传播理论、社会资本理论和社会交换理论等进行理论分析,总结出组织内个体传播其所拥有知识的主要动机可以被概括为一种“互惠的信任”,具体而言,根据互惠的准则,个体相信其“无私”的知识传播行为可以在未来某一时刻得到相应的回报。通过基于Agent建模与仿真的方法,本文建立了组织内基于“互惠信任”的个体间知识传播行为的交互仿真模型,将组织内知识传播的行为置于互惠信任的特殊背景之中,主要弥补了现有研究的三点不足之处:1.以往研究在解释知识传播过程中互惠行为的时候大多使用的是偿还债务的观点,将研究重点放在了知识寻求者与知识提供者的净收益(收益和成本)方面,而忽略了组织行为中的互惠准则,也很少有研究将互惠和净收益的概念结合在一起研究。2.尽管信任在促进知识传播方面的积极作用已被知识管理领域的研究人员广泛接受,但是,现有研究对于组织成员间的相互信任是否应该被组织领导者视为影响组织内知识传播效率的核心因素尚未提供充足的证据。3.现有关于信任与知识传播之间的关系研究,尤其是以实证方法为主的研究主要是将信任从知识传播中独立出来进行分析,缺乏将二者联立在一起的证据来支持信任与知识传播之间的正相关关系。基于上述研究问题的设定,本文将知识按照自身的属性具体细分为显性知识和隐性知识,采用基于Agent建模与仿真(Agent-based modeling and simulation,简称ABMS)的方法,分别在两种不同的知识传播模式下进行仿真模型的设计与构建,对互惠信任的相关参数和交互规则进行建模与仿真,找出影响组织内知识传播效率的相关要素。通过对上述内容的研究,得出以下结论:1.在组织内信任相关的要素中,较高的初始信任水平(基于共识的信任)可以有效提高成员间共享知识的概率。与此同时,在知识传播的过程中,组织成员无需过于关注其他成员的交互行为。2.组织成员应该对其他成员更加包容。尤其是在信任氛围(初始信任)较低的组织中,由于组织成员本身具有相互不信任的倾向,个人对其合作伙伴的内在容忍程度应该相对提高。3.组织成员和管理者应该格外注重组织内的禀赋效应,因为在隐性知识的传播过程中,组织内的禀赋效应越大,成员间隐性知识的传播效率越高。4.在诚实方面,组织的领导者应保证自身对组织成员的诚实水平的有效约束力,特别是最低诚实水平(即组织内诚实水平最低的成员)的行为。5.管理者应该在一定程度上将组织规模维持在一个科学、合理的范围内。同时将有限的精力投入到组织互惠准则和信任氛围的改善方面,以确保组织内知识的有效传播,而不是一味引进知识富有者。最后,本文的主要创新点有:1.采用基于Agent建模与仿真(ABMS)的方法,将互惠信任与组织内知识传播效率之间不明确的关系联立在一起,弥补了以往研究的不足。最后在论文中展示了完整的仿真模型的确认与验证(Validation and Verification)过程。2.为了弥补学术界过于关注互惠行为中的净收益而对互惠行为本身研究不足的问题,本研究通过将组织内的互惠准则与人际信任结合为互惠信任的方法,实现了将互惠与净收益结合在一起研究的目的。3.仿真模拟实验的结果为信任与知识传播之间的关系提供了更完整、更细致的见解,除了对信任相关参数的测试以外,还进行了组织结构对组织内知识传播效率影响的仿真实验。4.为了解决学术界过于关注知识提供者的理性(效用)而造成的研究不足的问题,在本文显性知识的仿真实验中,知识寻求者的理性(效用)与知识提供者的理性(效用)受到同等的关注。5.在隐性知识传播效率的仿真实验中,本文将诚实(honesty)建模为一个个体抵御诱惑的阈值,并将其赋予Agent,通过仿真实验的方法,客观、细致地研究了个体的诚实属性对组织内隐性知识的传播效率的影响。
傅啸[3](2016)在《基于供应链多方决策的信任研究》文中进行了进一步梳理21世纪的市场竞争将不再是企业与企业之间的竞争,而是供应链与供应链之间的竞争,谁的供应链整体竞争力更强,谁就能立于不败之地。企业如果仅仅是受自身利益最大化的推动而做出决策,反而会在供应链长期的合作关系中利益受到损害,所以如何有效建立供应链企业间的合作关系得到了更广泛的关注,而信任则是影响企业间合作关系的重要因素。供应链企业间信任有助于有效的减少企业的交易成本,防范和杜绝市场中的机会主义,有助于更好的实现供应链联盟的优势互补、风险分担、资源共享、利润共享,还可以减少不必要的冲突。本文以制造业为背景,采用定量研究的方法考察了供应链上下游企业间的信任关系,首先利用贝叶斯概率估计方法预测优化订货量,增加了订货量的通用性和合理性。其次利用代理商的不同角色(热心或自私)分析其销售策略和对供应链中其它企业产生的影响。并且建立了一套较为合理的信任值更新机制,分别对获得信任值和失去信任值进行不同程度的更新。然后,为了研究信息共享对供应链企业间信任的影响,文章针对供应链中代理商与两个零售商采取三种不同的信息共享方式,分别建立基于风险价值最小的代理商推荐订货量的最优分配模型。最后引入双向期权机制,将订货量风险分摊到供应链中的各个角色,讨论每个角色的决策情况。本文通过定量研究和大量的仿真实验,得到了一系列分析结果和观察结果,并且提出了相应的管理策略和建议。本文的研究考虑到了供应链上下游的多角色复杂决策,交易的多周期性,以及需求不确定性等问题,研究目标在于解决供应链中的制造商生产、代理商销售和零售商订货决策等一系列难题,并且在建模和求解方法上,从产能和定价理论、风险管理、双向期权工具、运筹学和博弈论等多学科交叉的角度展开分析,引入定量的方法研究供应链信任问题具有创新性意义。本文以制造业为背景,力图能为供应链多方决策提供理论支持,同时也力求能够在其他产业得以推广应用。与之前的相关研究比较,本文的主要创新点在于:之前关于供应链信任的研究大都是采用定性的方法或者统计学方法来寻找影响信任变化的因素,并且普遍是两周期的一个供应商对应一个零售商的模型。然而,本文首先提出了一个基于信任值更新策略的自适应模型,适用于多周期交易的供应链企业双方,能够更准确的描述信任值在供应链上下游企业间所起到的调节作用。其次,将零售商的数量扩展到多个,基于风险价值最小和信息共享理论,设计了三种代理商分配推荐订货量模型,通过代理商所采取的不同分配推荐订货量策略,分析信任值所起到的作用。最后,把双向期权机制引入到供应链信任问题的研究里,通过基于双向期权条件下的信任值模型将制造商和零售商的预测订货量信息进行加工,得到更符合双方预期的市场需求预测量,规避订货过程中存在的风险,并且通过信任值模型来刻画多周期情况下信任变化过程,分析信任值在期权策略中所起到的作用。与传统的定性研究信任问题相比,本文建立的信任值模型能有效降低需求不确定性带来的风险,改善供应链合作伙伴关系,最终实现双赢,从而提高整体供应链的运作效率。
周军伟[4](2015)在《基于Multi-Agent的汽车供应链关键问题研究》文中研究表明汽车供应链系统,无论是供应环节,制造环节还是分销环节都是一个始终变化着的复杂过程,需要汽车供应链系统中的众多节点企业进行协作运行,最终形成一个庞大的汽车供应链体系。在汽车供应链系统中,整车制造企业为了能够获取相应的资源进行完成生产加工来满足市场的需求,很大程度上依赖于供应链上的其它成员企业,比如零部件供应商、第三方物流服务提供商、分销商等企业,众多的上下游企业的密切联系使得协作的复杂性程度逐渐递增。本文旨在研究汽车供应链系统中的关键问题,具体包含三方面内容:汽车供应链上的变动性及应对,基于Multi-Agent的汽车供应链系统中订单驱动的业务流程,以及基于Multi-Agent的汽车供应链系统中的信任机制。虽然,供应链管理理念和技术的发展提高了供应链系统的灵活性,但是变动性在汽车供应链系统中还是客观存在的,供应链系统结构中的零部件供应商、分销商以及客户需求的经常变化,致使供应链系统中某部分企业难以适应这种变动性,从而带来运营和管理问题,其影响贯穿汽车供应链系统的整个运营过程,若不能正确应对,会降低汽车供应链系统的运作效率和效益。基于Multi-Agent的汽车供应链系统的订单驱动研究是在汽车供应链系统中引入Multi-Agent技术,从系统中多个相互独立的Agent出发,组成协作的具有特定功能模块的Multi-Agent系统,将汽车供应链系统中的各成员企业描述为Agent之间的作业行为,通过它们之间的交互、协作来表达汽车供应链系统的功能,完成汽车供应链系统的目标,对模型中的业务流程、信息传递、协同运作三个方面来分析,梳理业务流程。基于Multi-Agent的汽车供应链系统的信任机制研究主要是分析汽车供应链系统上的信任因素,来研究其信任关系,构建出基于Multi-Agent的汽车供应链信任模型,之后对模型中的各Agent进行分析,提出汽车供应链系统信任机制,增加汽车供应链系统中的企业间信任度,降低变动性对系统的影响,并分析其发展趋势。本文主要是针对汽车供应链系统中存在的变动性问题而提出,利用Multi-Agent技术对于汽车供应链进行动态行为分析和信任机制研究,具有一定理论研究价值。另外,对于汽车供应链系统上的信息化实施具有一定的实际参考意义。
牛倩倩[5](2014)在《供应链合作信任机制建立及信任动态均衡研究》文中研究表明现阶段,信任问题一直是我国供应链发展的最大阻力。因此,研究合作信任关系对供应链的发展及合作伙伴间信任关系的改善具有一定的必要性。文章主要内容为以下三部分:(1)供应链合作企业间信任选择评价模型的建立及应用文章运用Multi-Agent技术、模糊综合评价法建立基于Multi-Agent技术的供应链企业信任合作伙伴选择评价模型[2]315。在模型中,多Agent[17-19]系统可通过连接内外服务器对合作企业进行快速选择。并通过不同Agent间相互沟通协调,实现了对合作伙伴信任的动态监督和评估。在模型中还引入信任预警Agent,可及时对合作过程中产生的信任风险发出警报,以提醒企业进行控制和采取必要的措施。通过实例表明,该模型对供应链信任合作伙伴的选择评估不仅快速而且有效,还能反映供应链合作关系的动态变化。(2)供应链合作伙伴信任关系保障模型的建立及应用在合作伙伴选择与信任评估模型建立的基础上,运用Multi-Agent技术[17-19]构建了供应链合作信任关系保障模型。它通过各个Agent之间的相互沟通和联系,可对合作企业下次合作是否采取信任作出决策;并能够通过信任保障Agent调用保障措施管理库中的保障措施对合作信任关系进行一定的保障工作,确保信任合作关系能更进一步,同时,一旦合作中出现信任缺失行为,系统也会采取相关措施对失信企业进行约束和惩罚。在对模型的使用步骤和功能进行详细地分析之后,应用案例对该模型系统进行验证。结果证明,该模型能够实现对信任关系的保障、监督和管理。(3)基于信任度叠加和相互依赖匹配的供应链合作伙伴信任均衡研究综合文章第三章中信任选择评价模型[2]和第四章中信任保障模型中的信任隶属值计算方法,对在供应链合作发展过程中的不同类型的合作伙伴的信任隶属值进行叠加计算,从而得到某一合作阶段某合作类型企业相应的信任隶属值;最后将其合作中对合作方的相互依赖程度与信任隶属值进行匹配。若匹配成功则得出现阶段两个合作企业间的信任是最佳信任;若匹配不成功,则合作的信任关系未达到最佳信任。
王江涛[6](2013)在《普适计算环境下的信任模型及相关应用研究》文中进行了进一步梳理普适计算的网络环境具有动态和不可预知的特点,交互可能发生在熟知的实体之间也可能发生在完全陌生的实体之间。普适计算倡导以人为中心,因此如同人类社会网络的存在的安全与信任问题一样,普适计算技术的发展必然也伴随着安全与信任问题,然而传统的安全技术PKI, CA等静态信任安全机制已经不能适应这种动态变化环境的需求,如果缺乏有效的安全信任机制保障,普适计算将难以真正实现。因此如何设计有效的动态信任机制来适应普适计算中的各种动态变化的环境已经逐渐成为研究的一个热点。但是目前为止所提出的一些普适计算网络环境下的信任模型尚未完善,主要存在以下几个问题,一、绝大多数信任模型,缺乏上下文感知能力,缺乏足够的能够对时间,地点,交互内容等上下文感知的信任计算模型。二、大部分信任模型在计算信任度的时候没有考虑信任关系之间的语义关系,也未能考虑不同实体之间天然存在的语义关系,使得这些模型的效率和精细度都不够。三、大部分信任模型设计的比较复杂,不合适资源受限的普适计算环境。本文针对上述问题进行了深入研究并提出了新的信任模型以部分地解决这些问题,在此基础上,本文对信任模型在普适计算环境中的WSN和P2P网络下的一些应用做了研究,在普适计算环境中信任模型的应用主要集中在两个方面。第一个方面是是用于促进实体间的信任水平进而提高实体间的合作水平,本文在这个方面的研究分别在第五章和第六章针对不同的应用环境提出了两种方法来促进实体间的合作水平。第二个方面的应用是为普适计算条件下的一些具体应用提供安全保障机制,本文第七章在这方面的研究针对具体的WSN网络路由应用提出了一种基于可信路由树的数据路由机制。主要工作如下:(1)针对普适计算网络环境的特点,提出了一种适合于普适计算网络环境的上下文感知的自适应信任模型CASATM,该信任模型能够自适应的对不同的服务提供不同层次的安全保障,能有效地对时间,地点,服务内容等上下文感知。同时提出了一种简单高效的风险评估模型来完成对一些陌生实体的信任度初始化。通过仿真实验分析,该信任模型能有效的感知上下文并抵抗恶意客体的周期性欺骗行为。(2)借助本体论提出了一种基于语义距离的信任模型。该信任模型利用实体之间的语义距离和信任关系之间的语义距离来更加精确的计算信任度。同时在本文的信任模型中区分了实体的行为信任和能力信任,所有的实体在基于自身利益最大化的思想下利用该信任模型来做出决策。仿真实验证实了该模型的有效性,能有效提高普适计算网络环境中实体间交互的成功率与交互效率。(3)对分布式信任模型在普适计算环境下对于提高节点合作水平的应用进行了研究。在分布式信任模型的基础上借助博弈论理论研究了激励节点合作行为的机制,让节点迅速学习适宜的合作行为,与传统的分布式模型不同的是适应度高的行为策略的传播效率更高,这样可以加速整体合作水平提高的收敛过程。与此同时扩展了收益函数,使得实体在低能量状态下可以采用相对保守的行为从而延长整个网络的寿命。(4)在普适计算环境的P2P网络下,研究了信任模型在多agent系统合作模型中的应用。提出了一种基于兴趣信任的多agent合作模型,利用Bayesian方法对agent的信任度按兴趣领域进行了分类评估,通过agent间基于兴趣信任的链接更新形成稳定的多agent合作系统。最后的仿真实验显示,本文提出的基于兴趣信任的合作系统演化方案不仅能有效提高任务的执行成功率,而且能有效改善网络拓扑结构,使所有的agent在不同的兴趣领域内聚集在该领域内服务能力较强的信任agent周围,保证了合作对象选取的可靠性。经过多轮演化后,本方案能使agent在不同的兴趣领域形成“兴趣分类聚集”,减小了网络同化现象,突出了agent的个性。(5)在普适计算环境的无线传感器网络下,研究了信任模型在数据路由中的应用,提出了一种基于信任核心树的数据路由算法。该算法在局部范围内选取具有相对较高剩余能量和信任度的节点作为簇首节点,从而对整个网络进行分簇。然后通过一个最小能耗生成树算法将所有簇首节点组织成以Sink节点为根的信任核心树,进而对该树进行扩展构建成覆盖全网的信任路由树。所有的数据沿着信任路由树上唯一的路径向Sink节点汇报。同时该算法引入了信任模型,该模型通过对网络中有数据包篡改,丢包,谎报等行为的恶意节点进行检测来评估节点的信任度。仿真结果证明该TCTR算法能有效减小能耗、平衡负载从而延长网络生存时间,同时也能有效识别与隔离恶意节点从而提高路径安全度。
贺利坚,黄厚宽[7](2011)在《MAS中信任和信誉系统的研究进展》文中认为信任在人类社会的合作中起着非常重要的作用,在诸多领域也受到了广泛的关注。在开放多Agent系统(MAS)的研究中,引入了信任的方法,用于解决交互伙伴的选择问题。信誉与信任密切相关,可以视信誉为信任的信息来源之一,信誉系统是用于完成信任评价的机制。MAS中信任研究应担负起发现计算实体之间信任的一般规律的重任。讨论了信任和信誉模型研究的内容、要求以及应用。在技术层面,信任表示有认知和数值两种观点,形成了集中式、分布式和混合式的体系结构,用于信任的汇总包括统计、概率、信念理论及模糊推理等方法。群体信誉、信息不准确、信息贫乏、异构模型互操作等问题有待进一步深入研究。
贺利坚[8](2011)在《多Agent系统中信任和信誉模型的研究》文中进行了进一步梳理Agent和多Agent系统是人工智能和计算机科学领域中重要的研究方向。信任的概念来自于人类社会,是人类解决复杂问题的有效机制之一,受到多个研究领域的关注。将信任机制引入到多Agent系统的合作求解中,帮助Agent解决交互对象的选择问题,是一个很有意义的研究课题,也具有一定的应用价值。Agent是计算世界中交互实体的抽象,多Agent系统中信任的研究应当承担起发现计算实体之间信任的一般规律的任务,应该注重建立分布的Agent自主进行信任评价的一般模型。本论文研究了多Agent系统中信任和信誉模型中存在的推荐信息不准确、异构模型互操作困难等问题的解决办法,并探讨了信任机制的应用方法,主要取得了下面的研究成果:1.推荐信息不准确问题可能是由于证人主观故意撒谎,但也有可能是因为与证人无关的其他因素造成的。在现有的信誉系统中,常常将不准确信息都归咎于证人,这并不利于选择出好的目标。在多Agent系统环境的一般模型中,目标Agent的操作半径代表了与证人无关的信息不准确因素,据此提出评价者Agent从自己的角度修改证人Agent的报告的方法,以及在交互后学习到更加准确的目标Agent的操作半径的自适应算法,从而保证评价者Agent在交互中获得更高的收益。将算法用于FIRE信任模型后的实验表明,无论在静态环境,还是在动态环境,均可使评价者Agent选择出更好的交互目标,在交互中获得更高的收益。2.灰色系统理论在贫信息、不确定性问题的求解中具有优势,分布式多Agent系统具有明显的灰色特征。在建立的Gtrust模型中,设计了对证人推荐行为进行评定的方法,用灰色序列生成技术填补数据空穴,用灰色定权聚类判定对证人的信任,指导评价者Agent合理使用来自证人的推荐,克服证人提供的不准确推荐信息带来的负面影响,有效避免了包括故意欺骗在内的信息不准确因素的影响。GTrust在复杂的环境中以实际交互结果为依据的策略,是一种切合实际的选择。通过仿真实验表明,GTrust可以帮助评价者取得好的交互结果。3.在信誉的功能本体(FORe)和已有的信誉模型基础上,设计了一个用于支持异构信誉模型互操作的平台。形式化定义了平台中的评定、推荐等基本元素,使该平台能支持现有的信誉模型;区分了目标的信誉与证人的信誉,明确提出四种形式的推荐信息。这项工作将对解决多Agent系统中异构信誉模型互操作问题、开发有信誉机制的多Agent的应用系统、开展信誉模型性能测试等方面起到作用。4.目前科技文献检索和管理软件中存在缺乏合作、文献来源单一、个性化支持不足等问题。开发了一个基于Agent的文献推荐系统ALRS,以支持研究人员在搜索和共享文献过程中开展合作。在ALRS中,每名科研人员对应一个Agent,既作为检索者,又兼当推荐者。利用精心设计的交互协议和决策方法,使Agent能够选择出合适的推荐者提供文献。在交互双方的选择环节,基于已经积累的经验,引入信任度量提高了决策的效果。
赵翔[9](2010)在《基于信任机制的多Agent系统协同研究》文中研究说明摘要:随着人工智能领域的不断发展,多Agent系统(Multi-Agent System, MAS)协同已经成为MAS系统研究中一个十分重要的问题。多Agent协同是指多个Agent合理有效地解决问题或者任务的过程,它既包含了在完成任务过程中如何处理各个Agent之间冲突的问题,又包含了在处理合作求解过程中采用何种求解方法的问题。目前,其研究主要集中在两个方面:面向理论的研究,面向应用的研究。理论研究主要包括协同框架的搭建,大规模自治Agent系统之间的合作机制。应用研究主要集中在信息采集、系统优化、移动Agent、机器人足球赛等方面。本文主要研究基于信任机制的MAS系统的协同问题,主要解决在开放动态的MAS环境下,如何通过生物智能方法建立MAS协同机制,并实现系统资源的优化配置;并且将信任机制引入到MAS协同工作中,以使Agent处理任务更有效,节省系统开销。目前研究者采用多种方法对MAS协同框架进行了研究,其中较为重要的是基于对策论关于Agent行为协调、协作的研究。该方法已经取得了很多研究成果,但是它对于协同模型的设计主要体现在形式化描述方面,并没有对模型本身采用何种优化算法进行说明。本文采用基于生物智能中的人工免疫算法设计了一种MAS协同模型,从算法层面对MAS协同模型进行了研究。分布式人工智能领域其它方面的研究进展也不断地影响着MAS协同研究。在开放MAS系统中,Agent可以在任何时刻进入或离开,并且Agent本身存在自利性,传统的方法已经不适合开放环境的需要。由于开放MAS系统中各个Agent自身的特性,Agent之间的关系对系统的影响十分明显。如何处理这些特性和关系,以更加有效地提高MAS系统解决问题的能力,就成为研究者十分关心的问题。我们通过研究发现,从Agent的个体特征和服务期望出发,改进Agent的信任与信誉机制,使用更类似于人类社会的机制,可以更好地处理多个Agent之间的协同问题,使MAS的研究更加适应人类社会的需要。本文对MAS协同和信任机制进行了研究和讨论,将Agent之间的信任关系引入协同过程中,使协同工作更具有理性,并更有效。本文的主要工作如下:(1)提出了一种基于人工免疫的协同MAS模型,将人工免疫系统中的克隆选择、亲和力计算引入MAS合作求解过程中,来处理供应链管理问题,提高Agent个体的学习能力。通过研究多个Agent交互过程中各个Agent之间的关系,规定了MAS系统中的主要参数,使系统有较好的任务求解能力和求解效率。(2)提出了一种应用于开放MAS的信任模型(E-FIRE)。它对当前流行的FIRE模型进行了改进,更有效地体现了系统交互过程中,Agent之间个性特征差异对信任模型的影响。E-FIRE模型引入了消费者和服务提供者的个性特征。一个消费者想要得到另一消费者在某次交互中获得的服务质量,不能仅根据该消费者在此次交互后给出的评分,而且需要考虑该消费者的期望。同时,在消费者为选择提供者而计算提供者的综合信任评分时,更多地依靠提供证据的消费者对提供者的直接信任,从而减少了Agent间的通信量。实验结果表明,在交互次数较少时,E-FIRE模型的性能与FIRE模型的性能相当;随着交互次数的增多,E-FIRE模型的性能更优。(3)通过对MAS协同与协商的关系的研究,将适用于MAS协同的信任机制引入到一体化协商过程中,完善了一体化协商过程中由于Agent自利性带来的对待协商过程的态度问题。采用直接信任与证人信任相结合的综合信任机制,较好地解决了面对开放MAS环境中一体化协商过程中消耗过大、受益过小的问题。(4)将信任机制引入到合同网协议中,使协议发起者通过对参与者的信任评估,帮助发起者制定合同网协议并作出评判。改进了合同网协议面对开放MAS环境中由于系统诚实与否带来的不稳定性,进而改进了合同网协议评判的效果。
童向荣[10](2010)在《多Agent合作求解中的信任与协商研究》文中提出在大规模开放环境中,Agent不可避免地要与其它Agent反复交互以实现其合作求解目标,因而每个Agent都会形成自己的历史交互。智能Agent自然能够从中得到更多的信息和知识并将其应用于之后的交互中,优化多Agent的合作求解效果。在Agent理论中,信任与协商是两个基本问题。信任是合作求解的前提和基础,协商是合作求解的基本方法,因而信任和协商关系密切。信任计算是一个有意义的研究方向,它能够保证软件Agent在大规模开放环境中的良好交互。不完全信息条件下的多议题协商一直是多Agent系统合作求解研究的一个至关重要又有挑战性的课题,一直是众多学者关注的焦点之一。然而,多Agent合作求解中的信任与协商问题至今没有得到很好的解决,存在一些可以继续改进的地方。从多Agent的交互历史中学习,得到信任计算和协商优化方法,正是本文研究的动机。关于多Agent合作求解中的信任与协商研究,主要存在以下问题。目前Agent信任研究大多是基于概率论以平均交互成功率来计算,较少考虑信任动态变化,因而信任的准确预测和异常行为的检测能力不能令人满意。另外,很少有工作致力于长期联盟信誉的研究。而且开放网络环境中存在着大量不精确和不完全信息,导致信任计算置信度不高,如何提高信任的应对噪声能力仍然需要进行探讨。在目前不完全信息条件下的Agent多议题协商中,最优回价策略一般采用间接学习对手偏好的方式,尚不能令人满意,而实际上Agent一般拥有或多或少的协商经验和领域知识,目前这些经验和知识都未得到很好的利用。多议题协商中效用函数的选择一直没有得到应有的重视,很多学者采用了线性的效用函数,这导致了在计算Agent的协商效用时涵盖范围较小。本文针对以上问题开展工作,主要工作如下:(1)提出了一种Agent动态交互信任计算模型。以概率论为工具,按时间分段交互历史信息,结合信任的变化率,给出信任计算的置信度和异常行为检测机制。实验以网上电子商务为背景,实验结果表明预测误差比TRAVOS少一倍,计算量也较少;改进了Jennings等人关于Agent信任的工作。(2)提出了一种Agent长期联盟信誉模型LCCM。还给出了联盟信誉与联盟收益之间的关系函数。实验结果表明LCCM能够有效地计算联盟信誉,并能反映不同参数对联盟信誉的影响。(3)提出了一种不完全信息条件下基于案例和对策论的Agent多议题Pareto最优协商模型。当案例库规模控制在一定范围内时低于Fatima工作的计算复杂度。实验结果表明该协商模型能够取得更优的效用和更短的达成一致时间。改进了Fatima等人的工作。(4)将多议题协商的效用函数由线性扩展为非线性,基于Sigmoid函数提出了一种改进的符合边际效用递减原理的效用函数,给出了一种两阶段多资源配置协商模型和可行的算法。其算法的计算复杂度为多项式级。实验结果显示该模型的优化效率高于其它协商模型和算法。
二、Agent合作过程中的信任问题研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、Agent合作过程中的信任问题研究(论文提纲范文)
(1)结合信任的联盟结构生成(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景 |
1.2 研究现状 |
1.2.1 基于动态规划算法求精确最优 |
1.2.2 求解近似最优解 |
1.2.3 约束条件下求联盟结构 |
1.3 研究内容和组织结构 |
2 研究理论基础 |
2.1 联盟形成 |
2.1.1 主要定义 |
2.1.2 最优联盟结构生成问题 |
2.1.3 博弈类型 |
2.1.4 空间表示 |
2.2 联盟生成的复杂度 |
2.2.1 输入值的大小 |
2.2.2 联盟结构的数量 |
2.3 信任及信任网络相关概念 |
2.3.1 信任及其度量 |
2.3.2 信任传递及其属性 |
2.3.3 信任网络 |
2.4 本章小结 |
3 约束条件下联盟生成分析 |
3.1 引言 |
3.2 最坏情况有限界联盟结构生成 |
3.2.1 建立界限 |
3.2.2 算法描述 |
3.3 动态规划联盟生成求精确最优解 |
3.4 联盟生成求近似最优解 |
3.5 约束条件下联盟生成求最优解 |
3.5.1 约束联盟的基础 |
3.5.2 约束联盟结构生成 |
3.5.3 边际贡献网上联盟生成 |
3.6 本章小结 |
4 基于信任效用关系的s-t-cut联盟结构生成 |
4.1 引言 |
4.2 基本定义 |
4.3 信任传递 |
4.4 联盟结构生成的多项式时间算法 |
4.4.1 MT-s-t-cut算法 |
4.4.2 MTU-s-t-cut算法 |
4.5 实验结果与分析 |
4.5.1 实验环境与数据 |
4.5.2 对比算法 |
4.5.3 评价指标 |
4.5.4 参数设置与实验结果 |
4.6 本章小结 |
5 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
攻读硕士期间发表的论文 |
攻读硕士期间参与的会议 |
附录一 表目录 |
附录二 图目录 |
附录三 字符含义目录 |
(2)互惠信任对组织内知识传播效率的影响研究(论文提纲范文)
中文摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与意义 |
1.1.1 选题背景 |
1.1.2 研究意义 |
1.2 相关研究 |
1.3 研究方法和技术路线 |
1.4 内容安排 |
第二章 文献综述与理论框架 |
2.1 基础理论 |
2.1.1 资源基础理论 |
2.1.2 知识基础理论 |
2.2 知识传播理论 |
2.2.1 知识传播理论概述 |
2.2.2 知识寻求 |
2.2.3 知识分享 |
2.3 社会资本 |
2.4 社会交换理论 |
2.5 互惠信任 |
2.5.1 互惠 |
2.5.2 信任 |
2.6 本章小结 |
第三章 互惠信任对组织内显性知识传播效率的影响研究 |
3.1 问题提出 |
3.2 理论框架 |
3.2.1 互惠信任 |
3.2.2 组织结构 |
3.2.3 基于Agent建模与仿真 |
3.3 模型构建 |
3.3.1 Agent的属性与行为 |
3.3.2 交互网络 |
3.3.3 Agent对知识的垄断感知 |
3.3.4 寻求模型 |
3.3.5 传播模型 |
3.3.6 信任模型 |
3.4 实验结果 |
3.4.1 互惠信任 |
3.4.2 容忍阈值 |
3.4.3 组织规模 |
3.4.4 初始知识 |
3.5 模型的确认与验证 |
3.5.1 模型的确认(Validation) |
3.5.2 模型的验证(Verification) |
3.6 本章小结 |
第四章 互惠信任对组织内隐性知识传播效率的影响研究 |
4.1 问题提出 |
4.2 理论框架 |
4.2.1 互惠信任与诚实 |
4.2.2 研究假设 |
4.2.3 研究方法 |
4.3 模型构建 |
4.3.1 Agent的属性和行为 |
4.3.2 交互网络 |
4.3.3 隐性知识的初始分配 |
4.3.4 隐性知识的传播 |
4.3.5 隐性知识的垄断感知 |
4.3.6 Agent的诚实策略 |
4.3.7 信任的更新 |
4.3.8 诚实的更新 |
4.3.9 仿真流程 |
4.3.10 参数设置 |
4.4 实验结果 |
4.4.1 初始信任Initial-trust(H1a) |
4.4.2 信任的更新参数d-(H1b) |
4.4.3 初始诚实Initial-honesty(H2a) |
4.4.4 最小诚实min-honesty(H2b) |
4.4.5 禀赋效应Endowment(H3) |
4.5 实验结果的鲁棒性 |
4.5.1 Agent数量 |
4.5.2 极端条件测试 |
4.6 模型的确认与验证 |
4.6.1 模型的确认(Validation) |
4.6.2 模型的验证(Verification) |
4.7 本章小结 |
第五章 结论、不足与展望 |
5.1 理论贡献 |
5.2 管理启示 |
5.2.1 对组织成员的启示 |
5.2.2 对组织管理者的启示 |
5.3 不足之处与研究展望 |
参考文献 |
攻读学位期间取得的研究成果 |
致谢 |
个人简况及联系方式 |
(3)基于供应链多方决策的信任研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.2 研究目的与意义 |
1.2.1 研究目的 |
1.2.2 研究意义 |
1.3 研究内容和组织架构 |
1.3.1 研究内容 |
1.3.2 组织架构 |
1.4 研究方法与技术路线 |
1.4.1 研究方法 |
1.4.2 技术路线 |
1.4.3 研究难点和关键问题 |
1.5 本章小结 |
第二章 文献综述 |
2.1 信任机制在供应链中的研究文献简介 |
2.2 供应链中基于信息共享的理论研究现状 |
2.3 供应链风险管理中期权机制的研究现状 |
2.4 供应链信任问题的定量研究现状和不足 |
2.5 本章小结 |
第三章 基于多重代理商角色情况下的信任研究 |
3.1 引言 |
3.2 模型建立 |
3.2.1 模型流程 |
3.2.2 需求预测和收益模型 |
3.2.3 信任模型 |
3.3 信任模型分析 |
3.4 实验设计 |
3.5 实验结果 |
3.5.1 热心的代理商情况 |
3.5.2 自私的代理商情况 |
3.5.3 最优的代理商情况 |
3.6 本章小结 |
第四章 基于多个零售商订货情况下的信任研究 |
4.1 引言 |
4.2 模型建立 |
4.2.1 需求预测和收益模型 |
4.2.2 分配推荐订货量模型 |
4.2.3 信任模型 |
4.3 实验设计 |
4.4 实验结果 |
4.4.1 当代理商的预测准确性比两个零售商高时 |
4.4.2 当两个零售商的预测准确性比代理商高时 |
4.4.3 当代理商的预测准确性介乎两个零售商之间时 |
4.5 本章小结 |
第五章 基于双向期权条件下两层供应链的信任研究 |
5.1 引言 |
5.2 基于双向期权的供应链信任模型设计 |
5.2.1 需求预测模型和收益模型 |
5.2.2 信任模型 |
5.3 性质分析 |
5.4 实验结果 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 研究的主要结论 |
6.2 未来研究的展望 |
参考文献 |
致谢 |
攻读博士学位期间已发表或录用的论文 |
攻读博士学位期间参加的科研课题或项目 |
(4)基于Multi-Agent的汽车供应链关键问题研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景和意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 相关研究综述 |
1.2.1 Agent技术的研究 |
1.2.2 供应链管理的研究 |
1.2.3 供应链管理中Multi-Agent技术应用的研究 |
1.2.4 汽车供应链中Multi-Agent技术应用的研究 |
1.2.5 总体评述 |
1.3 研究方法和内容 |
1.3.1 研究目标 |
1.3.2 研究方法 |
1.3.3 研究思路 |
1.4 本章小结 |
第2章 研究基础及关键问题提出 |
2.1 Multi-Agent的基本理论 |
2.1.1 Agent的概念及基本结构 |
2.1.2 Multi-Agent系统的概念及特点 |
2.1.3 Multi-Agent系统的研究内容 |
2.1.4 Multi-Agent系统的基本结构 |
2.2 汽车供应链的基本理论 |
2.2.1 汽车供应链的概念 |
2.2.2 汽车供应链的结构 |
2.2.3 汽车供应链的特点 |
2.3 关键问题提出 |
2.4 本章小结 |
第3章 基于Multi-Agent的汽车供应链系统变动性研究 |
3.1 汽车供应链系统变动性表现及来源 |
3.1.1 汽车供应链系统变动性表现 |
3.1.2 汽车供应链系统变动性来源 |
3.2 汽车供应链系统变动性应对原则 |
3.2.1 秉持变动性观念 |
3.2.2 区分变动性性质 |
3.2.3 预测并创造好的变动性 |
3.2.4 预防消减不好的变动性 |
3.3 汽车供应链系统变动性控制策略 |
3.3.1 整车制造商Agent变动性控制策略 |
3.3.2 零部件供应商Agent变动性控制策略 |
3.3.3 第三方物流Agent变动性控制策略 |
3.3.4 分销商Agent变动性控制策略 |
3.4 本章小结 |
第4章 基于Multi-Agent的汽车供应链系统订单驱动模型构建 |
4.1 基于Multi-Agent的供应链系统模型构建基础 |
4.1.1 基于Multi-Agent的供应链系统决策过程 |
4.1.2 基于Multi-Agent的供应链系统建模思想 |
4.1.3 基于Multi-Agent的供应链系统建模步骤 |
4.1.4 基于Multi-Agent的供应链系统设计原则 |
4.1.5 汽车供应链系统的驱动机制分析 |
4.2 基于Multi-Agent的汽车供应链系统模型构建 |
4.2.1 供应链系统中的Agent划分 |
4.2.2 汽车供应链系统中的Agent划分 |
4.2.3 基于Multi-Agent的汽车供应链系统结构 |
4.3 基于Multi-Agent的汽车供应链系统订单驱动研究 |
4.3.1 业务流程分析 |
4.3.2 信息传递分析 |
4.3.3 协同运作分析 |
4.4 本章小节 |
第5章 基于Multi-Agent的汽车供应链信任机制研究 |
5.1 汽车供应链系统的信任关系研究 |
5.1.1 信任的定义 |
5.1.2 信任的表示 |
5.1.3 信任在供应链上的重要性 |
5.1.4 汽车供应链系统信任因素 |
5.2 基于Multi-Agent的供应链系统信任建模方法 |
5.3 基于Multi-Agent的汽车供应链系统信任模型构建 |
5.3.1 基于Multi-Agent的供应链系统信任基础 |
5.3.2 基于Multi-Agent的汽车供应链系统信任条件 |
5.3.3 基于Multi-Agent的汽车供应链系统信任模型 |
5.3.4 基于Multi-Agent的汽车供应链系统信任机制 |
5.4 基于Multi-Agent的汽车供应链系统信任发展趋势 |
5.5 本章小结 |
第6章 结论与展望 |
6.1 主要研究结论 |
6.2 未来展望 |
致谢 |
参考文献 |
攻读学位期间获得与学位论文相关的科研成果 |
(5)供应链合作信任机制建立及信任动态均衡研究(论文提纲范文)
摘要 |
ABSTRACT |
目录 |
1 绪论 |
1.1 研究背景 |
1.2 研究目的及意义 |
1.2.1 研究目的 |
1.2.2 研究的理论意义 |
1.2.3 研究的实践意义 |
1.3 国内外研究现状 |
1.3.1 我国供应链合作伙伴关系存在的信任问题 |
1.3.2 供应链合作信任机制的研究现状 |
1.3.3 信任选择评估的研究现状 |
1.3.4 信任保障机制的研究现状 |
1.3.5 信任研究的新趋势 |
1.3.6 现有研究存在的不足 |
1.4 研究的内容及技术路线 |
1.4.1 研究方法 |
1.4.2 研究的主要内容 |
1.4.3 文章的结构框架 |
1.4.4 本文的创新 |
2 相关文献概述 |
2.1 供应链合作伙伴信任相关理论 |
2.1.1 信任的概念、特征、影响因素及重要作用 |
2.1.2 供应链合作伙伴信任动态发展理论 |
2.2 本研究应用的相关理论 |
2.2.1 多 Agent 系统 |
2.2.2 模糊综合评价法 |
2.2.3 结构熵权法—熵权法与层次分析法综合计算权重值 |
2.3 供应链合作伙伴信任机制建立 |
2.3.1 合作信任机制建立的动因 |
2.3.2 供应链合作伙伴信任机制的建立过程 |
3 基于 Multi-Agent 技术的供应链企业信任合作伙伴选择评估模型 |
3.1 供应链企业信任合作伙伴选择评估模型总体架构 |
3.1.1 合作伙伴的选择 |
3.1.2 合作伙伴的信任评估 |
3.2 信任评价指标体系的设立 |
3.3 信任值的计算方法 |
3.3.1 指标权重值的设立 |
3.3.2 信任隶属度的计算 |
3.4 应用案例 |
4 基于 Multi-Agent 的供应链合作伙伴信任保障模型 |
4.1 供应链合作信任保障模型的整体架构 |
4.2 基于 Multi-Agent 的供应链合作信任保障模型分析 |
4.2.1 信任保障模型的使用步骤和方法 |
4.2.2 信任加分系统的工作原理 |
4.2.3 信任保障措施 |
4.3 应用案例 |
5 基于信任叠加和相互依赖匹配的供应链合作伙伴信任均衡 |
5.1 供应链合作企业间的信任均衡 |
5.2 基于信任叠加值和相互依赖关系匹配的供应链合作伙伴信任均衡 |
5.2.1 合作依赖程度的评判 |
5.2.2 信任叠加值的计算 |
5.2.3 依赖程度与信任值的匹配 |
5.3 应用案例 |
6 总结及展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
作者在读期间的研究成果 |
(6)普适计算环境下的信任模型及相关应用研究(论文提纲范文)
摘要 |
ABSTRACT |
目录 |
1 绪论 |
1.1 研究背景和意义 |
1.2 普适计算简介 |
1.2.1 普适计算中的几个主要研究问题 |
1.2.2 普适计算的几个典型项目 |
1.3 信任的概述 |
1.3.1 信任的定义 |
1.3.2 信任的建模 |
1.3.3 信任的管理 |
1.4 信任模型简介 |
1.4.1 信任模型的分类 |
1.4.2 几种常见信任计算的理论数学模式 |
1.4.3 信任模型的研究现状 |
1.4.4 信任模型存在的几个问题 |
1.5 论文的组织结构 |
2 相关知识与研究工作 |
2.1 普适计算网络环境的特点 |
2.2 普适计算网络环境下的信任模型研究现状分析 |
2.3 普适计算网络环境下信任模型研究存在的问题 |
2.4 信任模型仿真介绍 |
2.4.1 基于OPNET Modeler的仿真方法 |
2.4.2 基于QueryCycle的仿真方法 |
2.5 本章小结 |
3 上下文感知的自适应信任模型CASATM |
3.1 研究背景 |
3.2 相关模型研究 |
3.2.1 PTM |
3.2.2 TSSD |
3.2.3 近期内的其他一些信任模型 |
3.3 基于信任模型的服务发现机制 |
3.3.1 服务发现模块 |
3.3.2 信任评估模块 |
3.3.3 风险评估模块 |
3.4 上下文感知的自适应信任模型 |
3.4.1 信任度的定义 |
3.4.2 信任度的性质 |
3.4.3 信任度的初始化 |
3.4.4 信任度的计算 |
3.5 CASATM信任模型分析 |
3.5.1 场景分析 |
3.5.2 信任模型复杂性分析 |
3.5.3 实验分析 |
3.6 本章小结 |
4 普适计算中一种基于语义距离的信任模型 |
4.1 研究背景 |
4.2 本体论和语义距离 |
4.3. 网络架构 |
4.4. 信任模型详述 |
4.4.1 行为信任度计算 |
4.4.2 能力信任度计算 |
4.4.3 推荐信任度 |
4.4.4 信任度的整合 |
4.4.5 基于场景的信任模型 |
4.5. 仿真实验 |
4.6. 本章小结 |
5 信任模型在普适计算环境合作演化机制中的应用 |
5.1. 研究背景 |
5.2. 相关知识 |
5.2.1. 合作模型 |
5.2.2. 遗传算法 |
5.3. 分布式合作演化模型 |
5.3.1. 信任评估机制 |
5.3.2. 基于博弈论的网络模型 |
5.3.3. 演化策略 |
5.3.4. 分布式策略演化算法 |
5.4. IMPROVED DISTRIBUTED MODEL(IDM)仿真实验 |
5.4.1 实验参数设置 |
5.4.2 实验结果 |
5.5 本章小结 |
6 信任模型在多AGENT合作系统的形成与演化中的应用 |
6.1 研究背景 |
6.2. BAYESIAN兴趣信任模型 |
6.3. 多AGENT合作系统的形成与演化 |
6.3.1 合作系统的形成 |
6.3.2 合作系统的演化 |
6.4. 仿真实验方案及结果 |
6.4.1 合作系统的性能评估 |
6.4.2 网络拓扑特征分析 |
6.4.3 合作系统的复杂网络演化特征分析 |
6.5. 本章小结 |
7 信任模型在WSN路由机制中的应用 |
7.1 研究背景 |
7.2 相关网络结构描述 |
7.3 信任路由树算法(TCTR) |
7.3.1 簇首选举 |
7.3.2 信任核心树的构建 |
7.3.3 扩展的信任路由树 |
7.3.4 路由过程 |
7.4. 信任模型 |
7.4.1 信任管理 |
7.4.2 信任度计算 |
7.4.3 信任模型有效性分析 |
7.5. 仿真实验结果及分析 |
7.5.1 相关参数设定 |
7.5.2 仿真实验结果及分析 |
7.6. 本章小结 |
8 结论 |
8.1 工作总结 |
8.2 进一步的深入研究工作 |
参考文献 |
致谢 |
攻读博士学位期间主要的研究成果 |
(7)MAS中信任和信誉系统的研究进展(论文提纲范文)
1 信任和信誉系统 |
1.1 信任 |
1.2 信誉和信誉系统 |
1.3 MAS中信任研究的意义 |
2 信任和信誉系统的研究现状 |
2.1 信任问题的研究内容 |
2.2 信誉系统的性能要求 |
2.3 信誉系统的应用 |
3 信任和信誉系统的技术 |
3.1 信任的表示和度量 |
3.2 信誉系统的体系结构 |
3.3 信任的汇总 |
3.3.1 统计方法 |
3.3.2 概率方法 |
3.3.3 信念理论 |
3.3.4 模糊推理方法 |
4 几个相关问题 |
4.1 群体信誉 |
4.2 信息不准确问题 |
4.3 信息贫乏问题 |
4.4 异构模型互操作问题 |
(8)多Agent系统中信任和信誉模型的研究(论文提纲范文)
致谢 |
中文摘要 |
ABSTRACT |
表格索引 |
插图索引 |
1 绪论 |
1.1 Agent和多Agent系统 |
1.1.1 Agent |
1.1.2 多Agent系统 |
1.1.3 多Agent系统中的合作求解 |
1.1.4 多Agent系统开发 |
1.2 信任的基本概念 |
1.3 灰色系统理论简介 |
1.4 论文的主要工作及创新 |
1.5 论文的组织结构 |
2 多Agent系统中信任和信誉模型的研究进展 |
2.1 多Agent系统中的信任和信誉模型 |
2.1.1 多Agent系统中信任的概念 |
2.1.2 信誉和信誉模型 |
2.1.3 信任和信誉模型在多Agent系统合作中的意义 |
2.1.4 相关的研究主题 |
2.1.5 信任研究的团队和组织 |
2.2 信任和信誉模型的研究 |
2.2.1 信任问题的研究内容 |
2.2.2 信誉模型的性能要求 |
2.2.3 信誉模型的测试和开发平台 |
2.2.4 信誉模型的应用 |
2.3 信任和信誉模型的技术 |
2.3.1 信任的表示和度量方法 |
2.3.2 信誉模型的体系结构 |
2.3.3 信任的汇总 |
2.4 几个相关问题 |
2.4.1 群体信誉 |
2.4.2 信息不准确问题 |
2.4.3 信息贫乏问题 |
2.4.4 异构系统互操作问题 |
2.5 小结 |
3 信任模型中不准确信息的修正方法研究 |
3.1 问题定义 |
3.1.1 交互实体及其信任 |
3.1.2 Agent间的交互和评定 |
3.1.3 证人及提供的推荐信息 |
3.2 证人报告的修正 |
3.2.1 多Agent系统环境模型 |
3.2.2 影响报告准确性的因素 |
3.2.3 对证人评定的修正 |
3.3 目标操作半径的学习算法 |
3.4 实验设置与分析 |
3.4.1 实验设置 |
3.4.2 动态环境的设置 |
3.4.3 实验结果及分析 |
3.5 小结 |
4 GTrust:一种基于灰色系统的分布式信任模型 |
4.1 Agent及其交互 |
4.1.1 交互Agent实体及评价属性 |
4.1.2 对与目标Agent交互的评定 |
4.1.3 对证人的评定 |
4.1.4 引入信任模型后Agent的交互过程 |
4.2 对目标的信任 |
4.2.1 对目标的直接信任 |
4.2.2 对目标的间接信任 |
4.2.3 计算对目标的信任 |
4.3 对证人的信任 |
4.3.1 评定证人方法 |
4.3.2 填补数据序列中的空穴 |
4.3.3 计算对证人的信任 |
4.4 实验及结果分析 |
4.4.1 多Agent系统环境和配置 |
4.4.2 实验结果 |
4.5 相关工作 |
4.6 小结 |
5 一个支持信誉模型互操作的多Agent平台 |
5.1 信誉的功能性本体——FORe |
5.2 平台描述 |
5.2.1 Agent和角色 |
5.2.2 直接经验 |
5.2.3 推荐信息 |
5.2.4 推荐内容的形式 |
5.2.5 信誉的汇总 |
5.2.6 证人的信誉 |
5.3 案例:FIRE信誉模型在平台上的实现 |
5.4 Agent的结构与实现 |
5.4.1 Agent的结构 |
5.4.2 平台的实现 |
5.5 小结 |
6 基于Agent的文献推荐系统——ALRS |
6.1 引言 |
6.2 系统模型 |
6.3 ARLS的体系结构 |
6.4 文献合作搜索过程 |
6.5 合作过程中的决策 |
6.5.1 相似性 |
6.5.2 向谁请求帮助 |
6.5.3 是否接受搜索请求 |
6.5.4 由谁提供搜索结果 |
6.5.5 交互质量如何 |
6.6 ARLS原型系统的实现 |
6.7 小结 |
7 总结与展望 |
7.1 本文总结 |
7.2 展望及今后的工作 |
参考文献 |
攻读博士学位期间发表的学术论文 |
学位论文数据集 |
(9)基于信任机制的多Agent系统协同研究(论文提纲范文)
致谢 |
中文摘要 |
ABSTRACT |
第一章 绪论 |
1.1 MAS研究的发展和现状 |
1.2 MAS协同研究 |
1.2.1 MAS中协调、协商、协作的关系 |
1.2.2 MAS协同研究的发展及现状 |
1.2.3 MAS协同研究的主要问题及方法 |
1.3 协同研究目前存在的问题 |
1.4 本文的主要工作 |
1.5 本文的组织结构 |
第二章 基于信任机制的MAS协同研究 |
2.1 信任机制简介 |
2.2 信任机制相关问题的研究 |
2.2.1 信任的概念模型 |
2.2.2 信任的表示和度量方法 |
2.2.3 信任机制的体系结构 |
2.2.4 信任机制的构建 |
2.2.5 信任机制的测试和开发平台 |
2.2.6 信任机制的应用 |
2.3 信任机制在MAS协同研究中的意义 |
2.4 本章小结 |
第三章 基于生物智能的MAS协同框架研究 |
3.1 人工免疫理论 |
3.1.1 克隆选择原理 |
3.1.2 免疫记忆 |
3.2 问题描述 |
3.3 基于AIS的MAS控制框架 |
3.3.1 个体AIS Agent的控制结构 |
3.3.2 控制单元和响应 |
3.3.3 亲和力计算 |
3.3.4 特征匹配 |
3.3.5 克隆选择过程 |
3.3.6 释放机制 |
3.4 基于AIS的MAS协同控制流程 |
3.5 基于AIS的MAS协同系统实验结果及分析 |
3.6 本章小结 |
第四章 开放MAS系统的一个信任信誉系统模型 |
4.1 E-FIRE模型 |
4.1.1 消费者Agent的评定方法 |
4.1.2 提供者Agent的服务质量 |
4.1.3 计算信任的算法 |
4.2 实验环境 |
4.3 实验结果 |
4.4 本章小结 |
第五章 基于MAS协同与信任机制的一体化协商研究 |
5.1 MAS协同在一体化协商研究中的借鉴意义 |
5.2 基于信任机制的一体化协商模型 |
5.2.1 一体化协商的研究现状及不足 |
5.2.2 基于信任机制的一体化协商 |
5.3 信任算法描述 |
5.3.1 一体化协商中的直接信任 |
5.3.2 一体化协商中的间接信任 |
5.3.3 一体化协商的综合信任计算 |
5.4 一体化协商模型在供应链管理中的应用 |
5.4.1 实验环境设定 |
5.4.2 实验结果分析 |
5.5 本章小结 |
第六章 基于信任机制的合同网协议 |
6.1 合同网协议 |
6.2 信任机制的引入 |
6.2.1 信任模型及其组件 |
6.2.2 全局信任 |
6.3 基于信任模型的合同网协议 |
6.4 实验环境及结果 |
6.4.1 实验设置 |
6.4.2 实验结论 |
6.5 本章小结 |
第七章 结束语 |
7.1 本文工作总结 |
7.2 进一步研究的展望 |
参考文献 |
攻读博士期间发表和已录用的学术论文 |
学位论文数据集 |
(10)多Agent合作求解中的信任与协商研究(论文提纲范文)
致谢 |
中文摘要 |
ABSTRACT |
第一章 绪论 |
1.1 Agent理论和技术的发展 |
1.2 课题背景与意义 |
1.3 多Agent合作求解研究进展 |
1.4 存在的问题 |
1.5 论文的主要工作和创新点 |
1.6 论文的组织结构 |
第二章 多Agent合作求解 |
2.1 基础知识 |
2.1.1 概率论 |
2.1.2 对策论 |
2.2 联盟 |
2.2.1 联盟结构生成 |
2.2.2 长期联盟 |
2.3 信任机制 |
2.3.1 Beth信任度评估模型 |
2.3.2 Jφsang信任度评估模型 |
2.3.3 FIRE模型 |
2.3.4 TRAVOS模型 |
2.4 协商 |
2.4.1 协商的基本模型 |
2.4.2 协商的策略与学习 |
2.4.3 协商策略的改进 |
2.4.4 拍卖 |
2.5 小结 |
第三章 一种Agent动态交互信任预测与异常行为检测模型 |
3.1 引言 |
3.2 相关工作分析 |
3.3 问题描述 |
3.4 Agent交互信任计算 |
3.4.1 计算原理 |
3.4.2 动态交互信任计算 |
3.4.3 置信度计算 |
3.4.4 编程 |
3.5 实验结果及分析 |
3.5.1 实验背景和参数 |
3.5.2 信任计算实验 |
3.6 小结 |
第四章 一种Agent长期联盟信誉模型 |
4.1 引言 |
4.2 问题描述 |
4.3 长期联盟信誉模型 |
4.3.1 长期联盟信任计算 |
4.3.2 长期联盟声誉计算 |
4.3.3 编程 |
4.4 实验 |
4.4.1 电子商务实验 |
4.4.2 不同参数实验 |
4.4.3 实验2 |
4.4.4 实验3 |
4.5 小结 |
第五章 一种基于案例的Agent多议题协商模型 |
5.1 引言 |
5.2 问题描述 |
5.2.1 协商场景 |
5.2.2 Agent信息状态 |
5.2.3 相似度评估 |
5.2.4 一个例子 |
5.3 协商协议 |
5.3.1 接受条件 |
5.3.2 最优回价的产生 |
5.3.3 算法 |
5.3.4 与其它工作的比较 |
5.4 实验 |
5.4.1 实验设置 |
5.4.2 实验方法 |
5.4.3 实验结果 |
5.4.4 协商过程例子 |
5.5 小结 |
第六章 一种非线性效用函数的Agent多资源配置协商模型 |
6.1 引言 |
6.2 问题描述 |
6.3 两阶段的协商模型 |
6.3.1 第一阶段 |
6.3.2 第二阶段 |
6.4 实验 |
6.4.1 实验结果与分析 |
6.4.2 不同类型Agent的实验 |
6.4.3 与Fatima等人工作的比较 |
6.5 小结 |
第七章 结束语 |
7.1 本文工作的总结 |
7.2 进一步研究的展望 |
参考文献 |
攻读博士期间发表和已录用的学术论文 |
学位论文数据集 |
四、Agent合作过程中的信任问题研究(论文参考文献)
- [1]结合信任的联盟结构生成[D]. 任子仪. 烟台大学, 2020(02)
- [2]互惠信任对组织内知识传播效率的影响研究[D]. 李宏. 山西大学, 2020(12)
- [3]基于供应链多方决策的信任研究[D]. 傅啸. 上海交通大学, 2016(03)
- [4]基于Multi-Agent的汽车供应链关键问题研究[D]. 周军伟. 武汉理工大学, 2015(01)
- [5]供应链合作信任机制建立及信任动态均衡研究[D]. 牛倩倩. 西安建筑科技大学, 2014(08)
- [6]普适计算环境下的信任模型及相关应用研究[D]. 王江涛. 中南大学, 2013(03)
- [7]MAS中信任和信誉系统的研究进展[J]. 贺利坚,黄厚宽. 计算机科学, 2011(04)
- [8]多Agent系统中信任和信誉模型的研究[D]. 贺利坚. 北京交通大学, 2011(09)
- [9]基于信任机制的多Agent系统协同研究[D]. 赵翔. 北京交通大学, 2010(10)
- [10]多Agent合作求解中的信任与协商研究[D]. 童向荣. 北京交通大学, 2010(08)