[00327846]多 Agent 系统合作求解机制

　　一、成果简介

　　首次提出了一个广义的多属性反拍卖模型，并在模型下提出了一种暗标叫价多属性拍卖方法MAV 和一种递增叫价多属性拍卖方法 MAE；给出了一种基于 1-UNT 检查的求边际效用递减组合拍卖的近似算法；给出了一种多活性级的递增叫价组合拍卖方法 MALB，分析理性买方在 MALB 中采用的策略。提出了一个 Agent 间多指标协商的模型 MN，并在此基础上提出了双边多指标协商的一种加速混沌进化算法 ACEA。

　　首次提出了长期联盟模糊盟友关系，可以合理的描述长期联盟 Agent 之间的盟友关系，降低盟友关系计算复杂度，提高盟友关系计算实时性；研究了联盟成员变化情况下的联盟值动态性，给出了一种再励学习算法计算其收益值；提出了 Agent 组织信誉模型 AOCM，并给出了计算方法。

　　阐述 Agent 系统与非 Agent 软件集成的设计与实现方法，基于 FIPA 规范及软件代理技术， 提出了 YTSc_2F 中支持的网络服务的参考模型，给出了新兴的网络管理模型体系结构。

　　设计实现了基于 RoboCup 的多 Agent 合作求解实验平台。实验平台设计采用面向 Agent 编程的方法，将比赛、球员、后台服务都分别封装成 Agent；在 Agent 通讯方面，提出一种基于XML 的 KQML 原语的扩展方法；实现了一个简单的 Agent 合作求解算法，球队可以选取不同的合作求解策略进行比赛。

　　与国内同类技术比较而言，对 Agent 拍卖和 Agent 长期联盟的研究属于国际先进水平，所提出的 Agent 拍卖模型和 Agent 长期联盟模型算法简洁，新颖，Agent 软件集成规范研究填补了国内该领域研究的空白。

　　二、推广应用范围

　　MAS/Agent 合作求解的理论与技术在语言处理、工业制造、组织信息系统、空中交通管制、并发程序设计、分布传感和解释、运输调度、监控、机器人学、空战模拟、基于网络的计算、软件工程和电子商务等领域中有广泛的应用前景。这些应用系统一般都具有较大的规模、需要较大的投入，并且能够带来更大的经济和社会效益。例如组织信息系统有复杂的结构，需要子系统之间的大量交互，即可能相互协作，又不可避免的存在各种各样的冲突。这些具有一定自主性的子系统可视为 Agent，需要研究如何构造、组织这些 Agent,使其以一定的方式进行合作求解，既保证 Agent 的局部利益，又能从总体上达到高性能。

　　三、推广前景和市场预测

　　多 Agent 系统（MAS）的合作求解是分布式人工智能的前沿课题，对于理解和构建复杂系统有重要意义。另外，在电子商务逐渐取代传统商业模式而成为主流的趋势下，组合拍卖作为市场机制的重要方面，将会在 B2B 和 B2C 模式中有广泛应用，因此研究多 Agent 合作求解机制， 以此为基础建立多 Agent 合作求解平台并集成各种合作求解策略和交互协议，经逐步完善，有很好的应用前景。