基于agent的模式表示模型AIM

山东大学学报(工学版) ›› 2010, Vol. 40 ›› Issue (5): 72-76.

基于agent的模式表示模型AIM

程显毅1,2,朱倩2,管致紧1

1. 南通大学计算机科学与技术学院, 江苏南通 226019;
2. 江苏大学计算机科学与通信工程学院, 江苏镇江 212013

收稿日期:2010-04-16 出版日期:2010-10-16 发布日期:2010-04-16
作者简介:程显毅(1956-),男, 哈尔滨人,教授,博士生导师,主要研究方向,多agent系统.E-mail:xycheng@ntu.edu.cn
基金资助:
国家自然科学基金资助项目(60873069); 江苏省研究生创新项目(CX99B204)

The AIM model of pattern expression based on an agent

CHENG Xian-Yi1,2 ZHU Qian2, GUAN Zhi-jin1

1. College of Computer Science, Nantong University, Nantong 226019, China;
2. College of Computer Science and Telecommunications Engineering, Jiangsu University, Zhenjiang 212013, China

Received:2010-04-16 Online:2010-10-16 Published:2010-04-16

摘要/Abstract

摘要：

针对模式表示研究存在的语义缺失问题,基于agent技术和人的记忆原理,提出一个新的模式表示模型agent影响图(agent influence map,AIM)。AIM反映了模式的整体特征,提供一个有效的软计算工具来支持基于先验知识的自适应行为。AIM通过特征的多阶段整合呈现记忆模式的层次性;把模式信息存储在整个网络中,通过协作涌现出高层次特征体现记忆的语义特性。

关键词: 智能体, 模式表示, 定性特征

Abstract:

To solve the existing problems of semantic losing in pattern expression, a new model of pattern expression is proposed, which called AIM(agent influence map) that based on agent and memory principle. AIM reflects the whole character of pattern, and it provides an effective soft computing tool to support adaptive behavior that based on prior knowledge. AIM shows the hierarchy of memory model by integrating the character in multi-stages, while the pattern information is stored in the entire network, and high-level features is manifested by collaboration, demonstrate memory’s semantic features.

Key words: agent, pattern expression, qualitative character

程显毅1,2,朱倩2,管致紧1. 基于agent的模式表示模型AIM[J]. 山东大学学报(工学版), 2010, 40(5): 72-76.

CHENG Xian-Yi1,2 ZHU Qian2, GUAN Zhi-jin1. The AIM model of pattern expression based on an agent[J]. JOURNAL OF SHANDONG UNIVERSITY (ENGINEERING SCIENCE), 2010, 40(5): 72-76.

参考文献

相关文章 7

[1]	叶丹,张天予,李奎. 全局信息未知的多智能体自适应容错包容控制[J]. 山东大学学报(工学版), 2017, 47(5): 1-6.
[2]	武炎明,王瑞云,王占山. 基于中间变量观测器的多智能体故障检测[J]. 山东大学学报(工学版), 2017, 47(5): 96-102.
[3]	崔阳,张柯,姜斌. 具有切换拓扑结构的多智能体系统故障估计[J]. 山东大学学报(工学版), 2017, 47(5): 263-270.
[4]	刘彬,张仁津. 一种采用两段粒子群优化的路径规划方法[J]. 山东大学学报(工学版), 2012, 42(1): 12-18.
[5]	王云,王俊,韩伟*. 基于进化算法的多智能体合作学习[J]. 山东大学学报(工学版), 2010, 40(6): 8-11.
[6]	云健1,3,江荻1,2,潘悟云1. 模因机制下人类元音系统演化的计算模型[J]. 山东大学学报(工学版), 2010, 40(4): 12-18.
[7]	张丽梅1,2 ,乔立山1,2 ,陈松灿1 . 基于张量模式的特征提取及分类器设计综述[J]. 山东大学学报(工学版), 2009, 39(1): 6-14.

多维度评价

Viewed

Full text

Abstract

Cited

Shared

Discussed