简介
基于Agent的计算，或者说Agent理论与技术，是人工智能学科的一个分
支，涉及Agent和多Agent系统的理论与技术。Agent作为一种新颖的知识表
示方法和问题求解方法，已受到普遍的关注。Agent已在工作流管理、信息
检索与管理、电子商务、工业系统管理、太空船控制等诸多领域得到应用。
本书介绍了个体和群体Agent的各种模型、多种合作求解方法以及多
Agent系统。主要内容是作者十多年来有关Agent研究的汇集，也体现了十多
年来国际上有关Agent研究的主要进展，是对Agent有兴趣的读者的一本有用
的读物。
本书可以作为大专院校计算机及信息技术等专业的研究生教材，也可供
从事人工智能研究的科研人员参考。
目录
第1章 绪论
1.1 对基于Agent的计算的认识
1.2 基于Agent的计算研究进展
1.2.1 基于Agent计算的思维状态模型
1.2.2 多Agent协调、协商与合作求解
1.2.3 Agent组织
1.2.4 MAS的社会性
1.2.5 多Agent形式语义方法
1.2.6 MAS拍卖
1.2.7 面向Agent的程序设计语言
1.2.8 测试床与应用系统
1.3 本书各章的组织
第2章 个体Agent模型
2.1 概述
2.2 Agent的BDI模型
2.2.1 语法定义
2.2.2 语义模型
2.2.3 语义解释
2.2.4 信念、愿望和意图
2.2.5 动态BDI模型
2.3 Agent的BDI效用模型
2.3.1 直观分析
2.3.2 语言和语法
2.3.3 语义
2.3.4 模型性质公理
2.3.5 BEL.GOAL和INTEND关系公理
2.3.6 模型实现分析
2.4 并发Agent的模型
2.4.1 语法
2.4.2 语义模型
2.4.3 模型基本性质
2.4.4 举例
2.5 并发Agent的操作模型
2.5.1 π-演算
2.5.2 直观含义
2.5.3 模型定义
2.5.4 并发Agent内核语言
2.5.5 举例
2.6 小结
第3章 群体Agent的社会模型
3.1 概述
3.2 社会Agent的BDO模型
3.2.1 MAS的分层模型
3.2.2 承诺、意图和义务
3.2.3 语法定义
3.2.4 语义模型
3.2.5 基本性质
3.2.6 群体现象
3.2.7 举例
3.2.8 模型对比分析
3.3 计算Agent的社会模型
3.3.1 模型
3.3.2 重构
3.4 BDO Agent和MAS结构设计
3.4.1 分析
3.4.2 MAS的概念层次
3.4.3 BDO Agent结构
3.4.4 BDO Script和Robocup的部分描述
3.5 小结
第4章 多Agent系统协商方法
4.1 概述
4.2 MAS的一种动态行为
4.2.1 收益函数与理性假设
4.2.2 Agent的理性与系统行为
4.2.3 最小理性假设下的系统行为
4.2.4 分离理性假设下的系统行为
4.2.5 惟一理性假设下的系统行为
4.2.6 举例
4.3 多Agent协商算法
4.3.1 Agent的意图与Pareto理性
4.3.2 多Agent协商算法
4.3.3 举例
4.4 多Agent多遇学习协调方法
4.4.1 Nash平衡
4.4.2 0历史学习方法
4.4.3 1历史学习方法
4.4.4 ∞历史学习方法
4.4.5 δ历史学习方法
4.5 小结
第5章 Agent对抗
5.1 概述
5.2 基于BDI的对手模型
5.2.1 对手模型
5.2.2 跟踪算法
5.2.3 算法分析
5.2.4 算法推广
5.2.5 实验分析
5.3 个体对抗
5.3.1 Agent通信
5.3.2 KQML的语义
5.3.3 基于对手模型的协商算法
5.3.4 基于对手模型的欺骗算法
5.3.5 对抗策略
5.3.6 实验分析
5.4 群体对抗
5.4.1 群体意图的表示
5.4.2 群体意图的生成与执行过程
5.4.3 群体意图跟踪算法
5.4.4 实验分析
5.5 小结
第6章 多Agent系统的语义模型
6.1 概述
6.2 Agent组织形成的形式描述和语义
6.2.1 化学抽象机
6.2.2 Agent组织结构的设计
6.2.3 Agent组织结构设计的形式描述
6.2.4 Agent组织结构设计过程的形式语义
6.3 受限AGENTO的操作语义
6.3.1 AGENTO语言
6.3.2 约定和假设
6.3.3 基于π-演算的受限AGENTO操作语义
6.3.4 受限AGENTO的CAM语义
6.3.5 讨论
6.4 多Agent信念逻辑的Aumann语义
6.4.1 MBL的Kripke语义与广义Aumann语义
6.4.2 MPBL及概率Aumann语义
6.5 概率信念逻辑的概率模态语义及完备性
6.5.1 正规概率模态语义
6.5.2 PBL_ω的概率模态语义及完备性
6.5.3 PBL_r的概率模态语义及弱完备性
6.6 多Agent系统形式规范中的进程演算
6.6.1 基于内部选择的CCS系统及弱互模拟的同余性
6.6.2 基于并行动作的π-演算及强互模拟的同余性
6.6.3 传递知识的进程演算
6.7 小结
第7章 Agent的个性模型
7.1 概述
7.2 个性的定义
7.3 具有个性的Agent结构
7.3.1 结构描述
7.3.2 目标实现机制
7.4 交互与组织
7.4.1 交互
7.4.2 组织
7.5 具有个性的行为网络
7.5.1 行为网络描述
7.5.2 活性传播计算
7.5.3 活动选择
7.6 小结
第8章 Agent组织与联盟
8.1 概述
8.2 基于思维状态传递的组织表示
8.2.1 利用思维传递函数描述Agent关系
8.2.2 组织描述
8.2.3 组织表示的应用
8.3 Agent组织的递归模型
8.3.1 Agent组织结构的递归模型
8.3.2 模型分析
8.3.3 Agent组织的形成
8.3.4 用递归模型描述Agent组织
8.4 一种基于π-演算的Agent组织模型
8.4.1 角色和组织框架
8.4.2 组织形成过程举例
8.4.3 组织动作的思维状态效果
8.4.4 实验分析和算法实现
8.4.5 讨论
8.5 Agent组织的承诺机制
8.5.1 多Agent系统的承诺
8.5.2 Agent组织的承诺关系
8.5.3 承诺的语法和语义
8.5.4 承诺的性质
8.5.5 基于承诺的组织形成
8.5.6 举例
8.6 面向结构的组织形成
8.6.1 组织描述框架
8.6.2 面向结构的Agent组织形成方法
8.6.3 举例
8.7 联盟演化机制
8.7.1 问题的描述与分析
8.7.2 联盟等价性
8.7.3 联盟演化
8.7.4 基于组织论的演化机制
8.8 小结
第9章 Agent社会
9.1 概述
9.2 基于信念-愿望-意图和效用的社会承诺机制
9.2.1 基本框架
9.2.2 社会承诺的决策和通信机制
9.2.3 社会承诺过程
9.2.4 举例
9.3 基于市场模型的MAS社会规范
9.3.1 Coleman的社会理论
9.3.2 规范的定义
9.3.3 权利分配、规范的制定和废除
9.3.4 对称利益形势下的共同禁止规范
9.3.5 举例
9.4 Agent行为规范
9.4.1 一种行为规范框架
9.4.2 基于人工神经网络的规范机制
9.4.3 规范效益与应用分类
9.4.4 实验分析
9.5 小结
第10章 多Agent系统拍卖方法
10.1 概述
10.2 一种拍卖模型
10.2.1 模型
10.2.2 拍卖方法的评价标准
10.3 一种边际效用递减的组合拍卖求解算法
10.3.1 组合拍卖模型
10.3.2 物品分配算法
10.3.3 基于多物品不可转移检查算法的分析
10.4 一种多属性拍卖方法
10.4.1 多属性拍卖模型
10.4.2 多属性拍卖MAV
10.4.3 MAV的评价
10.5 小结
第11章 多Agent系统合作求解方法
11.1 概述
11.2 基于BDI的多Agent交互
11.2.1 语法定义
11.2.2 语义模型
11.2.3 语义解释
11.2.4 单Agent间的BDI
11.2.5 社会承诺和联合意图
11.2.6 合作的形成过程
11.3 多Agent系统的一种合作机制
11.3.1 面向任务域TOD
11.3.2 测试床结构和交互流程
11.3.3 合作交互策略
11.3.4 实验分析
11.4 群体Agent合作求解的逻辑模型
11.4.1 语法和语义模型
11.4.2 公理
11.4.3 群体Agent合作求解过程
11.4.4 举例
11.5 群体Agent合作策略的表示与评估
11.5.1 基于影响图的群体Agent合作求解模型
11.5.2 情景演算语言——ConGolog
11.5.3 评估算法
11.5.4 举例
11.5.5 讨论
11.6 小结
第12章 多Agent学习
12.1 概述
12.2 多Agent Markov对策中的再励学习
12.2.1 再励学习与Markov对策
12.2.2 多Agent Markov对策再励学习算法
12.2.3 学习算法的收敛性
12.2.4 实验分析
12.3 Agent组织规则的再励学习
12.3.1 组织规则学习环境与算法
12.3.2 算法改进
12.3.3 实验分析
12.4 一种基于角色跟踪的群体Agent再励学习
12.4.1 群体Agent学习模型
12.4.2 基于角色跟踪的再励学习算法
12.4.3 再励学习算法的评价标准
12.4.4 实验分析
12.5 一种基于特征向量提取的FMDP模型求解方法
12.5.1 FMDP模型和线性规划
12.5.2 状态特征向量
12.5.3 线性规划的近似求解
12.5.4 举例
12.5.5 基于状态特征向量的再励学习算法
12.5.6 实验分析
12.6 小结
第13章 Agent平台与测试床
13.1 概述
13.2 多Agent动态交互测试床
13.2.1 多Agent篇章理解
13.2.2 类市场体系结构
13.2.3 TUMIT的类自由市场体系结构
13.2.4 理论框架与算法
13.2.5 实验分析
13.2.6 TUMIT分析
13.3 交易市场测试床
13.3.1 信息物品分析
13.3.2 iMarket测试床
13.3.3 实验分析
13.3.4 买方合作竞标实验
13.4 多Agent系统实验环境
13.4.1 MAS/TH-4的系统结构
13.4.2 虚拟分布计算环境VDCE
13.4.3 资源管理Agent和通信管理Agent
13.4.4 多Agent篇章理解系统
13.5 测试床TH-Soccer和MAS/TH-5
13.5.1 TH-Soccer测试床
13.5.2 MAS/TH-5测试床
13.6 小结
第14章 Agent技术应用
14.1 概述
14.2 工业生产中的Agent
14.2.1 Agent技术应用的共同问题
14.2.2 产品设计Agent
14.2.3 计划与日程安排Agent
14.3 信息检索和管理Agent
14.3.1 个人信息Agent
14.3.2 Web Agent
14.3.3 多Agent信息检索系统
14.4 Agent技术的适用性
14.5 小结
参考文献
附录 Robocup的部分描述
1.1 对基于Agent的计算的认识
1.2 基于Agent的计算研究进展
1.2.1 基于Agent计算的思维状态模型
1.2.2 多Agent协调、协商与合作求解
1.2.3 Agent组织
1.2.4 MAS的社会性
1.2.5 多Agent形式语义方法
1.2.6 MAS拍卖
1.2.7 面向Agent的程序设计语言
1.2.8 测试床与应用系统
1.3 本书各章的组织
第2章 个体Agent模型
2.1 概述
2.2 Agent的BDI模型
2.2.1 语法定义
2.2.2 语义模型
2.2.3 语义解释
2.2.4 信念、愿望和意图
2.2.5 动态BDI模型
2.3 Agent的BDI效用模型
2.3.1 直观分析
2.3.2 语言和语法
2.3.3 语义
2.3.4 模型性质公理
2.3.5 BEL.GOAL和INTEND关系公理
2.3.6 模型实现分析
2.4 并发Agent的模型
2.4.1 语法
2.4.2 语义模型
2.4.3 模型基本性质
2.4.4 举例
2.5 并发Agent的操作模型
2.5.1 π-演算
2.5.2 直观含义
2.5.3 模型定义
2.5.4 并发Agent内核语言
2.5.5 举例
2.6 小结
第3章 群体Agent的社会模型
3.1 概述
3.2 社会Agent的BDO模型
3.2.1 MAS的分层模型
3.2.2 承诺、意图和义务
3.2.3 语法定义
3.2.4 语义模型
3.2.5 基本性质
3.2.6 群体现象
3.2.7 举例
3.2.8 模型对比分析
3.3 计算Agent的社会模型
3.3.1 模型
3.3.2 重构
3.4 BDO Agent和MAS结构设计
3.4.1 分析
3.4.2 MAS的概念层次
3.4.3 BDO Agent结构
3.4.4 BDO Script和Robocup的部分描述
3.5 小结
第4章 多Agent系统协商方法
4.1 概述
4.2 MAS的一种动态行为
4.2.1 收益函数与理性假设
4.2.2 Agent的理性与系统行为
4.2.3 最小理性假设下的系统行为
4.2.4 分离理性假设下的系统行为
4.2.5 惟一理性假设下的系统行为
4.2.6 举例
4.3 多Agent协商算法
4.3.1 Agent的意图与Pareto理性
4.3.2 多Agent协商算法
4.3.3 举例
4.4 多Agent多遇学习协调方法
4.4.1 Nash平衡
4.4.2 0历史学习方法
4.4.3 1历史学习方法
4.4.4 ∞历史学习方法
4.4.5 δ历史学习方法
4.5 小结
第5章 Agent对抗
5.1 概述
5.2 基于BDI的对手模型
5.2.1 对手模型
5.2.2 跟踪算法
5.2.3 算法分析
5.2.4 算法推广
5.2.5 实验分析
5.3 个体对抗
5.3.1 Agent通信
5.3.2 KQML的语义
5.3.3 基于对手模型的协商算法
5.3.4 基于对手模型的欺骗算法
5.3.5 对抗策略
5.3.6 实验分析
5.4 群体对抗
5.4.1 群体意图的表示
5.4.2 群体意图的生成与执行过程
5.4.3 群体意图跟踪算法
5.4.4 实验分析
5.5 小结
第6章 多Agent系统的语义模型
6.1 概述
6.2 Agent组织形成的形式描述和语义
6.2.1 化学抽象机
6.2.2 Agent组织结构的设计
6.2.3 Agent组织结构设计的形式描述
6.2.4 Agent组织结构设计过程的形式语义
6.3 受限AGENTO的操作语义
6.3.1 AGENTO语言
6.3.2 约定和假设
6.3.3 基于π-演算的受限AGENTO操作语义
6.3.4 受限AGENTO的CAM语义
6.3.5 讨论
6.4 多Agent信念逻辑的Aumann语义
6.4.1 MBL的Kripke语义与广义Aumann语义
6.4.2 MPBL及概率Aumann语义
6.5 概率信念逻辑的概率模态语义及完备性
6.5.1 正规概率模态语义
6.5.2 PBL_ω的概率模态语义及完备性
6.5.3 PBL_r的概率模态语义及弱完备性
6.6 多Agent系统形式规范中的进程演算
6.6.1 基于内部选择的CCS系统及弱互模拟的同余性
6.6.2 基于并行动作的π-演算及强互模拟的同余性
6.6.3 传递知识的进程演算
6.7 小结
第7章 Agent的个性模型
7.1 概述
7.2 个性的定义
7.3 具有个性的Agent结构
7.3.1 结构描述
7.3.2 目标实现机制
7.4 交互与组织
7.4.1 交互
7.4.2 组织
7.5 具有个性的行为网络
7.5.1 行为网络描述
7.5.2 活性传播计算
7.5.3 活动选择
7.6 小结
第8章 Agent组织与联盟
8.1 概述
8.2 基于思维状态传递的组织表示
8.2.1 利用思维传递函数描述Agent关系
8.2.2 组织描述
8.2.3 组织表示的应用
8.3 Agent组织的递归模型
8.3.1 Agent组织结构的递归模型
8.3.2 模型分析
8.3.3 Agent组织的形成
8.3.4 用递归模型描述Agent组织
8.4 一种基于π-演算的Agent组织模型
8.4.1 角色和组织框架
8.4.2 组织形成过程举例
8.4.3 组织动作的思维状态效果
8.4.4 实验分析和算法实现
8.4.5 讨论
8.5 Agent组织的承诺机制
8.5.1 多Agent系统的承诺
8.5.2 Agent组织的承诺关系
8.5.3 承诺的语法和语义
8.5.4 承诺的性质
8.5.5 基于承诺的组织形成
8.5.6 举例
8.6 面向结构的组织形成
8.6.1 组织描述框架
8.6.2 面向结构的Agent组织形成方法
8.6.3 举例
8.7 联盟演化机制
8.7.1 问题的描述与分析
8.7.2 联盟等价性
8.7.3 联盟演化
8.7.4 基于组织论的演化机制
8.8 小结
第9章 Agent社会
9.1 概述
9.2 基于信念-愿望-意图和效用的社会承诺机制
9.2.1 基本框架
9.2.2 社会承诺的决策和通信机制
9.2.3 社会承诺过程
9.2.4 举例
9.3 基于市场模型的MAS社会规范
9.3.1 Coleman的社会理论
9.3.2 规范的定义
9.3.3 权利分配、规范的制定和废除
9.3.4 对称利益形势下的共同禁止规范
9.3.5 举例
9.4 Agent行为规范
9.4.1 一种行为规范框架
9.4.2 基于人工神经网络的规范机制
9.4.3 规范效益与应用分类
9.4.4 实验分析
9.5 小结
第10章 多Agent系统拍卖方法
10.1 概述
10.2 一种拍卖模型
10.2.1 模型
10.2.2 拍卖方法的评价标准
10.3 一种边际效用递减的组合拍卖求解算法
10.3.1 组合拍卖模型
10.3.2 物品分配算法
10.3.3 基于多物品不可转移检查算法的分析
10.4 一种多属性拍卖方法
10.4.1 多属性拍卖模型
10.4.2 多属性拍卖MAV
10.4.3 MAV的评价
10.5 小结
第11章 多Agent系统合作求解方法
11.1 概述
11.2 基于BDI的多Agent交互
11.2.1 语法定义
11.2.2 语义模型
11.2.3 语义解释
11.2.4 单Agent间的BDI
11.2.5 社会承诺和联合意图
11.2.6 合作的形成过程
11.3 多Agent系统的一种合作机制
11.3.1 面向任务域TOD
11.3.2 测试床结构和交互流程
11.3.3 合作交互策略
11.3.4 实验分析
11.4 群体Agent合作求解的逻辑模型
11.4.1 语法和语义模型
11.4.2 公理
11.4.3 群体Agent合作求解过程
11.4.4 举例
11.5 群体Agent合作策略的表示与评估
11.5.1 基于影响图的群体Agent合作求解模型
11.5.2 情景演算语言——ConGolog
11.5.3 评估算法
11.5.4 举例
11.5.5 讨论
11.6 小结
第12章 多Agent学习
12.1 概述
12.2 多Agent Markov对策中的再励学习
12.2.1 再励学习与Markov对策
12.2.2 多Agent Markov对策再励学习算法
12.2.3 学习算法的收敛性
12.2.4 实验分析
12.3 Agent组织规则的再励学习
12.3.1 组织规则学习环境与算法
12.3.2 算法改进
12.3.3 实验分析
12.4 一种基于角色跟踪的群体Agent再励学习
12.4.1 群体Agent学习模型
12.4.2 基于角色跟踪的再励学习算法
12.4.3 再励学习算法的评价标准
12.4.4 实验分析
12.5 一种基于特征向量提取的FMDP模型求解方法
12.5.1 FMDP模型和线性规划
12.5.2 状态特征向量
12.5.3 线性规划的近似求解
12.5.4 举例
12.5.5 基于状态特征向量的再励学习算法
12.5.6 实验分析
12.6 小结
第13章 Agent平台与测试床
13.1 概述
13.2 多Agent动态交互测试床
13.2.1 多Agent篇章理解
13.2.2 类市场体系结构
13.2.3 TUMIT的类自由市场体系结构
13.2.4 理论框架与算法
13.2.5 实验分析
13.2.6 TUMIT分析
13.3 交易市场测试床
13.3.1 信息物品分析
13.3.2 iMarket测试床
13.3.3 实验分析
13.3.4 买方合作竞标实验
13.4 多Agent系统实验环境
13.4.1 MAS/TH-4的系统结构
13.4.2 虚拟分布计算环境VDCE
13.4.3 资源管理Agent和通信管理Agent
13.4.4 多Agent篇章理解系统
13.5 测试床TH-Soccer和MAS/TH-5
13.5.1 TH-Soccer测试床
13.5.2 MAS/TH-5测试床
13.6 小结
第14章 Agent技术应用
14.1 概述
14.2 工业生产中的Agent
14.2.1 Agent技术应用的共同问题
14.2.2 产品设计Agent
14.2.3 计划与日程安排Agent
14.3 信息检索和管理Agent
14.3.1 个人信息Agent
14.3.2 Web Agent
14.3.3 多Agent信息检索系统
14.4 Agent技术的适用性
14.5 小结
参考文献
附录 Robocup的部分描述
基于Agent的计算
- 名称
- 类型
- 大小
光盘服务联系方式: 020-38250260 客服QQ：4006604884
云图客服：
用户发送的提问，这种方式就需要有位在线客服来回答用户的问题，这种 就属于对话式的,问题是这种提问是否需要用户登录才能提问
Video Player
×
Audio Player
×
pdf Player
×
