多Agent排队系统结构研究(2)

2.2  Agent感知器算法

    我们知道人的感知器有眼、耳、鼻以及其它器官，机器人Agent有摄像机等。而软件Agent是通过字符串编码来实现感知的。     感知器是一个多输入、单输出的运算系统^[4]。主要有把感知的信息进行预处理后输出。我们把感知的信息进行分类，^[5] w₂类表示对紧急或简单的情况； w₂类表示需要慎思的信息。 算法的基本步骤如下：     （1）给定一个增广的训练模式集 {x₁，x₂，...，x_N}，其中每个模式类别已知，分属 w₁类和 w₂类。     （2）置步数k=1，令增量ρ =某正的常数，分别赋予初始增广权矢量 w（1）的各分量较小的任意值。     （3）输入训练模式 x_k，计算判别函数值 。     （4）调整增广权矢量，规则是：     ①  如果 和 ，则 ；     ②  如果 和 ，则 ；     ③  如果 和 ，或 和 ，则 。     得到判别函数 d（x）之后，就可以进行判别，将待识别模式x 代入d（x） 之中，当d（x）>0 时则判x∈w₁；若d（x）<0 时则判 x∈w₂；若 d（x）=0：则 x的类属不能判定。紧迫的任务可以立即得以处理，对时间要求不高的任务可以通过推理选择最优方案。

2.3  Agent的知识库设计

    Agent的知识表示对自身和外界的认识，是Agent问题求解的基础^[6]。这些知识可能预先给定的，也可能是通过局部感知或与其它Agent的通信而获得的。Agent知识库是Agent活动的依据，也是向外界承诺的基础。     在这里知识库主要存放Agent的各个方面的知识，主要包括以下内容。     ①关于系统组织结构、智能、目标等有关整体性质和行为的知识。     ②关于理解自身的知识、行为、求解能力和目标等的知识。     ③关于其它Agent的知识，即具有关于外部其它Agent的职责、技能、信念、目标、规划等多方面的知识。     ④关于Agent间相互作用与通信的知识。     ⑤关于领域世界及待求解问题的知识。     这些知识是Agent进行一切活动的基础。Agent还知道哪些Agent与自己由横向或纵向的联系，这些知识在进行推理时起着关键的作用，它们同样可以看作是Agent的知识。这些知识可以映射为事实、规则等。     对于知识库我们可以用下列形式表示： <KB>::=[<Fact Base>]|<Rule Base> <Fact Base>::={<Fact>} <Fact>::=<Clause> <Clause>::=<object1><conjunction><object2> <object>::=<object1><conjunction><object2> <Rule Base>::={<Rule>} <Rule>::=<Name><(precondition 1，result 1)|(precondition 2，result 2)|...(precondition n，result n)> <Name>::=<string> <precondition i>::=<Clause> <result i>::=<Clause>     由于Agent每一次决策后都要进行知识的更新。下面给出Agent的知识更新定理。     定义1.1  知识量^[7]
    设X为Agent的某一领域， 均为有限集或可列集，j=1，2，...，N(N为有限或＋∞)}为X的一个表达，w 为Agent的一个表达测度，对任意的 令

则称I(x_j)为表达∑中的一个基元x_j的自蕴含知识量，其中对数底数b>1。

百度搜索“70edu”或“70教育网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，70教育网，提供经典计算机多Agent排队系统结构研究(2)在线全文阅读。