本项目以现有的多Agent联盟形成的有关理论为基础,充分分析多Agent对抗环境中联盟形成带来的新问题的实质及其解决方案。并结合多Agent对抗关系中的意图识别理论、计划和计划识别理论及机器学习理论,系统地研究对抗环境下的联盟形成模型、联盟的形成方法及联盟形成的形式逻辑。目的不仅在于丰富和发展现有的联盟形成理论,增强其应用的普适性;还在于增强和改善联盟的质量、进一步放宽原有理论对Agent拥有对环境的完全及确定信息的假定、降低原有联盟形成模型的计算复杂度。本项目的研究成果可以深入到分布式入侵检测和响应、电子商务、多传感器网络等的各种分布式应用中。本项目将在一个已开发的入侵检测原型系统中验证我们提出的方法,并在应用过程中进一步对其进行完善。
{{i.achievement_title}}
数据更新时间:2023-05-31
基于公众情感倾向的主题公园评价研究——以哈尔滨市伏尔加庄园为例
居住环境多维剥夺的地理识别及类型划分——以郑州主城区为例
基于细粒度词表示的命名实体识别研究
Hindsight-aware deep reinforcement learning algorithm for multi-agent systems
基于协同表示的图嵌入鉴别分析在人脸识别中的应用
多Agent系统联盟形成机制和算法的研究
多Agent系统对抗关系中意图识别问题的研究
基于Multi-Agent的企业动态联盟合作中信任问题研究
基于agent偏好和资源约束的重叠联盟机制研究