【摘 要】
：
针对传统合同网自身的局限性和存在的问题,提出了基于规范的合同网协议。首先对规范在组织符号学理论和现有的规范分类基础上,提出了层次、类型和柔性的三维规范分类;在规范的基础上对合同协议进行扩充,提出基于规范的协同过程。该协同框架由两大层次和五个阶段构成,为agent协同提供了一个柔性的解决方案,以此提高MAS中多agent协同的效率和效用。
【机 构】
：
广东工业大学经济与管理学院,北京信息科技大学信息管理学院,北京理工大学经济与管理学院
论文部分内容阅读
针对传统合同网自身的局限性和存在的问题,提出了基于规范的合同网协议。首先对规范在组织符号学理论和现有的规范分类基础上,提出了层次、类型和柔性的三维规范分类;在规范的基础上对合同协议进行扩充,提出基于规范的协同过程。该协同框架由两大层次和五个阶段构成,为agent协同提供了一个柔性的解决方案,以此提高MAS中多agent协同的效率和效用。
其他文献
对E-2DMesh网络中节点和链路失效模式进行了研究,构造了一种多级事件状态分解法,对网络状态空间进行分解。基于该方法和组合模型原理研究了在给定节点和链路失效概率均为0.10%以下时,对多达上千个节点的E-2DMesh网络仍可达超过0.9119的可靠度。该方法能够应用于研究其他层次结构的网络与其他网络通信问题,也很适合近似计算。
提出的基于身份的DRM权限跟踪模型,即授权用户可以在不同的设备上播放数字内容,提高了互操作性。内容服务器对数字内容部分加密,未加密部分嵌入数字水印。部分加密在保证安全的基础上,减小了计算复杂度。数字水印有双重功能:一是标志该内容受保护;二是颁发许可证依据,许可证服务器根据检测到的水印信息向用户颁发相应的许可证。数字水印是对用户使用权限的定义,数字水印的加载,实现了对数字内容整个生命周期的权限跟踪。
随着P2P网络的兴起,基于对等网络的资源搜索算法成为研究的热点。通过分析现有结构化P2P资源搜索算法,着重从节点兴趣、网络拓扑匹配、异构性、负载均衡等方面讨论目前结构化P2P资源搜索的改进算法,分析了各种改进算法的优缺点,为高性能的结构化P2P搜索算法的提出奠定基础。
以机器人足球中型组比赛环境中的足球作为研究对象,重点研究在机器人自身位置可能时刻发生变化的情况下如何利用机器人全景视觉信息,可靠地估计出足球在自由运动状态下和在外力作用下的位置和速度。提出了一种基于岭回归的估计方法实现对足球运动状态的估计,并在实验中证明本方法具有一定的稳定性和可靠性。
模块化是优化本体推理的一种有效手段,提出了一种针对推理的模块提取方法,该方法通过分析符号解释域的边界与公理之间的关系计算出基于边界的模块。给出该基于边界的模块的理论基础,并证明了其模块的正确性。评估实验表明,基于边界的模块和最优模块大小很接近,并使用边界模块进行推理后,推理性能显著提高。
对等网中大量动态性节点间的交互,导致传统的通过中心服务认证加密的安全模式难以实施;针对此问题,结合海量地形漫游的特点,提出了一种新的基于P2P的安全认证模式。该模式将认证中心的证书有效分割并通过P2P的方式高效地在动态节点间传输与更新。理论上分析并对比了在传统C/S和P2P模式下的证书分发过程中,认证中心的负载性能以及证书传输与更新所需时间。最后对两种模式下的安全机制进行了仿真实验,结果证实了基于
在注射成形模拟研究过程中,涉及材料的牛顿和非牛顿黏性流动模拟和注射成形后期的冷却过程模拟,以及随时间变化各处的压力变化等科学和工程领域经常应用大规模科学计算。随着基于网格的计算和数据处理日益复杂,很多计算一般PC系统无法满足要求,需要超级计算环境。因为不断追求更高的计算精度和日益复杂的对象而扩大计算规模,传统的串行处理方式难以满足这些要求。因此,现代高性能计算的低成本、高效率成为选择并行计算的解决
提出一种测试功耗优化的新方法,它通过阈值门电路调节和漏电流优化两种方法相结合来降低静态功耗。通过算法寻找电路的关键路径,去除伪路径,然后在关键电路上设置低阈值门电路,在非关键电路上设置高阈值门电路(不违反时序约束的前提下),利用测试向量的无关位特性来调整测试向量和测试架构,达到降低漏电流的目的。通过以上两种途径,整体上达到功耗优化的结果,实验结果证实了本方法的有效性。
信息流分析法是一种有效的隐通道搜索方法,用信息流图来描述系统中信息流的流动情况。直接基于系统源代码生成系统信息流图,由于信息流的传递关系,会引进大量系统中不存在的信息流路径。利用程序依赖图先处理系统信息流中的传递关系,然后再进行信息流图的生成,从而减少引入系统中不存在的信息流路径,减少信息流分析时的工作量。
首先把线虫、酵母和拟南芥三种模式生物基因组中的内含子、外显子和基因间序列归为三类,滑动统计这些序列中64种三核苷的重复出现次数作为离散源的状态参数,这样就得到了这些序列的64维特征值,并将这些数据分成训练样本集和测试样本集。根据免疫进化网络理论,用离散增量作为抗体—抗原间的亲和度函数,把训练集看成抗原,不断刺激免疫网络向识别抗原的方向进化,构造了一个基于离散增量的免疫分类器。通过测试表明,该分类器