安徽省自然科学基金(03042305)
- 作品数：17 被引量：83H指数：6
- 相关作者：王浩姚宏亮方宝富琚旭张润梅更多>>
- 相关机构：合肥工业大学安徽建筑工业学院皖西学院更多>>
- 发文基金：安徽省自然科学基金安徽省高校省级自然科学研究项目更多>>
- 相关领域：自动化与计算机技术理学自然科学总论更多>>
- 基于MASIF的Mobile Agent互操作性的研究与实现被引量：1
- 2005年
- 由于当前的诸多Mobile Agent商业系统之间相互协调工作不理想,致使解决Mobile Agent系统之间的互操作性成为研究Mobile Agent技术在实际应用领域中需要解决的首要问题之一。这里的研究以MASIF(Mobile Agent SystemIn-teroperability Facilities)规范为蓝本,参考了这一领域中当前的研究成果,对互操作性进行了深入的研究和具体的初步实现,使互操作性标准的价值在实际应用中得到体现。
- 曹义新王浩
- 关键词：MASIFOMGCORBAAGLETS
- Java安全机制下移动Agent系统的安全性问题被引量：5
- 2004年
- 移动Agent作为分布式网络计算的一种新形式,可以降低网络传输量,异步地完成任务。但在复杂的网络环境下,移动Agent对安全性提出了特殊的要求。文中先大致介绍了移动Agent所带来的安全隐患,然后深入地研究了Java语言的安全机制,最后给出了一个安全模型的参考实现,并讨论如何结合Java的安全模型来解决移动Agent的安全性问题。虽然Java的安全模型本身存在一些不完善的地方,但随着其进一步改进,安全模型参考实现也将为移动Agent的应用提供更有力的保障。
- 王长宁穆斌王浩
- 关键词：JAVA语言移动AGENT系统INTRANETINTERNET局域网
- 1(1/2)片联合树算法在动态贝叶斯网精确推理中的应用被引量：6
- 2005年
- 基于动态贝叶斯网络处理动态不确定性问题的过程中推理是非常重要的,而推理算法的优劣决定着推理的执行效率。该文提出一种较简单的112片联合树算法,在不需要限制消去顺序且只作一次扩展的条件下构造联合树,所以算法简单且具有较小的复杂度。
- 周本达王浩姚宏亮
- 关键词：联合树马尔可夫模型
- 一种模糊强化学习算法及其在RoboCup中的应用
- 2006年
- 传统的强化学习算法只能解决离散状态空间和动作空间的学习问题。论文提出一种模糊强化学习算法,通过模糊推理系统将连续的状态空间映射到连续的动作空间,然后通过学习得到一个完整的规则库。这个规则库为Agent的行为选择提供了先验知识,通过这个规则库可以实现动态规划。作者在RoboCup环境中验证了这个算法,实现了踢球策略的优化。
- 高建清王浩于磊方宝富
- 关键词：模糊推理系统模糊Q学习ROBOCUP踢球技术
- RoboCup中传球策略研究被引量：10
- 2004年
- Fletcher和Leyffer提出的关于非线性规划问题的SequentialQuadraticProgramming(SQP)Trust-regionfilter基础算法是解决中等规模非线性问题的有效方法,其filter由二元组组成,该文提出了收敛速率的概念,形成三元组fil-ter,这样既保持了原来算法的优点又同时改善了收敛速率和信任域半径,将给出相应改进算法。文章在SQPfilter算法的基础上提出了RoboCup传球策略算法,由于RoboCup本身具有的离散化特点,此算法与SQPfilter算法在具体实现上有所不同。
- 于磊王浩王骋
- 关键词：ROBOCUPSQPTRUST-REGION机器人足球赛NLP
- 朴素贝叶斯分类器增量学习序列算法研究被引量：15
- 2004年
- 首先介绍了一种朴素贝叶斯增量分类模型,然后提出了一种新的序列学习算法以弥补其学习序列中存在的不足训练实例的先验知识得不到充分利用,测试实例的完备性对分类的影响在学习过程中得不到体现等。该算法引入一个分类损失权重系数λ,用于计算分类损失大小。引入该系数的作用在于充分利用先验知识对分类器进行了优化;通过选择合理的学习序列强化了较完备数据对分类的积极影响,弱化了噪音数据的消极影响,从而提高分类精度;弥补了独立性假设在实际问题中的不足等。
- 姜卯生王浩姚宏亮
- 关键词：贝叶斯分类器
- Q学习在机器人足球中的应用
- RoboCup是全球影响力最大的机器人足球比赛,成为人工智能和机器人学及其应用的标准研究问题之一,其中仿真组是RoboCup的重要组成部分。在仿真比赛中,环境的复杂性使得设计者不可能全部通过先验的知识来确定Agent每一...
- 方宝富王浩姚宏亮杨静周晋
- 关键词：机器人足球Q学习
- 基于Boosting的支持向量机组合分类器被引量：11
- 2006年
- Boosting是一种有效的分类器组合的方法,文章提出用一个改进的Boosting方法对支持向量机分类器进行集成学习,得到Boosting-MultiSVM分类器;试验结果表明,基于Boosting的支持向量机训练是一个收敛过程,相比标准的支持向量机分类器,Boosting-MultiSVM分类器的泛化性能有不同程度的提高。
- 琚旭王浩姚宏亮
- 关键词：支持向量机BOOSTING
- 一种基于影响图的决策方法及在RoboCup中的应用被引量：2
- 2004年
- 影响图是贝叶斯网络的扩展,利用影响图可以有效解决智能Agent利用经验学习和行为选择2个基本问题。RoboCup是一个典型的多Agent系统,其中的球和球员都可以看成是Agent。文章给出一种基于影响图的决策方法,并将其应用到RoboCup中,从而实现了球员截球过程中行为的动态调整。
- 张润梅王浩姚宏亮方宝富
- 关键词：贝叶斯网络影响图机器人足球赛多智能体系统
- 基于影响图的多Agent决策问题研究被引量：5
- 2005年
- 影响图是决策问题的图形表示,它是在贝叶斯网络基础上增加了决策结点和效用结点。文章讨论了影响图理论在多Agent建模与决策方面的应用;提出了联合分层影响图和动态贝叶斯网络来实现多Agent的实时决策的方法,该方法已在Robcup球员建模和决策方面初步得到应用。
- 王浩
- 关键词：影响图贝叶斯网络多AGENT系统
