| 【中文题名】 | 基于DFL的Agent自主学习模型及其应用研究 |
| 【英文题名】 | Research and Application on Agent Autonomous Learning Model Based on DFL |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-3-24 |
| 【中关键词】 | Agent自主学习,自主学习,动态模糊逻辑,,, |
| 【英关键词】 | Agent autonomous learning,autonomous learning,Dynamic Fuzzy logic, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 | 本文在对Agent学习本质分析的基础上,基于动态模糊逻辑理论,建立了Agent自主学习的模型,构建了动态的Agent学习系统。主要包括如下几个方面的工作:
(1) 分析了当前Agent学习模型的研究状况,构建了动态Agent学习模型。
(2) 给出了基于动态模糊逻辑(DFL)的Agent自主学习模型。
(3) 给出了Agent学习的流程算法。
(4) 给出了该学习模型在组合数学问题求解中的应用。
通过上述工作,我们对Agent自主学习模型给出了合理的描述,为Agent学习方式的进一步探讨提供了有效的理论基础。一方面弥补了现有理论描述的不足,另一方面也为人们进一步研究Agent学习找到了新的途径。 |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
Abstract |
4-7 |
|
苏州大学硕士学位论文详细摘要 |
7-10 |
|
第一章 引论 |
10-17 |
|
1．1 Agent学习简介 |
10-13 |
|
1．2 问题的提出 |
13-15 |
|
1．3 内容安排 |
15-17 |
|
第二章 构建Agent自主学习的理论工具 |
17-30 |
|
2．1 自主学习理论 |
17-21 |
|
2．1．1 自主学习理论特点 |
17-21 |
|
2．1．2 自主学习优势 |
21 |
|
2．2 Agent学习的理论描述工具介绍 |
21-24 |
|
2．2．1 模糊信息描述工具 |
21-22 |
|
2．2．2 随机信息理论 |
22-23 |
|
2．2．3 动态模糊工具—DFL(动态模糊逻辑) |
23-24 |
|
2．3 DFL的介绍 |
24-29 |
|
2．3．1 DF布尔量 |
24-25 |
|
2．3．2 DF命题逻辑公式 |
25-27 |
|
2．3．3 动态模糊(DF)命题公式的范式 |
27-29 |
|
2．4 本章小结 |
29-30 |
|
第三章 基于DFL的Agent自主学习模型 |
30-58 |
|
3．1 学习 |
30-34 |
|
3．1．1 学习的要素 |
30-31 |
|
3．1．2 学习问题的标准描述 |
31-32 |
|
3．1．3 学习任务的类型 |
32-33 |
|
3．1．4 学习中的问题 |
33-34 |
|
3．2 Agent自主性研究 |
34-35 |
|
3．3 学习Agent的构造 |
35-39 |
|
3．4 Agent自主学习模型设计 |
39-56 |
|
3．4．1 基于DFL的Agent自主学习模型(ALM) |
39-41 |
|
3．4．2 Agent心智状态 |
41-42 |
|
3．4．3 知识管理模块 |
42-48 |
|
3．4．4 规划模块 |
48-52 |
|
3．4．5 动作选择模块 |
52-55 |
|
3．4．6 Agent自主学习流程 |
55-56 |
|
3．5 与其他工作的比较 |
56-57 |
|
3．6 进一步的工作 |
57 |
|
3．7 本章小结 |
57-58 |
|
第四章 模型的应用研究 |
58-63 |
|
4．1 模型在组合数学中的应用 |
58-62 |
|
4．2 本章小结 |
62-63 |
|
第五章 结论与展望 |
63-64 |
|
参考文献 |
64-67 |
|
致谢 |
67-68 |
|
附录 |
68-69 |
|
科研情况 |
68 |
|
论文发表情况 |
68-69 |
|
中英文名词对照 |
69-71 |
|
部分代码 |
71-74 |
|
| 【DOI】 | LunWen.ID:2.2008.387628 |
