《協商Agent智慧型化中關鍵技術的研究》是依託西南大學，由陳鍶奇擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：協商Agent智慧型化中關鍵技術的研究
- 項目類別：青年科學基金項目
- 項目負責人：陳鍶奇
- 依託單位：西南大學
項目摘要,結題摘要,
項目摘要
Agent技術從理論和實踐上有力地推動了分散式系統和人工智慧領域的發展，並在社會各個領域中獲得了廣泛套用。特別地，由於基於Agent的自動協商在多個領域中具有巨大的潛在套用價值，該方面的研究因此成為目前國際學者探討的熱點之一。為了增強解決實踐中複雜協商問題的能力，提高自動協商過程的智慧型度和協商結果的收益，本項目針對協商對手信息缺乏環境下的複雜協商問題，設計了一種新的智慧型協商Agent框架。面對未知對手的單次協商，依靠稀鬆高斯過程對對手行為進行學習；針對未知對手的多次協商，協商Agent利用深度學習和終身學習技術從以前任務獲取額外知識，最佳化對協商對手行為的學習性能，並以此為基礎動態協商策略，以取得實踐條件下最優協商結果。最後，對協商Agent進行有效性和穩定性的驗證。本項目的研究為未來自動協商技術和多agent系統的發展提供新的思路和方法。
結題摘要
本項目的執行時間為2017年1月~2019年12月，這期間項目主要研究了智慧型體協商和學習關鍵技術的各個方面，進一步提升了智慧型體智慧型互動能力。現總結如下： 1. 對手學習技術方面，項目組提出了具有社會意識的梯度上升算法來學習對手策略，使得其在多智慧型體間互動中實現社會角度下最優結果。特別針對較多實際問題中無法獲知對方策略和偏好的情況（例如協商問題中），提出了該算法的改進版本，增強了方法的通用性。2. 動態協商策略研究方面，項目組提出了面向人機互動環境的動態協商策略。基於高斯過程對未來收益進行預測，協助智慧型體調整己方目標和行為；通過結合模擬退火算法進行不同問題域和對手的知識遷移，復用已訓練好的模型以提高策略效率。為解決複雜人機互動提供了有效方法。3. 智慧型體效率評估方面，因互動評估缺乏統一的平台和標準，項目組設計並實現了線上多用途互動平台，支持人機互動和智慧型體間互動，提供內置場景管理器，具有完善的互動結果分析和展示並針對不同類型互動提供針對性的指標，以及多場景並發互動和大規模智慧型體互動的競賽模式。此外，平台提供大量API接口和基準智慧型體方便平台使用者設計和測試各種新的互動策略。4. 基於智慧型體互動技術的套用，項目組將智慧型體互動的套用到網路資源分配，網路社區識別，圖像識別等領域，進一步拓寬其套用範圍，具有重要的理論意義與實際套用價值。本項目實施過程中，項目組已在AAMAS、JAAMAS等智慧型體領域頂級國際期刊、會議上發表論文8篇，其中CCF-B類期刊和會議2篇、SCI檢索 4篇。並申請軟體著作權3項。項目培養博士生1名，碩士生3名。參加國際人工智慧頂級會議IJCAI（CCF-A類）的智慧型體協商互動競賽單元（ANAC 2017, 2018, 2019），均獲得決賽前三名，這也是我國高校首次在該項競賽上獲獎。成果達到了申請書預定的考核標準。
