簡易檢索 / 詳目顯示
| 研究生： |
林宜謙 LIN, I-Chien |
|---|---|
| 論文名稱： |
團隊式任務發掘於多重代理人系統 Team-Based Mission Discovery in Multi-Agent Systems |
| 指導教授： |
苑守慈
Yuan, Soe-Tsyr |
| 學位類別： |
碩士
Master |
| 系所名稱： |
商學院 - 資訊管理學系 Department of Management Information System |
| 論文出版年： | 2006 |
| 畢業學年度： | 94 |
| 語文別： | 中文 |
| 論文頁數： | 89 |
| 中文關鍵詞： | 任務發掘 、多重代理人系統 、價值觀 、價值衝突 、需求 |
| 外文關鍵詞： | Mission Discovery, Multi-Agent Systems, Values, Value Conflict, Needs |
| 相關次數： | 點閱：151 下載：69 |
| 分享至: |
| 查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報 |
過去多重代理人系統相關研究中，皆假設任務是預先知道而且確定的，這使得它們無法即時滿足使用者需求，因而在實務上受到限制。因此本研究期望能將多重代理人系統的工作向前延伸，引入人類社會中的價值觀，進而模擬出人類解決問題的思考模式，將能夠放寬任務給定的限制，幫助傳統多重代理人系統提昇彈性、適用於更為動態複雜的環境，即時地滿足使用者需求。任務發掘意指幫助多重代理人系統找出合適任務的過程，將任務發掘應用於多重代理人系統，最主要的挑戰在於－「什麼任務才能滿足需求」；換句話說，「找出需求」。價值(value)正是引起社會交換(social exchange)的元素，價值觀則是人類對於該價值之看法。重視該價值觀為希望於交換過程中獲得該價值，不重視該價值觀為願意於交換過程中犠牲該價值，然而重視有程度之分，即希望獲得/願意犠牲之優先順序。衝突即為依據該優先順序以重視之價值換取不重視之價值的交換行為；最低衝突則為以最不重視之價值換取最重視之價值的交換行為。若能以最低衝突進行交換即最能符合使用者價值觀；最符合使用者價值觀之決策則能滿足使用者之需求。透過本研究所發展之衝突解析演算法，將能夠找出與使用者價值觀最低衝突之代理人團隊，以使用者價值觀點出發，發掘出情境化任務，有效地滿足使用者需求。
Most existing multi-agent systems (MAS) presume that the tasks to be resolved are given. However, this assumption sometimes renders the systems unrealistic. A sound mission discovery mechanism would exempt this assumption and offer flexibility and adaptation in resolving the user’s problem in dynamic complexity environments. The major challenge of mission discovery in MAS, in general, rests on how to associate missions to the user’s needs (i.e., the identification of the user’s needs). “Value” is anything that can give rise to exchange. For instance, if someone can help his friend no matter what the price he would pay for, then it means that the moral value surpasses the economics value for the case. Based on the theory of social exchange, this paper devises a Conflict Resolution Algorithm that aims to allocate an agent team of the members with the least value conflict so as to discover the contextualized missions that could fulfill the user’s needs.
表 次 VI
圖 次 VIII
第壹章 緒論 1
第一節 研究背景 1
第二節 研究動機 2
第三節 研究問題 3
第四節 研究目的 6
第五節 研究流程 7
第貳章 文獻探討 9
第一節 多重代理人系統 9
第二節 價值觀 13
第參章 研究方法 17
第一節 任務發掘整體研究架構 18
第二節 Context Information Framework 20
第三節 Value Distribution Module 26
第四節 Team Module 37
第五節 Mission Discovery Module 47
第六節 Feedback Module 50
第七節 情境範例 52
第肆章 實驗設計與結果 60
第一節 實驗情境設計 60
第二節 實驗目的 61
第三節 實驗結果評估 61
第伍章 iCare整合環境建置 76
第一節 iCare智慧型協同服務創新平台 76
第二節 實際導入任務發掘平台至應用領域之四大步驟 78
第陸章 結論與未來研究方向 84
第一節 結論 84
第二節 本研究之商業價值 85
第三節 未來研究方向 86
參考文獻 88
表 次
表1、重視價值觀範例 15
表2、情境資訊範例 23
表3、單值類別變數轉為數值範例 24
表4、多值類別變數轉為數值範例 25
表5、二元變數轉為數值範例 25
表6、情境向量CV範例 26
表7、價值向量模型 27
表8、Interaction History Knowledge Base範例 28
表9、Hamming distance計算方式 28
表10、二元變數「脈搏狀況」距離矩陣範例 29
表11、Simple matching distance計算方式 30
表12、單值類別變數「時間」距離矩陣範例 30
表13、正規化後之單值類別變數「時間」距離矩陣範例 30
表14、單值類別變數「所在房間」距離矩陣範例 31
表15、正規化後單值類別變數「所在房間」距離矩陣範例 31
表16、多值類別變數「在家中人員」距離矩陣範例 32
表17、正規化後多值類別變數「在家中人員」距離矩陣範例 32
表18、City block distance計算方式 33
表19、數值變數「溫度」距離矩陣範例 33
表20、正規化後數值變數「溫度」距離矩陣範例 33
表21、情境向量距離矩陣範例 34
表22、KNN Algorithm 35
表23、以情境發生時間為參數之高斯分配計算方式 36
表24、Agent Value Graph (AVG) 模型 38
表25、系統窮舉價值觀交換原則AVG之範例 42
表26、基於角色的價值觀交換原則AVG之範例 42
表27、衝突解析演算法Conflict Resolution Algorithm 第一部份 43
表28、衝突解析演算法Conflict Resolution Algorithm 第二部份 44
表29、情境、使用者、團隊、規範、任務價值向量之比較 49
表30、Cosine Similarity Function 50
表31、情境範例之互動歷史紀錄知識庫(情境1- 6) 52
表32、情境A、B 53
表33、情境A與情境1-6之距離矩陣 54
表34、情境B與情境1-6之距離矩陣 54
表35、情境範例之使用者價值觀 55
表36、情境範例之任務知識庫 56
表37、情境A的老人甲之團隊向量與任務相以度分析 57
表38、情境B的老人甲之團隊向量與任務相以度分析 57
表39、情境B的老人甲NV調整後之團隊向量與任務相以度分析 58
表40、實驗情境預設環境參數一覽 60
表41、使用者價值向量UV機率分布範例 62
表42、實驗(二)之實驗參數 67
表43、k值與 值之實驗參數設定 69
圖 次
圖1、情境化任務 5
圖2、從需求致情境化任務過程中之研究標的 5
圖3、研究流程圖 8
圖4、各式多重代理人組織(Bryan and Lesser,2005) 10
圖5、行為目的示意圖 14
圖6、動機作用期望模式 14
圖7、價值分類體系 16
圖8、整體研究架構 19
圖9、情境資訊框架 23
圖10、σ=1之高斯分配圖 36
圖11、Team Module架構 37
圖12、Agent Value Graph 38
圖13、價值類型與四種價值交換關係 39
圖14、資源型價值轉換規則用於規範向量NV 41
圖15、資源型價值轉換規則用於任務向量MV 48
圖16、使用者回饋資訊範例 51
圖17、任務發掘系統平台畫面 59
圖18、家庭價值觀變化下系統建議「家庭室內活動」的比率 63
圖19、健康價值觀變化下系統建議「體能性運動」的比率 65
圖20、健康與朋友價值觀同時變化下系統建議「消費性休閒活動」的比率 66
圖21、實驗(二)流程圖 68
圖22、k=1與r=0.1, 0.5, 1.0, 1.5 之學習效果比較 70
圖23、k=2與r=0.1, 0.5, 1.0, 1.5 之學習效果比較 70
圖24、k=3與r=0.1, 0.5, 1.0, 1.5 之學習效果比較 71
圖25、k=5與r=0.1, 0.5, 1.0, 1.5 之學習效果比較 71
圖26、k=7與r=0.1, 0.5, 1.0, 1.5 之學習效果比較 72
圖27、r=0.1與k=1, 2, 3, 5, 7之學習效果比較 73
圖28、r=0.5與k=1, 2, 3, 5, 7之學習效果比較 73
圖29、r=0.1與k=1, 2, 3, 5, 7之學習效果比較 74
圖30、r=1.5與k=1, 2, 3, 5, 7之學習效果比較 74
圖31、iCare智慧型協同服務創新平台 77
圖32、單值類別變數「時間」之實作Class 79
圖33、多值類別變數「在家中人員」之實作Class 80
圖34、數值類別變數「溫度」之實作Class 81
圖35、二元變數「脈博狀況」之實作Class 82
1.何修瑜譯（2003），下一個社會的60種樣貌，商周出版，原著：Sam Hill, 2002
2.齊若蘭譯（2002），從A到A+，遠流出版社，原著：Jim Collins
3.陳琇玲譯（2002），注意力經濟，天下文化出版社，原著：homas H. Davenport, John C. Beck, pp. 27, 30, 93.
4.許士軍（1983），管理學，東華書局。
5.A. Decoufle, N. Schwartz, The Concept of Needs: A Survey of illusions, Futures, Vol. 6, No. 1 (1974), pp. 16-26.
6.G. Vauvert, A. E. Fallah-Seghrouchni. A Distributed Algorithm for coalition formation among e-commerce agents, International Conference on Intelligent Agent Technology IAT, 23-26 October 2001.
7.H. Bryan, L. Victor. A Survey of Multi-Agent Organizational Paradigms. Knowledge Engineering Review. 2005. To appear. An earlier version is available as UMass Computer Science Technical Report 04-45.
8.H. Jiawei, K. Micheline. Data Mining Concepts and Techniques, Morgan Kaufmann Publishers, pp.340-341, ISBN 1-55860-489-8, 2001.
9.J. Piaget. Sociological Studies. Routlege, London, 1995.
10.K. Sycara. Multi-Agent Systems. The American Association for Artificial Intelligence, summer 1998, pp. 79-92.
11.K. Teknomo. Similarity Measurement, http:\\people.revoledu.com\kardi\tutorial\Similarity\. 2005.
12.M. R. Rodrigues, A. C. D. R. Costa, R. H. Bordini. A System of Exchange Values to Support Social Interactions in Artificial Societies. Proceedings of the Second international Joint Conference on Autonomous Agents and Multiagent Systems , July 14-18 2003, pp. 81-88.
13.M. Tambe. Towards flexible teamwork., Journal of Artficial Intelligence Research, pp. 83-124, 1997.
14.N. David, J. S. Sichman, H. Coelho. Agent-based simulation with coalitions in social reasoning. Proceedings of the Second International Workshop on Multi-Agent-Based Simulation-Revised and Additional Papers, pp. 244-265, 2000.
15.O. Shehory, K. P. Sycara, S. Jha. Multi-agent Coordination through Coalition Formation, Proceedings of the 4th International Workshop on Intelligent Agents IV, Agent Theories, Architectures, and Languages, July 24 - 26, 1997, pp.143-154.
16.R. Guimerà, B. Uzzi, J. Spiro, L. A. N. Amaral. Team assembly mechanisms determine collaboration network structure and team performance , SCIENCE Online, 29 April 2005, pp. 697-702.
17.R.G. Smith. The contract net protocol, IEEE Transactionson Computers, C29(12), 1980.
18.R.G. Smith. A Framework for Distributed Problem Solving,UMI Research Press,1981.
19.V. H Vroom. Work and motivation. New York: Wiley, 1964.
20.V. R. Lesser, E. H. Durfee, D. D. Corkill. Trends in Cooperative Distributed Problem Solving. IEEE Transactions on Knowledge and Data Engineering 1(1): 63–83, 1989.