多Agent系统中信任预测的SRL模型

• 作者: 倪晖 周锋 李小勇 杨旭东
• 来源期刊: 北京邮电大学学报
• 学科: 工学
• 关键词: 多Agent系统 信任模型 Sarsa-强化学习
• 年，卷（期）: 2010,（6）
• 页码范围: 112-115
• 分类号: TP393
• 字数: 2912字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-5321.2010.06.025

摘要

针对多Agent系统(MAS)中信任关系管理的需求,将Sarsa-强化学习(SRL)理论应用于构建MAS中基于Agent行为的信任关系预测模型.首先根据Agent之间交互的时间顺序,构建了基于时间戳的行为状态空间结构,然后应用SRL理论,建立了基于直接可信度和反馈可信度相融合的总体信任关系预测模型.新模型充分利用SRL理论较强的动态适应能力,解决了传统预测模型对环境的动态变化适应能力不足的问题.累计误差方面的实验结果表明,与已有模型相比,新模型能显著提高信任决策的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨旭东	北京邮电大学智能通信软件与多媒体北京市重点实验室	8	27	3.0	4.0
2	倪晖	北京邮电大学智能通信软件与多媒体北京市重点实验室	2	5	1.0	2.0
3	李小勇	北京邮电大学智能通信软件与多媒体北京市重点实验室	8	196	4.0	8.0
4	周锋	北京邮电大学智能通信软件与多媒体北京市重点实验室	3	8	2.0	2.0