多Agent大众生产系统的群体行为选择分析

doi:10.3778/j.issn.1002-8331.2011.01.003

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (1): 8-11.DOI: 10.3778/j.issn.1002-8331.2011.01.003

多Agent大众生产系统的群体行为选择分析

姚灿中¹，杨建梅²

1.华南理工大学经济与贸易学院，广州 510006
2.华南理工大学工商管理学院，广州 510640

收稿日期:2010-09-28 修回日期:2010-11-24 出版日期:2011-01-01 发布日期:2011-01-01
通讯作者: 姚灿中

Selection analysis of collective behaviors based on multi-Agent peer production system

YAO Canzhong¹，YANG Jianmei²

1.School of Economics and Commerce，South China University of Technology，Guangzhou 510006，China
2.School of Business Administration，South China University of Technology，Guangzhou 510640，China

Received:2010-09-28 Revised:2010-11-24 Online:2011-01-01 Published:2011-01-01
Contact: YAO Canzhong

摘要/Abstract

摘要： 在分析大众生产合作网络的结构特征基础上，构建了多智能体仿真平台，对大众生产合作者的群体选择进行模拟。研究了当大众生产者的预期敏感程度不同、网络结构动态变化、智能体具有生命期限、小世界网络等几种情况下群体选择的特征。通过5个仿真过程，验证了即使遵循简单的规则，大众生产者的群体行为选择也能涌现出相对独立的稳定集团的特征。

关键词: Repast平台, 大众生产, 复杂网络, 多智能体, 群体行为

Abstract: Based on analysis on the peer production collaboration network’s topology characteristic，the multi-Agent platform is constructed and the selection of peer groups behaviors is simulated.The group selection’s characteristic is studied on the condition of different sensitive expect，dynamic evolution of network，Agent having a life span and Small World network model.Through five simulation processes，it is verified that those relative independent and stable groups may emerge by the peer producers’ group selection even the agents follow the simple law.

Key words: Repast, peer production, complex networks, multi-Agent, group behaviors

中图分类号:

TP301

姚灿中¹，杨建梅². 多Agent大众生产系统的群体行为选择分析[J]. 计算机工程与应用, 2011, 47(1): 8-11.

YAO Canzhong¹，YANG Jianmei². Selection analysis of collective behaviors based on multi-Agent peer production system[J]. Computer Engineering and Applications, 2011, 47(1): 8-11.

[1]	陈世明，林子朋，高彦丽，裴惠琴. 自适应耦合权重下的异质群体一致性研究[J]. 计算机工程与应用, 2021, 57(4): 231-235.
[2]	马满福，郭晨彪，李勇，张钟颖，张强，王常青. 基于结构熵的注意力流网络异构性研究[J]. 计算机工程与应用, 2021, 57(23): 98-105.
[3]	王军，曹雷，陈希亮，赖俊，章乐贵. 多智能体博弈强化学习研究综述[J]. 计算机工程与应用, 2021, 57(21): 1-13.
[4]	李振涛，冯元珍，王正新. 事件触发下多智能体系统固定时间二分一致性[J]. 计算机工程与应用, 2021, 57(21): 80-86.
[5]	况立群，李思远，冯利，韩燮，徐清宇. 深度强化学习算法在智能军事决策中的应用[J]. 计算机工程与应用, 2021, 57(20): 271-278.
[6]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[7]	李金海，何有世，张鹏. 融合情境语义推理及社会网络的团购推荐研究[J]. 计算机工程与应用, 2021, 57(18): 163-171.
[8]	王安，顾益军. 基于社区划分的节点重要性评估方法[J]. 计算机工程与应用, 2020, 56(8): 42-48.
[9]	陈杰，程胜，徐梦，史豪斌. 面向医疗辅助诊断的可视化多属性决策方法[J]. 计算机工程与应用, 2020, 56(8): 249-255.
[10]	孙彧，曹雷，陈希亮，徐志雄，赖俊. 多智能体深度强化学习研究综述[J]. 计算机工程与应用, 2020, 56(5): 13-24.
[11]	茆汉国，张建德. 多智能体系统的非震颤固定时间一致性[J]. 计算机工程与应用, 2020, 56(4): 158-162.
[12]	赵亮，朱征宇. 融入K-核迭代因子的重叠社区发现算法[J]. 计算机工程与应用, 2020, 56(3): 61-67.
[13]	杜轻，辛守庭，雷新宇，于海涛. 基于脑网络和TSK模糊系统的癫痫脑电识别[J]. 计算机工程与应用, 2020, 56(2): 133-140.
[14]	陈良康，过榴晓，杨永清. 带有智能领导者的网络系统分群投影一致性[J]. 计算机工程与应用, 2020, 56(19): 42-47.
[15]	许元云，何明，刘锦涛，周波，杨铖. 碰撞锥检测改进的多智能体避障算法[J]. 计算机工程与应用, 2020, 56(18): 63-68.

多Agent大众生产系统的群体行为选择分析

Selection analysis of collective behaviors based on multi-Agent peer production system

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics