基于Agent理论的知识发现

【摘要】： 本文首先对Agent的定义、动作的处理过程、以及其内部的工作机制进行较为详细的描述。在对Agent的理论研究中,本文提出了一种基于状态转换的Agent动作执行过程,Agent的动作是在该Agent状态转换中进行的,这使得Agent系统更加的稳定,并且当系统出现错误时比较容易的检测错误的所在。其后,本文对多Agent系统(MAS)进行了较为深入的研究。在这一部分中,本文提出了一种模拟购物大厅而产生的“市场”这种多Agent模型,这是一种较为灵活,其通用性较强,更加方便于多Agent系统中的各个Agent之间通信的结构。在这里我们主要强调的是市场的结构性,它与传统黑板结构的主要不同点是市场结构中的管理者对进入市场中的Agent进行统一的管理,并由市场中的管理Agent对市场中Agent所提供的信息进行相互匹配,从而完成Agent之间的协作过程。 在本文的后部,将这种市场结构与知识发现的过程相结合,提出了基于Agent理论的知识发现方法。该方法主要是针对频繁模式的挖掘,现有的频繁模式挖掘的模型各有优点,但在智能性和通用性方面表现的较差。针对项目集、序列等等模式的挖掘方法各不相同,基于Agent理论的知识发现方法能够针对项目集、序列以及树型模式使用一个统一的方法进行挖掘,这样就大幅度的提高知识发现系统其智能性和通用性。