复杂网络系统智能涌现及其应用的论文的研究

《复杂网络系统智能涌现及其应用的论文的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中文摘要V摘要近些年，作为人工智能领域里的一个热点研究课题，多主体系统的理论及应用得到了人们的广泛关注并迅速发展。同时，作为多学科交义的结晶，复杂科学以全新的思想和方法蓬勃发展。本文以多主体系统理论和复杂科学理论为基：6f{{，构建了一个具有突现智能的多主体的复杂网络系统模型。本文不仅研究了复杂网络系统的智能涌现，还从各个主体之间互相关联的复杂网络结构特征方面来分析和研究多个主体之间的合作以及智能涌现的关系。本文还将复杂网络系统的模型及其特性应用到自然语言理解领域关键词抽取的实际应用中。本文工作主要工作与创新特色：◆成功的将模拟退火算法与多主体系统思想相结合，提

2、出了一个多主体复杂网络系统模型SAAER模型，并实现了对约束满足问题的高效求解。该模型赋予主体高效的动态策略选择的能力，依靠多个主体合作所产生的涌现智能来求解问题。对约束满足问题经典示例，N-Qugen问题和染色问题的实验表明，该模登具备高效性和稳定性。较之传统方法，这种利用多个简单主体合作的涌现智能来求解的方法具有一定的创新性。另外，还对主体的不同调度方法进行了实验分析，验证了主体调度随机性在智能涌现中的重要作用。◆分析了经典的约束满足问题——染色问题的网络结构，从中发现了复杂网络特性及其对于问题求解的影响。在对染色问题实例约束网络的分析中发现，任意两个节点之

3、间的平均最短路径很小，整个系统呈现出高聚集度的特性，并且节点的度存在特异分布。这些特性是随机图所不具备的。进而分析了网络特性对约束满足问题解以及问题求解性能的影响。◆对一个真实的虚拟社区所构成的网络的特性进行了研究，并从中发现了许多小世界网络及标度无关网络所具备的复杂特性。对于虚拟社区的研究加深了对于复杂网络系统的了解并对研究人与人之间的交际网络或好友网络有着很大的帮助。◆将复杂网络的小世界模型应用到自然语言理解的关键词抽取中，取得了较好的效果。对于单篇文档建立词与词之间共同出现的“语言网络”。并通过对该复杂网络的分析，从中提取出起到提领作用的词作为关键词。该方

4、法用在中文文档的处理中，所抽取的关键词更为贴近文章的实际内容，而不是仅仅是针对文章标题。些!!!型．∑!AbstractInrecentyear,thetheoryandapplicationsofMulti-AgentSystems(MAS)，ashotspotsinthefieldofArtificialIntelligence，attractedwideattentionsfromresearchersanddevelopedrapidlyAsthefruitsofcrossoverofmultiobject，ComplexityScienceconduc

5、tsrapiddevelopmentinresentyear。ThisarticlelSbasedonthetheoryofMulti．AgentSystemsandComplexityScience．andconductsresearchesonaMASmodelwithemergentintelligenceandthestructuremodelrepresentingtheinteractionsbetweenagentsStartingfromthetheoryofComplexNetworks，suchasSmallWorldModelandScal

6、e—FreeModel，thisarticlealsoanalyzesandinvestigatestherelationshipsbetweentheemergenceofintelligenceandthecooperationandinteractionofagents，Inthisarticle，thecomplexnetworkmodeland1tscharactersarealsoappliedinKeywordsExtractioninthefieldofNaturalLanguageProcessing(NLP)．Themajortasksand

7、1nnovationsareasfollows：◆SuccessfullyintegratedtheSimulatedAnnealingAlgorithmandthe1deaofMulti—AgentSystems，andbroughtforwardSAAERmodel，whichftIlfilledthehighemcientsolvingofConstrainSarisfactionProblems(CSPs)，Thismodelprovidestheagentsmoreefficientdynamicstrategychoosingabilityandso

8、lvestheprobl