面向社交网络基于协作度协商联盟形成机制.docVIP

面向社交网络基于协作度协商联盟形成机制 　　摘要：分布式多Agent构成的社交网络通常表现出不同的特征，针对不同的社交网络和多Agent本身的异质性，提出了一种面向社交网络的基于协作度协商联盟形成机制.该机制依托多Agent构成的社交网络环境，建立面向分布式环境的分布式协商协议，并设计一种考虑到社交网络特征和Agent异质性的基于协作度的协商策略，采用分布式自动协商方式形成联盟.通过对全连通网络、层次网路和小世界网络的仿真实验结果表明，该机制能够有效地实现分布式环境下的联盟形成，并且在反应大多数实际应用环境的小世界社交网络中表现出相对较好的性能. 　　关键词：多Agent系统；联盟形成；分布式自动协商；社交网络；协作度 　　中图分类号：TP311 文献标识码：A 　　形成联盟是多Agents最常用的一种协作方式，高效的构建联盟是多Agent系统中的研究热点之一.目前的联盟形成方法存在着诸多的局限.一是，大多数方法针对多Agent全连通的情况，未考虑实际环境中Agents之间不同的连接结构，适用面较窄；二是，现有研究中大多是针对集中式系统的，不适用于分布式的应用情况，实用性不强；三是，忽略了不同Agent的异质性，没有考虑Agent的协作态度和协作资源的不同，实用性不强.如文献[1-4]中Agent之间都是全连通的，求解联盟的方法是通过搜索联盟结构图获得最优联盟结构.这样联盟形成的过程是一个NP难问题，而实际应用中全连通的Agent情况并不多见.文献[5-6]引入了社交网络和学习型协同图的概念，使得问题的求解简化，但是文中没有考虑不同的网络拓扑结构对联盟形成的影响.集中式环境中，文献[7-9]先通过协商形成候选联盟集，然后通过发起联盟的集中管理者Agent分配效用，确定最终联盟.针对分布式应用环境，文献[10]中建立了一套基于协商的联盟形成机制，Agent在分布式协商协议下形成联盟和确定效用值的划分并且对比了不同网络拓扑结构对联盟形成的影响，但是该机制没有考虑不同Agent的协作资源和协作态度的不同的异质性，使得联盟形成效率相对不高.为了解决现有研究中的局限性，本文试图建立一套在分布式环境下、面向社交网路结构的，异质的多Agent联盟形成机制.本文首先对比分析全连通的、随机树型的、小世界网络社交网络拓扑结构特点；然后针对分布式应用环境，构建一个分布式的协商协议来保障联盟形成；接下来考虑邻居Agent的历史信任度和资源拥有情况下引入了协作度的概念，来体现不同Agent的协作资源和协作态度的差异性，进而表达不同社交网络结构的特点，建立一种基于Agent协作度的协商策略；最后，实现面向社交网络的基于协作度协商联盟形成机制SOCNCF（social networks oriented collaboration degree based negotiation coalition formation mechanism ）. 　　1社交网络 　　分布式环境中，多Agent之间的连通关系构建的网络拓扑结构图，可以看成是多Agent之间的社交网络SN（Social Network）.该网络结构构成多Agent通过分布式协商形成联盟的环境基础. 　　1.1简单的社交网络 　　设AGENT={Agent1，Agent2，…，Agenti}，表示一个用于联盟形成的Agents集合，Agents连通关系的网络拓扑图G=（A，E）.A表示不同的Agent，E表示连接Agent的边，把可以与Agenti直接通信的其他Agent定义为Agenti的直接邻居，其形式化的定义如式（1）： 　　I（i）={i|（i，i）∈E，i≠i} （1） 　　例如，e=（1，2）∈E表示的意思是Agent1和Agent2之间是连通的，他们可以通过协商形成联盟. 　　传统的联盟形成机制中很少考虑到成员Agent的SN差异性，大多考虑的都是全连通的情况.但是实际应用中Agent是处于不同的SN中的， Agent之间的交互将受到SN的差异性限制.图1是使用本文实验平台产生的3种简单的社交网络，可见，图1（a）中可能形成的联盟是{Agent0}，{Agent1}，{Agent2}，{Agent0，Agent1}，{Agent0，Agent2}，和{Agent0，Agent1，Agent2}.可见联盟{Agent1，Agent2}是不可能形成的，因为Agent1和Agent2没有之间相连，他们之间不能相互交互协商形成联盟.在图1（b）中由于Agent之间的连同关系变了，所以不能形成的联盟是{Agent0，Agent2}，{Agent1，Agent3}.最后，在如图1（c） 的全连通图中，由于每一个Agent之间都是之间相连的，所有{Agent0，Agent1