基于值等价的交互式动态影响图的求解方法研究与应用

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61772442
  • 项目类别：
    面上项目
  • 资助金额：
    58.0万
  • 负责人：
    曾一锋
  • 依托单位：
    厦门大学
  • 学科分类：
    F06.人工智能
  • 结题年份：
    2021
  • 批准年份：
    2017
  • 项目状态：
    已结题
  • 起止时间：
    2018-01-01 至2021-12-31

项目摘要

Multiagent system is one of the most important areas in the development of artificial intelligence research, and plays a significant role in many applications. Interactive dynamic influence diagram (I-DID) is well recognized as a general technique for solving multiagent sequential decision making problems under uncertainty. Based on a large amount of I-DID research in the past years, this project aims to complement the I-DID solutions by proposing a new type of solutions that is developed from the principle of value equivalence. The new solutions, which are different from the previous I-DID solutions that are entirely based on behavioral equivalence, can significantly reduce the solution complexity. More importantly, they can provide a theoretical guarantee to the quality of agents’ optimal policies, which will therefore improve the reliability of applying I-DID in a practical setting. This project will develop the solutions by employing new advances of artificial intelligence techniques including sub-modular function optimization, Monte Carlo tree search, active learning, generative adversarial networks and so on. It aims to guarantee correctness of new I-DID solutions in a theoretical way and ensure their effectiveness in practice. The research outcomes will benefit the further development of artificial intelligence research and applications in a new horizon.
多智能体系统是人工智能技术研究的一个重要发展领域，在众多应用领域起到了不可估量的作用。交互式动态影响图是求解在不确定环境下多智能体序贯决策问题的一个普遍适用技术，在多智能体系统研究领域得到了高度的认可。基于前期大量的交互式动态影响图研究工作基础上，本项目继续完善交互式动态影响图的求解方法，提出一个基于值等价的求解体系。有别于传统的基于行为等价准则的交互式动态影响图求解方法，该崭新的求解技术不仅能够极大地降低模型求解的复杂度，而且更为重要的是能够在理论上对智能体的最优决策质量给出一个严格的保证。这将提高交互式动态影响图在实际应用中的可靠性。本项目将采用子模函数优化方法、蒙特卡洛树搜索方法、主动学习方法、生成对抗网络等人工智能最新发展技术，开发一套理论上正确、实际有效的交互式动态影响图求解算法。项目的研究成果将对人工智能技术的进一步发展和可靠应用有一定的借鉴作用。

结项摘要

多智能体系统是人工智能技术研究的一个重要发展领域，在众多应用领域起到了不可估量的作用。交互式动态影响图是求解在不确定环境下多智能体序贯决策问题的一个普遍适用技术，在多智能体系统研究领域得到了高度的认可。基于前期大量的交互式动态影响图研究工作基础上，本项目继续完善交互式动态影响图的求解方法，提出了一个基于值等价的求解体系。有别于传统的基于行为等价准则的交互式动态影响图求解方法，该崭新的求解技术不仅极大地降低模型求解的复杂度，而且能够在理论上对智能体的最优决策质量给出一个严格的保证，提高了交互式动态影响图在实际应用中的可靠性。本项目采用了子模函数优化方法、蒙特卡洛树搜索方法、生成对抗网络等人工智能最新发展技术，开发了一套理论上正确、实际有效的交互式动态影响图求解算法。

项目成果

期刊论文数量（15）
专著数量（0）
科研奖励数量（0）
会议论文数量（9）
专利数量（2）
Community detection based on modularity and k-plexes
基于模块化和k-plexes的社区检测
  • DOI：
    10.1016/j.ins.2019.10.076
  • 发表时间：
    2020
  • 期刊：
    Information Sciences
  • 影响因子：
    8.1
  • 作者：
    Jinrong Zhu;Bilian Chen;Yifeng Zeng
  • 通讯作者：
    Yifeng Zeng
On the tensor spectral p-norm and its dual norm via partitions
关于张量谱 p 范数及其对偶范数的划分
  • DOI：
    10.1007/s10589-020-00177-z
  • 发表时间：
    2020-02
  • 期刊：
    Computational Optimization and Applications
  • 影响因子：
    2.2
  • 作者：
    Bilian Chen;Zhening Li
  • 通讯作者：
    Zhening Li
Nonnegative tensor completion via low-rank Tucker decomposition: model and algorithm
通过低阶 Tucker 分解的非负张量补全：模型和算法
  • DOI：
    10.1109/access.2019.2929189
  • 发表时间：
    2019
  • 期刊：
    IEEE Access
  • 影响因子：
    3.9
  • 作者：
    Bilian Chen;Ting Sun;Zhehao Zhou;Yifeng Zeng;Langcai Cao
  • 通讯作者：
    Langcai Cao
Behavioral model summarisation for other agents under uncertainty
不确定性下其他智能体的行为模型总结
  • DOI：
    10.1016/j.ins.2021.09.039
  • 发表时间：
    2022-01
  • 期刊：
    Information Sciences
  • 影响因子：
    8.1
  • 作者：
    Yinghui Pan;Biyang Ma;Jing Tang;Yifeng Zeng
  • 通讯作者：
    Yifeng Zeng
Team recommendation using order-based fuzzy integral and NSGA-II in StarCraft
在《星际争霸》中使用基于顺序的模糊积分和 NSGA-II 进行团队推荐
  • DOI：
    10.1109/access.2020.2982647
  • 发表时间：
    2020
  • 期刊：
    IEEE Access
  • 影响因子：
    3.9
  • 作者：
    Lin Wang;Yifeng Zeng;Bilian Chen;Yinghui Pan;Langcai Cao
  • 通讯作者：
    Langcai Cao

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

多Agent交互式动态影响图的建模方法
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    厦门大学学报(自然科学版)
  • 影响因子：
    --
  • 作者：
    潘颖慧;罗键;曾一锋;PAN Ying-hui,LUO Jian,ZENG Yi-feng(School of Infor
  • 通讯作者：
    PAN Ying-hui,LUO Jian,ZENG Yi-feng(School of Infor

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

曾一锋的其他基金

针对未知的未知竞争对手的多智能体规划模型研究
  • 批准号：
    62176225
  • 批准年份：
    2021
  • 资助金额：
    57 万元
  • 项目类别：
    面上项目
基于交互式动态影响图的未知对手模型学习
  • 批准号：
    61375070
  • 批准年份：
    2013
  • 资助金额：
    76.0 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码