多Agent間協作與競爭機制的研究.pdf

1、隨著互聯網信息的快速增長，搜索引擎面臨著巨大的壓力。通用搜索引擎返回的信息量較大，但對于用戶特定的查詢來說，信息質量卻不高，為了解決該問題，主題爬蟲誕生了。對于傳統的主題爬蟲而言，爬蟲間沒有相互交流，而是彼此獨立爬行的。研究發(fā)現，只提高主題爬行蟲獨立爬行的能力，很難提高系統執(zhí)行效率，因此，人們開始研究多爬蟲系統。在多爬蟲系統，如果爬蟲間沒有即時交流，就會造成重復爬行現象，所以研究爬行蟲間協作是非常必要的。論文的主要研究內容包括以下幾點：

2、
　　1．爬行蟲協作能力的改進和競爭能力的提出。對于爬行蟲的協作能力的衡量：一是爬行蟲是否具有繼續(xù)爬行的能力；二是爬行蟲是否具有相對較強的協作能力。對于爬行蟲的爬行能力，本文用爬行蟲的剩余爬行時間和剩余存儲空間這兩個因數來衡量；對于爬行蟲的相對協作能力，本文結合爬行蟲的歷史協作情況和現在相對協作能力來衡量。對于Agent的競爭能力，本文用爬行蟲的歷史競爭次數、歷史競爭成功次數、每次競爭中對手的個數、每次競爭中打敗對手的個數和當前對

3、手的競爭能力的大小來衡量。
　　2．本文提出了誘惑爬行蟲參與協作的誘惑因子函數和興趣函數。為了讓Agent主動的參與競爭，本文基于系統整體和參與競爭的Agent互利共贏的思想提出了誘惑因子函數和興趣函數。對于誘惑因子函數，本文用邀請者所能拿出的最大價值的資源和競爭能力來衡量。對于興趣函數，本文用資源與主題的相似度、資源與協作者所執(zhí)行的任務的相近程度來衡量。
　　3．本文提出了多Agent的競爭（Multi-Agent Com

4、petition，MAC）模型，MAC模型基于市場匹配中構造一組清倉價格的思想，讓參與競爭的C-Agent與需要完成協作的資源形成完美匹配。
　　4．本文提出了多對一關系（Many-to-One，MTO）模型和多對多關系（Many-to-Many，MTM）模型。在爬行蟲的競爭與協作活動中，多個邀請者Agent（Invite Agent，IA）與一個被邀請者Agent（Invited Agent，IDA）夠成了MTO模型；多個IA與