版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、模型檢測作為一種有限狀態(tài)系統(tǒng)的自動(dòng)化驗(yàn)證技術(shù)已得到廣泛應(yīng)用。最近該技術(shù)在規(guī)劃和多智能體系統(tǒng)(MAS)等人工智能領(lǐng)域的應(yīng)用也越來越受到重視。MAS領(lǐng)域強(qiáng)調(diào)智能體的自治性和推理力,采用模態(tài)邏輯刻畫智能體心智狀態(tài)(包括智能體的知識、信念、愿望和意圖)的演變過程。由于這些模態(tài)詞的語義解釋與標(biāo)準(zhǔn)時(shí)態(tài)算子不同,因此不能直接將當(dāng)前的LTL或CTL時(shí)態(tài)邏輯模型檢測工具應(yīng)用到多智能體系統(tǒng)中。 本文重點(diǎn)研究多智能體系統(tǒng)的規(guī)范表示及其模型檢測方法。根
2、據(jù)智能體知識、信念、愿望和意圖的表示和建模需求,提出新的Kripke語義模型,并在這一新的語義模型基礎(chǔ)上研究多智能體系統(tǒng)的時(shí)態(tài)認(rèn)知邏輯模型檢測算法。這里提出的時(shí)態(tài)認(rèn)知邏輯是在分支時(shí)態(tài)邏輯CTL*語言中加入表示智能體知識、信念、愿望或意圖的認(rèn)知模態(tài)詞后得到的。該時(shí)態(tài)認(rèn)知邏輯有豐富的時(shí)態(tài)和認(rèn)知表達(dá)能力,用戶可以方便地檢測智能體認(rèn)知狀態(tài)的演變過程。因此,本文研究成果在時(shí)態(tài)和認(rèn)知兩方面擴(kuò)展并豐富了當(dāng)前的多智能體系統(tǒng)模型檢測技術(shù)。 另一方面,為了
3、大幅緩解模型檢測的狀態(tài)爆炸問題,我們分別采用有序二叉判定圖(OBDD)和 可滿足性(SAT)兩種符號計(jì)算技術(shù)設(shè)計(jì)本文的符號模型檢測算法,使得可驗(yàn)證問題的規(guī)模大大增加。 根據(jù)本文提出的理論,我們已實(shí)現(xiàn)兩個(gè)高效的符號模型檢測工具M(jìn)CTK和MCKBDI,其中MCTK用于檢測智能體的知識,而MCKBDI主要用于檢測智能體的信念、愿望和意圖。 本文的研究成果主要體現(xiàn)在以下幾方面: 1. 提出一個(gè)時(shí)態(tài)邏輯CTL*的符號模型檢測算法。
4、該算法通過tableau構(gòu)造方法和基于OBDD的不動(dòng)點(diǎn)計(jì)算來判定一個(gè)有限狀態(tài)系統(tǒng)是否滿足CTL*規(guī)范。根據(jù)該算法,我們已在符號模型檢測工具NuSMV 2.1.2的基礎(chǔ)上擴(kuò)展實(shí)現(xiàn)一個(gè)CTL*符號模型檢測工具M(jìn)CTK,并完成相當(dāng)數(shù)量的實(shí)驗(yàn)。到目前為止,有名的符號模型檢測工具,如SMV和NuSMV等,都只能檢測CTL*的子集邏輯(如CTL和LTL)。 2. 通過引入“知道”和“公共知識”等知識模態(tài)詞到時(shí)態(tài)邏輯CTL*的語言中,我們得到
5、一個(gè)新的時(shí)態(tài)知識邏輯CTL*K。根據(jù)帶局部命題的解釋系統(tǒng)語義,提出一個(gè)基于OBDD的CTL*K符號模型檢測算法。通過量化智能體的不可觀察變量,CTL*K公式中的知識模態(tài)詞得以消除。該算法已在MCTK基礎(chǔ)上擴(kuò)展實(shí)現(xiàn),并用MCTK成功驗(yàn)證若干有名的知識檢測問題。 3. 當(dāng)前,依賴高度計(jì)算復(fù)雜性的密碼協(xié)議不斷受到計(jì)算機(jī)硬件和算法性能提升的沖擊。因此,分析與驗(yàn)證基于信息論的安全協(xié)議在包含無限計(jì)算能力智能體的環(huán)境中的安全性就顯得尤為重要了
6、。我們將本文的時(shí)態(tài)知識邏輯模型檢測理論和工具M(jìn)CTK應(yīng)用到一類基于信息論的安全協(xié)議驗(yàn)證中。成功驗(yàn)證了就餐保密家協(xié)議、Herbivore匿名通信協(xié)議和俄羅斯牌協(xié)議。與著名的同類模型檢測工具M(jìn)CK和MCMAS相比,MCTK的運(yùn)行效率占有絕對優(yōu)勢,而且MCTK在協(xié)議建模的易用性上也遠(yuǎn)好于MCMAS。這說明我們的理論和工具在工業(yè)級的安全協(xié)議驗(yàn)證中有很大的應(yīng)用潛力。 4. 基于SAT的有界模型檢測(BMC)是基于OBDD的符號模型檢測技術(shù)
7、的一個(gè)重要補(bǔ)充。根據(jù)同步解釋系統(tǒng)語義,提出一個(gè)分支時(shí)態(tài)知識邏輯ACTL*K (CTL*K的全稱子集邏輯)的有界模型檢測方法。通過引入狀態(tài)位置函數(shù)的方法獲得同步系統(tǒng)的智能體知識,避免了為時(shí)間域而擴(kuò)展通常的時(shí)態(tài)認(rèn)知模型的狀態(tài)及遷移關(guān)系編碼。ACTL*K的時(shí)態(tài)認(rèn)知表達(dá)能力強(qiáng)于另一個(gè)邏輯ACTLK。 5. 提出一個(gè)新的關(guān)于智能體知識、信念、愿望和意圖的模型,稱為KBDI解釋系統(tǒng)模型(簡稱KBDI模型)。該模型的關(guān)鍵概念是將智能體的知識、
8、信念、愿望和意圖分別表示為解釋系統(tǒng)模型中的計(jì)算路徑集合。該模型可以很方便地由KBDI智能體編程語言生成。提出KBDI模型的符號模型檢測算法,在MCTK基礎(chǔ)上進(jìn)一步擴(kuò)展實(shí)現(xiàn)一個(gè)多智能體KBDI邏輯的符號模型檢測工具M(jìn)CKBDI,并獲得一些令人滿意的實(shí)驗(yàn)結(jié)果。 多智能體系統(tǒng)模型檢測技術(shù)的研究不僅有重要的理論意義,還有重大的實(shí)際應(yīng)用價(jià)值。 本文可認(rèn)為是多智能體邏輯模型檢測的基礎(chǔ)理論和關(guān)鍵技術(shù)方面的一些階段性成果。多智能體系統(tǒng)的模型檢測
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于動(dòng)作的多智能體系統(tǒng)時(shí)態(tài)認(rèn)知邏輯模型檢測.pdf
- 多智能體系統(tǒng)的模型預(yù)測控制.pdf
- 有向符號圖下線性多智能體系統(tǒng)的符號一致性.pdf
- 多智能體系統(tǒng)的開發(fā).pdf
- 基于多智能體系統(tǒng)模型檢測與抽象技術(shù)的Web服務(wù)組合驗(yàn)證.pdf
- 符號模型檢測的研究.pdf
- 基于多智能體系統(tǒng)的動(dòng)態(tài)聯(lián)盟伙伴選擇談判模型研究.pdf
- 多智能體系統(tǒng)的分布式檢測與故障定位研究.pdf
- 多智能體系統(tǒng)的學(xué)習(xí)策略研究.pdf
- 多智能體系統(tǒng)的跟蹤控制研究.pdf
- 基于符號模型檢測方法的應(yīng)對規(guī)劃系統(tǒng).pdf
- 多智能體系統(tǒng)的魯棒同步控制.pdf
- 基于多智能體系統(tǒng)的投資策略分析.pdf
- 多智能體系統(tǒng)協(xié)作模型及其在足球機(jī)器人仿真系統(tǒng)中的應(yīng)用.pdf
- 多電機(jī)轉(zhuǎn)速并行智能檢測系統(tǒng)的研究.pdf
- 多符號差分協(xié)作系統(tǒng)檢測算法的研究.pdf
- 符號模型檢測反例的研究.pdf
- 多智能主體系統(tǒng)中的規(guī)范與義務(wù)——道義邏輯在多智能主體系統(tǒng)中的意義與應(yīng)用.pdf
- 多主體系統(tǒng)的AER模型研究.pdf
- 多智能體系統(tǒng)的協(xié)作跟蹤控制問題.pdf
評論
0/150
提交評論