基于忠诚度具有激励机制的信任和信誉模型的研究

摘要

agent系统由于其自身的特点：在动态的、不可预测的、开放的环境中具有自主行为，在电子商务中扮演了重要角色。但是由于所有权不同，agent可能是自私的和不可靠的。没有一个agent可以完全了解它所在的环境，因为在这样的环境中得到一个全局的观点(perspective)是不可能的，或者是代价太高的。由于所有权不同，没有一个中心的权力机构可以控制所有的agent。尽管有这么多的不确定性，系统中一个重要的组成部分—交互—却必须在agent间发生。并且由于单个agent只有关于它所在环境以及其他agent不完全的知识，因此信任在使这些交互顺利进行中扮演了一个重要角色。 在交互之前评估信任是很重要的，因为它可以帮助agent评价每个潜在合作伙伴的可信度，以此来决定合作伙伴是否足够可靠到可与之交互。信任可以从以下两个方面得到：个体和社会。前者是agenta与agentb交互的直接经验，并且它们之间可能存在各种各样的关系。后者是由对agentb过去行为的评价报告所组成的(这里称为agentb的信誉，例如，见证人信誉、认证信誉等)，b的信誉对没有跟b交互过的agent是很有用的。基于系统中参与者的经验，通过一些方式把这些间接报告综合起来定义agentb的过去行为，使agenta对agentb有一个更全面的了解。 由于信任的重要性，许多信任和信誉模型被提了出来。但仍未能有效地解决多agent系统中的信任问题。本文首先介绍了多agent系统中信任的基本概念、研究现状和存在的问题，对目前典型的信任和信誉模型：ReferralSystem、FIRE等模型进行了分析和研究。然后，针对“如何激励agent主动提供诚实信息，如何收集必要的信任信息进行信任值计算”这一问题，在FIRE模型基础之上，提出了一个用于多agent系统的基于忠诚度、具有激励机制的信任和信誉模型，并且详细介绍了模型的设计思想，总体框架。 用于多Agent系统的基于忠诚度、具有激励机制的信任和信誉模型不同于现有的信任和信誉模型，它的主要区别在于： (1)提出了一种模型整合了五种不同的信任和信誉：直接信任、见证人信誉、基于角色的信任、认证信誉、陌生人信誉； (2)引入忠诚度的概念改进了信任值计算算法，对恶意agent起到了限制作用。 (3)为了鼓励agent主动提供真实信息，模型中引入了激励机制：通过在系统中传播agent的评价值，对提供真实信息的agent进行奖励，对恶意agent进行惩罚； 模拟实验数据表明：本模型在agent的长期交互中信任更精确，合作更稳定。

目录

文摘

英文文摘

独创性声明及学位论文版权使用授权书

第1章绪论

1.1研究背景

1.2信任的概念

1.2.1信任关系的性质

1.2.2多agent中信任的重要性

1.3信任模型的研究现状及问题

1.4研究内容

1.5论文结构

第2章相关理论

2.1 agent与Multi-agent

2.1.1软件agent的定义与特性

2.1.2 MAS系统

2.2基于agent的电子商务

2.2.1电子商务的概述

2.2.3 CBB模型

第3章几种典型的信任和信誉模型

3.1信任模型的研究现状

3.2集中式的信誉模型

3.3分布式信任模型

3.3.1 Referral System

3.3.2 FIRE模型

3.4现有典型模型有待进一步解决的问题

第4章忠诚度与基于忠诚度的新任和信誉值计算方法

4.1忠诚度

4.1.1忠诚度概念

4.1.2忠诚度计算方法存在的问题

4.2基于忠诚度的信任和信誉值计算方法

4.2.1基于忠诚度的直接信任

4.2.2基于忠诚度的认证信誉

4.2.3基于忠诚度的见证人信誉

4.3信誉值的传播

4.3.1目标agent信任值的传播

4.3.2认证者agent信誉值的传播

4.3.3见证人agent信誉值的传播

第5章综合多种信息资源的信任和信誉模型

5.1信任值的定义

5.2信任信息资源

5.2.1基于忠诚度的陌生人信誉

5.2.2基于角色的信任

5.3全面的信任值

5.4信任级别的判定算法

5.5信誉值的更新

第6章实验分析

6.1实验设计

6.2模拟实验环境设计

6.3模拟实验

6.3.1直接信任与基于忠诚度的直接信任的对比实验

6.3.2认证信誉与基于忠诚度的认证信誉对比实验

6.3.3见证人信誉与基于忠诚度的见证人信誉对比实验

6.3.2 FIRE模型与本模型的对比实验

6.3模拟实验分析

第7章结论与进一步的工作

参考文献

致谢

攻读硕士研究生期间发表的论文