19、自适应系统与机器学习在约束编程中的应用

自适应系统与机器学习在约束编程中的应用

在当今科技发展的浪潮中，如何高效地管理用户舒适偏好和解决冲突，以及优化约束编程中的问题建模与求解器配置，成为了重要的研究方向。下面将详细介绍相关的系统架构、研究问题、实验方案以及初步结果。

多智能体系统架构

在管理用户舒适偏好和冲突的自适应系统中，多智能体系统架构起着关键作用。
- ARGO架构 ：ARGO是一种定制的Jason智能体架构，它允许使用不同的原型平台对机器人和普适智能体进行编程。通过Javino中间件，ARGO实现了认知智能体与真实环境（借助控制器）的中介交互，该中间件可与硬件（传感器和执行器）进行通信。此外，为解决在机器人平台上使用BDI可能导致的感知处理瓶颈和执行延迟问题，ARGO还具备运行时感知过滤机制。
- 智能体类型 ：使用Jason和ARGO的多智能体系统（MAS）由传统的Jason智能体和ARGO智能体组成，它们可以同时工作。Jason智能体只能在软件层面执行计划和操作，并与系统中的其他智能体（包括ARGO智能体）进行通信。而ARGO智能体除了具备传统智能体的特性外，还能与物理环境进行通信、感知和修改环境，并过滤感知到的信息。

多智能体系统架构分为以下几个层次：
| 层次 | 描述 |
| — | — |
| 数据采集层 | 导入智能体操作所需的必要信息，如室内外温度和光照传感器的数据。 |
| 用户层 | 每个用户由一个智能体代表，该智能体包含用户的偏好信息，用于协商过程。 |
| 本地系统层 | 每个本地系统由一个智能体表示，包含该位置的所有必要信息，如用户偏好、本