[发明专利]面向共享知识的自主学习模型的装置

权利要求书

1.面向共享知识的自主学习模型的装置，其特征在于，包括

知识库，用于存放与Agent所提供服务相关的领域知识，知识库在形态上是多Agent共享，知识更新过程是动态的，支持不同Agent对知识库的实时冗余处理；

接口，包括

知识接口，用来建立与知识库之间的知识访问通道，Agent通过知识接口调取和更新知识；

消息接口，用来接收其他Agent发送过来的消息，Agent本身也可以通过消息接口向其他Agent发出信息；

环境接口，用来感知环境中的数据信息；

冗余处理模块，用来消除Agent在根据服务需求调取知识库中的知识来执行服务时产生新的知识之间存在的冗余内容；

冲突处理模块，用来消除不同知识之间的冲突内容；

定位处理模块，用来为知识在知识库中找到合适的位置；

关联处理模块，用于为新知识找到相似知识点，同时建立相似知识点之间的关系。

2.根据权利要求1所述的面向共享知识的自主学习模型的装置，其特征在于，所述冗余处理模块采用分层冗余处理，具体包括：首先根据知识源k找到Agent集合Ag中需要使用知识的Agent子集Ag’，Ag’以队列形式存在，每次取出Ag’集合中的前两个Agent个体(ag1，ag2)，利用ag1.use(k)和ag2.use(k)函数分别产生新知识k₁和k₂，最后分别对[k₁，k₂]，[(k₁，k₂)，k]和[[(k₁，k₂)，k]，K]进行分层冗余处理，将处理后的新知识融入到最终的知识集合K中，完成知识冗余处理过程。

3.根据权利要求1所述的面向共享知识的自主学习模型的装置，其特征在于，所述冗余处理由redundancy函数，在redundancy函数中，分别将k₁和k₂中的知识元素取出e₁和e₂，然将e₁和e₂中的X，Y以及关系R取出进行比较并做merge处理，merge处理具体包括：分别对比xe₁，xe₂，ye₁，ye₂，将具有相同内容的元素项删除，并保留原有关系r值，将关系与未被删除项合并。

4.根据权利要求1所述的面向共享知识的自主学习模型的装置，其特征在于，不同知识之间的冲突包括服务环境与现有知识之间存在冲突和Agent行为能力与知识之间存在冲突。

5.根据权利要求1所述的面向共享知识的自主学习模型的装置，其特征在于，所述冲突处理模块采用EKA算法和AKF算法。

6.根据权利要求5所述的面向共享知识的自主学习模型的装置，其特征在于，

在EFA算法中，我们首先要得到ag_i对应当前环境s_i以及目标环境t_i中所涉及的全部概念和实例，形成概念集合C_i和实例集合I_i，然后按顺序从知识集合K中依此取出知识元素k，将k中的概念和实例信息取出，形成概念集合C_K和实例集合I_K，进而可以判断：

(1)如果且成立，则证明k对于ag_i的当前服务环境来说是无用的，知识子集k是可以被过滤的；

(2)而如果或成立，则证明k对于ag_i的当前服务任务t_i来说是有用的，知识子集k应该保留。