李春梅[1]2001年在《基于Internet/Intranet和Multi-Agent的企业经营战略群体决策支持系统研究》文中指出随着信息技术和通讯技术的迅速发展，动态联盟的出现，异地/异时的分布式群体决策已经成为新的趋势。作为计算机协同工作（CSCW）的一个分支，分布式群体决策过程实际上是一种群体交互与协作的过程，这不是一般意义上的合作，而是快速、敏捷和准确的协作，需要有新的技术、新的方法支持决策成员的行为、协作方式和决策过程。 许多现有的群体决策支持系统都失败了，导致失败的因素很多，但主要是由于不能提供对群体决策进行广泛支持以及对各种不可预料的群体活动进行灵活支持的能力，即缺乏柔性。软件工程的软件复用与标准化的思想为构造以构件为基础的柔性GDSS提供了理论指导。 本文以实际应用研究为主，以实现柔性的、开放的分布式智能GDSS为目的，将软件工程和分布式人工智能相结合，研究实现GDSS体系结构的柔性、智能性、开放性和可扩展性的具体实现方式以及GDSS的决策过程、决策模式和内部控制机制，着重开展了以下研究工作： 以集成的思想，在现有计算机技术、信息技术、人工智能技术、管理科学等技术和理论的基础上，结合软件工程中关于标准化、智能性、开放性的思想，从以下两个角度研究建立柔性GDSS的方法：（1）GDSS中分布式数据库、模型库、方法库、知识库等智能构件的可重用性；（2）Multi-Agent系统的可扩展性。 把系统工程关于分解与合成的方法与面向对象的层次结构方法相结合，形成多重层次结构的表达方法和结构状态，包含着归纳与演绎、抽象与具体、主体与部分的动态关系。以集成方法、交互方法、模型为主的方法构建系统。 提出了一个基于分布式对象的柔性的GDSS集成构架，通过对Multi-Agents环境下各类Agent的内部结构、行为方式、通讯、功能、过程算法、实现方式以及实现自治、协作Agent的具体方法的研究，提出了以部门为分布式群体决策单元建立企业经营战略GDSS的思路。对GDSS的决策步骤、决策方法和决策过程进行了详细分析，设计了基于群Agent群、部门Agent群、Broker Agent群的企业经营战略GDSS总体框架，基于Multi-Agent的部门决策框架、群体决策框架。建立了基于Internet/Intranet和Multi-Agent的企业经营战略GDSS的组织体系结构和开发过程，并以云南铜业股份有限公司作为实例，在新产品开发子系统、市场营销子系统、扩大生产子系统中对所研究的体系结构、方法、概念的运用进行了详细研究。
刘贵如[2]2007年在《基于多AGENT的多数据库系统的研究与设计》文中指出随着通信技术和数据库技术的发展,越来越多的应用系统需要访问一些异构的、分布式的数据库来完成任务。多数据库系统在不改变原有这些数据库的基础上,为用户提供一个统一的、集成的多数据库环境,使用户能以统一的模式和简单的查询语言访问这些数据库。本文对多AGENT及多数据库系统理论进行了研究,根据当前多数据库系统的研究中涉及到的一些问题,引入适合于多数据库系统应用的移动AGENT和多AGENT技术,研究并设计了基于多AGENT的多数据库系统,克服了以往多数据库系统设计中存在的一些问题。首先对引入的AGENT及移动AGENT技术、多数库中涉及到的模式集成,任务分配,任务分解、全局事务管理等各个方面进行了深入细致的研究。对各个分布异构的局部数据库系统采用了基于XML的模式集成方法,另外,在系统集成的时不仅考虑了异构的关系数据库的集成,而且考虑了XML文件系统与关系数据库的集成问题,为以后本系统集成半结构化的数据库奠定了基础。在此集成模式的基础上应用XQuery作为全局查询语言,通过对全局查询语言的分解实现全局任务的分解,并提出了相应的分解算法,同时对用户提交的更新、删除、插入等各种任务提出了相应的分解算法,克服了以往很多系统只对查询问题讨论的不足。本文利用移动AGENT在分布式系统中应用的特点,引入移动AGENT技术,解决了多数据库系统对网络高可靠性的要求,降低了对网络带宽的依赖,提高了系统并行执行的效率。针对多数据库系统事务控制的问题,引入了一系列事务管理的方式,并提出了一种适合于多数据库的死锁解决方法,很好的解决了系统的死锁问题。另外对于XML文件系统也讨论了相应的事务控制策略。本文引入了局部代理技术屏蔽各个局部异构数据库的差异,由局部代理来进行全局查询语言到各个异构数据库查询语言的翻译,并针对不同的数据库系统设计了相应的事务提交代理,由此来实现全局事务的两阶段提交协议。
王文平[3]2005年在《电力系统动态诊断研究》文中指出本论文从电力系统的实际需求出发,在现有故障诊断分析方法的基础上,进行了电力系统动态诊断方法的研究。为了满足在线分析电力系统复杂故障的需求和适应电力系统分层调度机制的要求,讨论了基于混杂系统的动态诊断模型,基于多智能体的系统构成方法,基于知识的的诊断方法,基于OPA(ORNL-PSerc-Alaska)/CASCADE 模型的故障分析和预警方法,以及基于混杂系统模型和多智能体结构的混合分析方法等方面,取得的主要成果如下:1) 对电力系统故障诊断相关问题进行了大量文献调研和综述比较,分析了现有主要方法的优缺点,根据需要解决的主要问题,提出了电力系统动态诊断的概念和动态分析策略。电力系统动态诊断是一种在电力系统故障发生、发展的动态过程中对故障进行实时追踪和诊断分析的方法体系。动态诊断以混杂系统理论和多智能体理论为主要的理论基础,并遵循动态分析策略。2) 针对电力系统是一个本质混杂的复杂系统,采用分级调度模式,以及整个系统的各个局部之间的协调统一程度低等问题,建立了基于受控一般混杂动态系统(CGHDS)的系统模型和基于多智能体理论的多级诊断系统协调机制。混杂系统模型能够完整地描述系统连续和离散两类特性及其关联,智能体之间的互操作和合作便于解决动态诊断系统中的大规模复杂问题。3) 故障诊断的知识具有多元化的特征,对各类表层知识及深层知识加以有效的整合并寻求恰当的知识组织利用方法是各类基于知识的诊断方法应用于工程实际所需解决的主要问题。为了便于快速诊断和规则的在线演化,本论文首先基于数理逻辑建立规则的一般表达方法,并在此基础上提出了适合知识在线演化的基于知识的诊断方法及相关定理和规则索引方法。论文中通过算例说明了知识在线演化的过程和规则索引的使用方法。4) OPA/CASCADE 模型把握了一类连锁故障的本质特征,具有在线应用的潜力。为了便于模拟故障过程,本论文对OPA 模型进行了修改,并给出了修改后的OPA 模型应用时的具体迭代过程,提出了该模型用于安全预警的方法。最后在Matlab 环境下,用Matpower 对RTS-96 可靠性测试系统进行了模拟计算,并对各种功率再分配方式下的结果进行了比较分析。计
鲍翊平[4]2005年在《多Agent协作团队的强化学习方法研究》文中研究指明强化学习,因其不需要环境模型、通过Agent和所在环境的自主交互进行学习的特点,现已成为多Agent系统和机器学习领域的研究热点。多Agent系统常被应用于开放、复杂、动态变化的环境,单个Agent的能力已不能胜任所面临的任务,尤其是具有相同目标的系统,Agent之间必须协同求解。同时,Agent还必须具备学习能力以适应环境的动态变化。但传统的单Agent学习原理并不适用于多Agent环境,因此亟待根据多Agent系统的协同性,提出新的学习方法。Pursuit Game问题常用于来测试人工智能领域的学习算法,本文就此问题提出了两种多Agent协同强化学习方法:基于承诺和约定的方法和基于联合行为优先序列的方法。文章首先介绍了Agent和多Agent系统、以及多Agent学习的一些基本概念,然后介绍了强化学习和多Agent强化学习的研究现状和未来发展方向。第二部分对强化学习理论和多Agent强化学习理论进行了简要介绍。在对Pursuit Game问题进行初步分析的基础上,针对独立行为学习者,扩展了单Agent强化学习算法,提出了基于承诺和约定的多Agent协同强化学习方法MACRL-CC。针对联合行为学习者,给出了多Agent协同强化学习的团队随机博弈框架,并解决了多最优均衡解问题,提出了基于联合行为优先序列的多Agent协同强化学习方法MACRL-JAPS。文中对上述两种方法都进行了实验验证。本文的主要成果及创新是,提出了两种多Agent协同强化学习算法,并进行了实验验证。MACRL-CC在对系统目标的特性进行分析的基础上,将系统目标进行分解,并采用基于承诺和约定的协作方法实现Agent的协作求解;考虑到状态行为空间可能很大的问题,提出了状态和行为的泛化的概念,对状态空间进行了缩减;针对Agent在求解过程中学习到的经验知识的相似性,提出了经验知识共享的方法以提高学习效率。MACRL-JAPS针对多Agent协同强化学习的特点,提出了多Agent协同强化学习的团队随机博弈框架;针对博弈问题的多最优均衡解难题,提出了基于联合行为优先序列的方法,确保Agent能够准确预测其他Agent的行为,从而选择一致的最优均衡解。
傅朝阳[5]2010年在《面向实时任务求解的自治服务协同模型、形式语义及其验证》文中研究指明随着科技的发展,网络上出现了大量以分布式、开放性为特征的复杂系统,实时任务求解是这些系统运作过程中必须解决重要问题之一。服务计算(SOC)理论为实时任务求解提供了相对于传统求解方式更加灵活、高效的解决方案,其主要方法是：通过自动化的服务组合过程提供求解方案,构建一个由若干服务构成的临时联合体,一旦用户任务求解结束,这个临时联合体随即解散。随着实际应用场景日益复杂,基于SOC的实时任务求解技术的不足已经显露。首先,实际应用需求对实时任务求解(RTS)的自动化程度要求越来越高。目前的SOC技术难以在自动化的精度和速度上取得较好的平衡,限制了RTS的实际应用。其次,SOC的计算实体一方面由于缺乏理性和智能无法有效应对动态变迁且不可预测的网络环境和应用需求,另一方面需要一个总控机制拥有关于开放复杂系统的全局观点以处理实时求解过程中的各种突发事件,迫使开放系统再次陷入封闭状态。第叁,需要对实时任务求解方案实施形式分析和验证,以保证能够实现预期的需求目标。目前的验证方法局限于针对底层的组合服务能否正确执行和实现用户既定目标进行验证。然而,这类验证即使成功,仍不能保证实时求解过程能够正确执行,同时无法处理任务求解参与者“逃逸”的问题。针对以上问题,本文做了以下研究工作。第一,研究了提高实时任务求解的自动化程度的手段,给出了分别从服务描述、服务发现和动态服务组合叁方面提升性能的方法。在服务描述方面,提出从服务描述的应用层、语义层、实现层对服务的语义逐层封装的方法学,这叁层具体为：基于本体建立服务语义所需知识的获取方法和过程、支持多属性的服务能力描述模型和扩展任务情景描述模式。并给出了针对服务描述应用层设计的本体生成工具,该工具通过人机界面,以向导指引服务描述自动生成,将整个描述服务的过程高度自动化。在服务发现方面,提出将多重词法散列与语义匹配相结合的服务发现机制；该机制针对不同粒度子块设计散列函数,在按子块粒度递增的多重散列过程中完成服务匹配,并基于子块间的包容关系语义进行散列冲突消解。在动态组合方面,基于上述服务发现机制建立的服务库,提出了基于DCWMG的动态服务组合算法。基于DCWMG的相关性质,该算法将深度优先与广度优先搜索相结合,利用反向边识别和着色技术,实现了具有线性复杂度的两点间所有连通路径查找；给出了算法复杂度分析,并将该算法与国际认可的动态服务组合基准测试方法在动态服务组合的性能方面做了比较。第二,研究了提升求解计算实体智能的方法。在已有工作基础上,提出了基于社会承诺的外部调控机制内化模型。该模型在Cohen与Levesque的心智状态模型基础上引入承诺,并结合N.R.Jennings的基于承诺和约定的合作模型,实现了外部宏观调控机制通过承诺的形式被转化为智能计算实体内部的信念、愿望、意图元素,为计算实体接受并遵从应用层宏观指令提供了实现基础。第叁,研究了实时任务求解过程的形式语义及其验证方法。针对基于承诺的协同工作模型,建立了粗粒度的ATCL逻辑。该逻辑通过引入承诺,将ATL的合作算子《》扩展为《C:ζ:ω：(?)》,表示：组织C承诺当条件ζ满足时立刻开始按规划(?)执行,保证在ω成立之前实现某商定内容。首先给出基于行为的迁移系统,以此建模基于带有截至期限条件承诺的agent组织,在其上分别给出了ATCL的语法和语义。并通过实例演示ATCL的表达能力。给出了针对ATCL的模型检测方法,证明了其复杂度。
邓娟[6]2004年在《基于多Agent的影视编辑协作系统研究》文中研究说明Agent以及多Agent系统是近年来发展起来的一个重要研究领域。多Agent系统的学习和协作是其中的一个基础性内容。该内容的研究对于多Agent系统的理论研究以及实际应用都具有重要意义。本文具体的研究包括多Agent系统的理论基础的研究,多Agent系统的学习与协作模型的研究,以及多Agent系统在影视编辑应用领域的研究。 论文对多Agent系统的理论基础进行了详细的分析和讨论。首先,针对多Agent系统的形式化描述理论基础——集合论中的连续统假设提出:无限是唯一的,Cantor关于无限的假设实际上是关于集合复杂性或者说集合维数的假设。在此基础上,本文进一步指出,“所有集合的集合”的产生机制是具有自指性的,因此这样的集合更为复杂。基于这样的观点,本文提出描述无限集合的更为恰当的方式:x_(go)X为初始个体集合,g为产生机制。其次,本文对多Agent系统的计算理论基础—逻辑理论进行了讨论。由于逻辑自身的局限性,使得自然机制与算法的结合成为多Agent系统进一步发展的新的理论基础。当Agent之间具有复杂的相互学习和协作关系时,多Agent系统可能体现涌现行为。然而,由于集合理论和逻辑理论都是基于系统的组成元素进行计算、推理和分析,无法对这样的系统行为和总体性质进行预测和解释。事实表明,多Agent系统的涌现行为已引起越来越广泛的关注,尤其是对于复杂的大规模系统而言。 论文对多Agent系统的学习和协作行为进行了理论上的分析,讨论了多Agent系统如何针对实际问题和实际的应用环境建立学习和协作的模型。学习的基本机制是设法把在一种情况下成功的表现行为转移到另一类似的新情况中去。学习是获取知识、积累经验、改进性能、发现规律、适应环境的过程。而Agent之间的协作是保证系统能够在一起共同工作的关键。在多Agent系统中,协作不仅能提高系统的整体性能,增强多Agent系统解决问题的能力,还能使系统具有更好的灵活性,能解决更多的实际问题,拓宽其应用。 Agent的学习与协作往往是紧密结合在一起的。学习更注重总体性的、规律性的知识的获取,即从短期的、个体的行为中总结出长期的规律;而协作更注重个体之间的行为和目标的一致性。学习和协作方式的选取,要依据对实际问题的把握以及实际应用环境的特点。 本文对各种学习和协作模型进行了全面的分析和讨论,并且指出,Agent的学习可分为两类,即基于Agent信念的开发与更新的学习和基于性能的学习。第一种类型是学习某个事物是真是假的信念(也就是基于经典逻辑的学习),第二种是相对于某个输出标准来评价某个动作方案是否有效(也就是非经典的方法)。前者更具判断性,能够在更高的层面理解和运用学习到的知识:而后者更注重实效,但由于对知识缺乏进一步的理解,因此难以更为广泛的运用。 同样的,Agent的协作也可分为两类:一类则从主体的目标、意图、规划等心智态度出
龚勇[7]2005年在《多Agent联盟形成技术在组合贸易电子商务中的应用研究》文中提出由于具备能够突破贸易的时空限制、降低交易的各类成本等诸多优势,电子商务自出现至今始终备受关注,但是近年来其发展却呈现出一定程度的震荡和萎缩,而目前电子商务研究的理论及应用不能适应商务活动中用户日益个性化和自动化的需求便是导致这种状况的一个主要原因。本文针对此问题,以第二代电子商务的发展为背景,将多Agent联盟形成技术同组合贸易相结合,从市场级宏观和Agent级微观这两个不同角度,对组合贸易中消费者联盟形成的若干关键问题进行了深入研究。首先,本文从市场宏观层次的角度研究,将组合市场抽象为一个具有随机特性的群集系统,利用基于群集智能的多Agent系统分析方法,针对一种卖方主导的组合电子市场中大量消费者联盟形成的问题,为多Agent间交互的动态特性做出宏观层次的定量分析,根据群集系统的速率方程,给出了一个反映组合市场中市场结构动态变化的微分方程,通过数值仿真,验证了组合贸易中多Agent联盟形成的可行性和有效性;并给出一种简单但有效的中介主导的组合电子市场模型,对其中消费者联盟形成问题进行研究,说明了中介主导型商务系统这种电子市场模式存在的价值和先进性。然后,本文转换研究视角,深入组合市场中智能Agent的微观层次,针对消费者具有多样性及个性化组合需求的自动规划问题,研究组合贸易中的规划技术及其与联盟形成过程的融合。在提出一种新的多Agent中介系统主导的组合市场模型IMASCM模型的基础上,首先介绍了一种组合贸易中适用的计划表示方法,然后研究了消费者组合购买问题的自动规划过程。本文将联盟过程看作规划过程的一环,通过单商品交易联盟形成、需求传播和剩余支付转移叁个相继循环执行的过程形成整个联盟规划过程,为消费者生成包含联盟结果的购买计划。此研究创新性地提出了对消费者包含大量约束关系的个性化与多样化需求的解决方法,对电子商务的发展颇具实用价值。最后,针对电子商务的实施与应用问题,基于IMASCM组合市场模型,本文研究了灵巧文档Agent及基于Web Services的元组中心组织技术,以此实现电子商务平台中各类Agent的结构和协作模型,设计了第叁方平台的系统结构,并且实现一个商务原型系统,验证了联盟规划方法概念的正确性和算法的有效性。
潘邦传[8]2002年在《多Agent系统组织结构和协同研究及其应用》文中提出当前，随着计算机网络技术的迅速发展，计算机快速转向开放的、网络平台的、协同工作方式。基于Agent理论和技术尤其是MAS的理论和技术给我们带来了设计和实现分布与开放环境中运行的软件系统一个全新模式。 本文主要是研究多Agent分布式系统的组织结构和协同。在总结当前几种组织形式基础上提出了部分结点蜕化的混合式组织结构。本文分析了现在通常采用的Agent协同方法，提出基于生态学和经验的竞价拍卖合同网协议，采用的选择次高价竞价拍卖策略能在与简单拍卖相同的通信量上达到类似于传统竞价拍卖的效果，对传统的合同网协议进行改进，在消息传播中加入约束机制和对Agent不能完成任务时不采取转变角色重新招标而采用违约惩罚和信用机制，减少了系统的通信量和系统的复杂度，最后在此基础上实现一个基于FIPA标准的多Agent电子商务原型系统。 协同是实现多Agent系统核心和关键，采取合理的组织结构、进行有序的协同规划和应用合适的协同协议是实现协同的正确方法，本文正是在此基础上对多Agent系统的组织结构和协同做了有益的探讨。
于江涛[9]2003年在《多智能体模型、学习和协作研究与应用》文中研究说明关于Agent理论和多Agent系统的研究是近年来分布式人工智能领域的研究热点。论文从知识表示、模型建立、学习和协作等方面对Agent技术做了全面而深入的研究，在总结了前人研究成果的基础上做了有效的改进，提出了自己的创新点和应用成果。 本文的主要研究内容和创新包括： 1．在传统的理性Agent的BDI形式化逻辑模型中作者引入新的逻辑算子BEL、ASM、DES、GOAL和INT等，表达了信念、愿望和意图叁者间的动态约束与相互激发关系，补充了正规模态逻辑的KD45公理，建立Agent从信念到动作选择的的意图模型，为研究Agent与环境交互的自主行为模式提供了理性化模型。 2．Agent的推理能力被认为是衡量Agent智能性重要的指标。针对现有符号逻辑描述方法难以保证知识表达的完整性，推理过程陷于复杂的逻辑演绎的问题，作者引入了模糊因果关系的网络模型，基于模糊认知图理论构造Agent推理模型，用简单的数值计算代替复杂符号系统的表示和演绎推理过程，实现了复杂环境下的Agent智能决策。 3．Agent的学习能力是体现智能性的基础。论文的研究在现有强化学习算法的基础上，采用模糊建模的方法对于Agent的内部模型和状态的表示方法进行改进，提出一种模糊强化学习算法，降低了Agent学习对于精确模型和知识的要求，提高了算法的实用性。 4．对于Agent在协作技术方面的研究，针对传统合同网模型资源消耗大，协商过程长的缺点，在原有的合同网中定义各网元之间的关系权值，提出一种关系型合同网模型。通过对系统内的Agent进行面向任务的预分类，大大节省了通讯时间和资源占用，提高了系统的整体性能。另外，关系权值可以随着环境的变化而动态调整，具有较大的灵活性。加介次驴浙江大学博士论文 亘卑国国典硬理单以国目口口.口典 5.在工程应用研究方面，本文研究了Agent在系统优化和交通调度领域 的应用技术并取得了一定的工程成果，同时对基于Ageni的决策支持 系统做了探讨。 论文分从不同角度和层次多Agent系统理论的关键技术做了全面的探讨，既继承了前人的研究成果，同时对基于Agent的思想和方法做了深入的发掘和创新，展望了Agent技术在人工智能领域的开拓性前景。
蒋畅江[10]2003年在《多Agent地方财政风险预算编制系统设计、开发及关键技术研究》文中研究指明防范和化解财政风险，消除经济隐患，是各级政府和有关部门极为关注的问题。由于财政风险具有隐蔽性很强的显着特征，往往都是风险累积（或多种风险累加）到超出财政承受能力，无力进行有效化解时，才会显现为财政风险，进而演化为财政危机。因此，建立财政风险的事先分析和监控机制是预防财政风险的关键。以政府财政预算为基础，编制财政风险预算是一种管理财政风险的财政计划，也是防范财政风险的一种行之有效的方法。本文以重庆市科技攻关重点项目“南岸区人民政府电子政务应用示范（7220-A-1）”子项目“财政风险分析与控制系统”为选题背景，认真研究财政风险的特征，结合南岸区政府财政实际情况，提出对引起地方财政风险的政府负债，按性质进行分类；对每一类负债设置一个Agent进行分析和量化；设置财政风险Agent和其他辅助Agent，组成多Agent系统；利用多个Agent的通讯与协作，编制地方财政风险预算并计算评估财政风险状况的一系列指标。经过充分细致的调研工作，本文完成了南岸区政府财政风险项目透明化，并通过数学分析和推导，建立评估财政风险状况的指标体系。在此基础上，提出系统的总体目标、体系结构及财政风险预算编制过程，重点研究系统的核心“财政风险预算编制子系统的设计与实现”，构建系统的多Agent分布式计算体系结构。本文以C/S和B/S相结合的叁层体系结构设计了财政预算编制子系统，它是系统的一个重要组成部分。同时，详细说明其实现。本文提出的Agent结构及多Agent协作机制是研究工作理论与实践原型创造的初浅探索。
参考文献：
[1]. 基于Internet/Intranet和Multi-Agent的企业经营战略群体决策支持系统研究[D]. 李春梅. 昆明理工大学. 2001
[2]. 基于多AGENT的多数据库系统的研究与设计[D]. 刘贵如. 云南师范大学. 2007
[3]. 电力系统动态诊断研究[D]. 王文平. 中国电力科学研究院. 2005
[4]. 多Agent协作团队的强化学习方法研究[D]. 鲍翊平. 国防科学技术大学. 2005
[5]. 面向实时任务求解的自治服务协同模型、形式语义及其验证[D]. 傅朝阳. 浙江大学. 2010
[6]. 基于多Agent的影视编辑协作系统研究[D]. 邓娟. 武汉大学. 2004
[7]. 多Agent联盟形成技术在组合贸易电子商务中的应用研究[D]. 龚勇. 国防科学技术大学. 2005
[8]. 多Agent系统组织结构和协同研究及其应用[D]. 潘邦传. 合肥工业大学. 2002
[9]. 多智能体模型、学习和协作研究与应用[D]. 于江涛. 浙江大学. 2003
[10]. 多Agent地方财政风险预算编制系统设计、开发及关键技术研究[D]. 蒋畅江. 重庆大学. 2003
标签：互联网技术论文; 机器学习论文; 强化学习论文; 协同软件论文; 逻辑模型论文; 联盟营销论文; 系统学习论文; 企业协作论文; 协同设计论文; 关系逻辑论文; 风险模型论文; 动态模型论文;