基于多Agent的分布式数据挖掘模型的研究与应用

在当今这个信息的世界,随着数据库技术和计算机网络技术的飞速发展,数据的存储从单个数据库发展到分布式数据库,数据呈现出一种指数级的爆炸增长方式。这种形式下迫切需要有效的方法来处理和挖掘日益庞大的分布式数据,而这一需求促进了分布式数据挖掘技术的发展。 多Agent技术比较适合于对复杂的分布式问题进行求解。在基于多Agent的数据挖掘系统中,数据挖掘Agent分布在网络中不同地点的数据库上,按用户的要求进行数据挖掘,并将结果传送给用户,避免了数据库中数据的移动。因此,将多Agent技术应用于分布式数据挖掘系统中,具有很大的技术优势。论文主要研究了基于多Agent的分布式数据挖掘方法,建立了一个系统模型并设计了各模块的功能、结构和算法等,并针对电力负荷预测这一问题对原型系统进行了仿真实验。论文主要工作如下： (1)介绍了多Agent技术在分布式数据挖掘中的应用背景,从分布式计算角度说明了几种主要的分布式数据挖掘技术,着重描述了基于Agent和多Agent技术的分布式数据挖掘及其国内外研究现状。 (2)研究了数据挖掘和Agent技术的相关理论知识,包括数据挖掘的定义、方法、基本原理以及Agent技术的概念、特征和结构等,分析了多Agent系统的组织结构和分布式数据挖掘的体系结构。 (3)设计了基于AATP的多Agent分布式数据挖掘模型,构建了算法分析、任务预测和负载均衡子模型；从服务提供层、任务调度层和用户接口层说明了各模块的功能,并设计了主要子模块的结构和算法等,分析了主要的工作流程。此外,对该系统模型的关键技术以及主要特点等进行了说明和分析。 (4)针对电力负荷预测这一问题,对基于AATP的多Agent分布式数据挖掘模型进行了仿真实验和代码实现。论文采用欧洲智能技术网络组织提供的欧洲某些地区的电力负荷等相关真实数据,利用基于AATP的多Agent分布式数据挖掘模型系统进行处理,并对预测的负荷数据和预测性能做出了分析和对比,说明了该原型系统在电力负荷预测问题上的有效性和可行性。