□ 潘 芳 仲偉俊

E-Learning協(xié)作學(xué)習(xí)中的分組問(wèn)題研究

□ 潘 芳 仲偉俊

本文針對(duì)E-Learning協(xié)作學(xué)習(xí)中典型的分組問(wèn)題展開(kāi)研究，采用Multi-Agent的技術(shù)方法，根據(jù)某大學(xué)“教學(xué)在線”的實(shí)際應(yīng)用背景，構(gòu)造分組Agent結(jié)構(gòu)。通過(guò)減少參與者人為干涉系統(tǒng)行為、網(wǎng)絡(luò)控制及通信量，直接提高學(xué)習(xí)的效率，改善交互質(zhì)量，從而最大程度地降低因分組決策錯(cuò)誤而造成的資源浪費(fèi)和經(jīng)濟(jì)損失，達(dá)到改善教學(xué)系統(tǒng)知識(shí)交換、整合、沉淀、創(chuàng)新、增值等的環(huán)境、提高高校核心競(jìng)爭(zhēng)力的目的。系統(tǒng)試運(yùn)行的結(jié)果表明，該研究成果較好地解決了E-Learning遠(yuǎn)程教育中協(xié)作學(xué)習(xí)的分組問(wèn)題。

E-Learning；協(xié)作學(xué)習(xí)；分組；Multi-Agent

一、引言

許多國(guó)家都把大力發(fā)展科技和教育作為推動(dòng)國(guó)家進(jìn)步的重要策略，信息網(wǎng)絡(luò)已經(jīng)成為普及教育、提高國(guó)民素質(zhì)以達(dá)到終身教育計(jì)劃的重要手段。2011年美國(guó)培訓(xùn)的總體支出同比增長(zhǎng)了13個(gè)百分點(diǎn)，達(dá)到597億美元，比上一年多了8%[1]。在我國(guó)，教育部實(shí)施了“現(xiàn)代遠(yuǎn)程教育工程資源建設(shè)基礎(chǔ)教育項(xiàng)目”[2]。作為高校信息化的重要組成部分，E-Learning包容了第二代與第三代遠(yuǎn)程教育的理論基礎(chǔ)和應(yīng)用技術(shù)，是學(xué)校文化積淀最直接的體現(xiàn)形式。小組形成是計(jì)算機(jī)支持的協(xié)作學(xué)習(xí)中一個(gè)重要的專(zhuān)題[3][4]。

二、E-Learning協(xié)作學(xué)習(xí)中分組問(wèn)題的理論基礎(chǔ)

已有文獻(xiàn)表明[5]，協(xié)作學(xué)習(xí)相對(duì)于個(gè)別學(xué)習(xí)或競(jìng)爭(zhēng)學(xué)習(xí)能取得更好的學(xué)習(xí)效果，E-Learning協(xié)作學(xué)習(xí)因其借助計(jì)算機(jī)技術(shù)，使得協(xié)作團(tuán)隊(duì)中的人員充分發(fā)揮團(tuán)隊(duì)精神、取長(zhǎng)補(bǔ)短、相互扶持的過(guò)程更加便捷。在E-Learning協(xié)作學(xué)習(xí)機(jī)制中的首要問(wèn)題就是分組。協(xié)作學(xué)習(xí)中的分組是學(xué)習(xí)效果分析的一項(xiàng)重要內(nèi)容。不同類(lèi)型的參與者所需要的服務(wù)是不同的，如果對(duì)所有參與者都采用相同的服務(wù)策略，只能滿足部分參與者的需求，而其他參與者很難得到所需要的服務(wù)，這樣就造成了資源的巨大浪費(fèi)。E-Learning知識(shí)庫(kù)的資源是有限的，要使服務(wù)資源發(fā)揮最大的作用，就需要通過(guò)分組來(lái)管理E-Learning知識(shí)庫(kù)，將E-Learning知識(shí)庫(kù)的操作者劃分成為不同的類(lèi)型，然后針對(duì)不同類(lèi)型操作者的特點(diǎn)制定并實(shí)施相應(yīng)的服務(wù)策略。因此，所謂協(xié)作學(xué)習(xí)的分組，是指根據(jù)參與者的屬性，將所有參與者劃分為不同的類(lèi)型，對(duì)他們進(jìn)行分門(mén)別類(lèi)的研究，制定相應(yīng)的服務(wù)策略，合理分配服務(wù)資源，從而達(dá)到保持參與者、最大限度地提高參與者滿意度的目的。

國(guó)內(nèi)外與E-Learning協(xié)作學(xué)習(xí)分組相關(guān)的研究成果較為豐富，為本研究提供了重要的思路。但現(xiàn)有文獻(xiàn)更多是算法上的探討，缺乏針對(duì)高校信息化建設(shè)所特有的E-Learning協(xié)作學(xué)習(xí)分組的理論和實(shí)踐研究。EphratiE等[6]認(rèn)為可以以降低系統(tǒng)性能為代價(jià)，利用一個(gè)控制方對(duì)全部Agent進(jìn)行監(jiān)控，從而有效防止有的Agent為了自己的利益而偽造數(shù)據(jù)。ZlotkinG等[7]根據(jù)Shapley合作對(duì)策原理，為Agent分配各自的任務(wù)，也因此造成該算法的時(shí)間復(fù)雜度和空間復(fù)雜度相對(duì)較高。KetchpleS[8]給出了雙方拍賣(mài)算法，在一定程度上區(qū)分了不同角色在協(xié)作學(xué)習(xí)中的差異。羅翊等對(duì)EphratiE的算法進(jìn)行了改進(jìn)，變獎(jiǎng)勵(lì)政策為補(bǔ)償，此補(bǔ)償不需要控制方，降低了計(jì)算復(fù)雜度。但是該算法未考慮到不同角色（Agent）對(duì)于協(xié)作的貢獻(xiàn)差異，這與實(shí)際情況是不相符的。在分組策略方面，KetchpleS認(rèn)為，Multi-Agent系統(tǒng)中Agent的分組必須滿足如下要求：有效性、穩(wěn)定性、簡(jiǎn)單性、分布性和對(duì)稱(chēng)性[9]。羅翊等認(rèn)為，在動(dòng)態(tài)演化背景下的協(xié)作分組應(yīng)考慮結(jié)果的全局最優(yōu)、穩(wěn)定性、計(jì)算簡(jiǎn)單、分布合理、非減性以及實(shí)效性[10]。在應(yīng)用方面，可借鑒的文獻(xiàn)有李湘清等將MultiAgent動(dòng)態(tài)分組模型用于多無(wú)人機(jī)協(xié)同任務(wù)分配[11]，蔡瑋等研究了基于MultiAgent的無(wú)線傳感器網(wǎng)絡(luò)的分組優(yōu)化算法[12]。

在理論研究方面存在的其他問(wèn)題有：①相關(guān)文獻(xiàn)大多基于Shapley提出的平等分組[13]方法，過(guò)于強(qiáng)調(diào)平等，忽視了在具體分組過(guò)程中各Agent行為的不同，沒(méi)有考慮到老師這個(gè)角色的控制和引導(dǎo)作用，導(dǎo)致整體效用增加時(shí)原小組成員的效用下降。②現(xiàn)有文獻(xiàn)較少系統(tǒng)地研究影響E-Learning協(xié)作分組的各個(gè)重要因素，分組結(jié)果不能很好地應(yīng)對(duì)動(dòng)態(tài)變化的外界環(huán)境及用戶(hù)各階段不同的學(xué)習(xí)需求。

在應(yīng)用上，現(xiàn)有的E-Learning系統(tǒng)在處理分組時(shí)，大多將其默認(rèn)為一個(gè)隨機(jī)過(guò)程，處理方法也偏重于運(yùn)用統(tǒng)計(jì)學(xué)理論。在實(shí)際E-Learning系統(tǒng)中，雖然組別是已知的，但是分在各組的概率是未知的，如果使用諸如概率論等統(tǒng)計(jì)方法，顯然是不合適的。在E-Learning系統(tǒng)中的各方表達(dá)需求時(shí)有很大的彈性和不確定性，表現(xiàn)為分組時(shí)需求的粗糙性。信息的缺失造成了分組的障礙，因?yàn)橐笫褂玫男畔⑹峭昝赖?，這就不得不進(jìn)行多次交互。E-Learning的特殊性又決定了其對(duì)網(wǎng)絡(luò)軟硬件平臺(tái)的依賴(lài)。這樣的多次交互必然加大通信量，使得網(wǎng)絡(luò)負(fù)荷增加。

除此之外，現(xiàn)有E-Learning系統(tǒng)的不足還主要集中在以下幾個(gè)方面：①不少支持協(xié)作學(xué)習(xí)的系統(tǒng)并未進(jìn)行分組設(shè)計(jì)，僅把傳統(tǒng)課堂搬上網(wǎng)絡(luò)，學(xué)生在異地分課堂學(xué)習(xí)，而我們倡導(dǎo)的計(jì)算機(jī)支持下的協(xié)作學(xué)習(xí)更加強(qiáng)調(diào)學(xué)生之間的相互學(xué)習(xí)和協(xié)作。要求學(xué)生不僅可以自由交流，還能就一些試驗(yàn)和設(shè)計(jì)事件進(jìn)行分組協(xié)作，這就需要在系統(tǒng)中有一個(gè)公用平臺(tái)。在這個(gè)公用平臺(tái)上，來(lái)自不同終端的學(xué)生共同完成一個(gè)試驗(yàn)或設(shè)計(jì)。②交流單一，以文本為主。在實(shí)際的學(xué)習(xí)系統(tǒng)中，用戶(hù)往往希望以視屏的方式進(jìn)行及時(shí)、更好地溝通，現(xiàn)有的交流方式大大影響了E-Learning的實(shí)用性。③對(duì)共享信息的異地實(shí)時(shí)協(xié)作操作支持不夠。異地實(shí)時(shí)協(xié)作操作是指參與協(xié)作學(xué)習(xí)活動(dòng)的學(xué)習(xí)者之間相互都能夠?qū)崟r(shí)地感應(yīng)到其他用戶(hù)的狀態(tài)和活動(dòng)，支持不同用戶(hù)對(duì)同一空間的操作，且他們的操作都能夠通過(guò)網(wǎng)絡(luò)傳輸?shù)狡渌脩?hù)，在其他用戶(hù)的界面上得以再現(xiàn)，從而實(shí)現(xiàn)一致性和協(xié)作性。

合適有效的分組需要系統(tǒng)具有很強(qiáng)的柔性，利用Agent思想可以最大限度地滿足參與者的教學(xué)或?qū)W習(xí)需求。Multi-Agent由多個(gè)Agent組成，各Agent間相互協(xié)作，并行處理，共同完成分組問(wèn)題的求解。因此，通過(guò)智能分組設(shè)計(jì)解決學(xué)習(xí)群體性協(xié)作效率不高等現(xiàn)狀，是目前遠(yuǎn)程教育亟待解決的問(wèn)題之一，也正是本研究的重點(diǎn)。

三、基于Multi-Agent的E-Learning協(xié)作學(xué)習(xí)分組模式

本文引入Multi-Agent思想就是為了能夠保證E-Learning協(xié)作學(xué)習(xí)中代表各個(gè)模塊的Agent能在一起協(xié)調(diào)工作。E-Learning協(xié)作學(xué)習(xí)分組應(yīng)用的框架設(shè)計(jì)如圖1所示，其中用戶(hù)Agent和任務(wù)Agent均可解釋成人機(jī)交互Agent。

圖1 E-Learning協(xié)作學(xué)習(xí)分組應(yīng)用框架

在協(xié)作學(xué)習(xí)管理中，本文關(guān)注的是分組Agent。協(xié)作學(xué)習(xí)分組Agent的工作原理如下：

1.感知器觸發(fā)消息監(jiān)控器判斷通訊機(jī)檢查是否有信息支持Agent傳來(lái)的分組任務(wù)信號(hào)。

2.有信號(hào)傳來(lái)，則激活信息分組處理機(jī)，根據(jù)任務(wù)要求利用分組方法和規(guī)則，依次在學(xué)習(xí)目標(biāo)數(shù)據(jù)庫(kù)、性格、風(fēng)格、動(dòng)機(jī)等數(shù)據(jù)庫(kù)、認(rèn)知水平數(shù)據(jù)庫(kù)中挖掘所需要的知識(shí)。

3.分組結(jié)果生成器將挖掘出的內(nèi)容以規(guī)則、數(shù)據(jù)、網(wǎng)頁(yè)或其他形式提交給分組結(jié)果評(píng)價(jià)器。

4.分組結(jié)果評(píng)價(jià)器根據(jù)評(píng)價(jià)規(guī)則評(píng)判分組結(jié)果，評(píng)判通過(guò)的結(jié)果由感知器激發(fā)通訊機(jī)傳送給信息支持Agent；若評(píng)判未通過(guò)，則由感知器激發(fā)信息分組Agent重新按要求分組，或者通知信息搜索Agent按要求進(jìn)行新的搜索。

學(xué)習(xí)機(jī)通過(guò)對(duì)用戶(hù)提供的請(qǐng)求或自動(dòng)檢測(cè)到的其他樣本，如用戶(hù)常態(tài)的學(xué)習(xí)情況，擴(kuò)充分組規(guī)則庫(kù)，同時(shí)用戶(hù)也可以通過(guò)學(xué)習(xí)機(jī)提供的知識(shí)管理器對(duì)分組方法庫(kù)、分組規(guī)則庫(kù)和評(píng)價(jià)規(guī)則庫(kù)進(jìn)行缺失和離散性檢查，及時(shí)更新知識(shí)庫(kù)。

借鑒Agent在其他領(lǐng)域中的應(yīng)用，協(xié)作學(xué)習(xí)分組Agent結(jié)構(gòu)如圖2所示。

圖2 E-Learning協(xié)作學(xué)習(xí)分組Agent結(jié)構(gòu)

本文將協(xié)作學(xué)習(xí)的分組Agent定義如下，由于篇幅限制，具體內(nèi)容從略。

定義分組Agent（Group-agent）為一個(gè)六元組：

Group-agent=（Perceptron,Processor,Re?sult-generator,Evaluation,Communicator,Adaline）

其中，Perceptron為感知器，對(duì)內(nèi)部變化和外部變化進(jìn)行感知；Processor為信息分組處理機(jī)，將從信息源中獲得的數(shù)據(jù)與分組規(guī)則庫(kù)中的規(guī)則結(jié)構(gòu)進(jìn)行對(duì)比，利用分組方法庫(kù)中的方法（粗糙集、神經(jīng)網(wǎng)絡(luò)法、概率法等）進(jìn)行分組處理；Result-generator為分組結(jié)果生成器，將Processor中的結(jié)果以各種方式進(jìn)行存儲(chǔ)；Evaluation為分組結(jié)果評(píng)價(jià)器，根據(jù)評(píng)價(jià)規(guī)則內(nèi)置的評(píng)價(jià)算法對(duì)Result-generator的結(jié)果進(jìn)行評(píng)估；Communicator為通訊機(jī)，當(dāng)Perceptron被觸發(fā)時(shí)，完成信息的自動(dòng)發(fā)送和接收。Adaline為學(xué)習(xí)機(jī)，發(fā)掘未知樣本，在獲得新知識(shí)時(shí)進(jìn)行數(shù)據(jù)的準(zhǔn)確性、一致性和完備性檢驗(yàn)，并將該知識(shí)添加進(jìn)知識(shí)庫(kù)。

在實(shí)際分組過(guò)程中，由于用戶(hù)自身認(rèn)識(shí)不足、目標(biāo)不夠明確、表達(dá)存在歧義等原因，使得信息分組器往往要根據(jù)用戶(hù)提供的少量信息，例如本文實(shí)測(cè)中的學(xué)習(xí)目標(biāo)、性格、風(fēng)格、動(dòng)機(jī)、認(rèn)知水平等進(jìn)行分組。處置中通常伴隨噪音干擾，增強(qiáng)了信息的失真程度，使得傳受雙方信息收集不充分、信息認(rèn)知受限制，從而導(dǎo)致信息是缺失的。在這樣一個(gè)信息不完備的情況下，需要充分兼顧到協(xié)作小組中各成員的因素，做出對(duì)各方都有利的決策是E-Learning協(xié)作學(xué)習(xí)分組的一個(gè)難點(diǎn)。不完全的信息不能滿足分組的需求，甚至導(dǎo)致錯(cuò)誤的處置決策。故分組方法庫(kù)中結(jié)合了粗糙集理論和概率法，通過(guò)對(duì)訓(xùn)練集的樣本數(shù)據(jù)的學(xué)習(xí)，盡可能從中得到事先未知的、隱藏于數(shù)據(jù)中的重要信息，然后直接或間接地?cái)M合或逼近分組判別函數(shù)。同時(shí)，這樣的分組結(jié)果不是一成不變的，需要對(duì)分組過(guò)程做柔性化處理。在本研究中，廣泛探索了各種算法的性能和適用性，通過(guò)大量的試算比較，選擇基于粒子群優(yōu)化算法的強(qiáng)化學(xué)習(xí)算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)推理機(jī)，其優(yōu)點(diǎn)有：魯棒性良好，并行分布式，對(duì)目標(biāo)函數(shù)要求較少，算法構(gòu)造簡(jiǎn)單，計(jì)算機(jī)資源占用較少等，并且為參數(shù)設(shè)計(jì)了獨(dú)立的學(xué)習(xí)方法，利用反饋信息對(duì)參數(shù)進(jìn)行自動(dòng)調(diào)節(jié)。整個(gè)參數(shù)調(diào)整過(guò)程是由計(jì)算機(jī)自動(dòng)完成的，無(wú)需人工干預(yù)，并對(duì)外封裝；其內(nèi)部通過(guò)反饋學(xué)習(xí)，不斷積累知識(shí)和經(jīng)驗(yàn)。具體算法構(gòu)造及算例測(cè)試從略。

四、基于Multi-Agent的E-Learning協(xié)作學(xué)習(xí)分組應(yīng)用

將本研究成果內(nèi)嵌到某大學(xué)“教學(xué)在線”系統(tǒng)中，以測(cè)試所設(shè)計(jì)的協(xié)作學(xué)習(xí)分組模式的效果。

1.系統(tǒng)建設(shè)的基本情況

采用J2EE標(biāo)準(zhǔn)作為程序設(shè)計(jì)規(guī)范，以三層體系結(jié)構(gòu)為基礎(chǔ)開(kāi)發(fā)，支持負(fù)載均衡及分布處理等網(wǎng)絡(luò)技術(shù)，從網(wǎng)絡(luò)的安全性、穩(wěn)定性及大規(guī)模支持上提供強(qiáng)有力的保證。涉及的開(kāi)發(fā)平臺(tái)包括：管理類(lèi)：Linux，實(shí)施答疑產(chǎn)品：Windows7；WEB發(fā)布平臺(tái)為：ApachewithTomcat/Resin；數(shù)據(jù)庫(kù)：Oracle。軟件的使用環(huán)境包括：① 服務(wù)器端：管理類(lèi)：Linux(RedHat)/Unix/Windows，多媒體類(lèi)：Win?dows7；②WEB發(fā)布平臺(tái)：管理類(lèi)：Resin/Web?Sphere/Weblogic，多媒體類(lèi)：MSIISwithService Pack2。

現(xiàn)階段該校的網(wǎng)絡(luò)節(jié)點(diǎn)有26000多個(gè)，校園網(wǎng)用戶(hù)6000多個(gè)，普及率高，基本上沒(méi)有信息盲點(diǎn)。實(shí)時(shí)在線人數(shù)超過(guò)2000人次，學(xué)校網(wǎng)絡(luò)出口信息流入量超過(guò)300兆，流出量200兆，網(wǎng)絡(luò)基礎(chǔ)設(shè)施較為完備。目前使用情況為：導(dǎo)入用戶(hù)21793人、教師用戶(hù)79位、精品課程5門(mén)。電子教參資源已與圖書(shū)館順利連接。

2.協(xié)作學(xué)習(xí)分組的設(shè)計(jì)

進(jìn)入登錄頁(yè)面后，用戶(hù)可以對(duì)自己的信息進(jìn)行設(shè)置和改動(dòng)（如圖3），也可以對(duì)分組基礎(chǔ)信息進(jìn)行設(shè)置（如圖4）。系統(tǒng)可以自動(dòng)給出分組結(jié)果（如圖5）。如果對(duì)結(jié)果不很滿意仍可以對(duì)自己的需求進(jìn)行修改和完善。確定分組后，用戶(hù)即可以在討論區(qū)中進(jìn)入?yún)f(xié)作學(xué)習(xí)小組（如圖6和圖7）。

圖3 用戶(hù)信息的設(shè)置

圖4 分組信息的設(shè)置

圖5 用戶(hù)分組結(jié)果的顯示

圖6 進(jìn)入?yún)f(xié)作學(xué)習(xí)小組

圖7 開(kāi)始協(xié)作學(xué)習(xí)

為了了解協(xié)作學(xué)習(xí)的分組模塊效果，在全校用戶(hù)中進(jìn)行了問(wèn)卷調(diào)查，一共發(fā)放問(wèn)卷2200份，回收有效問(wèn)卷2080份，男生1160份，占總數(shù)的55.77%，女生920份，占總數(shù)的44.23%。本科生1476人，占總數(shù)的71.0%；碩士301人，占總數(shù)的14.5%；博士192人，占總數(shù)的9.2%；博士以上111人，占總數(shù)的5.3%。學(xué)生2048人，教師32人。問(wèn)卷結(jié)果顯示，協(xié)作學(xué)習(xí)的分組模塊使用反饋良好，能夠減少人為干預(yù)，由計(jì)算機(jī)自主地解決分組問(wèn)題，打破學(xué)生與教師的身份界限，打破本科生與研究生間的界限，打破學(xué)科與學(xué)科之間的界限。當(dāng)然這種只獲得少量的關(guān)鍵性信息，在一定的風(fēng)險(xiǎn)下揣測(cè)使用者的意圖，肯定存在錯(cuò)誤率，但是隨著不斷的學(xué)習(xí)和訓(xùn)練，隨著知識(shí)在資源庫(kù)中的不斷積累，分組Agent作出的決策正確率將不斷提高，而人工的參與，給出的信息將會(huì)不斷減少。在增強(qiáng)系統(tǒng)的強(qiáng)壯性和減少服務(wù)器負(fù)擔(dān)中達(dá)到一個(gè)均衡。

五、小結(jié)及后續(xù)工作

本文結(jié)合理論性和應(yīng)用性對(duì)E-Learning協(xié)作學(xué)習(xí)中的分組問(wèn)題進(jìn)行了研究。從宏觀出發(fā)，重視研究協(xié)作學(xué)習(xí)中分組問(wèn)題，設(shè)計(jì)出分組策略，有利于做出積極有效的判斷，從而最大程度地降低因分組決策錯(cuò)誤而造成的資源浪費(fèi)和經(jīng)濟(jì)損失，在一定程度上更好地進(jìn)行高校信息化建設(shè)，達(dá)到提高核心競(jìng)爭(zhēng)力的目的；從微觀角度考慮，通過(guò)研究協(xié)作學(xué)習(xí)中的分組問(wèn)題，可以發(fā)現(xiàn)E-Learning系統(tǒng)的欠缺之處和分組機(jī)制制定的不妥之處，有利于改善交互質(zhì)量，直接提高學(xué)習(xí)的效率。其理論模型已被收納到某大學(xué)“教學(xué)在線”的總體框架中。

E-Learning協(xié)作學(xué)習(xí)是一個(gè)復(fù)雜的命題，涉及很多內(nèi)容。本文僅對(duì)其中的分組問(wèn)題進(jìn)行了初步探討，需要進(jìn)一步研究和改進(jìn)，如協(xié)作學(xué)習(xí)中其他方面的智能化問(wèn)題，通過(guò)協(xié)作學(xué)習(xí)的控制Agent、協(xié)作學(xué)習(xí)的評(píng)估Agent等的框架構(gòu)造、算法研究及模型實(shí)現(xiàn)，以減少操作者人為干涉和網(wǎng)絡(luò)控制及通信量，做出積極有效的判斷，形成智能決策支持系統(tǒng)。

[1]江鳳娟，吳紅斌，吳峰.美國(guó)、韓國(guó)、中國(guó)臺(tái)灣地區(qū)企業(yè)e-learning的發(fā)展分析及啟示[J].中國(guó)遠(yuǎn)程教育，2012，（9）：83-91.

[2]全國(guó)信息技術(shù)標(biāo)準(zhǔn)化技術(shù)委員會(huì)教育技術(shù)分技術(shù)委員會(huì).基礎(chǔ)教育教學(xué)資源元數(shù)據(jù)規(guī)范[EB/OL].[2012-01-19].http://www.celt?sc.edu.cn.

[3]趙建華.計(jì)算機(jī)支持的協(xié)作學(xué)習(xí)[M].上海：上海教育出版社，2006：5-14.

[4]吳青，羅儒國(guó).基于工作流技術(shù)的Web協(xié)作學(xué)習(xí)環(huán)境的構(gòu)建研究[J].中國(guó)遠(yuǎn)程教育，2012，（11）：84-88.

[5]劉博，趙建華.網(wǎng)絡(luò)支持的小組協(xié)作學(xué)習(xí)應(yīng)用研究[J].中國(guó)電化教育，2012，（307）：16-20.

[6]EphratiE，RosenscheinJS．Divideandconquerinmulti-agent planning[C]．In：Proc.of1994NationalConferenceonArtificialIn?telligence．Seattle，US：AAAIPress，1994．375-380.

[7][9]ZlotkinG，RosenscheinJS．Coalitioncryptographyandstability：mechanismforcoalitionformationintaskorienteddomains[C]．In：Proc.of1994theAssociationfortheAdvancementofArtificialIntel?ligence．Seattle，US．1994．432-437.

[8]KetchpleS．Formingcoalitionsinthefaceofuncertainrewards[C]．In：Proc.of1994theAssociationfortheAdvancementofArtificialIn?telligence．Seattle，US：1994．414-419.

[10]羅翊，石純一.Agent協(xié)作求解中形成聯(lián)盟的行為策略[J].計(jì)算機(jī)學(xué)報(bào)，1997，20（11）：961-965.

[11]李湘清，孫秀霞，夏巖.MultiAgent動(dòng)態(tài)分組模型用于多無(wú)人機(jī)協(xié)同任務(wù)分配[J].系統(tǒng)仿真學(xué)報(bào)，2010，22（5）：1266-1269.

[12]蔡瑋，陳志軍，馮新龍等.無(wú)線傳感器網(wǎng)絡(luò)中多移動(dòng)代理分組優(yōu)化算法[J].系統(tǒng)仿真學(xué)報(bào)，2010，22（12）：2890-2894.

[13]XingweiHu，LloydS，Shapley．Onauthoritydistributionsinorgani?zations：equilibrium[J]．GamesandEconomicBehavior，2003，45：132-152.

仲偉俊，教授，博導(dǎo)，東南大學(xué)經(jīng)濟(jì)管理學(xué)院（210096）。

日新

G423

A

1009—458x（2014）01—0059—05

2013－09－15

潘芳，講師，博士后在站，東南大學(xué)經(jīng)濟(jì)管理學(xué)院（210096），南京中醫(yī)藥大學(xué)經(jīng)貿(mào)管理學(xué)院信管系（210046）。