多智能体系统智能体协作层的设计与实现

提出了一种多智能体系统及智能体的框架结构，描述了该多智能体系统智能体协作层的设计与实现，为面向工业应用的多智能体系统开发环境的研制提供了基础。     

分层模型下的多Agent系统协作机制在RoboCup3D的应用

为了提高多智能体协作的效率,让机器人足球队取得更好的成绩,以RoboCup3D机器人足球仿真系统为应用背景,提出了一种基于分层模型的多Agent系统协作机制。分层模型主要包括用来保证Agent通信的通信层,完成Agent角色分配的技术层和负责Agent阵型定位等决策的控制层。实验结果表明,团队协作能力往往是机器人足球比赛得分的关键,基于分层模型的协作机制对于提高机器人球队的整体对抗能力起到了明显作用。     

基于本体的多智能体知识共享和协作

研究了基于本体的知识建模过程及其应用模式，分析了采用本体模式的知识集成和共享，设计了本体知识库的集成和融合方法，提出了基于本体的多智能体知识共享和协作处理模型，并给出了该模型在医学中的应用。研究结果表明，利用本体方式来获取、重用、共享和组织知识，可以简化多智能体协作中知识交互的复杂性，加强异构知识源的融合。     

基于多智能体的网络信息隐藏系统研究

为加强网络信息安全,该文提出了一种基于m-序列的多智能体协作的信息隐藏模型,并提出以鲁棒性、安全性和通信容量作为评价信息隐藏系统的性能指标.实现了基于多智能体协作的信息隐藏系统,该系统通过多智能体协作加强信息隐藏的鲁棒性,使用多智能体发送信息,加大了隐蔽通信的容量.仿真结果表明:基于多智能体的信息隐藏算法未对特殊位进行处理,因而没有网络包被防火墙过滤,隐藏的信息未丢失;防火墙类产品对于使用包填充类算法隐藏的信息的安全性影响非常大,对于使用基于多智能体算法隐藏的信息的安全性几乎没有任何影响.     

基于协作反馈的蚁群算法的自适应网站研究

提出了一种基于蚁群算法的关联网页推荐方式,针对蚁群算法中固有的缺陷以及它在自适应网站应用中所出现的问题进行相应的模型改进.引入了选择权值自适应,反馈机制和多智能体协作的思想,解决了收敛速度和停滞现象的矛盾平衡问题,实现了动态调整系统推荐和不同访问用户之间的交互,并根据用户日志进行了访问倾向性推荐.     

机器人足球策略的研究

RoboCup是研究动态不可预测环境中的多智能体系统的典型平台．在RoboCup仿真比赛中,机器人整体团队协作和局部对抗规划都是比赛成功的关键．对于团队协作,应用面向对象的方法分析了机器人足球队员的角色特点,部署了不同队员的踢球策略．在射门对抗规划中,分析了球员射门时几个关键性的影响因素,并参考这些因素设计和应用一个关键性的射门函数．实践证明了在实时比赛环境中,整体结构和局部策略的有效性．     

基于主智能体的群体学习算法GLBMA

以机器人足球比赛（RoboCup）为背景,基于主智能体和辅助智能体概念,提出了基于主智能体群体强化学习算法（GLBMA）,该算法通过主智能体和辅智能体的角色切换来实现整个团队的学习,改进了传统的群体强化学习算法。RoboCup仿真比赛试验表明,传统群体强化学习算法中的行为学习状态空间过大,连续状态空间的行为选择及多智能体合作求解等问题得到了解决．     

RoboCup中型组比赛中动态阵型选择

针对机器人足球世界杯RoboCup中型组比赛提出的动态阵型选择算法．建立了动态协作模型,将多个智能体组合成一个拥有共同目标的团队。完成给定的任务分配和站位配合,实现了基于动态阵型变换的多智能体动态协作．通过实现各种阵型之间的动态变换．满足了不同情况的协作要求．显著提高了球队的整体竞赛能力．     

基于注意力学习的多智能体路径规划协作策略（英文）

多智能体路径发现(MAPF)是一个具有挑战性和有意义的问题，其中要求所有智能体在不相互碰撞和避免障碍的情况下有效地达到其目标地点。在多智能体路径发现中，有效地提取和表达智能体的观察结果、有效地利用历史信息以及与相邻智能体之间的有效通信是完成多智能体协作任务所面临的挑战。为了解决这些问题，本文提出了一个精心设计的模型，利用附近智能体的局部状态，并为每个智能体输出一个最优的执行动作。我们通过使用残差注意力卷积神经网络（residual attention CNN）来提取局部观测构建局部观测编码器，并使用Transformer架构来构建交互层来组合智能体的局部观测。为了提高该模型的成功率。我们还引入了一种新的指标，即额外时间比率(ETR)。实验结果表明，我们提出的模型在成功率和ETR方面优于以前的大多数模型。此外，我们还完成了对模型的消融研究，并证明了模型各组成部分的有效性。     

基于多智能体技术的出行诱导管理系统研究

将实时道路网络动态交通信息与交通管理专家的知识和经验结合起来,基于多智能体技术设计了以城市现有交通管理中心为基础的出行诱导管理系统.该系统通过黑板模型集成了包含在出行诱导管理过程中的交通问题类型确定、分流交通量预测和分流交通量控制3个智能体.系统使用一个管理智能体通过黑板模型对这3个智能体进行集中控制,使每一个智能体能够与黑板通信,智能体之间在黑板上进行信息分享与协作.研究表明,应用多智能体技术设计的出行诱导管理系统能对出行诱导负效应的产生进行实时跟踪和控制.