Agent的多目标优化分布式智能算法

根据多目标优化的理论,将传统多目标优化的方法与Agent技术相结合,提出一种基于Agent技术的多目标优化分布式智能算法．在该算法中,每个智能体由目标函数、协调算法和通信模块组成．由智能体组成多目标优化的多智能体系统．通过每个Agent的独立优化和Agent之间的通信和协调。实现多目标优化．文中用实例验证算法的有效性．     

用于高维函数优化的多智能体量子进化算法

基于智能体的竞争和学习能力、量子计算理论及生物进化策略,提出了一种新的优化方法——多智能体量子进化算法．一个智能体代表优化问题的一个可能解,所有的智能体都以量子染色体表示．该算法将智能体分布于多智能体网络环境中,智能体之间通过量子进化来实现竞争及学习,以提高个体的竞争能力．理论证明该算法具有全局收敛性．实验结果表明,该算法具有强的全局寻优能力及快速搜索能力。     

一种双阶段多智能体路径规划算法

多智能体路径规划旨在解决多个智能体在同一工作空间内生成无碰撞路径的问题,是智能体无人化工作的关键支撑技术。基于回溯思想和自适应局部避障策略,提出了一种双阶段多智能体路径规划算法。在全局路径规划阶段,基于回溯思想改进的RRT~*(rapidly-exploring random trees star)算法(back tracking rapidly-exploring random trees star, BT-RRT~*),减少无效父节点,并确保各智能体生成优化的无碰撞路径。在协作避障阶段,智能体依据自身的任务优先级制定局部避障策略,避开动态障碍物和其他智能体。实验结果表明,该算法可成功寻找较优路径,还可降低避障时间。     

基于多智能体的多变量DMC研究

结合递阶动态矩阵预测控制和多智能体技术 ,提出了一种多智能体多变量动态矩阵控制算法。在该算法中 ,控制对象的每个输出变量作为一个智能体 (Agent) ,使用CORBA将各个Agent集成为多智能体系统 ,并用π演算对多智能体系统的协调过程进行了描述。最后将该算法应用在制浆生产蒸煮过程 ,得到了较好的控制效果     

双链式智能体遗传算法用于数值优化的研究

针对传统智能体遗传算法全局优化计算精度不够高、时间较长的不足,提出了一种改进的双链式智能体结构,并基于此设计了一种新的智能体遗传算法--双链武智能体遗传算法.该算法采用了多子群并行搜索的模式,闭合链式智能体结构和循环链武智能体结构,可实现多机并行优化,具有优化时间短、优化精度高的特点.为了验证本文算法的优越性,采用国际标准的测试函数对该算法性能进行测试,并与智能体遗传算法(MAGA)相比较.实验结果表明,该算法在全局优化精度、优化收敛速度方面均优于MAGA.     

Multi-Agent混合遗传算法在岩性参数反演中的应用

结合智能体对周围环境的感知能力和遗传算法的随机搜索能力,以及模拟退火算法的局部搜索能力,设计了一种多智能体混合遗传算法。智能体在已初始化的网格内进行邻域竞争、交叉、变异操作,然后独立地对各个智能体进行模拟退火操作,找到全局最优智能体。将该方法应用到理论模型的AVA岩性参数反演中,说明该方法是有效的。     

全局信息分布式控制的自重构机器人运动研究

为了改进系统的性能，构建了同构阵列式模块化自重构机器人M．Cubes，该机器人具有12个自由度；结构简洁、紧凑，控制方便简单，可以构建任意的立方体结构，并对M-Cubes模块的基本运动进行了描述。搭建了基于自重构模块的分布式多智能体控制结构，根据系统的全局信息进行分布式控制，将控制分为三步，规划、协调和运动控制。结合模块的空间矢量进行路径规划，利用agent技术对模块间的相互作用进行协调，最后产生模块的翻转，实现模块的运动。利用Java3D技术建立了可视化的模块化自重构机器人仿真环境，在此平台上对模块的运动进行了仿真，给出了一个4X2X2矩形阵列模块的平移仿真示例，验证了该控制算法和仿真平台的有效性。     

基于双层协调体系的多移动机器人路径规划方法

针对多移动机器人系统中路径规划全局最优与局部协调的兼容性需求,提出了一种基于双层协调体系的路径规划方法。结合路径组亲和度评价提出改进的免疫协同进化算法并完成全局路径规划,提高了规划效率和全局路径质量;根据初始条件和全局路径信息,判断系统中各机器人可能出现碰撞的位置,提出基于优先级机制的动态窗口法在相应位置附近完成路径的局部协调;最终在全局最优路径基础上实现机器人的局部路径协调避碰。试验结果表明,该路径规划方法使机器人沿全局最优路径行驶时,仍能进行灵活有序的局部路径协调,有效提高了系统的路径规划性能。     

深度强化学习求解柔性装配作业车间调度问题

针对产品动态到达的柔性装配作业车间调度问题,以最小化总拖期为目标,构建了基于事件点的数学规划模型,该模型包含加工机器分配、加工工序排序、装配站分配和装配工序排序四个决策序列,并提出了一种基于多智能体的深度强化学习算法进行求解．首先,所提出的算法包含四个智能体分别对应四个决策序列,智能体之间采用价值分解网络(VDN)协作策略;然后,构建基于拖期的复合回报函数,提取生产系统指标作为全局特征,完善各智能体的调度动作;最后,设计了精英经验库,充分挖掘高回报样本的价值．案例结果表明所提出的方法在不同场景下都优于现有经典调度规则和元启发式算法挖掘的调度规则．     

多智能体遗传算法用于超高维函数优化

基于智能体对环境的感知与反作用的能力提出了一种新的函数优化方法--多智能体遗传算法.该方法将智能体固定在网格上,而每个智能体为了增加自身能量将与其邻域展开竞争或合作,同样,智能体也可利用自身的知识进行自学习来增加能量.理论分析证明算法具有全局收敛性.实验结果表明,多智能体遗传算法对维数高达甚至10000的函数,都能以较少的计算量获得高质量的解,充分说明算法具有很快的收敛速度.     

一种面向多智能体群集的避障算法

多智能体群集中的避障问题是研究的难点问题,每个智能体需要安全避开障碍物并朝着目标点前进.根据现有的基于人工势场函数的群集算法,提出一种改进的具有避障能力的群集算法.在该算法中,将障碍物等效成虚拟智能体进行避障.智能体感知到障碍物后,不是立即采取避障措施,而是将智能体的速度方向和目标点考虑在内,根据智能体不同的速度方向和目标点的位置,采取不同的避障措施.经理论分析与实验验证,表明所提出的算法能够有效地躲避障碍,并且在避开障碍物后更快地达到群集.     

基于多Agent协同求解的企业供应链过程建模研究

基于多Ａｇｅｎｔ规划技术,提出并建立了支持企业供应链建模的分布式协同求解模型,包括企业供应链的分层规划理论,供应链中的多Ａｇｅｎｔ协同模式分析,状态空间模型以及任务分解算法等四部分内容。它的提出为企业资源计划的供应链工具支持提供了理论依据和技术方法。实践证明,应用该技术可以有效地指导供应链的过程重组。     

基于多Agent系统的智能路由选择算法

路由选择是计算机网络的关键技术之一，其优劣直接影响着网络的服务质量和网络资源的负载平衡程度．中针对多Agent系统的特点和目前路由选择算法的不足，提出了基于多Agent系统的智能路由算法，该算法不仅有智能决策能力，而且有良好的分布特性．     

基于多Agent系统的数据融合算法评估平台框架

研究了数据融合算法评估平台应具有的特点，给出了一种基于多agent系统数据融合算法的评估平台框架，讨论了框架中agent的结构和agent间的通信机制．利用该框架原型实现了单个融合算法和多融合算法组合的评估．     

智能化远程学习模型

利用智能化技术实现有效的个性化学习是远程教育中的重要问题。该文对现有远程学习系统中智能化所需要解决的问题进行了分析。针对目前远程学习模型可实现性差的问题 ,从两个层次上加以解决 :在课件学习模型问题上 ,提出一个反映知识模块间关系的知识混合结构模型 ,及相应的智能指导和智能答疑算法 ;在软件实现层次上 ,利用软件代理和多代理技术实现智能课件、智能学习指导和智能答疑3个功能。该模型通过一个实验系统加以验证。结果表明 :基于知识混合结构和软件代理技术的智能化学习模型是一个实用的远程学习智能化方案     

基于稀疏编码和机器学习的多姿态人脸识别算法

为改善多姿态人脸识别效果, 设计一种稀疏编码和机器学习相融合的多姿态人脸识别算法. 首先对多姿态人脸进行采集和预处理, 并提取基于稀疏编码的人脸图像特征; 然后采用主成分分析对特征进行处理, 降低多姿态人脸识别的特征维数, 提高多姿态人脸识别效率; 最后采用机器学习算法中的支持向量机建立多姿态人脸识别 分类器, 并采用标准人脸数据库和多姿态人脸数据库对算法性能进行验证. 验证结果表明, 该算法可有效提高多姿态人脸识别正确率, 大幅度减少多姿态人脸的平均识别时间, 取得了比对比算法更优的识别结果, 从而验证了该算法的优越性.     

一个基于Bayes定理的委托——代理问题研究分析

针对信息不对称的委托-代理问题,提出了委托人对代理人所处的多种自然状态的观测间接获取信息的一种方法,并基于观测到的信息,利用Bayes定理,修正对自然状态先验分布的假设.通过对自然状态的多种分类分析,使之较好地吻合了委托-代理问题中成因多样性的实际情况;对非对称信息的委托-代理问题所进行的细致分析,有助于建立健全各行各业中的委托-代理机制,促进管理效率的提高.     

基于时延估计的多目标被动定位算法

为了利用多目标时延估计实现多目标被动定位,介绍了单目标定位算法原理,并分析了这些算法在多目标定位算法中运用的可能性及难点.从多个目标到达各阵元的多个时延来构造矩阵,利用矩阵的不变子空间形成目标函数,得到了基于时延估计的多目标定位算法.给出了基于时延估计的多目标定位算法的仿真计算结果.仿真计算表明,此算法能有效冗余多阵元数据,解决单目标和多目标被动定位问题.     

车载通信网的路由策略研究与仿真

针对传统路由技术已不能适用于动态分布式网络（如车载通信网络）的现状, 提出一种基于DSR分层机制的移动代理路由策略（NCM-DSR）, 并将所提出的NCM DSR协议分别与加入移动代理的DSR协议（MA-DSR）和DSR协议进行比较. 仿真实验结果表明, NCM-DSR协议降低了端到端的传输时延, 进一步减少了路由请求次数, 包的提交率也有一定程度的提高, 更适于车载通信网的实时通信.     

基于多Agent及Petri网的变压器故障诊断系统

将多Agent技术引入变压器故障综合诊断系统，采用模糊Petri网技术实现建模．该模型中每个Agent代表一种智能知识或智能处理方法，利用Petri网进行知识表示及推理的矩阵运算算法以描述故障征兆与故障的关系，进而达到多Agent之间的协同工作，并利用协调综合Agent给出诊断结果．运用所提出的诊断系统，不但可以充分利用各种故障信息资源，而且可对采用不同诊断方法时的诊断结果进行协调综合，并且在故障信息不全面的情况下也可以做出较准确的诊断结论．实例运算也验证了该诊断系统的快速性、协调性和准确性．