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     

基于多智能体的机电设备嵌入式控制系统设计方法

提出了一种利用多智能体（Multi—Agent Systems,MAS）方法学指导复杂机电设备嵌入式控制系统开发的方法．该方法利用智能体（Agent）概念处理复合型控制系统的多个子控制器;用MAS方法学指导构造Agent之间的通信及协调机制;利用多任务实时操作系统（Real—Time Operating System,RTOS）的多任务并行处理能力和系统服务在嵌入式系统中实现MAS系统,本方法已经应用于遥操作移动机器人嵌入式控制系统的开发．     

基于多智能体的城市环道交通信号控制算法

针对城市环道交通信号控制问题,利用多智能体系统自主性、分布性、协调性、主动学习等特性,提出基于多智能体的环道交叉口绿波协调方法,将每个环道交叉口都看作一个智能体,相邻智能体间能够进行信息的互通交流,利用智能体系统记忆存储以及推理学习能力,对环道上的多个交叉口进行绿波协调优化,从算法模型与参数描述、协调方式的相位选择策略等角度对所提算法进行描述和推导,并通过实验仿真验证了所提的算法的有效性.     

通用部分全局规划方法在多智能体协调控制中的应用

针对多智能体系统分布式问题建立了智能体的简单模型,并对其进行了形式化描述,提出了多智能体系统的一种协调算法,即通用部分全局规划算法．在该协调算法的作用下,多智能体系统中各个智能体的局部规划／协调器对各自的行为进行规划,从而使整个系统相互协作,共同完成系统的全局任务．因此,它是一种全局协调算法．该算法并不局限于某个具体的应用领域,具有一定的通用性．     

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。     

基于多Agent的柔性作业车间调度研究

针对多目标柔性作业车间调度问题,构造了基于多Agent的车间调度模型,研究了多Agent之间的交换协调机制．提出一种改进遗传算法并封装在策略Agent中,通过对编码规则、解码算法与交叉、变异算子进行改进,提高了调度优化算法的实用性和优化效果,实现了多目标动态调度,提高了系统的适应性和健壮性．某企业车间应用实例证明其可以满足车间调度高效、稳定的要求．     

基于Multi-Agent技术的露天矿山生产调度系统框架的构建

针对于露天矿山生产调度系统的复杂非线性、工艺点多面广等特性,引进具有分布式管理特性的多智能体技术,建立基于多智能体技术的露天矿山生产调度系统.在系统中将生产调度分为任务Agent、生产调度Agent、爆破Agent、运输Agent、破碎Agent以及资源Agent六个单智能体.运用具有较强非线性拟合能力的自适应神经模糊推理系统(ANFIS)进行局部与整体的建模,并利用粒子群优化算法对模型进行优化,得出最优化生产调度方案.对矿山实际生产调度方案的制定具有一定的参考价值.     

求解多目标优化问题的多智能体遗传算法

目的 在求解多目标优化问题时，总是希望获得尽可能多的Pareto解，且这些解能够较均匀地分布在目标空间的Pareto边界上。方法 通过引入智能体的概念，并将多个智能体组成的多智能体系统与经典遗传算法相结合，给出了一种求解多目标优化问题的多智能体遗传算法。结果 对每个智能体在其邻域内进行局部Pareto寻优操作，而不是在整个群体中进行Pareto寻优，从而保证了群体的多样性，并在一定程度上抑制了种群的早熟现象。结论 该方法能够找到问题的分布较均匀的Pareto最优解。     

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．     

基于多智能体的交通干线动态智能协调控制

为减少干线上车辆的平均延误时间,提出了一种基于多智能体技术的动态双向绿波带智能控制算法。采用两层递阶结构和模糊逻辑对城市交通干线进行实时协调控制。上层是协调控制器智能体,根据一段时间内交通流数据计算干线上优化的公共周期时间和上下行相位差,下层是路口控制器智能体,确定每个周期内各交叉口的绿信比。周期依照关键路口饱和度的大小由模糊控制算法进行优化,而相位差根据上下行速度进行计算,绿信比基于历史和实时的交通数据确定。实例分析表明该双向绿波带控制算法能够有效减少车辆在干线上的平均停车次数。     

基于知识工程的智能优化软件系统IOPS

根据知识工程理论研究了一种智能型的优化设计软件系统IOPS，该系统集成了连续，离散，随机变量的14种优化算法程序，并通过模型诊断，算法选择，多目标决策，参数设计等专家系统的并行操作，实现了优化设计过程自动化。     

智能信息检索代理结构

信息过载已成为Internet用户信息检索时的最大难题,利用智能信息检索代理技术可解决这些问题.在对智能代理特征(主要包括智能搜索,导航向导,自动通告,个人信息管理,动态个人化网页,以及页面辅助阅读工具等)进行分析的基础上,参照模块化的代理结构,讨论了智能Agent的各组成模块功能和各个模块在实现不同功能时的组织方法.经过初步实践表明,智能Agent用于提高信息检索效率和减小网络信息过载是可行和有效的.     

多障碍建筑群图像空间布局智能寻优方法优化

为了解决传统方法大多将注意力放在建筑群体局部优化方面,缺少对整个含多障碍建筑群体空间布局优化研究的问题。通过改进粒子群法研究多障碍建筑群图像空间布局智能寻优方法优化问题。建立寻优问题模型,将最小化最大风速比、最大化采光满足率、最优化容积率作为多障碍建筑群图像空间布局智能寻优目标,依据寻优问题模型建立总目标函数。针对粒子群算法的弊端,对其进行改进;将粒子和种群最优粒子差异程度当成依据对权重进行确定。通过密集距离对粒子和相邻粒子间的密集程度进行描述,依据密集程度,选用逐一去除法对最优解进行更新。针对提出的多障碍建筑群图像空间布局多目标寻优问题,采用改进粒子群算法进行求解。结果表明:采用所提方法优化后,日照满足率虽然略低于优化前;但最大加速比和容积率均更优;所提方法 WBGT指标(湿球黑球温度)高于其他方法。可见所提方法可令各指标均衡最优化,能够保证新陈代谢率低,热适应差的人舒适性。     

全局智能优化集成算法研究

针对遗传算法、模拟退火算法等智能全局优化算法的集成问题开展研究,分析归纳了智能全局优化算法和局部搜索算法的一般规律和特性,给出了全局智能优化算法进行集成的统一框架--全局智能优化集成算法(IGIOA),及IGIOA的设计要素,还给出了评价算法的优化性能指标、时间性能指标、鲁棒性能指标,以及将三指标综合的综合性能指标,为智能集成算法的选取和性能比较提供了依据.     

基于规则和混合算法的智能STEP-NC微观工艺规划

为解决STEP-NC微观工艺规划智能性差和效率不高的问题,提出一种基于规则和混合算法的智能STEP-NC微观工艺规划方法.首先,采用本文提出的基于规则的加工资源匹配算法,为每一加工工步匹配相应的机床和刀具;然后,以最短换刀时间为优化目标,采用混合算法 (混沌算法和遗传算法) 对STEP-NC加工工步序列进行优化;最后,以最少加工时间和最低加工成本为优化目标,通过混合算法对STEP-NC加工工艺参数进行优化,进而得到最优的STEP-NC微观工艺规划.通过实例验证了该方法的有效性和可行性.     

一种基于多级Manager/Agent结构的智能网络管理系统

提出了一种基于多级Manager/Agent结构的分布式智能网络管理系统,它克服了传统集中式网络管理系统不适合管理大型分布式网络的弱点,为大型网络的管理提供了一个有效的解决方案·介绍了该系统的体系结构和功能,给出了其实现方案,并通过与集中式网络管理系统的对比,论证了该系统的优越性·     

欧氏Steiner最小树的Delaunay三角网混合智能求解方法

欧氏Steiner最小树问题是组合优化中一个经典的NP难题,在许多实际问题中有着广泛的应用.由于使用普通智能算法求解较大规模问题时,极易陷入拓扑结构的局部最优,因此,基于Delaunay三角网技术并结合智能算法的有关思想,设计了一种改进的混合型智能求解方法,可大幅度提高算法在寻找更好拓扑结构上的有效性.算法在Matlab环境下编程实现,经大量STEINLIB中的标准数据实例测试和验证,获得了满意的效果,为求解较大规模的欧氏Steiner最小树问题提供了新的有效方法.     

改进的人工鱼群混合算法在智能组卷中的应用

现有的智能组卷多采用单一算法,而每种算法都有其各自的缺点,针对此缺陷提出了结合人工鱼群算法和遗传算法的优点组成混合智能组卷算法.在智能组卷开始时,采用人工鱼群算法快速靠近组卷目标,在组卷过程中,当最优个体在连续多个迭代过程中无变化或变化极小时采用遗传算法对人工鱼个体进行跳变,提高收敛速度.通过模拟计算证明,该混合智能算法能有效地优化其中单一算法独自进行智能组卷的成效     

Intelligent Scheduling of Public Traffic Vehicles Based on a Hybrid Genetic Algorithm

A genetic algorithm （GA） and a hybrid genetic algorithm （HGA） were used for optimal scheduling of public vehicles based on their actual operational environments. The performance for three kinds of vehicular levels were compared using one-point and two-point crossover operations. The vehicle scheduling times are improved by the intelligent characteristics of the GA. The HGA, which integrates the genetic algorithm with a tabu search, further improves the convergence performance and the optimization by avoiding the premature convergence of the GA. The results show that intelligent scheduling of public vehicles based on the HGA overcomes the shortcomings of traditional scheduling methods. The vehicle operation management efficiency is improved by this essential technology for intelligent scheduling of public vehicles.     

知识引导的智能优化算法在航路规划中的应用

为了提高智能优化算法对航路规划问题的求解质量和效率,提出了一种知识引导型智能优化算法的航路规划求解框架.与传统引导进化不同的是,考虑到以往所用知识的局限性,该框架并不是采用从前期优化过程中挖掘出来的知识,而是采用航路规划特定领域知识.为了描述引导方式,将智能优化算法形式化定义为3个引导对象的集合,从而将引导方式划分为7类单独或组合形式.根据航路规划特定领域知识的各自特点选择对应的引导方式,并将其结构化为能够改进算法性能的元策略,以粒子群优化算法为例对求解框架进行验证,仿真实验结果表明,特定领域知识的引导能够非常显著地提高算法的全局搜索性能和收敛速度.