多Agent系统中任务分配问题的分析与建模

针对多Agent系统(MAS)内外环境变化所产生的不确定性和任务分配序列决策的要求,利用马尔科夫决策过程(MDP)模型对MAS中的动态任务分配问题进行了分析和建模.其中,状态空间由各Agent的当前负载和待分配的任务组成,每一状态下有多种任务分配方案,利用迭代方法可以获得最佳的任务分配方案以实现系统长期收益最大化的目标.仿真实验表明,MDP模型可以合理地模拟MAS中任务分配的运作过程,并在小规模环境下方便地获取最优任务分配策略.     

动态环境下基于改进合同网的多Agent任务分配算法

任务分配算法是多Agent研究的一个重要方向。基于传统合同网的任务分配算法在动态环境下存在效率较低的问题,而动态环境在实际工程中广泛存在。因此,为了使多Agent系统的任务分配算法适用于动态环境,本文提出了一种改进的合同网方法。该方法通过引入任务信任度和负载均衡度指标对传统合同网的任务分配方法进行改进。仿真实验结果表明本文所提方法较现有方法具有更高的系统收益且减少了多agent系统任务完成所需时间。     

智能环境下移动机器人任务规划与执行系统架构设计

针对移动机器人的应用需求,研究并建立与人共存智能环境中对人友好的通用任务规划与执行系统(HFPES)的模型与架构,包括建立分布式机器人系统的MAS模型.在完全分布式结构的基础上,加入集中式结构的优点,引入复合Agent和移动Agent概念,建立一种高可靠性的分布式机器人系统的多Agent结构.同时针对系统中机器人智能体给出其Agent建模的分层混合结构,包括任务计划层、任务分配层、IAAs管理层、自主规划层和构件管理层,并采用多Agent协商的方法进行任务规划分配,有效解决了环境动态未知性带来的问题.通过这种任务分配、执行方式可以最大程度上实现智能构件环境下机器人系统的自主运行,增强系统的稳定性和可靠性.     

基于超图的并行信息采集系统任务划分方法

针对大规模信息网络中的多Agent并行信息采集系统的任务分配问题,给出了一种基于超图划分的任务划分方法,该方法的思想是利用超图的划分方法,对网络进行分割,使分布在网络中的多个信息采集Agent只工作于各自的信息域中。     

基于多Agent系统的物流供应链任务分配模型设计

针对传统的物流供应链任务分配模型存在的任务成本过高的问题,设计了基于多Agent系统的物流供应链任务分配模型。首先对物流供应链任务以树状图的形式进行分解,然后对任务中存在的变量进行计算。依据获得的任务变量确定函数约束,得出具体的任务分配计算函数。在此基础上,采用Agent结构来进行运算执行,将设计的函数导入结构中,实现对任务分配模型的设计。对某供应工程中的任务进行模拟分配,实验结果显示,在实现任务的最低需求的条件下,该模型完成分配任务的成本低于传统模型,满足设计初衷。     

移动代理技术在自动测试系统中的应用

运用GPIB通用标准接口总线,可以使多台测试仪器仪表同时接入计算机自动测试系统。在网络环境下,运用移动代理技术Agent,主机按照一定的算法或分配策略给各处理机指派任务、分配Agent,将复杂的测试任务分配给多个移动代理Agent,使得各处理机同时执行测试任务,不仅提高了测试的速度,而且获得了较佳的并行性,提高了计算机的使用效率。     

基于多Agent的远程天气会商系统

Agent和多Agent系统是一个具有广泛参与面的研究领域，它为解决复杂的分布式环境下的交互问题提供了新的认识视角和理论框架。将多Agent技术引入远程天气会商，提出了基于多Agent的远程天气会商系统方案，建立了可行的系统结构与模型，给出了Agent的结构，并对主要的Agent进行了描述。     

自利Agent追捕联盟生成算法

多Agent合作追捕是多Agent系统研究的经典问题,在机器人等领域具有重要的应用前景。文章提出了面向任务的自利Agent联盟生成算法,该算法能同时处理多个不同类型的逃跑Agent的任务分配问题;因为追捕Agent和逃跑Agent速度相等,追捕联盟成员位置的分布十分关键,所以提出了基于贡献度的联盟成员选择策略;同时为了较好地体现追捕Agent的自利性,定义了需求度作为自利性的度量,解决了冲突协商且有利于资源的优化配置。通过与经典拍卖算法的比较表明,该算法显著提高了追捕成功率。     

基于VIP与VC的多Agent系统

多Agent系统是当前分布式人工智能研究的热点之一.探讨了单个Agent的结构特征以及多Agent系统的运行机制,结合Visual Prolog5.2和Visual C++6.0提出了一种实现多Agent系统的方案.尝试了多Agent系统背景下Choquet积分在综合评判问题中的应用.     

基于Agent的分布式入侵检测模型研究

传统的入侵检测系统多采用集中式的分析引擎,误报率较高且缺乏自适应性,难以满足大规模分布式网络环境的安全需求.Agent技术有效地解决了网络间任务分配合作问题,本文提出了一种基于移动Agent的主动网络自适应入侵检测系统.系统通过响应分析,自动产生响应策略,并派遣移动Agent去执行;根据入侵检测系统的报警可信度和响应执行情况,系统能够自适应地调整响应策略.同时,针对现有大多数模型具有较高漏报率的问题,提出一种基于蜜罐分布式的入侵检测系统模型.     

数据驱动的多Agent装备器材保障决策支持系统

为提高复杂网络环境和任务需求下器材保障的智能化水平,提出了一个数据驱动的多Agent器材保障决策支持系统DSS(decision support system),系统中的数据、模型以及Agent可分布在不同的网络节点上,高层Agent可由粒度更小的子Agent或Agent部件组合而成;系统中的各类智能Agent相互协作,共同完成异构数据集成、多维数据集构造、器材保障模型挖掘、复杂规划问题求解,以及保障方案自动生成等任务,从而有效降低了系统开发的难度,提高了Agent协作的灵活性。研究结果表明,该系统架构能够显著提升器材保障决策方案的质量和效率。     

多Agent信念修正框架BeReFrame

多Agent信念修正需要考虑多Agent系统的类型对信念修正的影响。在此提出了一个多Agent系统信念修正框架——BeReFrame。在BeReFrame中,Agent能够根据博弈论选择最优的修正策略去实现不同类型的多Agent系统中的信念修正目标。     

分布式任务分配中的一种信誉重连策略

传统的任务分配一般是基于环境确定和所有Agent均他利的假设,而实际环境往往是复杂的,复杂环境下的Agent更趋理性和自利,所有这些问题给传统的任务分配带来了障碍.基于Agent理性自利的假设,提出了一种重连策略FriendFind并进行了相关实验,实验表明该算法有效的解决了上述问题.     

基于多兴趣Agent层次结构的检索系统

为提高基于Agent的信息检索系统在海量的网络信息检索中查询准确率,提出了基于多兴趣Agent层次结构的检索系统模型(IRHOMIA,information retrieval system based on hierarchically organized of multi-interest Agent),模型对查询信息进行了兴趣预测并生成了用户兴趣项权重向量,输入到训练过的神经网络并把输出层生成向量中的每个值与给定的阈值进行比较来确定将查询任务分配给其他兴趣Agent或者是拥有相应资源的查询工具.试验表明,IRHOMIA在预测用户兴趣的效果和推荐搜索信息的准确率方面比传统的检索系统以及单兴趣Agent检索系统IRHOIA有5%以上的提高.     

基于多兴趣Agent层次结构的检索系统

为提高基于Agent的信息检索系统在海量的网络信息检索中查询准确率,提出了基于多兴趣Agent层次结构的检索系统模型（IRHOMIA,information retrieval system based on hierarchically organizedofmulti-interest Agent）,模型对查询信息进行了兴趣预测并生成了用户兴趣项权重向量,输入到训练过的神经网络并把输出层生成向量中的每个值与给定的阈值进行比较来确定将查询任务分配给其他兴趣Agent或者是拥有相应资源的查询工具。试验表明,IRHOMIA在预测用户兴趣的效果和推荐搜索信息的准确率方面比传统的检索系统以及单兴趣Agent检索系统IRHOIA有5%以上的提高。     

基于动态模糊关系(DFR)的多Agent系统组合模型

多Agent系统面对复杂的、单个Agent难以胜任的问题时需要合作,由哪些Agent参与合作是其中一个关键问题,从Agent之间在合作中形成的关系出发,研究多Agent系统的动态模糊性,在此基础上借助动态模糊关系理论建立多Agent系统组合模型,以此为基础提供一种解决Agent合作问题的途径。     

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.     

基于多Agent的设备动态智能预测决策研究

通过对网络模式下设备管理特点的分析,阐明了Agent的基本特征和多Agent系统的体系结构.结合多 Agent 系统技术理论,提出一个基于 Internet 的多 Agent 设备动态智能预测决策支持系统的实现模式与方法.     

基于知识影响图的多Agent集成诊断与决策

建造一种包括应用Agent和系统Agent的2层多Agent诊断系统结构，提出应用Agent诊断与决策及系统Agent全局决策的集成方案；设计基于知识的诊断与决策影响图及推理方法，分别用于应用Agent内部的诊断与操作决策、局部的运行决策、以及系统Agent的全局运行决策；实例证明了方法的可行性。     

MAS的发展及其应用

随着 Agent技术的不断成熟 ,A gent也逐渐融入应用计算机的各个领域 ,同时多 Agent系统 (MAS)也应运而生。多 Agent系统是分布式计算的一个新的研究领域 ,它通过多个 A gent之间的合作来完成问题求解 ,其中每个多 Agent系统就是一个有纪律的组织。本文把 MAS应用在一个数学问题的求解中并通过编程来实现 ,实践证明 ,该应用具有可行性和一定的应用价值