一种基于任务匹配的联盟生成策略

联盟生成是多Agent系统的一个关键问题,主要研究如何在多Agent系统中动态生成面向任务的最优Agent联盟.引入历史任务集和系统经验集的概念,使用任务相似度来判断任务间的关系.提出了一种基于任务匹配的联盟生成策略,增强了Agent的学习能力,对于任务序列可以有效的求解全局最优联盟.对比实验表明本策略可以有效减少联盟生成的搜索时间和计算量.     

基于量子多目标进化算法的多任务Agent联盟生成

多Agent联盟生成是多Agent系统的关键问题之一, 主要研究如何在多Agent系统中动态生成面向任务的最优联盟. 为使Agent能稳定的组织起来完成单Agent不能完成的任务并在成本、资源、利益等方面达到一个良好的平衡性能并达到全局最优, 提出了联盟多目标综合评价模型, 并将量子进化多目标算法应用于多目标多任务Agent联盟问题, 运用编码的映射, 将资源组合和任务分配合并为一个过程, 降低了问题的复杂性. 对比实验结果表明该算法求得的解的质量高, 平衡性好, 能有效避免了联盟死锁和资源浪费.     

多任务多联盟并行生成：模型与求解

联盟生成是MAS的一个关键问题,现有的工作主要研究如何针对一个任务生成最优联盟,很少考虑多任务多联盟生成问题(MMG).对MMG问题建立了模型,并进行了分析.在系统能力受限的条件下给出一种并行算法,首先找出最优可达任务集,再针对每个任务生成相应的联盟,从而实现了问题的分布并行求解.最后通过仿真试验说明了此算法的有效性.     

改进非支配排序遗传算法求解多目标Agent联盟

采用典型多目标进化算法-NSGA-II对从任务角度进行抽象建模所得到的Agent联盟模型进行生成优化,并针对Agent联盟生成存在的特点,将Pareto最优概念与多目标优化相结合对NSGA-II算法进行改进,从而实现兼顾联盟收益、开销、时间约束等多个目标。仿真对比实验结果表明,算法运行一次可以获得多个Pareto最优解,为各个目标之间权衡分析提供了有效的工具,在满足性能要求下,可为联盟生成提供满足多个设计目标的全局优化方案,对联盟实际应用具有借鉴与应用价值。对联盟实际应用具有借鉴与应用价值。     

一种基于Agent诚实度的动态联盟形成策略

联盟形成是多Agent系统一个关键问题,主要着眼于如何在联盟内Agent间划分联盟的效用.但已有策略大都针对超加性环境,而对非超加性环境的研究却很少.文中提出了"Agent诚实度"的概念,并基于协商机制给出了一种新的动态联盟形成策略.该策略在非超加性环境中可以快速、有效地形成任务求解联盟,及时满足系统需求.     

移动Agent系统的联盟形成

移动 Agent系统是一种分布式计算模型 ,移动 Agent联盟形成过程中需要考虑通讯和合作问题 ,本文给出了一种移动 Agent系统的联盟形成模型 ,讨论了联盟分级结构和联盟形成机制 ,利用令牌传输技术 ,以保证联盟内部的合作、决策和组织完整.     

基于维数划分策略和免疫的多任务联盟并行生成算法

设计了一种基于维数的Agent能力划分策略,提出"子Agent"概念;在此基础上设计了一种基于三维二进制编码的免疫算法求解多任务联盟并行生成问题,并对疫苗采取了自适应提取的策略.实验结果证明了该算法的有效性.     

任务优先满足和绩效奖励的重叠联盟效用分配

效用分配是联盟形成中的一个难点问题,合理的效用划分方式有利于联盟的形成与稳定.针对重叠联盟中一个Agent可以参与多个任务的复杂情形,提出了任务优先满足的任务分派方法.当新的Agent成员加入到联盟中时,任务分派时对原有联盟成员给予绩效奖励,然后根据任务分派情况进行效用划分,最后通过实例与已有的效用分配策略进行了对比分析.结果表明,本文所提策略能更好的满足效用非减,充分体现各Agent对联盟贡献的差异性,同时满足时效性、稳定性和动态性等特征.     

基于真实吐露贪婪机制的多Agent单机调度问题

在分布式环境下,从组合拍卖的角度出发研究了多Agent的单机调度问题,设计了一种贪婪机制.该贪婪机制包括贪婪分配算法和贪婪支付算法两部分,首先贪婪分配算法以资源Agent收益最大为目标解决组合拍卖中的竞胜标问题,然后贪婪支付算法以第二价格支付的形式确定中标者应该支付的最小费用.本文证明了该贪婪机制的真实吐露性,并通过算例说明设计机制的可行性与有效性.最后进行仿真实验比较该贪婪机制与线性规划方法的求解效果,结果袁明,对大规模问题,该机制能够快速得到使系统总收益近似最优的调度方案.     

智能工作站的MAS模型

提出了智能工作站 ( Intelligent Workstation:IW)的一种多 Agent系统 ( MAS)模型 ,MAS中Agent寻找合作伙伴的能力是问题求解的关键 .合作库搜集其它 Agent的可靠信息作为任务库的辅助库 ,任务库在任务与相关专家 Agent间提供直接的映射 .当一个 Agent接受的任务超出它的能力时 ,Agent可从任务库中找出最佳的合作 Agent并请求执行任务 ,MAS为智能网的“服务智能化”带来了更高的服务效率.     

有人/无人机任务联盟分阶段形成方法

针对有人/无人机任务联盟形成问题,采取任务聚类-平台匹配的分阶段形成策略。首先,给出问题要素定义,并进行相关数学描述。其次,基于对问题的分析,以最小化任务距离和为优化目标建立任务聚类的数学模型;以最小化指挥决策能力代价和资源能力代价为优化目标建立平台匹配的数学模型。然后,对任务聚类问题和平台匹配问题,分别采用优选初始簇中心的贪心聚类算法和多目标模糊人工蜂群算法进行求解;最后,通过仿真案例下的3组实验,验证了提出方法的有效性和优越性。     

多任务执行中无人机行动联盟形成模型及算法

针对多无人机(unmanned aerial vehicle, UAV)多任务执行问题,开展基于行动联盟的任务执行策略研究。分析了无人机行动联盟形成 (UAV action coalition formation, UACF) 策略的约束条件,建立了以最小化任务完成时间为目标函数的数学模型;设计了求解该模型的分阶段贪心规划算法 (phased greedy planning algorithm, PGPA),在进行算法状态空间描述的基础上,给出了包括任务选取、无人机〖CD*2〗任务匹配和资源分发策略等在内的算法流程;最后,通过多组仿真实验,验证了算法的有效性和优越性。     

基于rollout策略下的决策实体配置问题求解方法

针对传统层次聚类法采用贪婪策略的聚类过程可能无法达到聚类效果最优的情况,提出了一种基于rollout策略下的层次聚类法对所得聚类方案进行优化改进。分析了聚类过程中决策实体、平台与任务之间的关系以及约束条件,以作战任务的执行时间作为工作负载测度,建立以决策实体工作负载的均方根(root mean square, RMS)为目标函数的问题数学模型,以任务与平台的分配关系作为输入信息,在基于最小RMS值的平台合并准则下采用rollout策略对层次聚类法的每层聚类进行优化,得到平台与决策实体的优化配置关系。最后通过联合作战仿真算例和一般算例进行仿真分析,验证了该方法的可行性和优越性。     

有人/无人作战智能体分布式任务分配方法

有人/无人作战智能体任务联盟是面向分布式网络化作战体系提出的一种作战样式,任务分配问题是研究任务联盟指挥策略的关键点之一。以有人/无人作战智能体任务联盟为研究对象,提出与之适应的分布式体系结构。将任务执行质量引入任务分配问题建模中,以拍卖算法为基础,通过编组整体拍卖、方案预处理等改进机制,有效降低了个体方案的构建开销,并在约束的时间内实现任务联盟的动态任务分配。针对作战想定进行了仿真计算,结果表明算法能在有限拍卖次数下给出接近理想优化效果的分配方案。     

基于D-NSGA-Ⅲ算法的无人机群高维多目标任务分配方法

随着人工智能技术的快速发展, 种类繁多的无人机在军事领域得到了广泛应用。受单平台资源配备和执行能力限制, 大多数复杂任务需由多个无人机协同完成, 最优任务分配是其中需解决的重点和难点问题之一。最优任务分配方案求解问题已被证明是一个NP难问题, 针对多无人机系统的组织架构, 将非支配排序遗传算法与岛屿模型、主从模型结合, 构建一种分布式高维多目标演化算法D-NAGA-Ⅲ并对实际应用场景中4个目标进行优化, 并引入迁移策略和贪心算法对任务分配方案进行局部提升, 提高算法寻优能力和解质量。实验结果表明: 该方法在求解高维多目标的分布式无人机任务分配问题方面具有一定的效果。     

合作联盟中的节点选择及功率优化方法

无线网络中节点的合作通过形成联盟可以有效增大系统的安全容量。现有研究只是解决了联盟自身收益最大化的局部优化问题,没有从全局考虑联盟之间存在的竞争和干扰问题。文章首先基于联盟博弈理论,提出了实现物理层安全性能最大的分布式中继选择方案;在此基础上,针对联盟之间存在的干扰和竞争问题,基于有代价的非合作博弈,提出联盟功率的优化方法;根据优化后的联盟功率,联盟内的节点依据信道增益分配联盟的最优功率。仿真分析和性能比较表明,所提出的方法不仅可以形成稳定的联盟,与只考虑局部最优的安全性能相比较,降低了联盟的功率消耗,且提高了联盟的安全收益。     

具有能量收集设备的移动边缘计算资源分配研究

针对具有能量收集能力的移动边缘计算系统的计算资源分配问题,提出一种基于李雅普诺夫贪婪优化算法。构建在设备电池电量逐渐收敛下,移动设备时延与能耗联合成本的动态最小化优化问题。利用李雅普诺夫动态优化理论,将优化问题分解成每个时隙最佳本地执行、卸载执行和能量收集3个子问题,通过线性规划获得子问题最优解。通过在本地执行、卸载执行和任务丢弃之间选择执行模式,获得设备的时延与能耗联合成本最小结果。利用键值对设计贪婪策略程序,以适应多用户多服务器系统。仿真结果证实,在保证所有设备电池电量都在规定操作水平附近稳定情况下,卸载率可达99.9%以上,并能有效降低服务延时和系统能耗。     

基于集合覆盖理论的Agent协作问题研究

多智能Agent系统中的协作体现多Agent系统(MAS)的灵活性、整体性,通过协作提高Agent群体完成任务的效率.将集合覆盖理论(SCP)引入MAS系统协作行为中的任务分配问题求解,使用改进的低logarithmic ratio bound集合覆盖理论求解方法,详细阐述了利用SCP理论求解Agent任务分配问题的算法,并根据一个战场作战Agent任务分配实例进行了计算,有效地解决战场作战Agent的任务分配问题.