基于市场机制的多机器人救火任务分配策略

为解决多机器人系统领域中动态分布式任务分配的问题,对多机器人合作救火任务进行研究。建立了多机器人动态环境下合作救火任务的模型,并针对任务特点提出了一种基于市场机制的任务分配策略。在出价公式的构造上同时考虑了距离、火势、时间等因素,符合救火任务动态任务分配的要求。并在自主开发的仿真试验平台上进行了仿真验证,对试验结果进行了分析。实验结果表明,该分配策略在不同工况下均能高效地实现多机器人救火任务中的动态分布式任务分配问题。     

多机器人系统任务分配研究

设计分布式同质的多机器人系统,以实现以负载平衡为目的的任务分配。机器人个体使用包容框架拓扑结构和基于感知到行为的控制,使用视觉系统通过局部观察获取周围环境信息,由状态转移方程选择任务执行,实现从局部到全局的针对多机器人系统的涌现式协调方法。宏观数学模型从理论上证明了任务分配的正确性,再由真实环境下物理实验验证了这一多机器人系统可以达到指定的任务分配效果。     

复杂诊断系统的MAS分布式协作方法

为适应故障诊断中动态变化的环境和满足求解复杂系统全部任务的要求,研究一种基于MAS的分布式智能监控系统。以诊断决策问题的结构及建模过程的层次性为基本思想,基于诊断任务的多层次混合分解策略,提出融合不同表达方式和推理机制的多Agent并行诊断结构,建立了具有公共属性的智能体模块化层次结构,实现了基于MAS多层分布式黑板模型的智能监控系统。工程应用效果验证了多智能体结构框架下复杂系统分布式求解的可行性和有效性。     

基于Petri网的多机器人协作任务分配与导航研究

研究了基于Petri网理论的多移动机器人任务分配和导航策略问题.针对有限空间环境下的物科收集协作任务,提出了一种机器人路径选择方法,并建立了基本路口单元和工作空间的Petri网模型.通过任务分配模型实时规划物科仓库内的机器人,并对具有拐角特征的多机器人路径冲突给出了消解方法,建立了机器人冲突协调模型.通过分析任务冲突协调模型,避免了多机器人运动路径冲突.最后仿真实验验证了提出的多机器人任务规划方法的有效性.     

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.     

基于多Agent的危险源分布式监控系统

针对危险源特别是重大危险源的分布式远程监控预警系统对预防重大事故、应急救援、管理决策等具有重要作用.文中基于多Agent技术,提出了多Agent组(MAG)的概念和模型,并分析其特点及与多Agent系统(MAS)的区别与联系.进而在危险源监控任务的基础上建立了危险源监控的MAG功能模型,即把针对一个危险源的监控任务分解到监控Agent、远程通信Agent、特征提取Agent、预警Agent和界面Agent等5个Agent中,它们自主运行并通过协作构成一个多Agent组共同完成监控任务,由多个分布的MAG构成分布式危险源监控系统.最后基于以上MAG模型和分布式监控系统结构,建立了液化石油气储存装置的危险源监控原型系统,分析了该系统中实现的各个Agent的主要功能.     

基于协作Agent的分布式入侵检测系统

借鉴智能代理Agent技术,并结合XML技术,提出了一种具有两层代理结构的分布式入侵检测系统DIDS模型．该模型由多个域组成,每个域中有多个检测Agent和协作Agent,检测Agent分布在各受保护主机上执行检测任务,检测结果向上层协作Agent汇报;协作Agent则综合本域中各检测Agent的信息进行分析,产生本地报警,并通过XML向其他域中协作Agent报警．协作处理与均衡负载能力是该系统的主要特点．     

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。     

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.     

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。