蚁群算法的研究现状和应用及蚂蚁智能体的硬件实现

概要地对近年来引起广泛兴趣的蚁群算法的研究现状进行了考察，简要地介绍了几种修正的蚁群算法，如蚁群系统（ACS）、最大最小蚁群系统（MMAS），具有变异特征的蚁群算法，与遗传算法相结合的蚁群算法等；大致介绍了几种蚂蚁智能体的硬件实现，并且以蚁群算法在电力系统中的几个应用为例，考察了它在实际应用问题相结合时的一些情况。  

多智能足球机器人系统的关键技术

以NEWNEU参加机器人足球世界杯赛(FIRARWC99)的基于视觉型微型足球机器人系统MIROSOT为背景,详细介绍了机器人足球的关键应用技术·采用模糊神经网络和自学习专家系统的分层智能控制系统是当前机器人足球系统的研究方向·具有人工智能的自主型步行足球机器人是足球机器人的长远发展目标·  

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.  

多智能体系统中具有先验知识的Q学习算法

为了提高多智能体系统中的典型的强化学习——Q学习的学习效率和收敛速度,充分利用环境信息和相关的专家经验,提出了具有先验知识的Q学习算法。利用模糊综合决策方法处理专家经验和环境信息得到Q学习的先验知识,对Q学习的初始状态进行优化。典型的足球机器人系统中的仿真实验结果表明:该算法使学习过程建立在较好的学习基础上,从而更快地趋近于最优状态,其学习效率和收敛速度明显优于普通的Q学习。  

智能元搜索引擎的研究

介绍了一种基于Internet的信息检索系统：智能元搜索引擎。该系统采用分布式Agent技术，以词典作为信息匹配和交互的媒体，能够很好地对用户的兴趣进行自适应学习，对用户提供个性化的信息检索服务。  

基于本体的多智能体知识共享和协作

研究了基于本体的知识建模过程及其应用模式，分析了采用本体模式的知识集成和共享，设计了本体知识库的集成和融合方法，提出了基于本体的多智能体知识共享和协作处理模型，并给出了该模型在医学中的应用。研究结果表明，利用本体方式来获取、重用、共享和组织知识，可以简化多智能体协作中知识交互的复杂性，加强异构知识源的融合。  

基于多智能体的智能机器人分布式控制系统

在研究多智能体技术基础上，提出了一种基于分布式黑板和多智能体系统的类人智能机器人控制系统体系结构，并根据系统要求规划出具有不同功能的多个智能体，系统地分析了该控制系统中各个智能体的功能特点以及它们之间的协作关系，以运动控制接口的编制为例，介绍了CORBA技术在实现该软件系统中的方法，轴孔装配作业实验结果表明，本文提出的体系结构是可行的，采用CORBA技术和多智能体技术能有效地实现预定的装配任务。  

基于Agent的人机协同机制与人的作用

复杂流程工业系统是一类在一定的环境和组织中，人与机器所组成的复杂系统，理论和实践表明：一味追求高度的智能系统，越来越表现出很强的局限性，必须运用人机一体化的思想，从系统论的角度加以研究。结合先进的ulti-agent理论和技术，提出了一种在人与机器之间建立以Agent为中间体的人机协同机制。从而实现人与机器之间的柔性化信息交互接口。并分析了在这一人机协同新机制下人与机器各自作用的变化。  

基于多智能体的供应链协同机制研究

文章讨论了基于多智能体的供应链框架 ,在框架中由智能体代表供应链上的企业 ,以智能体的方式强调供应链企业间的竞合机制 ,设计一种多智能体的供应链模型 ,研究智能体结构以及多智能体系统的组织方式和协调机制。  

稳定的有领航者的多移动agent群集运动控制

对具有二次积分动态的多移动agent跟随领航者（Leader）取得群集（Flocking）运动编队进行了研究．提出了一个分散控制方法对多移动agent进行分散控制，并通过理论证明得到以下主要结论：a．所有agent速度方向收敛到同一方向并与领航者保持一致；b．所有agent速度大小收敛并与领航者相同；c．互连的agent之间没有碰撞发生；d．所有agent的人工势场函数被最小化．用图论模型表示agent之间的相互作用及通信关系，对固定的网络拓扑，控制互连拓扑是固定的、时不变的，运用传统的李亚普诺夫理论进行了稳定性分析．最后，给出了一个计算机仿真例子对所得结论进行了验证．仿真结果表明，控制策略可以保证所有agent的速度大小和方向收敛到与Leader保持一致，同时避免碰撞，并保持一个紧凑的编队．