基于多Agent的智能决策支持系统研究

本文将多Agent思想引入智能决策支持系统,提出了基于多Agent的智能决策支持系统框架并对其通信机制进行了研究。该系统可以有效地解决传统智能决策支持系统难以适应动态环境变化的问题。     

Internet上基于多Agent的智能学习过程研究

随着Internet技术和现代远程教育的飞速发展，基于Internet的远程教学已经成为了现代远程教育研究的热点，但是，目前大多数的远程教学系统仍然是沿用传统的学习方式，其整个学习过程缺乏智能性和协同性，文章将计算机人工智能中的Agent技术引入到远程教学环境的研究中来，并重点分析和研究了Internet上基于多Agent的智能学习的过程。     

基于多Agent的指挥引导智能决策模型研究

以多机协同作战为背景,以拟制协同作战方案为目的,将分布式人工智能理论技术引入到多机协同作战智能辅助决策,构建了基于多Agent的智能决策指挥系统框架,给出了该系统的Agent组成,定义并说明了各Agent的功能以及相互关系、信息运行流程,并分析了该系统的辅助决策过程。     

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．     

一种基于多Agent的动态负载平衡算法应用研究

在介绍动态负载平衡算法基本原理的基础上，提出了一种基于多Agent的负载平衡算法DMAL，定义了节点机可能的4种状态，并讨论了DMAL算法的实现规则；描述了基于DMAL算法的任务调度模型；讨论了DMAL算法中任务的分类问题、任务的迁移粒度问题、负载迁移的触发时机问题；为了增强在负载平衡时处理节点间的通信能力，引入了多Agent技术，并为异构分布式处理系统提出了一种基于DMAL算法的负载平衡框架结构；最后通过实验仿真，比较了DMAL算法、现有的负载平衡算法以及不作负载平衡的运行结果．实验结果表明，基于DMAL算法的分布式处理系统工作在不同负载和应用问题数据规模的情况下，在任务的处理时间、丢弃率和平均响应比方面都显示出良好的性能，从而验证了该算法方案的可行性和有效性．     

基于多Agent的交互式动态影响图研究、应用与展望

交互式动态影响图(I-DIDs)是不确定环境下多Agent序贯决策的图模型.该模型突破传统基于公共知识的纳什均衡点的假设,使得该模型具备解决大规模动态决策问题的能力,具有更为广泛的应用前景.在总结、分析动态影响图研究成果的基础上,针对多Agent的I-DIDs状态空间随时间片的增长呈指数级增长问题,提出了基于行为等价和动作等价的两种新型算法并进行算法分析;此外,探讨应用I-DIDs模型解决自动小车存取系统中的路径规划、避免环路死锁问题,扩展了I-DIDs的应用范围.     

基于影响图的多Agent决策问题研究

影响图是决策问题的图形表示,它是在贝叶斯网络基础上增加了决策结点和效用结点。文章讨论了影响图理论在多Agent建模与决策方面的应用;提出了联合分层影响图和动态贝叶斯网络来实现多Agent的实时决策的方法,该方法已在Robcup球员建模和决策方面初步得到应用。     

基于多Agent的智能微电网EMS设计与实现

随着智能时代的逐步到来,智能微电网技术已经成为电力系统发展的前沿技术.智能微电网作为未来电网发展的主流方向,能量管理系统是整个系统的核心.本文提出了一套较为完善的智能微电网EMS体系结构和功能模块,并对各模块涵盖的内容进行了简单介绍.设计开发的基于多Agent的智能微电网EMS可充分地利用各地丰富的清洁可再生能源,实施多Agent对能量变化的实时监控和预警,通过Agent Client/Server间的协作调度与控制维持电平的平稳,实现能源的充分、可靠地利用.     

基于动态贝叶斯网络的交通灯自主智能决策

现有交通灯大都采用定时控制,容易造成时间上的浪费甚至是交通堵塞,通过引入动态贝叶斯网络DBN ,分析影响交通灯时间的因素,建立具有星型结构的交通灯自主智能决策模型。该模型能够依据十字路口车辆的动态信息,实时决策交通灯的时间,并通过仿真验证了该模型能够自主决策出最佳的交通灯时间,实现了交通管理的智能化。     

基于多Agent系统的动态网络系统拓扑结构故障诊断方法

动态网络系统拓扑结构异常与故障呈对应关系,在拓扑结构不确定时,通过自组织算法能准确地实现动态网络拓扑结构的识别,是实现故障诊断的一种有效途径.提出了一种基于多Agent系统原理的动态网络系统拓扑结构识别方法,建立了故障诊断系统结构模型,提出了一种具有容错协调机制的邻居Agent搜索算法.以16节点动态网络系统为对象进行了仿真分析.结果证明,该方法能够有效地识别动态网络系统拓扑结构.     

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。     

一种基于D-S理论的多Agent合作决策机制

为了克服单个agent知识的局限性,提高系统决策的可靠性,提出了一种基于D-S理论的多agent合作决策机制,并对多agent合作决策进行了定义和形式化描述.多agent合作决策划分为学习和决策两个阶段,学习阶段反馈信息的引入,使各agent根据正确的训练案例和修正公式实现了冲突消解,降低了合成计算的复杂度,改进了Dragoni等人的工作,较投票机制和加权多数算法具有更高的可靠性,实验结果验证了这一结论.     

多agent的短期负荷预测系统

将智能主体(agent)技术应用到短期负荷预测系统中,提出了基于多agent的负荷预测系统的功能分层模型。针对如何从web页面提取有用的数据并将其集成并入到数据库中这一重要问题,提出结合agent技术将HTML(hypertext markup language)页面转化为XML(extensiblemarkup language)数据源的方法,使得在论文提出的功能结构中,数据采集层除具备基本的数据采集功能外,同时具备集成web页面的数据信息到系统数据库中的功能。给出了功能agent的实现方案。最后以一个实例证明了该方法的有效性。     

基于多agent和知识地图的智能教学系统研究

提出了一种基于多agent和知识地图的智能教学系统模型,对教学过程进行了详细的分析.该模型充分利用agents的交互能力和自适应能力促进系统与学生以及学生与学生之间的交互,并且利用个性化的教学知识地图对教学过程进行智能导航,以提高教学效果.在该模型中,学生agent基于学生的知识水平、学习风格、心理特征来构建学生模型以...     

智能组合预测法在短期电力负荷预测中的应用研究

提出将Kohonen网络、Elman神经网络和遗传算法结合起来建立一种智能组合预测模型,此模型能够综合各种单一预测模型的优点,内在结构随时间的推移不断变化,符合电力负荷的特点,提高了负荷预测的精度.文中给出了三种网络模型进行短期电力负荷预测的仿真结果比较,从而验证了智能组合预测模型的合理性和良好的应用前景.     

数据驱动的航空装备协同分析与智能保障决策方法

现代化战争模式对装备保障的响应性、精准性、可视性及自协同提出了更高的要求,而传统被动保障方式具有信息不精准、协同能力差、保障响应不及时等问题,迫切需要利用当前先进信息物理融合技术,实现“精准”、“敏捷”的主动式保障。针对主动式装备保障管理的需求,以及航空装备建立部件/系统数学模型困难等问题,提出一种状态协同分析与智能保障决策方法。该方法通过故障测试用例离线和在线的执行,产生测试数据;基于传感器的在线状态监测和历史数据,对装备状态进行估计和判断,从而提供智能保障决策服务。选取飞机燃油系统为对象,验证了提出方法的有效性,为主动式装备保障系统的研制奠定技术基础。     

一种基于单片机的智能节电器的研究

介绍了智能节电器的节能原理,给出了以AT89C52单片机为核心的智能节电器,介绍了硬件设计和软件框图。该节电器采用智能降压节能。     

基于多Agent的网关

随着多代理系统（MAS）的快速发展,不同MAS之间的通信变得尤为重要。MAS通常为了满足专门的需要而设计,因此MAS很难符合某一种标准。阐述了一种称为代理网关的工具,试图使用一种简单有效的方法解决上述问题。此工具先将来自一个MAS的消息转换成基于XML的中介消息,然后再转换成另一个MAS的消息。     

立式旋转智能株间机械除草装置设计与试验

为满足玉米苗株间机械除草作业需求,设计了一种基于立式旋转机构的智能株间机械除草装置.对除草装置的总体结构和避苗除草原理进行了阐述,通过理论分析和EDEM仿真试验,对除草装置的关键部件进行参数设计,并对除草刀的土壤铲切性能进行仿真评估.以作业速度、除草刀角度和入土深度为试验因素,以除草率和伤苗率为评估指标进行正交试验.结果表明:各因素对指标影响的主次顺序依次为作业速度、入土深度和除草刀角度;最优水平组合为作业速度0.5 m·s-1,入土深度50 mm,除草刀角度60°;以最优水平组合进行田间除草试验,平均除草率为89.57％,平均伤苗率为4.54％.     

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。