可重构装配线多Agent系统实现机理研究

柔性和重构能力是现代制造系统的核心性能需求。以某汽车变速器装配生产线为研究背景,应用多Agent制造机理实现装配线的柔性和重构问题。在基于产品族功能分解原理与重构线柔性结构设计基础上,构建了基于多Agent制造案机理的系统体系结构及结合系统柔性与重构特征的Agent协商与合作机制。研究了面向多Agent系统通讯过程实现的本体建模方法并构建了重构装配线本体模型,实现了基于本体的系统通讯过程。最后在Zeus环境中实现了多Agent系统平台。     

结合Agent技术的飞行任务规划GDSS研究

如何更好地利用领域专家和计算机软系统相互协调实现飞行任务规划成为近年来对飞行任务规划研究的一个热点。在飞行任务规划系统功能、结构和特点分析的基础上,借鉴了群决策支持系统(GDSS)理论和人工智能领域的Agent技术,将飞行任务规划系统设计成以各个领域专家为核心,利用Agent定义的全新飞行任务规划群决策支持系统,并给出其描述模型。该设计以具有领域专家为核心,各个Agent相对独立,系统结构灵活等特点。     

基于多Agent技术的卫星星座设计分析

利用自治的卫星星座编队飞行、协同工作来完成复杂的空间任务已经有了越来越强的需求。本文介绍了多Agent技术和多Agent设计与仿真环境ObjectAgent,论述了如何利用多Agent技术进行卫星星座的设计分析,内容包括Agent的定义与实现,多Agent的组织结构,以及多Agent建模方法。     

基于半自治Agent的CGF建模及应用研究

计算机兵力生成(CGF)是现代作战模拟仿真中的一项主要内容，将智能半自治Agent引入聚合级CGF建模与仿真中，建立一个基于半自治Agent的协同武器作战平台的联邦成员，利用半自治Agent具有的二分性——自治性和受制性，更准确的表现战场作战实体。建模过程符合HLA联邦开发执行标准过程(FEDEP)规范，此项工作在实现聚合级CGF和平台级CGF交互和互操作做出一些探索性试验。我们将这项研究应用于主战坦克作战效能仿真评估的实例中。     

基于Multi-Agent系统的预测支持系统的结构

Agent技术是人工智能和计算机科学领域内新兴的研究热点,自治Agent和多Agent系统为复杂软件系统的分析、设计和实现提供了新的思路.给出一种基于Multi-Agent系统的预测支持系统的结构,将系统设计成由多个Agent组成的多Agent系统.各个Agent有自己的功能,可以独立自主地运行,还可以协同工作完成系统整体目标.     

基于遗传算法的群体决策支持系统有效性的评价

在综述和评价Rees和Koehler的群体决策支持系统（GDSS）有关假设的基础上，提出根据GA算子值评价GDSS有效性的思想，并建立相应的GDSS评价模型和GDSS的GA模型。     

基于AGENT的G网及其在柔性装配系统建模中的应用

在G网的基础上,引进了知识库所、决策库所,从而用agent的相关理论和方法扩展了G网模型,形成了基于Agent的G网(AGN)。研究了AGN用于柔性装配系统(FAS)的建模的方法和步骤。该柔性装配系统模型具有结构清晰、实现了Petri网与Agent的结合、有良好的扩展性和便于分布式程序设计等特点,而且在模块的智能化,封装化以及模块之间的松耦合和规范接口方面更加完善。     

基于多Agent系统网管模型的形式化建模

运用多Agent系统实现分布、自治的网络管理是构造下一代网络管理系统的一条全新思路。然而,大多数基于多Agent系统的网管模型均采用非形式化的方法进行描述,容易造成人们对模型理解的歧义性和在系统开发过程中的随意性。一种利用有色Petri网对分布式网络管理模型进行形式化建模的方法被提出。利用该方法所建立的形式化模型,能够对分布式网管模型中多Agent系统的组成结构和运行机制进行全面刻画,能够描述模型中用到的Agent的各种特性。     

基于Java的远程应急群体决策支持系统方案传输系统的实现

针对群体决策支持系统 ( GDSS)传统的群件通信产品速度慢、难以集成的不足 ,借助 Java在网络编程方面的优势 ,提出了基于 Java和 Internet的异地远程应急 GDSS的结构以及基于 Client/Server方式的异地远程应急 GDSS方案传输系统的程序流程图 ,并用 Java语言成功实现了开发     

基于HLA的智能Agent仿真环境研究

智能Agent建模方法是一种描述复杂现象、研究复杂系统、实现复杂自适应性计算的有效手段。高层体系结构(HLA)为复杂大系统建模与仿真提供了公共的技术支撑框架，但HLA／RTI提供的数据交换方式不能充分满足Agent之间的通信需求。研究了基于HLA的智能Agent仿真环境，通过HLA／RTI与知识共享和操作语言(KQML)的集成，实现智能Agent之间的通信和合作，并通过实验验证了该环境的可行性。