多Agent的协同设计模型研究

针对制造领域环境动态变化的特点,提出了一种基于意图追踪的多Agent协同关系模型,该模型通过跟踪熟人意图来选择合作对象组成团队,把全局的协作问题分解为若干个局部协作问题,从而有效降低了系统资源的消耗.     

基于动态模糊关系(DFR)的多Agent系统组合模型

多Agent系统面对复杂的、单个Agent难以胜任的问题时需要合作,由哪些Agent参与合作是其中一个关键问题,从Agent之间在合作中形成的关系出发,研究多Agent系统的动态模糊性,在此基础上借助动态模糊关系理论建立多Agent系统组合模型,以此为基础提供一种解决Agent合作问题的途径。     

多Agent联合灭火救援作战仿真

将多Agent理论和技术应用于联合灭火救援作战的研究,构建了多Agent联合灭火救援作战模型框架,实现了联合灭火救援组织指挥相互之间的信息交换,显示了互相影响的行动过程.对系统中指挥Agent、作战Agent和环境Agent进行描述,定义Agent之间以及Agent与环境之间的交互规则,来描述系统的相互关系,给出了多Agent的协同算法,并构建了联合灭火救援仿真模型.最后用多Agent软件工具集和通用软件平台(SWARM),采用JAVA语言编程,进行了模拟仿真,对文中构造的模型及相应机制进行了功能验证.     

熟人道德关系的现代嬗变及其引导

随着改革开放、经济的全球化、市场经济的建立与发展以及互联网的普及,传统中国的熟人道德关系向陌生人道德关系迅速拓展,但由于厚重的文化心理和公共规则与制度的不完善,当前中国社会的道德关系又有向熟人道德关系复归之势。理性审视中国社会道德关系的现代嬗变,将有助于引导其健康发展。     

联合灭火救援作战Swarm仿真

为建立多Agent联合灭火救援作战模型框架.将多Agent理论和技术应用于联合灭火救援作战的研究,实现了联合灭火救援组织指挥相互之间的信息交换,显示了互相影响彼此的行动过程.对系统中的指挥Agent、作战Agent和环境Agent进行描述,定义Agent之间以及Agent与环境之间的交互规则,描述系统的相互关系,并构建联合灭火救援仿真模型,最后用多Agent软件工具集和通用软件平台(SWARM),采用JAVA语言编程,对模型及相应机制进行了功能验证.研究结果表明:该方法可以提高消防部队的作战能力,实现快速、高效、科学决策.     

基于多Agent联合灭火救援作战仿真方法

为实现联合灭火救援组织指挥的相互协作,建立了多Agent联合灭火救援作战模型框架.对系统中的指挥Agent、作战Agent和环境Agent进行描述,定义Agent之间以及Agent与环境之间的交互规则,描述系统的相互关系,构建联合灭火救援仿真模型,最后用多Agent软件工具集和通用软件平台(Swarm),采用JAVA语言编程,对模型及相应机制进行了功能验证.结果表明,该方法实现了联合灭火救援组织指挥相互之间的信息交换,完成快速、高效、科学决策,可以提高消防部队的作战能力.     

基于管理Agent的改进协作模型的研究

自动化计算总的越来越趋向于网络化、智能化、代理化、人性化发展,多Agent系统正是在这种环境之下发展起来的一种先进的计算模式。通常情况下,多Agent系统中的Agent在逻辑上或者物理上是分离的,Agent间交互与协作的智能行为及其有效性是多Agent系统研究的重点。对多Agent协作机制的研究主要是在动态环境下,多个独立自主的Agent通过相互的交互与协作等智能行为去完成对任务的求解。在多Agent系统中,传统的基于管理Agent协作机制属于集中式协调方式,采用这种协作模型的多Agent系统导致其管理Agent成为整个系统的瓶颈,从而影响系统完成任务的效率与稳定性,也增加对系统额外的维护费用。文章通过在传统基于管理Agent协作机制中加入了＂熟人＂、状态值元素,平衡了系统Agent的负载,降低了对管理Agent的维护成本,整体上提高了系统解决问题的效率。     

多Agent协同机制及其在AeSCM系统中的应用

对多Agent协同问题进行了研究,提出了面向任务熟人联盟(Task Oriented Acquaintance Coalition,TOAC)的协同机制,并将该模型应用到本文构造的电子商务供应链管理系统中．试验分析和实际应用都证实：在电子商务供应链的环境下,能够有效地解决在开放分布的MAS环境中多Agent的社会组织、合作问题求解、任务分配、通信开销瓶颈等问题．     

古代诚信关系的形成与特点

古代社会的诚信关系以两性和血缘关系为核心，从家庭中发展出诚信义务：以熟人关系为范围，依靠交往的重复性来保持；以简单交换关系为纽带，以商品的直观性为基础；以不对等关系为前提，产生了君臣、父子、夫妻之间单方面的诚信义务。     

多Agent交互式动态影响图的建模方法

交互式动态影响图是一种以动态影响图为基础,利用有向图构造Agent之间交互作用的决策概率模型,目前只能解决2个Agent的问题.根据概率图模型理论、交互式部分可观测马尔可夫决策过程性质、最大奖励期望值原理等以3个Agent为例建立多Agent交互式动态影响图(I-MADIDs)模型,探讨除建模Agent之外,其他非建模Agent之间存在稳定关系时,如何简化I-MADIDs模型.最后对老虎问题进行建模,利用HUGIN7.0对其进行求解,分别讨论了建模A-gent和其他Agent的决策情况,对比了精确方法和简化模型中贝叶斯参数学习近似方法中Agent的决策情况,证明了近似方法的有效性.     

有人-无人作战智能体任务联盟形成策略方法

为解决有人-无人作战智能体协同执行任务形成联盟问题,采取先任务分组后进行智能体到任务组匹配的联盟形成策略,即利用任务间相关程度具有传递性的特点,引入任务距离概念,设计了任务能力需求一致的任务分组策略,并给出基于可达矩阵变换的分组求解方法.针对联盟形成是分布式能力聚合过程的特点,在考虑智能体到任务组的匹配程度优先级和作战智能体能力利用效率的基础上,设计一种基于拍卖机制的作战智能体到任务组的匹配策略.通过案例计算,得到离岛突击想定下的任务联盟形成方案,分析所形成联盟的资源冗余性,验证了所提联盟形成策略和方法的有效性.     

多诊断方法代理联盟策略研究

针对故障诊断对象的多故障特性，为使系统在诊断对象的各子故障域的诊断精度达到最高，给出了可以适合于在多故障情况下找到一个最优联盟结构的算法，首先，给出了各个诊断方法代理和代理联盟的诊断能力的定义，并且提出将联盟的诊断能力作为评判标准，然后，在各子故障域同时进行联盟结构的搜索，寻找出具有最高联盟诊断能力的结构形式，并改变联盟矩阵中相应单元的值，最后，根据联盟矩阵确定各子故障域的联盟结构，并在此基础上形式该诊断对象的诊断联盟。     

电子市场中基于前摄性信息的联盟形成机制

提出一种基于前摄性信息传递的联盟形成机制．具有相关经验的agent通过预认知决策模式（Recognition Primed Decision Model）选择电子市场中符合条件且经验效用值较高的agent，前摄性传递本次联盟的相关信息，使其主动加入联盟，从而可快速形成联盟，减少通信开销．     

多agent系统的联盟框架及形成机制

基于集合分割、Rough集理论、大系统控制论和人工社会理论对多agent系统协作的联盟框架及形成机制进行了研究,提出了2类6种联盟框架.在知识层次上定义了联盟精度等概念,并给出了联盟形成的算法描述,算法易于编程实现,并给出一个应用实例,有效解决了agent的能力和任务所形成的知识集合边界不分明的问题.     

基于前摄性信息和效用函数的卖方联合形成机制

将前摄性信息传递机制引入到电子市场多agent卖方联合.Agent在涉及新领域时原有的联合经验往往不可用,此时可以利用其他agent的联合经验快速形成联合.为克服由于a-gent的自利性而有效前摄性信息传递较少的情况,利用效用激励的方式使得agent主动提供前摄性信息.通过利用前摄性信息传递形成联合,能够缩短联合形成时间,减少通信开销.     

具有不完全合作属性的单向流动态网络生成对策

通过定义联盟同质费用研究考察具有固定联盟剖分的单向流动态网络生成对策,这区别于同质费用、局中人同质费用的情形。局中人通过采取局部行动生成网络,即每次仅能增加、删除或替换一条指向他的连接,行动的原则是最大化其所在联盟的整体收益。在新的规则之下,通过示例研究了局部纳什网的结构特性及其动态生成过程。选择BG函数作为局中人的基本支付函数,诱导产生联盟-局中人的BG函数,最后根据Myer-son值在联盟内部的局中人之间分派联盟-局中人所获得的收益。     

改进型连续粒子群算法求解重叠联盟生成问题

采用基于整数编码方式的连续粒子群算法解决重叠联盟生成问题.设计了粒子的编码方式,给出了编码有效性检查方法和无效编码的修正算法.为提高种群多样性,提出了粒子位置的二阶段初始化方法;针对粒子易陷入局部极值问题,给出了粒子重新初始化机制.对出现停滞现象的粒子群,围绕其加权重心位置重新初始化,引导粒子突破了局部极值的限制.最后,通过实验验证了算法的有效性.
     

具有联盟结构博弈的联盟核心的公理化

研究了具有联盟结构博弈的联盟核心的公理化方式及Owen值与联盟核心之间的关系.利用一种缩减博弈,给出了解的一致性、弱反一致性等概念,用个体理性、单人理性、一致性和弱反一致性对联盟核心进行了公理化,给出了解为联盟核心的充分必要条件.结果表明,在该缩减博弈下,联盟核心是唯一确定的,对于具有联盟结构的强凸博弈,Owen值属于联盟核心.     

联盟模式下云资源提供最优化算法

为了提高资源利用率和云资源提供者的收益,提出一种云联盟模式下基于合作博弈的资源提供算法.算法将资源联盟收益最优化形式化为线性规划问题,通过合作博弈核求解了该收益最优化问题,并证明了处于合作核中的资源提供策略同样是线性规划最优解.进一步,为了获得稳定的资源联盟结构,设计了基于离散Markov链的动态联盟构造模型,通过该模型可以得到收益最大化的最优联盟结构.仿真实验结果表明,对于具有博弈理性的资源提供者而言,资源联盟可以有效提高个体资源提供者的收益,同时,由于结盟代价的存在,稳定的联盟结构更加倾向于形成规模更小的联盟.