基于集合覆盖理论的Agent协作问题研究

多智能Agent系统中的协作体现多Agent系统(MAS)的灵活性、整体性,通过协作提高Agent群体完成任务的效率.将集合覆盖理论(SCP)引入MAS系统协作行为中的任务分配问题求解,使用改进的低logarithmic ratio bound集合覆盖理论求解方法,详细阐述了利用SCP理论求解Agent任务分配问题的算法,并根据一个战场作战Agent任务分配实例进行了计算,有效地解决战场作战Agent的任务分配问题.     

基于SPN模型的分布式动漫渲染系统架构分析

对分布式动漫渲染系统的建模技术进行了研究,首先,分析了分布式动漫渲染系统中的两种典型架构--集中式架构和分布式架构的渲染过程,并在此基础上分别建立了集中式架构和分布式架构的sPN(Stochastic Petri Nets,随机Petri网)模型,然后进一步采用SPNP(Stochastic Petrt Nets Package)6.0软件对两种架构的平均时延进行了模型仿真分析,最后,得出了2种架构的性能优劣比较结论,为渲染系统在构建和设计阶段提供重要的理论依据.     

一种多属性的MAS任务分配机制研究

利用决策论模型对任务分配问题进行建模是当前研究MAS任务分配问题的重要方向之一.利用决策论模型提出了一种多属性MAS任务分配模型及最优任务分配原理,并采用了基于效用理论的多属性决策方法PROMETHEE-Ⅱ对MAS任务分配算法进行有效地实证分析.通过实证分析说明,这种方法非常有效且能够作出比较合理的任务分配决策.     

Multi Agent动态分组模型用于多无人机协同任务分配

多无人机协同任务分配应用Multi Agent系统模型时需考虑对大规模Agent的分布式管理和动态协调。协同任务分配将每一无人机视为系统中一个Agent,对全体Agent进行动态分组,分别提出决策Agent及成员Agent的动态分组模型和评价函数,由决策Agent管理和协调本组全体Agent执行任务,降低了大规模任务分配的决策成本并有利于实现全体Agent协同。仿真实验验证了模型及算法有效性。     

基于HLA/MAS的野营保障仿真建模研究

在分析研究HLA与MAS结构与功能的基础上,提出了一种HLA与MAS的联合仿真建模策略,即以HLA/RTI为主体架构,将仿真模型分为底层Agent对象、中间层MA联邦成员、上层MAS联邦,利用MAS/Agent技术进行对象层智能建模.并将该策略应用于野营保障仿真模型的构建,分析了模型结构与组成,设计了主要仿真流程及Agent通信控制策略,给出了类定义的实例,探讨了原型系统的实现.     

基于消息的分布式仿真支撑环境的研究

针对分布式多Agent的通信需求与MAS运行环境存在的问题,设计了基于消息的分布式仿真支撑环境,实现了声明管理、时间管理、数据分发管理等MAS通信核心功能,并针对HLA规范实现了基于消息的对象管理与所有权管理,还设计了智能通信Agent,利用通信Agent提高了支撑环境的容错能力和负载平衡能力,可满足从局域网到广域网的各种层次分布式仿真需求;与HLA/RTI分布式仿真支撑环境相比,具有技术难度低、应用简单、工作量少、成本低、动态调控性好、适用面广的特点。     

编队协同对地攻击多Agent系统体系结构研究

多Agent技术为网络中心战的研究和发展提供了新的思路。以网络中心战环境下飞机编队协同对地攻击系统为对象,对其多Agent系统体系结构进行了研究,分析了编队协同对地攻击作战方式的战斗组成和作战特点,提出了有限中央控制下的分布式控制结构,构建了网络中心战编队协同对地攻击多Agent系统体系结构,特别对编队协同对地攻击指挥控制系统进行了详细分析,最后,基于所建立的MAS体系结构,在HLA仿真环境中进行了仿真实验,表明论文所采用理论的正确性和所建立体系结构的合理性。编队协同对地攻击多Agent系统体系结构的研究为后续的工作奠定了基础。     

有人机/无人机编队协同任务分配方法

任务分配方法是任务控制过程的重要组成部分,是编队协同作战指挥策略的关键。以合同网协议(contract net protocol, CNP)和多智能体系统（multi-agent system, MAS）理论为基础,建立了有人机/无人机编队MAS结构和基于投标过程的任务分配模型,将任务优先权引入任务分配模型中,可以实现预先任务分配和执行过程中动态任务分配,保证动态环境下编队整体分配效能较优。针对作战想定进行了仿真计算,结果表明,基于CNP和MAS理论的有人机/无人机编队协同任务分配策略具有良好的预先任务分配和实时任务分配效果,能够满足编队作战任务的需要。     

弹道导弹突防信息对抗仿真系统设计研究

以弹道导弹突防信息对抗为仿真对象,即实现系统可扩充性、互操作性和提高大型复杂自适应对抗系统分析论证能力为目标,综合运用基于HLA和Agent的建模仿真技术,设计开发分布式的仿真联邦,重点研究了基于HLA的Agent通信控制、本体模型在Agent知识水平通信中的应用以及提高HLA仿真效率途径等问题.研究结果表明,交互行为本体的应用,可以提高集成HLA和Agent仿真环境中的仿真效率.     

基于CORBA的多传感器管理原型系统研究

近年来,基于Agent的分布式智能系统已成功地应用于众多领域。将多Agent技术应用于多传感器管理领域研究,以开发多传感器智能管理的多Agent系统,提出了基于CORBA的原型系统的基本框架和系统实现途径及方法,其中着重研究了融合Agent与传感器Agent的原型系统结构、基于多Agent理论的传感器管理问题分布式任务分解与控制问题以及Agent之间的协调合作问题。原型系统的研究,为实际应用系统的研制开发提供了理论指导和方法依据。     

有人/无人作战智能体分布式任务分配方法

有人/无人作战智能体任务联盟是面向分布式网络化作战体系提出的一种作战样式,任务分配问题是研究任务联盟指挥策略的关键点之一。以有人/无人作战智能体任务联盟为研究对象,提出与之适应的分布式体系结构。将任务执行质量引入任务分配问题建模中,以拍卖算法为基础,通过编组整体拍卖、方案预处理等改进机制,有效降低了个体方案的构建开销,并在约束的时间内实现任务联盟的动态任务分配。针对作战想定进行了仿真计算,结果表明算法能在有限拍卖次数下给出接近理想优化效果的分配方案。     

基于多agent系统的舰艇编队防空辅助决策系统

提出基于多agent系统(multi-agent system,MAS)技术的分布式编队防空辅助决策系统基本框架。在目标信息共享和平台间实时作战参数交换的前提下建立了基于平等协商的分布式目标协商算法,混合运用Ta-bu搜索算法和基于规则的计划算法。在目标分配协商中,采用~Brown算法通过agent之间平等协商进行目标分配。在本舰防空计划中,采取软/硬防空计划并行比较消解冲突,实现本舰软/硬防空武器防空计划的协调。     

多平台分布式协同作战下基于MPC-MAS的指挥控制模型设计

在瞬息万变的网络化体系作战环境中,如何准确、及时地提取有用信息并作出决策,有效应对实际作战中作战效益低、资源损耗大、作战时间长等问题一直是研究的热点之一。本文以多平台协同完成对来袭目标的拦截任务为背景,提出了一种多平台分布式协同作战下基于模型预测控制(model prediction control, MPC)和多智能体系统(multi-agent system, MAS)的指挥控制系统模型。通过引入分布式多平台协同的模型概念,使各平台之间实现完全信息共享,并且采用全局分布-局部集中的决策结构,设计了分布式指挥控制的协同模型框架,选定蒙特卡罗方法进行仿真实验对比。实验结果证明了该模型具有收敛性好、误差低、损失值低等优点,可以高效地解决分布式环境下协同作战的指挥控制模型构建问题。     

任务/资源图模型任务调度与资源访问仿真分析(Ⅰ)

任务／资源图仿真建模方法由于包含丰富的时间属性而非常有利于分析复杂离散实时系统。首先简单回顾了任务／资源图建模方法，然后重点探讨了任务实时调度算法和资源访问控制协议。优先级驱动可抢占式算法是任务实时调度的关键，详细分析了RM算法的可调度条件。任务调度时往往会发生资源冲突，从而对任务调度有着决定性的影响，针对对资源访问控制协议对任务可调度性的影响进行了分析。     

Hierarchical resource allocation for integrated modular avionics systems

Recently the integrated modular avionics (IMA) architecture which introduces the concept of resource partitioning becomes popular as an alternative to the traditional federated architecture.A novel hierarchical approach is proposed to solve the resource allocation problem for IMA systems in distributed environments.Firstly,the worst case response time of tasks with arbitrary deadlines is analyzed for the two-level scheduler.Then,the hierarchical resource allocation approach is presented in two levels.At the platform level,a task assignment algorithm based on genetic simulated annealing (GSA) is proposed to assign a set of pre-defined tasks to different processing nodes in the form of task groups,so that resources can be allocated as partitions and mapped to task groups.While yielding to all the resource constraints,the algorithm tries to find an optimal task assignment with minimized communication costs and balanced work load.At the node level,partition parameters are optimized,so that the computational resource can be allocated further.An example is shown to illustrate the hierarchal resource allocation approach and manifest the validity.Simulation results comparing the performance of the proposed GSA with that of traditional genetic algorithms are presentod in the context of task assignment in IMA systems.     

基于多目标优化的传感器网络任务分配模型

由于网络节点资源受限,节点任务分配对传感器网络性能和网络服务质量影响很大.本文以优化系统时延、能量消耗及网络均衡度为目标,建立了基于多目标优化的传感器网络任务分配模型.同时为了有效协调多目标间的关系,采用目标协调优化方法构造目标函数.利用关键路径法解决通信路径选择,给出了基于遗传算法的最佳任务分配方案,进而最大限度地提高了传感器网络效率.最后,仿真结果表明了该模型和算法是合理的和有效的.     

Scheduling algorithm based on critical tasks in heterogeneous environments

Heterogeneous computing is one effective method of high performance computing with many advantages. Task scheduling is a critical issue in heterogeneous environments as well as in homogeneous environments. A number of task scheduling algorithms for homogeneous environments have been proposed, whereas, a few for heterogeneous environments can be found in the literature. A novel task scheduling algorithm for heterogeneous environments, called the heterogeneous critical task （HCT） scheduling algorithm is presented. By means of the directed acyclic graph and the gantt graph, the HCT algorithm defines the critical task and the idle time slot. After determining the critical tasks of a given task, the HCT algorithm tentatively duplicates the critical tasks onto the processor that has the given task in the idle time slot, to reduce the start time of the given task. To compare the performance of the HCT algorithm with several recently proposed algorithms, a large set of randomly generated applications and the Gaussian elimination application are randomly generated. The experimental result has shown that the HCT algorithm outperforms the other algorithm.     

虚拟化云中随机任务与资源调度方法

任务和资源调度方法是云系统的关键技术之一。但是,现有的研究往往忽略实时任务的高动态性和任务执行时间的随机性,使得调度方案的实际性能与期望性能相差甚远。针对以上问题,本文设计一个随机性感知的调度框架;提出一个启发式调度算法集成前摄性和反应式策略(proactive and reactive strategy, PRS)来对任务进行调度,以提高云系统保障实时任务时效性的能力;并提出3个计算资源伸缩策略来动态调整计算资源,以减少能量消耗。最后,通过实验将算法PRS的性能与其他4个算法进行比较。实验结果表明,在任务完成率和能耗方面,算法PRS的性能比已有算法提高13.85%和17.23%。     

Performance comparison of distributed state estimation algorithms for power systems

A newly proposed distributed dynamic state estimation algorithm based on the maximum a posteriori (MAP) technique is generalised and studied for power systems. The system model involves linear time-varying load dynamics and nonlinear measurements. The main contribution of this paper is to compare the performance and feasibility of this distributed algorithm with several existing distributed state estimation algorithms in the literature. Simulations are tested on the IEEE 39-bus and 118-bus systems under various operating conditions. The results show that this distributed algorithm performs better than distributed quasi-steady state estimation algorithms which do not use the load dynamic model. The results also show that the performance of this distributed method is very close to that by the centralized state estimation method. The merits of this algorithm over the centralized method lie in its low computational complexity and low communication load. Hence, the analysis supports the efficiency and benefits of the distributed algorithm in applications to large-scale power systems.