基于均匀设计的多智能体遗传算法研究

将均匀设计方法、多智能体系统与遗传算法相结合,提出了一种多智能体遗传算法.设计了基于均匀设计表的均匀种群初始化方法和均匀交叉算子,并将其引入算法中.算法通过智能体与智能体环境间的相互作用,以及智能体自学习提高自身能量,实现了复杂问题的全局优化目标.实验表明,该算法对于高维函数优化问题,尤其是高维多峰函数,具有很好的全局搜索能力和较快的收敛速度,能够避免陷入局部最优.     

基于Agent的作战单元行为规划方法研究

在海军多兵种协同攻击蓝方海上舰艇编队的作战想定背景下,为拟制红方参战兵力联合作战协同行动规划计划,采用智能体理论和多智能体技术,将担负作战任务的作战突击兵力定义为作战单元智能体,建立了作战单元智能体的BDI原型结构模型。基于分布计划的分布规划方法,定义了作战单元智能体的协同作战行为规划范围,建立了其协同行为规划问题求解操作方法类模型和行为规划模型,描述了作战单元智能体拟制协同作战行动计划方案的整个规划过程。通过规划形成决策功能,完成了协同行为规划初步计划方案,通过行动计划管理功能完成领域行为规划库的管理。     

网络环境下基于智能体的开放式多机器人系统

针对各种先进制造模式对多机器人系统开放性、灵活性的要求 ,利用智能体的思想 ,综合集中规划与分布规划、慎思智能体与反应智能体的优点 ,在网络环境下设计了由多个同构混合结构的智能体组成的动态集中规划的开放式多机器人系统 (distributedagent basedopenmulti robotsystem ,DAORS)。重点介绍了本系统中智能体的结构与特点、实现方法以及系统开放性与鲁棒性的体现     

多智能体并行仿真框架

多智能体仿真具有广泛的应用前景。但是,现有的多智能体仿真和并行仿真无法解决数量庞大且具有复杂动力学特性的智能体仿真,因此研究这类多智能体的有效仿真具有重要的意义。为了能够有效仿真这类系统,设计了一个两层的多智能体并行仿真框架,指出了该框架中面临的挑战。除此之外,针对仿真中提高仿真效率的挑战,作者提出了一种加快仿真速度的方法。实验结果表明该方法可以明显提高仿真效率。     

应用在基于Agent作战仿真中的协作Recognition-Primed Decision模型

现阶段,团队认知、自然决策方法和协作理论方面的研究是人工智能方面的热点问题,然而在将自然决策方法应用到多智能体的协作决策方面还需要进行大量的工作.该研究的目的是建立作战仿真中的协作决策模型,在对Klein的RPD模型进行了修改的基础上,提出了协作的SRPD模型,它能够支持多智能体系统态势感知的统一,并能将感知简化和提炼为多智能体的协作决策服务,并将该模型引入到作战仿真多智能体系统中建立了基于协作SRPD模型的多智能体体系.实验表明内核为协作SRPD模型的兵力主体能够对战场环境自主反应,并能够进行协作决策来协调统一团队的行为.     

交互式多智能体进化算法及其应用

将多智能体技术应用于交互式进化计算领域，提出一种新的交互式多智能体进化算法。该方法让固定在网格上的相邻智能体之间展开竞争和熏优智能体本身的自学习，来提高智能体的能量，从而使得算法获得较强的全局收敛能力和局部搜索能力。算法以较快的进化速度收敛，并且用户每次只需要选择2个左右最感兴趣的个体，使得评价具有易操作性和轻松性，从而有效缓解用户的疲劳。服装设计的仿真实验证了算法的可行性和有效性。     

基于多智能体仿真的新产品市场扩散研究

基于多智能体的仿真是一种基于微观个体行为的建模仿真方法,具有广泛适用性、分布性、智能性和交互性等特征.本文首先指出了多智能体仿真系统的优势,探讨了多智能体仿真的基本思路,然后构建了一个基于多智能体的新产品市场扩散仿真模型,最后应用多智能体仿真平台AgentSheets实现了该模型.     

复杂工业过程多智能体协调Petri网模型

分析了复杂工业过程下的多智能体体系系统所面临的问题,探讨了有关多智能体系统的协调地,采用并行处理技术,建立Ｐｅｔｒｉ网模型,对复杂工业过程多智能体协调进行了模拟。     

基于Recognition-Primed Decision模型的多智能体作战仿真(英文)

自然决策方法应用到多智能体协作决策是人工智能研究的热点问题,而作战仿真中的协作决策问题是多智能体协作决策重要的应用领域。为了建立作战仿真中的协作决策模型,将模糊集、模糊规则引入Klein提出的RPD模型中对战场环境中的不确定性信息进行处理,并建立了基于RPD模型的作战仿真多智能体体系。仿真结果表明内核为RPD模型的兵力主体能够对战场环境自主反应,并能够进行协作决策来协调统一团队的行为。     

多智能体系统分布式控制的研究新进展

多智能体的运动协调和覆盖协调问题是多智能体系统的协调控制研究中的两个基本问题.综述当前这两个问题研究的主要内容及相应的主要结果,同时给出了仍然需要解决的问题和可能的研究方向.     

实现战术态势估计的一种多agent计划识别方法

利用目标编群思想描述多agent行动之间的协作关系,建立了一种基于多agent计划识别的战术态势估计模型。分析了计划库的构成及结构层次,给出了一种基于多agent假设的计划识别算法。以一阶谓词逻辑为形式语言,扩展了战术智能规划的一个实例,引入了描述多agent完成同一任务的谓词和算子。对实例的分析说明了基于多agent计划识别的态势估计过程,表明了使用该方法求解态势估计问题的可行性。     

基于层次任务网络的应急资源协作规划方法

应急响应一般涉及多个部门,各参与部门需要通过合理的协调方法规划应对方案,协同使用应急资源是不同部门间应急行动方案制定的关键.为处理规划过程实时产生的资源冲突,文章提出了基于层次任务网络(hierarchical task network,HTN)的多部门分布式协作任务规划框架,将规划方案行动的生成过程作为需要考虑的协作问题,并通过协作过程与规划过程的嵌套,减少规划无效方案而提高协作效率.其次,探究并设计处理重用性资源的协调机制,使用多种优先级判断规则消解资源使用冲突.进一步,在建立的协作框架和资源协调机制的基础上,提出基于HTN的协作规划算法.最后通过实验案例说明了应急资源协作规划方法的应用,并对本方法的有效性和相对于原有方法的效率优势进行了验证.     

应用于虚拟企业信息平台智能主体的构建

研究了应用于虚拟企业信息平台智能主体（Agent）实现模型，详细地指出了此类智能主体的逻辑模型与实现模型。初步实现虚拟企业伙伴选择多Agent系统，并给出构建思想与测试结果。     

基于CAS理论的多智能体战斗模型仿真研究

为了研究基于复杂适应系统理论的多智能体仿真模型的演化、涌现规律,在Swarm平台上建立了一个多智能体的战斗模拟仿真系统,并对战斗过程双方Agent数量和实力的演化进行了模拟仿真,得到了和传统数学模型不一致的结果.基于复杂适应系统理论的多主体仿真模型可以模拟复杂系统的微观行为,进而能够显现出系统宏观涌现现象,非常适合模拟复杂的战争系统.     

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。     

复杂任务下的多智能体协同进化算法

针对多智能体系统在处理复杂任务时存在的低效率、高冗积、多智能体系统内协同模型算法存在交互冲突、资源损耗过高等问题,提出一种基于复杂任务的多智能体系统优化算法.在差分进化算法与局部优化算法的基础上对二者进行优化,结合强化学习的训练框架,构建训练网络,通过对学习步长进行修订,改变种群迭代优化准则,使得种群在计算力充足的情况...     

基于多控制智能体的改进shepherding行为

针对目前shepherding行为生成方法中,shepherd的运动方式缺乏速度和时间约束的缺陷,提出了一种改进的shepherding行为生成方法。通过在shepherd的路径规划中,把基于概率路径图（probabilistic roadmap, PRM）的多智能体解耦式规划方法和基于速度调节的时变规划算法相结合,使得shepherd的运动满足时间和速度的约束,同时利用优先级策略实现shepherd之间的信息交互能力,因此产生的shepherding行为更加真实。仿真结果表明,改进的shepherding行为更符合骚乱事件中真实人的运动特性。     

基于生物免疫机制的复杂系统健康监测与评估

生物免疫机制的模拟与实现对复杂系统的健康状态监控有重要的现实意义。分析了免疫的机制和特点，构建了基于多Agent的分布式免疫机制模拟结构模型，并给出了免疫Agent的逻辑结构模型，模拟生物免疫机制对故障进行监测、诊断和学习。在此基础上以一实际的柔性制造系统为背景进行了应用研究，给出了故障识别及其影响评估方法，可作为系统协调控制的依据，仿真试验表明该方法是有效可行的。     

Multi-agent reinforcement learning based on policies of global objective

1 .INTRODUCTIONBecause an agent’s rewardis a function of all agents’joint action, when applying RL[1]to multi-agent do-mains ,some fundamental change should be made .Byadopting single agentQlearning[2]to Markovgames,several algorithms have been proposed,suchas Littman’s mini maxQ-learning( mini max-Q)[3],Hu et al’s NashQ-learning(Nash-Q)[4 ,5], Claus etal’s cooperative multi-agentQ-learning[6], Bowlinget al’s multi-agent learningQ-learning using a vari-able learning rate[7 ~9],…     

应用免疫算法进行电网规划研究

将一种新的随机优化方法——免疫算法应用于电网规划 ,利用 IEEE-6节点系统作为样本网络进行分析计算 .并将该方法跟基于遗传算法的电网规划方法进行比较 ,结果表明免疫算法在全局寻优的性能方面要优越于遗传算法 .本文还将基于免疫算法的电网规划方法应用于我国某实际电力网络 ,取得很好的规划结果.