复杂自适应系统的MAS动态协作任务求解时序逻辑模型

借鉴组织学思想将自适应系统中的自主运行单元抽象为Agent, 把复杂自适应系统视为多Agent组织, 从时间和状态角度对复杂动态系统的行为进行描述, 提出了基于时序活动逻辑的多Agent动态协作任务求解自适应机制和构造模型; 分析了任务求解BDI Agent的信念、愿望、意图的产生过程和实现方法, 建立了协商推理的语义规则和行为规则, 给出了协作群组的选择算法. 并从任务求解Agent的心智变化角度, 描述了动态协作任务求解模型实现的六个阶段: 任务动态分配、协作意愿产生、协作群体生成、共同计划制定、协作群体行动和结果评估. 通过在MAGE等平台上实验和仿真测试, 验证了方法的可行性和有效性.     

一种新型多无人机系统体系结构的设计

针对多无人机系统(multi-UAV system)的特点和执行作战任务的需要,对多无人机系统的体系结构进行了初步研究,先提出功能需求和设计原则,然后给出一种新型多无人机系统体系结构的详细设计方案。在该体系结构下,所有的无人机物理上平等,没有哪一架无人机是不可缺少或不可替代的。该体系结构实现了在动态变化的战场环境下,无人机可以根据当前任务情况自主组建动态团队和子团队,无人机在团队框架下协作完成预定任务。团队中的无人机自主选举出团队领导,由团队领导对整个团队或子团队进行逻辑上的集中管理。最后对该体系结构实现中存在的几个问题进行分析并给出解决办法。设计过程表明,该体系结构能够满足所提出的功能需求。     

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.     

基于MEBN的战术意图识别

战术意图识别是不确定性战场环境中理解战场态势、预测敌军将来行动过程的关键。意图识别模型的构建是作战仿真系统中实体行为建模的难点之一,如何表示不确定的意图元素及其不确定性关系并进行有效推理是意图识别的核心问题。分析了影响敌人战术意图的因素及各因素之间不确定性表示途径,提出了采用多实体贝叶斯网（multi-entity Bayesian network, MEBN）来描述敌人的战术意图,采用一阶谓词来表示意图影响因素,大大扩展了贝叶斯网表示不确定性问题的能力。MEBN采用实体片断集描述敌人的作战知识,方便重用。基于描述的敌人意图知识库,给出了基于知识的模型构建算法来动态构建战术意图识别模型。最后,通过仿真实验,对基于MEBN的战术意图识别方法进行了实验验证,结果表明该方法是有效可行的。     

面向协同设计的任务调度问题研究

针对协同设计任务调度存在的问题,综合考虑了协作项目间、任务间及任务自身的具体因素和约束,在建立设计任务网络图的基础上,提出了一种以"任务优先系数"为指标的可并行执行任务集内任务的执行调度算法.综合考虑协同设计过程中的诸多动态、不确定性及非量化等因素,基于均衡一适度原则建立了任务到团队成员分配的扩展数学模型,并利用匈牙利算法进行求解.研究表明,该方法能有效对复杂产品的协同设计流程进行规划,且简单易用.     

基于BDI的CGF通信行为建模

结合分队协同作战中的通信需求,基于联合意图理论对通信行为构成的基本模式进行了分析。在此基础上,根据行为产生的条件和影响因素对通信行为进行分解,基于BDI模型构建了CGF个体的通信行为模型框架;基于该框架对CGF通信行为决策过程进行详细阐述,提出了OCBC通信行为模型;建立了通信代价模型,使得个体决策过程中的通信行为更加符合实际。仿真实验表明,在个体决策过程中建立通信行为模型,增加了CGF自主决策的真实性。     

一种基于分形的海浪视景仿真方法

鉴于目前的海浪视景仿真模型要么逼真性不好、要么实时性较差的现状,提出了一种基于分形的海浪视景仿真方法,即以简单三维进行波为基本波形,采用地形模拟中的连续随机增加法对基本波形进行变形,同时为了保证图像的连续性采用了多重插值的方法。该方法能够很好的体现海浪的随机性,具有较好的逼真性和实时性,且容易构造视点相关的LOD模型。     

多机器人的改进型边界探索算法

针对多机器人探索未知环境问题,提出了改进型边界探索算法。该算法综合考虑边界角度和距离两种因素,引入分散机制,使机器人团队协同工作,避免出现拥挤,减少探索过程中的重复覆盖和路径交叉现象。基于与其他方法的实验比较结果表明,该探索方法使多机器人具有更好的团队协作能力,提高了探索效率。     

基于多智能体强化学习的多机器人协作策略研究

研究了一种基于智能体动作预测的多智能体强化学习算法. 在多智能体系统中,学习智能体选择动作不可避免地要受到其他智能体执行动作的影响,因此强化学习系统需要考虑多智能体的联合状态和联合动作.基于此,提出使用概率神经网络来预测其他智能体动作的方法,从而构成多智能体联合动作,实现了多智能体强化学习算法. 此外,研究了该方法在足球机器人协作策略学习中的应用,使多机器人系统能够通过与环境的交互学习来掌握行为策略,从而实现多机器人的分工和协作.     

团队锦标赛中任务依赖性与薪酬机制对代理人拆台行为的影响

采用真实任务实验方法,探讨任务依赖性与薪酬机制因素对代理人拆台行为的影响。利用对96个被试进行的4个实验,获得如下结论:1任务依赖,团队薪酬按贡献分配时,高能力的个体更倾向于实施拆台;然而团队薪酬平均分配时,低能力个体的拆台行为更频繁。2任务依赖背景下,团队中能力最低的成员成为"众矢之的",遭到竞争团队的集中拆台;任务独立时,竞争团队则聚焦于对团队中能力最强的成员实施拆台。换言之,"木桶理论"在任务依赖情景下成立,而"擒贼先擒王"观点在任务独立情景下得到支持。     

基于时序图的作战指挥行为知识表示学习方法

为深入探索时序作战指挥行为知识的建模方法,实现对具有时序关联特征的指挥员作战指挥行为的有效表征,以兵棋推演作战指令为基础,提出一种基于时序图的作战指挥行为知识表示学习方法,对作战指挥行为进行知识表示学习,并通过作战指挥行为预测任务验证模型的有效性。实验结果表明,提出的方法对于评估指标提升较大,能够有效捕捉想定场景下联合作战指挥员的作战指挥行为时空特征,为时序作战指挥行为知识的表示学习提供了可行范例,为联合作战指挥员的指挥经验抽取和联合作战态势认知提供基础。     

基于时序图的作战指挥行为知识表示学习方法

为深入探索时序作战指挥行为知识的建模方法,实现对具有时序关联特征的指挥员作战指挥行为的有效表征,以兵棋推演作战指令为基础,提出一种基于时序图的作战指挥行为知识表示学习方法,对作战指挥行为进行知识表示学习,并通过作战指挥行为预测任务验证模型的有效性。实验结果表明,提出的方法对于评估指标提升较大,能够有效捕捉想定场景下联合作战指挥员的作战指挥行为时空特征,为时序作战指挥行为知识的表示学习提供了可行范例,为联合作战指挥员的指挥经验抽取和联合作战态势认知提供基础。     

双机编队协同战术的实现

针对空战的特点,对双机编队的作战任务进行功能分解。通过引入描述攻击过程中编队作战决策心智状态的信念、目标、行动和路径等算子,给出了双机编队的协同作战意图,以及编队内各架飞机之间通信行为的概念。研究了基于协同作战意图的“主从式协同、协商式协同”编队战术的协调方法。仿真结果表明,基于协同作战意图的协调方法可提高编队的作战效能。     

舰艇编队网络化防空作战空袭目标威胁评估

以舰艇编队网络化防空作战为背景,基于目标的攻击能力、攻击意图、攻击速度和舰舰相对价值给出了一种新的空袭目标威胁评估方法。首先根据编队当前任务以及各舰完成任务的能力、目标类型、敌我相对态势分别建立舰舰相对价值、目标攻击能力、攻击意图的量化模型;然后基于最大威判距离、目标攻击意图确定目标威胁等级划分方法;最后以目标飞临时间作为目标攻击速度的衡量指标,结合目标攻击能力、攻击意图以及舰舰相对价值建立目标对编队的威胁评估模型。仿真结果表明,该方法符合一般战术推理和经验判断,能较好地描述空袭目标威胁大小,可为编队网络化防空作战决策研究提供一定的参考。     

多域作战下的群目标意图识别与预测

多域作战具有实体多类、队形多变、意图多样等诸多挑战,难以综合利用多元知识,因而主要依靠人工判决,以至于自动化水平不高。为了实现计算机自动推演态势,需要解决知识的图形化建模和意图推理综合两大难题。对此,在空海域管控知识图谱的基础上,搭建了多域作战战术规则库、编队队形与场景态势的映射关系,提出了基于多实体分层贝叶斯网络的群目标意图识别与预测方法。首先,运用群内目标实体的状态和事件信息,构建目标作战实体行为推理层。其次,利用综合作战实体的时序规则、双方相对距离及航向等信息,构建同类目标元意图推理层。最后,利用实体序列协作关系及编队队形信息,构建多域作战下的群目标总意图推理层。以航母群活动仿真数据为例,验证了所提算法能够获得较为可靠的意图推理结果。     

油田安全作业虚拟仿真训练系统研究

利用虚拟现实技术构建油田安全作业虚拟仿真训练系统,提供交互式训练功能。提出了封闭式演示、指南式向导操作和开放式自由操作三种培训模式,给出了油田安全作业虚拟仿真训练系统的开发框架,定义了虚拟人基本动作及其参数化表示,解决了行为定义以及可重用性问题,并对虚拟人的操作手形进行了分类。最后从感知环境、行为控制、运动控制和碰撞检测四个方面分析了场景驱动执行引擎的功能,协调虚拟人和操作物体的交互活动,控制虚拟场景的变化。本系统的应用有效地解决了油田安全作业培训的成本、安全和效果问题。     

基于影响图的多智能体学习算法

提出一种多智能体学习算法.用影响图作为 agent 表示工具,给定 agent 的一个初始模型和它的历史行为,在能力、信念和优先学习的基础上来构建新的模型.学习方法是把其它 agent 的历史行为作为训练集,利用神经网络以及决策知识和专家知识来修改影响图中各结点的连接关系.针对与 agent 历史行为不一致的情况,本文把它看成效用函数发生了随机偏差,通过 Markov chain-Monte Carlo 技术进行模拟,实现效用函数的调整.最后利用多机编队协同空战作为例子说明算法的实用性.     

协同设计中人力资源、组织和知识管理的研究

从场景的角度分析了组织、成员、它们的知识和CSCW之间的关系和相互作用,强调了其重要性,提出一种基于角色的知识建模和管理的方法,最终实现了一个原型系统.该方法实现了对组织结构隐性知识的学习和团队与成员的知识管理,从而为协同设计中的知识管理和重用提供基础.     

虚拟人追逐行为的一种决策模型

行为仿真是虚拟现实领域中的一个重要课题,追逐是动物和人类最常见的行为,建立追逐行为模型是一个有趣的话题。分析了一种包含追逐者和逃跑者的追逐行为,引入人的生理参数和情绪参数,建立了情绪、体力和速度之间的计算公式。根据非合作动态博弈原理建立了行为决策模型,我们在计算上进行了仿真实验,结果表明,我们的模型能较好模拟生命体追逐行为的一些生理特征和心理特性。