RoboCupRescue Agent仿真中的多智能体协作方法

对RoboCupRescue智能体仿真系统内的多智能体协作问题进行了研究和分析,提出一种由多种评价模型和协作方式组成的协作方法,并从同类和异类智能体两个方面给出了具体的实现.该实现主要采用了人工免疫控制、静态分配与动态调整结合以及基于共识的分布式控制等方式.在仿真测试中,各类智能体通过相互协作有效完成了灾难环境中的救援任务.     

多Agent协作环境下的任务分配

对多Agent协作环境下的任务分配机制进行了论述。在合同网的分配机制基础上,提出了一种基于合同网的改进机制———任务列表分配机制。该任务分配机制针对多Agent协作工作时面临的突发性事件,能有效地提高系统的实时处理能力和工作效率。以多机器人系统为例,应用任务列表分配机制,解决突发事件下多机器人任务的再次分配问题,满足了多机器人协调工作的实时性要求。实验和理论证明了其机制的优越性。     

机器人探测未知环境的螺旋形导航算法

在很多情况下，机器人对作业环境并没有预先了解，这就使得机器人对环境的探测成为必要。因此，设计合理的导航算法，从而使机器人在较短的时间内能够较完整地构建出环境地图，为机器人完成作业提供了基础。本文提出了一种基于虚拟力的螺旋形导航算法，采用超声距离传感器，对未知环境进行实时在线的探测，采用本算法可以避免机器人之间以及机器人与障碍物发生碰撞。本文推导了机器人的运动学和动力学方程。仿真对比实验表明了该算法的有效性。本文进行了若干作业任务的仿真实验，使算法得到了进一步验证。     

多方法协作优化算法协作策略研究

为充分发挥多方法协作优化的优势,研究了多方法协作优化算法的协作策略特性。比较了采用并联、串联、串并联和嵌入协作策略的多方法协作优化方法的不同优化特性,得出协作策略选择的一般准则。以典型全局优化测试问题进行了分析验证。研究表明,多方法协作比单独优化方法更具优势;合理选择协作策略,可以进一步提高多方法协作优化方法的优化特性。     

基于多Agent理论的舰炮武器系统研究与仿真

舰炮武器系统(ShipborneArtilleryWeaponSystem,SAWS)是一种大规模的、复杂的系统,原有的系统结构已不能满足现代化战争的要求,需要一种新的理论来为它注入新的活力。根据其特点建立了基于多Agent系统的结构模型,并提出了一套适合于SAWS的协作机制,最后通过三维动画仿真对其可行性进行了验证。仿真结果显示了这种方法是可行的。基于多Agent的舰炮武器系统提高了系统的自组织、自适应能力,一改原来的封闭结构,使武器设备有效互连,协同作战,大大提高了舰炮武器系统的作战的灵活性。     

基于多Agent的ISC协作管理

以集成供应链(ISC)作为复杂适应系统(CAS)角度,引入多Agent建模思想构建了ISC协作管理的原型,强调战略、组织、方法、信息、文化和过程集成性;并且考虑ISC协作抉策者的多元性和有限理性,在行为金融范式下基于效用理论构建了ISC协作干系者满意度模型。以此为内核,给出了原型中各Agent间的优化算法,为ISC的和谐性研究提供了一种系统分析方法。     

动态环境中的多智能体进化算法

针对动态环境,提出了一种基于多智能体的进化算法(MAEA).智能体模拟生物机制特征,相互合作来寻求最优解.智能体生存于网格环境中,为了增加自身能量,智能体可以与其邻域展开竞争,并依据统计信息来获得知识进行学习.为了保持种群多样性,同时引入随机移民和对偶映射策略.通过对一系列动态优化函数的仿真实验可以得出,相比之下,基于多智能体的进化算法可以在动态环境中获得更好的性能.     

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.     

基于状态预测的多智能体动态协作算法

针对复杂动态环境下的多智能体协作问题,提出基于信息处理和状态预测的优化动态协作算法.充分考虑其它智能体对环境的影响,采用重要度函数和信息处理方法,对协作所需信息进行筛选和处理.通过引入状态预测算法,在多智能体动态协作过程中对智能体的行为和系统的状态进行预测,以实现协作结构的在线调整,使得多智能体能在内部以新的控制任务或新的平衡状态为目标,进行联合行动的动态协作.通过在典型的复杂动态MAS研究平台--机器人救援仿真比赛系统中应用,验证了该算法的有效性.     

多智能体组织运作的环境

多智能体组织与传统组织在运作机理、组织方式和适用领域等多方面有着显著的不同,因而其与环境的关系也有着不同于传统组织理论的内涵与要求,并由此导致了不同的组织环境管理观.多智能体组织的环境作为组织运作的媒介、条件和共同构成的更大系统的一部分,一定程度上决定了组织运作的效果.因此,研究多智能体组织环境的内容与特点,对该类组织的设计及其环境管理具有重要理论意义.本文从单智能体的生存环境和多智能体的沟通环境两个方面,讨论多智能体组织环境的内涵、遵循原则和对智能体活动提供支持的内容,探讨影响多智能体组织环境构成的因素.     

面向未知环境的无人机障碍规避制导律设计

针对未知障碍规避问题给出了一种障碍规避制导律。将参考点航路跟踪制导法(reference point guidance, RPG)进行改进作为障碍规避制导律,对无人机与障碍的相对运动关系进行分析,确定了规避制导的时机和参考点选取的原则,用非线性微分方程对障碍规避过程进行建模,在此基础上分析了制导参数对系统性能的影响,确定了参数选取原则。仿真结果表明,改进后的RPG能够引导无人机安全规避突发或未知的几何形状不规则的障碍,能够避免不同任务阶段制导律切换过程中存在的安全隐患。     

基于分布式协同进化的星座自主任务规划算法

星座协同自主任务规划是卫星自主化管理与控制技术中的重要一环。首先, 提出了一种分布式星座协同迭代优化策略, 星座内各星作为独立智能体通过“接收”“更新”“发布”的三阶段协作行为共同参与对整体任务方案的协调寻优。其次, 在该策略的基础上设计了一种分布式协同进化算法, 通过分布于不同卫星的多个亚种群在信息交互中并行进化以持续优化各星方案组合。最后, 在S698PM嵌入式开发环境下进行仿真实验, 通过与贪婪算法、集中式遗传算法以及CPLEX的对比测试, 验证了所提方法在恶劣通信环境下与大规模问题中的适用性和有效性。     

未知扰动下自主水面船自适应有限时间轨迹跟踪

研究了未知干扰下的自主水面船(autonomous surface vehicle, ASV)的轨迹跟踪问题,并提出了基于一种有限时间理论的自适应控制策略。首先,基于反演法将控制系统分为运动学回路和动力学回路两部分;在运动学回路,提出关于跟踪误差的快速终端滑模面(fast terminal sliding surface, FTSS),为实现跟踪误差在有限时间达到FTSS,设计了ASV速度的辅助控制律;在动力学回路,以速度辅助控制律为ASV速度的跟踪目标设计关于速度跟踪误差的FTSS,同时考虑外界干扰,设计了包含鲁棒项的自适应控制律,使得速度跟踪误差在有限时间内收敛于动力学回路FTSS附近的邻域;最后,基于船模的仿真实验证明了所设计控制策略的有效性。     

智能虚拟维修环境多Agent 协作机制

针对智能虚拟维修环境中多Agent协同作业求解问题,提出一种基于任务驱动方法的协同虚拟维修训练体系框架,并构建基于该框架下的协作感知-规划-行为（Sense-Plan-Action,SPA）关系模型,在该模型中使用参数化表达方法来量化多Agent 协同作业过程,并将任务求解过程转化为时序信息、属性状态演变、目标决策等多通道框架驱动协同作业的实现,解决了多Agent 协同作业的逻辑关系问题。最后,将该方法应用于轮式工程机械协同虚拟维修仿真过程中,实现了协同虚拟维修可视化,验证了任务驱动方法在协同虚拟训练中的可行性。     

不确定条件下无人作战飞机在线攻击轨迹决策

针对无人作战飞机(unmanned combat aerial vehicle, UCAV)对地攻击过程中存在的诸多不确定性因素问题,提出基于滚动时域策略和Gauss伪谱法(Gauss pseudospectral method, GPM)的在线实时攻击轨迹决策算法。算法采用滚动时域的优化策略,将全局优化问题转化为一系列相互叠加但不断向前推进的优化区间,通过滚动更新和反馈校正消除不确定误差,同时降低了所提算法的计算复杂度和对计算资源的需求;综合飞行包线约束,武器投射约束和威胁规避约束,采用GPM完成高精度攻击轨迹求解;采用实时迭代策略提供优化初值,通过自适应目标函数切换引导UCAV迅速规避近距突发威胁。仿真结果表明,所提算法能够有效消除不确定误差,同时以较高的精度和速度生成可行的攻击轨迹。     

基于契约的计划生育策略的建模分析

提出了一种基于契约的计划生育策略. 依据该策略, 公民可在结婚时通过契约形式自由选择成功生育一个男孩, 一个女孩, 或者两个孩子作为终止生育的条件. 用概率分析和随机过程分析的手段从数学上论证了这项策略的可行性. 结果表明, 该策略在满足公民对生育子女性别或数量的基本选择权基础上, 使得一对夫妇的平均生育数量接近2, 可以总体上保证人口数量的平稳, 也不会造成男女性别比例的失衡.     

全局未知环境下智能群体群集运动与避障控制

研究了在全局环境未知且存在静态障碍物的情况下,智能群体的群集运动控制问题.模型在人工势能结合速度一致策略的基础上,利用了滚动窗口的方法实时产生虚拟领航者引导群体向目标位置运行;并利用极限环方法解决了群体避障问题.基于滚动窗口方法构造的虚拟领航者,充分地利用了实时测得的局部环境信息,具有自适应性;极限环方法避障使得群体能够平滑地绕过障碍物,克服了传统人工势场法避障的局部最小问题.     

目标运动要素自主隐蔽解析的微分进化策略

针对传统目标运动要素自主隐蔽解析中存在的噪声适应性差等问题,提出要素自主解析的微分进化策略。首先,简要论述了目标运动要素的自主隐蔽解析过程;其次,推导要素自主解析的协方差传播过程,给出目标运动要素方差与目标观测方位方差的对应关系,分析方位观测均方差对要素自主解析结果的影响;再次,提出了微分进化算法对自主解析模型的优化策略;最后,对优化策略进行仿真验证。结果表明,当方位存在0.1°的均方误差时,初距D₀均方误差约为12 Cab,速度分量V_mx、V_my均方误差分别约为5 Kn、6 Kn,通过微分进化策略优化后明显提高了要素自主解析结果的精度。     

双渠道供应链中制造商与零售商的服务合作定价策略

在双渠道供应链中,为缓解渠道冲突,提高服务效率,制造商选择将电子渠道的服务交由零售商完成.在对称信息的框架下,建立了双渠道供应链中制造商电子渠道与零售商服务合作的Stackelberg和Bertrand博弈模型.发现渠道价格和需求受制造商在电子渠道的边际服务成本和零售商在电子渠道的边际服务成本影响;制造商在电子渠道的服务成本与零售渠道的定价正相关.当零售渠道服务水平高于电子渠道服务水平时,零售商的服务成本与电子渠道的定价正相关.Stackelberg竞争下制造商电子渠道和零售渠道价格均小于Bertrand竞争情形.制造商总是偏好作价格的领导者.利用算例分析了市场批发价格、渠道服务水平等对零售商选择Stackelberg竞争或Bertrand竞争偏好的影响.