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.     

基于量子多目标进化算法的多任务Agent联盟生成

多Agent联盟生成是多Agent系统的关键问题之一, 主要研究如何在多Agent系统中动态生成面向任务的最优联盟. 为使Agent能稳定的组织起来完成单Agent不能完成的任务并在成本、资源、利益等方面达到一个良好的平衡性能并达到全局最优, 提出了联盟多目标综合评价模型, 并将量子进化多目标算法应用于多目标多任务Agent联盟问题, 运用编码的映射, 将资源组合和任务分配合并为一个过程, 降低了问题的复杂性. 对比实验结果表明该算法求得的解的质量高, 平衡性好, 能有效避免了联盟死锁和资源浪费.     

操作员-UCAV交互实时Agent 个体控制及结构

提出一个用于Agent进行任务执行决策的微控算法,以解决Agent在动态环境中所做出的任务执行决策能否满足任务截止期的问题.提出了一个两层结构的实时Agent,其中本地控制层负责Agent的个体行为控制,协作计划层则令Agent能与其它Agent通信及协作.基于以上技术,实现了操作员-UCAV实时交互Agent个体控制及结构,能够适应动态的环境、自动进行任务调度和协调,并能保证任务在复杂环境下的响应时间.     

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.     

概率地图UAV航线规划的改进型蚁群算法

采用蚁群算法对基于概率地图(PRM)的UAV航线规划问题进行研究.在概率地图对战场环境进行描述的基础上,对航线规划蚁群算法进行设计.针对基本型蚁群算法易于出现停滞现象以及搜索效率不高的特点,将再励学习(RL)机制引入到基本型蚁群算法中,提高了算法的搜索效率和求解精度.仿真结果表明该方法是一种有效的航线规划方法.     

基于Swarm的跨流域调水多Agent交互和协作仿真研究

阐述和分析以供、需方聚集体Agent相互之间、Agent与环境进行交互-协作-适应为特征的跨流域调水水资源配置和调度管理的复杂适应性.引入合同网协议,设计了改进的合同网协议以及任务分派、角色分配和承诺的兑现等交互协作行为规则,以及合同网协议自动状态机与算法.提出了跨流域调水多Agent仿真模型.与基于传统系统动力学的水资源系统配置和调度管理仿真方法不同,采用复杂适应系统为科学基础的系统仿真技术,在Swarm平台上建立仿真实验系统,仿真结果验证了多Agent模型和基于合同网协议的交互协作行为规则的合理性.     

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。     

一种自适应多Agent协同遗传算法

提出了一种自适应多Agent协同遗传算法。该算法由协调控制器下的多个相对独立的Agent组成,每个Agent都是由简单遗传算法构成的计算实体。协调控制器根据每个Agent的产出和成长性,自适应地分配计算资源,使有限的资源得到更加合理的利用。各Agent之间通过个体迁移和跨域交叉进行协作,个体迁移为A gent引入新的遗传基因,跨域交叉能产生出更加优良的后代个体,从而改良各个个体种群的品质。测试结果表明,该算法具有很好的收敛性能     

基于IP-ACO算法的航天器测控资源调度技术

采用多目标蚁群优化算法对航天器测控资源调度问题进行研究。在分析中低轨道航天器测控特点的基础上,综合考虑包括测控时间窗口约束和设备切换时间约束在内的多类复杂约束条件,建立多目标航天器测控资源调度模型。在Pareto蚁群优化算法的基础上,引入蚁群社会中的分工协作思想并构建测控任务时间约束有向图,设计基于任务选择期望的状态转移规则和基于自适应网格技术的权重更新策略,从而提高算法求解性能。仿真实验结果表明该方法能有效解决多目标航天器测控资源调度问题。     

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.     

一种改进的粗粒度并行蚁群算法

蚁群算法是一种模拟进化算法,具有很强的全局搜索能力。提出了一种基于粗粒度模型的并行蚁群算法,该算法采用了一个新的信息素更新策略———Ant-proportion,这种新的更新策略是综合考虑全局和局部信息,依据蚂蚁在搜索过程中所得到的路径的优劣程度和路径中各路段对其贡献的大小来分配信息素增量;另一方面,该算法采用的粗粒度模型充分利用了蚁群算法内在的并行性,使得算法具有更快的收敛速度和更好的优化质量。最后,选用了CHN144问题对该算法进行了检验,算法求得的最优路径优于已知的最优结果。     

基于信息素异步更新的蚁群算法

针对基本蚁群算法中蚂蚁速度无限且信息素同步更新的假定前提,提出一种基于信息素异步更新的改进蚁群算法。该算法以蚂蚁的速度有限为前提,采用异步更新规则来调整各个蚂蚁的信息素浓度,从而间接改变蚂蚁间合作方式。该算法更忠实于实际蚁群的寻路过程,算法具有更好的全局搜索能力。基于旅行商问题的实验验证了算法的有效性、鲁棒性及解的多样性。     

基于蚁群算法的并行测试任务调度

并行测试的任务优化调度是并行测试技术的核心问题.提出了一种用于解决并行测试任务调度问题的改进蚁群算法,通过该算法可以获得测试时间最短的任务调度序列.给出了并行测试任务调度问题的数学模型,设计了启发式函数和状态转移概率的计算公式.采用动态标注方法在搜索过程中加大可行解间的信息素差别,避免算法早熟.给出了应用实例,实际应用表明该算法是有效的,能很好地解决此类多维动态组合优化问题.     

多反舰导弹攻击多目标协同航路规划

为解决多反舰导弹的协同航路规划问题,建立了基于空间和时间协同的航路规划模型,并设计了航路可行节点动态开辟算法和协进化多子群蚁群算法。节点开辟算法在任务空间建立搜索树的同时滤除不可行节点,缩小了航路优化搜索范围;多子群蚁群算法结合协进化的基本思想,通过引入蚂蚁子群间的协同进化策略,并对蚁群算法状态转移规则、信息素更新机制进行设计,进而并行搜索多导弹最优协同航路集合。仿真结果表明,本文方法能够为多反舰导弹构建优化的协同飞行航路,不但适用于导弹发射前的预先规划,而且适用于航路分段的局部实时重规划。     

基于蚁群算法的水下潜器三维空间路径规划

路径规划是水下潜器智能控制的关键技术之一,其任务是在已知障碍物的环境中按照某一最优指标寻找一条从起始点到目标点的无碰路径。使用蚁群算法对水下潜器三维空间路径规划问题进行了研究,以ACS算法为基础设计了路径优化搜索算法,详细讨论了信息素表示方法、路径点选取原则、启发式函数设计和信息素更新规则,给出了算法的具体流程,仿真实验结果表明,该算法能够方便有效的实现三维空间中的路径规划。     

基于半约束随机搜索的空舰导弹目标分配方法

空舰导弹在反舰协同作战中发挥着重要作用。在传统蚁群算法基础上,通过改进其搜索机制及信息素更新范围,提出了一种改进的半约束随机蚁群(semi restraint stochastic ant colony system, SSACS)算法,并将其应〖JP2〗用于空舰导弹作战多目标分配中。基于舰艇编队战术价值和动态拦截威胁因素,建立了空舰导弹突防舰队防御威胁数学模型,优化了空舰导弹多目标分配算法。最后通过对比改进的半约束随机蚁群算法和传统蚁群算法,证明了改进的蚁群算法克服了传统蚁群算法局部收敛的缺陷,在解决空舰导弹多波次协同目标分配问题上是有效的。     

亚丁湾护航中直升机识别海盗目标路径优化模型及算法

针对舰载直升机执行伴随护航任务时查证可疑船只的路径优化问题,对直升机在选择巡逻查证路径时所面临的各种复杂情况进行了分析。文中结合可疑船只与编队的相对运动特点以及海面可疑船只威胁程度评估指标,以保障被护航编队受到的累计威胁值最小为目标,构建了直升机查证可疑船只时的路径优化模型。为提高蚁群算法的求解效率,文中将混沌映射扰动引入到信息素的全局更新过程中,从而有效降低算法陷入局部最优的概率。另外,文中对蚁群算法中状态转移规则和信息素更新等核心环节进行了优化设计,提高了算法对最优路径的搜索能力。最后,以我国海军亚丁湾护航任务为背景进行实例分析,并将其结果与遗传算法和禁忌搜索算法进行对比,验证了所建模型和算法的合理性和有效性。     

基于改进MMAS的装备维修任务路径规划方法

针对装备维修任务路径规划问题中约束条件多样的特点,构建装备维修任务路径规划模型,充分考虑时间约束和负载能力约束的影响。通过对比装备维修任务路径规划问题与传统车辆路径规划问题的异同点,提出一种基于改进最大最小蚂蚁系统的维修任务路径规划方法,从维修任务选择规则、信息素更新规则和先验信息获得规则3个方面对最大最小蚂蚁系统进行改进。最后,通过算例和对比验证该方法的合理性和有效性。     

基于因子图协同定位辅助的单星定位方法

在诸如行星探测,战争损毁等导航星座拒止环境下,单星定位系统可以快速部署为目标提供定位支持,但单星定位系统较大的定轨误差导致定位误差较大。针对上述问题,提出了一种基于因子图协同定位辅助的单星定位方法。首先,通过多组卫星不同时刻的伪距差值构建定位双曲面为定位目标提供连续定位并减小卫星和接收机钟差的影响;其次,利用多个定位目标之间的高精度测距信息建立协作因子图,并利用该协作因子图辅助单星定位系统的定位结果,从而提高定位精度。将所提出的单星定位方法与现有的多普勒单星定位方法和径向加速度单星定位方法从卫星定轨误差、测距误差和定位误差3方面进行对比。仿真结果表明,所提出方法的定位误差仅为其他两种方法的1%～10%。