离散多智能体系统的分布式编队跟踪控制

本文研究了离散多智能体系统在固定有向拓扑中的分布式编队控制,同时假设此系统跟踪时变参考状态。首先,针对一阶系统设计了控制协议,给出了系统稳定时协议参数需满足的充要条件,结果表明,跟踪误差的上限正比于采样周期。其次,针对二阶系统,考虑了速度一致性,其编队控制协议可用同样的方法研究。最后通过仿真,结果证明了所设计协议的有效性。     

基于多智能体系统的分布式数字农业管理平台构建

在探讨数字农业发展现状和趋势的基础上,引入了智能体(Agent)技术,阐述了Agent和多智能体系统(Multi-Agent systern,MAS)的概念和原型,为解决分布式农业管理系统提供了有效的方法;同时,提出了基于MAS的数字农业管理平台框架,该框架通过智能体之间的协同达到整体优化管理的目的,不设管理中心,将传统的集中式管理转变为分布式管理,为多智能体技术应用与数字农业开辟了一条切实可行的解决方案.目前,基于此方案建设的平台试运行稳定,系统达到了设计目标.     

多智能体系统中的同步问题综述

多智能体系统的同步问题在机器人网络、传感器网络、电力网络、社交网络等诸多领域有着广泛应用。首先,介绍了多智能体系统和多智能体同步问题的相关背景。随后,对多智能体系统模型和多智能体同步的基本概念进行了阐述,着重介绍了多智能体的状态同步和输出同步及其研究现状。从多智能体自身特性和网络拓扑结构的特性出发,列举了自适应控制,事件触发控制等常见的同步控制器。最后,对多智能体同步问题进行了简要总结和展望。     

多智能体系统智能体协作层的设计与实现

提出了一种多智能体系统及智能体的框架结构，描述了该多智能体系统智能体协作层的设计与实现，为面向工业应用的多智能体系统开发环境的研制提供了基础。     

基于多智能体系统的招标投标系统

探讨了智能体、多智能体系统(MAS)的体系结构,给出了一个多智能体系统的简单例子--智能招标投标管理系统.该系统建立在智能体模板JADE之上,通过该系统,一个企业可以向外发出招标信息,其他企业可对这个招标相应地发出投标请求,最后系统对各个投标进行比较筛选得出最优结果,并把结果发送回招标企业.     

基于多智能体的智能机器人分布式控制系统

在研究多智能体技术基础上，提出了一种基于分布式黑板和多智能体系统的类人智能机器人控制系统体系结构，并根据系统要求规划出具有不同功能的多个智能体，系统地分析了该控制系统中各个智能体的功能特点以及它们之间的协作关系，以运动控制接口的编制为例，介绍了CORBA技术在实现该软件系统中的方法，轴孔装配作业实验结果表明，本文提出的体系结构是可行的，采用CORBA技术和多智能体技术能有效地实现预定的装配任务。     

复杂环境中的多智能体强化学习

提出在机器人足球这样的复杂、动态的环境中使用强化学习的方式与问题 ,阐述了强化学习的实现及如何处理机器学习中的常见问题 ,即延迟奖赏、探索与利用、不完整信息等 ,同时探讨了减少复杂性的若干措施 .     

热工监控系统中多智能体协调控制的设计

在热工控制过程銎我智能体控制体系,硬件上实现化配置,可扩充,适用于性好,兼容性强,软件上将建立和管理复杂 的工作分解,以及智能体间的交互方式的统一规范,以达到安全可行经济合理的生产。     

Leader-following多智能体网络分布式编队控制

针对多智能体固定拓扑网络,考虑无时延和有时延两种情况,研究了多智能体网络的分布式编队控制协议.首先,针对无通信时延的多智能体网络,提出了分布式编队控制协议,利用Lyapunov稳定理论,给出了协议有效的充分条件.然后,考虑时变通信时延,利用Lyapunov-Krasovskii函数证明了协议的有效性.最后,利用仿真实验证明了所设计协议的有效性.本文的创新点是对二阶多智能体网络设计分布式编队控制协议时考虑了速度一致性.     

基于自适应神经网络的异构多智能体系统一致性控制

针对由一阶线性和二阶非线性组成的异构多智能体系统,提出一种基于自适应神经网络的分布式控制协议.利用每个智能体之间的通信信息调整分布式控制协议中的参数,使径向基函数(radial basis function, RBF)神经网络逼近二阶多智能体系统中的未知非线性项,进而使得异构多智能体系统实现自适应一致,并通过Lyapunov稳定性理论给予证明.MATLAB/Simulink仿真实验结果验证了该方法的有效性.     

线性多智能体系统的一致性

对线性多智能体系统的协同一致性问题进行了研究.从节省通信资源、减少信息计算时间,以及使多智能体系统尽快实现状态一致的目的 出发,修正现有的分布式控制器设计思路,给出新控制器设计方案;针对一阶、高阶线性多智能体系统及饱和多智能体系统,分别提出实现系统状态一致所应满足的充分条件,并运用Lyapunov稳定性理论、结合矩阵论...     

基于多智能体的网络信息隐藏系统研究

为加强网络信息安全,该文提出了一种基于m-序列的多智能体协作的信息隐藏模型,并提出以鲁棒性、安全性和通信容量作为评价信息隐藏系统的性能指标.实现了基于多智能体协作的信息隐藏系统,该系统通过多智能体协作加强信息隐藏的鲁棒性,使用多智能体发送信息,加大了隐蔽通信的容量.仿真结果表明:基于多智能体的信息隐藏算法未对特殊位进行处理,因而没有网络包被防火墙过滤,隐藏的信息未丢失;防火墙类产品对于使用包填充类算法隐藏的信息的安全性影响非常大,对于使用基于多智能体算法隐藏的信息的安全性几乎没有任何影响.     

异质多智能体系统的编队控制

目的研究异质多智能体系统的编队控制问题。方法基于图论和李雅普诺夫直接方法进行研究。结果针对由一阶和二阶积分器智能体构成的异质多智能体系统,给出了一种基于一致性的时变编队控制协议。结论证明了使用上述协议的异质多智能体系统能够解决编队控制问题。     

多智能体一致性的随机镇定研究

本文给出多智能体随机一致性的数学描述,模拟了环境噪声对多智能体系统一致性的影响,并提出一种运用随机噪声控制多智能体系统的方法。仿真结果表明,添加满足一定条件的随机噪声控制可以令在没有噪声干扰情况下非一致性的多智能体系统达到随机一致性镇定。最后对多智能体的随机一致性镇定进行理论分析,并得到满足控制要求的随机噪声强度的大致下界。所提出的多智能体协调控制方法具有系统能耗小、控制性能更佳的特点。     

多智能体系统的协调方法

在简述并评价多智能体系的多种协调方法的基础上,提出了实际采用协调方法的时需考虑的一些因素,并以实例说明合同网协调方法的应用。     

迭代学习在多智能体编队中的控制研究

针对具有控制时延的非线性多智能体系统模型,设计了一种能够实现其稳定编队的迭代学习控制算法.首先,建立单个智能体的动态特性,根据多智能体的拓扑连接结构,将多智能体编队控制问题转化为跟踪问题.其次,针对每个智能体设计形式统一的迭代学习控制器,根据每个智能体不同的动态特性,选取合适的学习增益矩阵.最后,基于λ范数理论证明了算法的收敛性.由于该迭代学习控制算法放宽了对迭代初值的限定,使其达到在任意常值初态条件下的稳定控制,从而满足了各个智能体在初始位置随机分布时的编队控制要求.仿真结果证明了文中所给算法的有效性.     

Agent的多目标优化分布式智能算法

根据多目标优化的理论,将传统多目标优化的方法与Agent技术相结合,提出一种基于Agent技术的多目标优化分布式智能算法．在该算法中,每个智能体由目标函数、协调算法和通信模块组成．由智能体组成多目标优化的多智能体系统．通过每个Agent的独立优化和Agent之间的通信和协调。实现多目标优化．文中用实例验证算法的有效性．     

多智能体系统在微电网中的应用

分布式电源的复杂和多样性增加了微电网能量管理和控制的难度,因此基于多智能体系统(Multi-agent system,MAS)的分布式分层协同控制策略被提出,其具有平衡功率和能量、稳定电压和频率、实现资源优化管理和经济协调运行的优点.该文主要对MAS在微电网中的应用情况进行全面系统的分析、对比、归纳总结.对比分析了微电...     

基于事件驱动的一般线性多智能体系统的一致性

多智能体系统不仅是复杂系统研究中的一类重要系统,也是分布式人工智能研究的一个重要分支。多智能体系统的协调控制是当前国际控制领域的前沿研究方向,其中,多智能体系统的一致性是最基本问题。采用事件驱动控制方法,研究了一类一般线性多智能体系统的一致性问题。通过设计合理的事件驱动函数与激励条件,确定事件驱动时间序列,利用邻域内其他个体在事件驱动时刻点处的信息,设计相应的控制策略,从而获得多智能体系统达到一致的充分条件。同时本文在研究模型上,采用传统的一般化模型,而研究方法上不再需要Laplacian矩阵具有对称性,就可以获得一类线性多智能体系统达到一致的充分条件,所得结果简化改进了过去的模型。     

基于社会利益划分的多智能体系统模型

基于社会利益的差异将社会划分为阶层、利益集团和个人,利用这种划分建立了基于多智能体的知识获取与发现的SEBI模型,提出了在SEBI系统中智能体喜好信息表与喜好地址表相关联算法,通过地址表进行通信和信息交互以及根据反馈信息修改自己思维状态的思想。这些算法保证了SEBI系统具有搜索信息范围小、效率高和自动改善性能等特点。