并网模式下基于多代理技术的微电网多目标优化

微电网的经济运行是一个多目标、多约束问题。传统方法将多目标转化为单目标的求解策略往往难以迅速收敛,且在权重的选取上具有很强的主观性。本文提出了一种基于多代理技术的多目标求解策略,考虑微网的整体经济性问题,分别建立发电侧目标代理(PowerAgent)以及需求侧目标代理(LoadAgent),从而避免了权重的选择。虚拟电价信息作为发电侧代理的协商参数,负荷调度信息作为需求侧代理的协商参数。利用JADE平台提供的Agent通信功能,目标代理之间传递协商参数,优化自身子目标问题,迭代协商,最终达到目标均衡。协商过程保证了微网的整体经济性要求,且两个子目标通过目标代理分布式求解,能够快速收敛。最后通过算例讨论了各代理的行为特征,验证了本文方法的可行性。     

面向代理的车间动态调度方法

针对车间动态调度缺乏有效方法的现状.建立了车间动态调度的数学模型.将车间组元定义为多个独立的代理(Agent),并将蚁群在觅食过程中通过释放信息素的方式进行交流与合作的行为,应用到Agent之间的协商与通信中,建立了Agent之间的协作模型,形成了基于多代理协商的动态调度方法.仿真试验对比表明.基于多代理协商的车间动态调度方法优于基于遗传算法的动态调度方法.     

面向社交网络基于协作度协商的联盟形成机制

分布式多Agent构成的社交网络通常表现出不同的特征,针对不同的社交网络和多Agent本身的异质性,提出了一种面向社交网络的基于协作度协商联盟形成机制.该机制依托多Agent构成的社交网络环境,建立面向分布式环境的分布式协商协议,并设计一种考虑到社交网络特征和Agent异质性的基于协作度的协商策略,采用分布式自动协商方式形成联盟.通过对全连通网络、层次网路和小世界网络的仿真实验结果表明,该机制能够有效地实现分布式环境下的联盟形成,并且在反应大多数实际应用环境的小世界社交网络中表现出相对较好的性能.     

面向议题关联的双边多议题协商模型研究

在Agent双边协商过程中往往包含对多个议题的协商针对以往的基于议程、相似度、案例等协商方法中大部分都忽略了议题取值之间可能存在的依赖关系，提出一种面向议题关联的双边多议题协商模型首先模型结合了多议题顺序协商思想和局部接受协商策略；其次引入离线学习机制，对协商成功的历史记录进行分区离线学习，利用离线学习机制产生的议题关联规则与预测神经网络实现对关联议题可能接受取值的预测；最后模型提出一种基于关联预测值的分段时间协商策略实验结果表明，该模型在一定程度上提高了协商的总体效用值和效率.     

基于双向协商机制的机加与装配混合调度

针对允许子系统可重入的机加与装配混合柔性制造系统的调度问题,提出一种新颖的协商框架,并基于讨价还价的双向协商机制,提出一种柔性路径下的机加与装配交替混合调度算法. 不同代理具有各自的决策目标,作业代理的目标是使自己能以低价购买合适的服务,而机器代理的目标是使自己成功出售服务,同时获得最大收益. 通过代理间的双向协商避免各自决策的局限性. 实验表明,提出的方法与常用复合规则的启发式算法相比总费用的标准差降低了24%~207%,表明提出的方法无论在性能还是鲁棒性上都有更优越的表现.      

基于双边多目标和时间限制的讨价还价协商模型

基于博弈论的理论,讨论了基于讨价还价机制协商模型,该模型体现了3个关键特征,包括:具有时间限制、信息不完全性和多目标(议题)的3个特征.该模型用形式化的方法定义了协商模型,并规定了在协商过程中的协商协议;根据博弈论的理论,定义了协商过程中的多目标的效用函数,设计了讨价还价交易过程中双方的让步函数;给出了带有时间限制策略规则,该规则可以作为双方交易过程中判断是否交易成功的条件.通过实验分析比较了几种不同的协商策略,实验结果表明了该协商策略模型的有效性,并且为该系统的具体实施奠定了基础.     

基于Fast Marching方法的多机器人追捕算法

多机器人系统的追捕-逃跑问题是人工智能领域一个非常重要的问题.本文为实现多追捕者协作追捕逃跑目标,提出了一种基于Fast Marching方法的多机器人协作追捕策略.追捕过程中,追捕者数量多于逃跑者的情况下,协助追捕者通过构造“活跃区域”与主追捕者的合作,实现一种压迫式的追捕策略.     

无线传感器网络多代理平台中间件设计

针对基于移动代理应用模式在无线传感器网络中的设计实现问题,该文提出了一种基于静态代理的多代理平台模型和支持移动代理应用模式的传感器节点软硬件分层结构,阐述了移动代理模式在无线传感器网络中的应用优势,描述了基于静态代理的多代理平台和各静态代理的作用及协作过程.基于移动代理模式的应用说明了多代理平台能够便利地实现移动代理在无线传感器网络中的应用,最后通过客户端/服务器模式和移动代理模式应用对比,说明了基于多代理平台的网络具有较高网络重复利用率和应用灵活性优势.     

多模块式移动机器人系统的自组织协作行为

设计了一种新颖的、由4个基本功能模块组成的模块式移动机器人.针对多模块式移动机器人系统在复杂环境下的自组织协作行为,提出了目标趋向控制、多障碍物避障和自组织协调3种运动策略.分析了多机器人目标趋向运动的方向选择规则;描述了基于“感知 动作”的多障碍物避障控制策略,实现了多机器人连续避障并到达指定目标点;研究了多机器人的协调运动策略,通过多机器人协作完成了单机器人无法完成的搬重物、过台阶等任务.三维仿真结果表明了该控制策略对不同环境、多障碍物条件下多机器人协作行为的适应性.     

基于多移动代理协作的联合签名机制的研究

随着电子商务与代理技术的发展 ,多移动代理协作不仅能提高商务交易的效率.更重要的是可用于解决移动代理系统的一些安全问题.首先描述了多移动代理的联合签名机制.随后针对系统安全性对一个基于多移动代理协作的联合签名商务案例进行了分析.表明多移动代理的协作与交互确实能较好地解决安全问题.且能提高商务交易的效率.     

Optimal Response Learning and Its Convergence in Multiagent Domains

In multiagent reinforcement learning, with different assumptions of the opponents＇ policies, an agent adopts quite different learning rules, and gets different learning performances. We prove that, in multiagent domains, convergence of the Q values is guaranteed only when an agent behaves optimally and its opponents＇ strategies satisfy certain conditions, and an agent can get best learning performances when it adopts the same learning algorithm as that of its opponents.     

对称和非对称的启发式多Agent再励学习方法

针对解决对传统的多A gen t再励学习算法中,A gen t只能独立学习、不能合作学习的问题和启发式算法中只考虑了单个A gen t而没有推广到多A gen t的情况,给出了对称和非对称环境下的基于启发式的多A gen t再励学习算法。该算法基于A gen t之间的通信来获取其它A gen t的历史信息,以及动作选择策略,结合启发式算法思想,达到A gen t在学习过程中的合作的目的,最终提高学习的效率。以2个A gen t的2个状态3个动作选择为例,表明该算法的收敛速度高于传统分布式再励学习算法的收敛速度。     

基于贝叶斯方法的多Agent强化学习

在多agentss强化学习（MARL）的研究中，很多都是强调MARL算法收敛于期望平衡解。然而，对于标准的强化学习，该过程需要对策略空间的充分探测，而且探测还经常受到惩罚或错失了良机。在多agents系统中，由于agents之间的协作使该问题更加复杂。为此，提出了在MARL用贝叶斯模型来进行最优探测，该模型与标准的RL模型不同，它将对agent的动作是如何影响其它agents的行为进行推理。同时，还给出了如何对最优贝叶斯探测进行处理以获得理想的结果，并通过与其它算法的比较来说明用贝叶斯方法的可行性.     

基于Markov对策和强化学习的多智能体协作研究

MAS的协作机制研究,当前比较适用的研究框架是非零和Markov对策及基于Q－算法的强化学习。但实际上在这种框架下的Agent强调独立学习而不考虑其他Agent的行为,故MAS缺乏协作机制。并且,Q－算法要求Agent与环境的交互时具有完备的观察信息,这种情况过于理想化。文中针对以上两个不足,提出了在联合行动和不完备信息下的协调学习。理论分析和仿真实验表明,协调学习算法具有收敛性。     

基于分布式协同求解技术的CMM检测路径神经网络优化

针对三坐标测量机，提出了一种基于分布式并行协同求解技术的检测路径神经网络优化方法，其目标是针对生成检测路径所涉及的多个不确定因素进行全局优化，获得无碰撞干涉的最短路径．为此运用了多智能主体协同求解、产生式规则推理和人工神经网络模拟退火算法等多学科综合技术，以满足复杂形状零件在线检测的需要．主要对该系统的组织结构、算法和实现进行了论述     

分布式开放环境中的多agent合作模型

分析了动态性和不可预测性给分布式开放环境中多ａｇｅｎｔ合作带来的问题，提出了解决这些问题的一个通用多ａｇｅｎｔ合作模型。该模型说明了如何运用联合意向概念将多个ａｇｅｎｔ的个体行为统一为一集体行为，论述了如何将该合作模型映射到计算实现上－包括ａｇｅｎｔ的体系结构、多ａｇｅｎｔ合作过程以及意外事件处理过程。     

对一个无证书部分盲签名方案的分析与改进

对汤鹏志等提出的一种无证书部分盲签名方案进行了密码分析,指出方案中签名请求者可以非法修改协商信息.为了有效抵抗篡改协商信息攻击,提出了一种改进的无证书部分盲签名方案.在随机预言机模型下证明了改进方案对无证书密码体制的两类敌手的自适应选择消息和身份攻击是存在性不可伪造的,其安全性可以归约为k-CAA问题和ICDH问题.     

基于多级决策的多智能体自动导航车调度系统

提出基于多级决策和协作学习的方法来建立自动导航车 ( AGV)调度系统中每个 AGV所需要的动态分布式调度策略 .系统中的每一个 AGV都由一个具有两级决策能力的智能体控制 :在选择级 ,智能体采用 Markov对策框架下的强化学习方法 ,以根据其他 AGV当前的子任务建立自己的最有反应子任务 ;在行动级 ,智能体通过强化学习建立优化的动作策略来完成由选择级确定的子任务 .AGV调度仿真结果证明 ,该方法能提高系统的产量 ,并在零件到达比变化时保持输出产量的稳定     

基于非单调线搜索的无记忆拟牛顿法的全局收敛性

文章就Perry_Shanno无记忆拟牛顿法在无约束最优化问题上,对采用非单调线搜索的情况下是否具有全局收敛性进行了研究.在目标函数为凸的条件下,证明了该算法的全局收敛性.     

浅析高校不稳定因素及对策研究

高校不稳定因素是多方面的,既有内部的,又有外部的;既有客观的,又有主观的;既有政治的,又有经济的。文章从影响高校稳定的外部因素和内部因素两个方面入手,比较全面客观地分析了影响高校稳定的主要因素,并提出了相应的对策。