用于复杂系统建模与仿真的面向智能体技术

在构造兼具数据处理和知识处理能力的新型面向对象型形式化体系上,根据复杂系统仿真的需要,使系统组分“对象”具有自主决策、控制和通信功能,建成多Ａｇｅｎｔ系统。给出多Ａ－ｇｅｎｔ系统实现群组决策的示例。     

基于MAO的复杂多卫星系统整体建模与仿真方法

面向智能化自主协同运行的复杂多卫星对地观测系统的总体效能求解和优化设计，阐述了建模的基本思路，指出应构建分解结构描述水平的混合异构层次化的系统多学科整体同构模型。分析了面向对象的建模与仿真方法对此提供的支持机制及其局限性，以及基于多Agent的建模与仿真方法的优良特性，给出了基于MAO（Multi-Agent/Object）的复杂多卫星系统整体建模、仿真与优化方法的总体框架。     

基于CAS理论的多智能体战斗模型仿真研究

为了研究基于复杂适应系统理论的多智能体仿真模型的演化、涌现规律,在Swarm平台上建立了一个多智能体的战斗模拟仿真系统,并对战斗过程双方Agent数量和实力的演化进行了模拟仿真,得到了和传统数学模型不一致的结果.基于复杂适应系统理论的多主体仿真模型可以模拟复杂系统的微观行为,进而能够显现出系统宏观涌现现象,非常适合模拟复杂的战争系统.     

基于多智能体的作战仿真系统成员设计

介绍了应用多智能体技术设计基于HLA平台的作战仿真系统的成员设计方法、并对应用模糊推理机技术，构建仿真成员的方法进行了详细说明．该方法提高了作战仿真系统的仿真效果，是Agent技术在作战仿真系统上的探索和应用．     

一种非真实感绘制的多智能体仿真方法

提出了一种非真实感绘制的多智能体方法。绘制过程分为三阶段:轮廓绘制、素描绘制和多层涂色,每阶段分别由一类智能体进行模拟绘制。绘制智能体定义为具有一定生命周期、类型标识、特征标志等属性以及一定行为特征的智能体,它们不断与绘制环境交互,由局部环境激励触发它们不同的绘制行为。通过自适应地调整行为,绘制智能体能够搜索到各自的特征像素并进行特征绘制,从而完成各自的绘制任务。实验表明,此方法能够较好地模拟画家创作过程。     

多智能体并行仿真框架

多智能体仿真具有广泛的应用前景。但是,现有的多智能体仿真和并行仿真无法解决数量庞大且具有复杂动力学特性的智能体仿真,因此研究这类多智能体的有效仿真具有重要的意义。为了能够有效仿真这类系统,设计了一个两层的多智能体并行仿真框架,指出了该框架中面临的挑战。除此之外,针对仿真中提高仿真效率的挑战,作者提出了一种加快仿真速度的方法。实验结果表明该方法可以明显提高仿真效率。     

基于演化的复杂系统建模与仿真研究

系统仿真技术正面临着新的挑战，即：如何建立基于演化的复杂系统动力学的建模与仿真方法学。本文讨论和综述了这一领域目前的工作和发展，主要内容包括：复杂性问题的提出；主要命题；复杂系统的动力学特征；复杂系统建模与仿真的理论研究、方法和软件。     

复杂适应系统及基于Agent的建模与仿真方法

论述了复杂系统中复杂性的表现形式、处理方法，并从认识论和方法论的角度来讨论复杂性，认为复杂性是客观世界的本质属性，必须用反还原论(整体论)的方法来研究复杂性问题。给出了复杂系统的一个描述性定义，指出计算机仿真是研究复杂系统的有效手段；然后介绍了霍兰教授提出的复杂适应系统(CAS)理论，并分析、阐述了CAS的研究方法——基于Agent的建模仿真方法学及其应用情况，对基于Agent的建模方法进行了比较深刻的论述。最后介绍了当前的研究工作，并展望了将来的研究内容。     

基于元模型的复杂系统建模方法研究

提出了基于元模型的复杂系统建模方法。并且给出了它的实现方案。以此为基础，实现了一个原型系统的元模型实例－－复杂系统模型，将这种元建模技术于复杂系统信真平台中系统模型的建立，可以使构成复杂系统的各子系统模型在比模型更高的层次上进行集成，从而加速了复杂系统仿真仿真的设计，开发和实现。     

多范式人工社会建模与多智能体仿真平台框架

ACP（Artificial Society,Computational Experiments,Parallel Execution）方法是一种新的解决突发事件应急管理的理论方法。基于ACP方法和多范式建模理论,提出了多范式人工建模方法及其运行支撑多智能体仿真环境,利用模型变换支持人工社会多领域建模,改造基于组件的并行仿真支撑形成支持FIPA（Foundation for Intelligent Physical Agents）协议的多智能体仿真引擎。以此为基础,最后提出了多范式人工社会建模与多智能体仿真平台框架。包括人工社会建模环境、人工社会运行环境和人工社会实验环境。该框架同时也是＂非常规突发事件模拟仿真与计算实验集成升华平台＂的重要支撑。     

面向复杂定性系统的知识建模及联合仿真方法研究

广泛存在于社会经济、国防工业等领域的复杂系统由于其具有系统机理及组成关系复杂、系统内部与环境间交互关系复杂、总体行为呈现非线性、涌现等特点,使得传统的定量建模仿真技术难以描述系统的复杂性特点。以实现定量模型与定性知识混合的系统建模描述与联合仿真为目的,在总结已有建模仿真方法的基础上,提出了复杂系统定性定量综合建模与仿真平台体系结构,并重点研究了定性建模和定性定量联合仿真两大关键技术。研究提出了一种支持定量/定性混合的图形化的复杂系统模糊定性知识建模方法——模糊因果导向图（模糊CDG）并探讨了其语法及推理方式,给出了基于自学习人工神经网络构建隶属云模型的定性定量转换方法。最后给出了研究成果在智能飞行器仿真领域的初步应用,并对进一步的研究工作进行了展望。     

基于Agent的复杂系统智能仿真建模方法的研究

文章提出的包括仿真建模结构、控制结构和智能模型的基于Agent的复杂系统智能仿真方法，在借鉴了HLA体系结构同时，对HLA中的对象概念的做出扩展。文章提出的建模方法能最大限度的共享建模与仿真技术，提高建模与仿真的可重用性和互操作性，同时也弥补了HLA的不足之处，使得计算机仿真技术的辅助决策能力得到了充分的体现。针对智能仿真的体系结构，给出了相应的仿真实例模型。     

复杂适应性系统的仿真与研究--基于CAS理论的交通模拟

为更好地研究交通系统，以CAS理论为指导思想，利用SWARM平台建立了基于多主体离散的动态交通模拟系统。使用自底向上的建模方法进行模拟：将车辆及信号灯作为具有适应性的主体．利用元胞自动机模拟动态交通流；同时将激励学习方法与遗传算法相结合，对信号灯周期进行自适应优化。通过主体不断的“学习”，交通系统在宏观方面涌现出一定的动态特征和规律。进而，我们比较了完全自组织控制模式以及加入预警机制两种情况下各宏观量的变化情况。从实验结果可知，预警机制可以给车辆宏观方面的指导，从而提高车辆通行能力，减少交通拥塞。     

面向复杂系统运动仿真的信息物理融合建模

传统运动仿真的虚拟建模缺少针对复杂系统中信息子系统与物理子系统的动态性融合建模。融合传统运动学虚拟建模与信息计算的优势,针对运动仿真的精度和实时性难以满足实际工业制造需求的问题,提出面向复杂系统运动仿真的信息物理融合建模方法,并以机械臂的运动学控制为仿真案例进行验证,解决了实际环境中机械臂的驱动与仿真环境虚拟机械臂运动不一致的问题。搭建了复杂系统运动仿真虚实映射平台,集成了虚拟建模环境CoppeliaSim,融合实际机器人的运动反馈,和虚实映射计算模型,确定工业机器人运动方程的唯一位姿解。实验结果表明本文提出的方法实现了工业机器人的虚实映射实时运动仿真。     

一种多分辨率仿真模型构建方法

针对人在回路仿真推演中高层级指挥员下达作战任务与仿真系统模型指令之间的分辨率鸿沟,提出了一种基于行为树的多分辨率模型构建方法。通过改进行为树语法,实现了低分辨率作战任务解聚为高分辨率仿真系统指令;通过设计嵌入行为树的决策模型,解决了模型指令执行过程中面临的资源不确定性、执行效果不确定性问题。设计了夺取制空权作战场景,验证该方法的有效性。     

面向复杂产品建模与仿真系统的开放式云架构设计

针对复杂产品建模与仿真系统侧重于解决异构模型联合仿真,无法实现仿真资源的按需共享、协同的问题,提出了一种面向复杂产品建模仿真系统的开放式云架构,实现跨组织仿真软件、硬件资源的按需共享、协同,从而支持复杂产品全系统、全生命周期随时随地、实时、连贯、透明地请求、访问和获得仿真服务。并使用对象过程方法论对系统的仿真互操作及仿真资源的按需共享、协同过程进行建模和推演。通过控制系统的研制应用范例,验证了面向复杂产品建模与仿真系统的开放式云架构设计的有效性。     

复杂工程系统可视化仿真建模方法与应用

依据Zeigler分层次模块化的思想，提出了面向对象的复杂工程系统可视化仿真建模方法。该方法建立了两层模型，底层CYCLONE模型实现封装，可移植，并对用户隐藏，上层CPM模型直接面向用户，用户可根据熟悉的CPM方法进行仿真建模，这就克服了以往工程系统建模的复杂性与专业性，同时利用功能强大的VC＋＋语言编制了相应的仿真建模软件，其操作简单，功能完善，适于不同层次用户的要求，最后通过某实际工程的成功应用，骊证了该建模方法的可行性和优越性。     

基于Agent的建模与仿真支持下的复杂系统效能分析法

对复杂系统的能力进行分析时,仅在理想环境下独立进行的性能评估往往满足不了要求,人们希望能够根据系统完成使命的情况作出综合评判.该文在系统效能分析法(SEA)的基础上,结合基于agent的建模与仿真(ABMS)方法,提出一种ABMS支持下的系统效能分析法:ABMSEA,以解决复杂系统效能评估问题.并以一个火灾监视多卫星系统为例,演示了对此方法的应用.