基于多Agent的RoboCup仿真足球比赛通信

足球机器人比赛系统需要机器人团队的合作 .但RoboCup仿真组比赛所提供的通信系统模型是一个低带宽、不可靠通信系统 .为了更好的利用这有限的通信能力 ,提出了对应的解决通信问题的方法 .最后举例说明了若干个在团队合作中使用通信系统的应用 .     

基于改进熟人模型的多智能体协作

对RoboCup3D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,并针对RoboCup3D具体的系统特性,提出了改进熟人模型来解决多机器人协作问题,通过对智能体的熟人类型进行分类,对系统目标最关键的信息进行求解,降低通讯和计算开销,给出了熟人评价体系及策略触发方式,使之能够应用在层次化的整体策略框架。在RoboCup3D仿真平台中对改进熟人模型进行了测试。     

多Agent系统之间的通信与协作机制初探

在MAS中，多Agent之间通信和相互协作一直是多Agent系统研究的重要内容，多Agent间的通信方式有：无通信模式，黑板模式，消息传递模式，方案传送模式；协作方法有：合同网，黑板模型，结果共享与功能精确的协同方法，市场机制。     

模式识别在RoboCup中的应用

在RoboCup仿真比赛中,球员的个体技术是比赛成功的重要因素,在充分分析RoboCup比赛个人技术中的两类技术,即判别函数、动作函数的确定方法的基础上,将模式识别的理论应用于RoboCup仿真比赛的个体技术中,分别使用判别域代数界面方程法确定判别函数,神经网络法确定动作函数,以射门和截球为例,详细叙述了设计过程,最后,使用传统方法和使用模式识别方法的球队在RoboCup仿真比赛中进行比赛,试验证明使用模式识别方法的球队,在比赛中个体技术显著提高。     

基于本体的多智能体知识共享和协作

研究了基于本体的知识建模过程及其应用模式，分析了采用本体模式的知识集成和共享，设计了本体知识库的集成和融合方法，提出了基于本体的多智能体知识共享和协作处理模型，并给出了该模型在医学中的应用。研究结果表明，利用本体方式来获取、重用、共享和组织知识，可以简化多智能体协作中知识交互的复杂性，加强异构知识源的融合。     

改进的Q学习算法及在其RoboCup中的应用

传统的Q学习已被有效地应用于处理RoboCup中传球策略问题,但是它仅能简单地离散化连续的状态、动作空间。文章提出一种改进的Q学习算法,提出将神经网络应用于Q学习,系统只需学习部分状态—动作的Q值,即可进行Q学习,有效的提高收敛的速度。最后在RoboCup环境中验证这个算法,对传球成功率有所提高。     

基于对话的多Agent协作交互模型

针对传统协作设计过程中任务分解、任务分配的随意性和盲目性,提出了一种基于对话的多智能体协作交互模型.初始承担者首先通过信息搜索对话,依次询问设计辅助智能体的专业领域及参与完成设计任务的能力、愿望和机会,以确定其能否作为潜在的协作组成员,然后选用劝说对话,依次劝说潜在协作组成员把实现设计任务作为其意图,最后再次以劝说对话的形式,使潜在协作组成员意识到组内其他成员也都拥有承担设计任务的独立意图和相关意图,以联合信念的形式予以确认,并广播到每个成员.给出了一个达成的对话过程,总结了对话模式的效用与代价公式.实际应用表明,所提对话交互模型在没有固定消息顺序的情况下,可限制每个点上的可能响应,同时其Agent可以表达特定言语行为的态度,并产生这一态度的逻辑推理过程.     

基于多层协作机制的人员疏散模拟研究

为加强疏散模拟的真实性,在充分研究疏散复杂性的基础上,提出了基于多层协作机制的疏散模拟方案.分别采用智能体模型、地理信息系统模型和元胞自动机模型对人员描述层、建筑环境层与驱动转换层等功能层次进行了构建.各层次在实现自身功能的同时交互协作,达到整体功能的优化.模型较好地反映了建筑布局特征与人员疏散行为特征,实现了元胞状态的动态描述与记录,具有多层协作机制良好的扩展性.模拟结果与实测值和经验公式值相比较,符合较好.     

基于多Agent的智能教学系统模型

随着人工智能技术的不断发展和完善,人工智能领域的理论(尤其是Agent技术)不断地应用于教育教学过程中,从而给网络教学系统的研究与应用开辟了新的思路。结合Agent的智能性,笔者构建了一个基于多Agent的智能教学系统的模型,模拟人类在教学活动中的智能活动过程,通过建立多个彼此协调运作的Agent,来使系统能够根据学生的个性特征和认知能力,灵活地系统学习,从而实现个别化教学。     

基于多Agent协作的网上多媒体教学系统模型的研究

作为一种新的远程教学模式,基于多Agent协作的网上多媒体教学具有广泛的应用前景。它继承了传统远程教学的优点,并提出了许多创新之处。构建了基于多Agent协作的网上多媒体教学系统模型,运用心智状态形式逻辑及效用理论,从协作的角度分析了学生Agent对学生学习过程的辅助和监测,细化和增强了教师Agent的功能,并引入了移动Agent来完善其通信机制。     

基于多Agent协作的下载模型研究

针对现有下载方法的不足,提出了一个基于多Agent协作的下载模型.该模型根据协作规则,将下载任务智能、动态地分配给网络上多个Agent,利用多Agent协作快速、高效、灵活地完成下载任务.Agent的知识是在多Agent的协作过程中,通过学习自动产生、完善和优化的.同时,阐述了模型实现的关键技术及解决方案.     

多智能体系统中子域适应度评估的合作协进化协作

为了克服合作协进化算法在解决复杂多智能体系统协作问题时存在的适应度函数难以建立和协作行为难以达到全局最优等问题,提出1种子域适应度评估的合作协进化算法来实现异构多智能体系统中智能体的自适应协作。该算法将复杂问题域模型分解成相互影响较小、较易求解的子问题域模型,在子问题域模型之间并行使用合作协进化算法来完成智能体协作行为的进化,有效降低适应度评估的复杂度。在子问题域进行合作协进化时,在适应度函数中引入环境因子影响矩阵,将其他子问题域的影响信息映射到该子问题域中的个体适应度评估中,从而引导种群向全局优化方向进化。ECJ系统中的仿真实验结果验证了其有效性。     

基于多Agent的自适应远程教学系统模型

在以往远程教学系统的设计、开发中,通常使用面向过程和面向对象的编程方法,文中采用Agent技术进行Web环境下远程教学系统的构建、组织和管理。在Agent的教学系统中,首先建立单个Agent内部结构的形式化模型,再从多个Agent角度入手,设计、开发面向Agent的远程教学系统,利用Multi-Agent技术,设计了基于目标的Multi-Agent系统并探讨了该系统的实现方法。     

一种基于影响图的决策方法及在RoboCup中的应用

影响图是贝叶斯网络的扩展,利用影响图可以有效解决智能Agent利用经验学习和行为选择2个基本问题。RoboCup是一个典型的多Agent系统,其中的球和球员都可以看成是Agent。文章给出一种基于影响图的决策方法,并将其应用到RoboCup中,从而实现了球员截球过程中行为的动态调整。     

基于multi-agent的分布式专家系统原理及应用

基于Intemet/Intranet松耦合环境设计分布式选矿专家系统,采用面向agent(智能体)的系统开发方法和multi-agent分布协作求解模式,采用异构异质agent,即agent可建构于广域网、局域网和单处理器紧耦合模式,且求解agent可以是基于符号系统、神经网络、遗传算法等agent的协作.此外,建立了统一的知识库标准,基于关系数据模式表征了传统的规则、框架、语义网络及谓词逻辑等知识表示方法.其中,基于数据库引导及搜索技术实现了正向推理机制及反向推理机制,易于agent之间知识的传输,大大提高了通信效率;基于DCOM技术,以C++构建框架类加速了agent的实现.以矿石可选性预测求解为例,实现了多agent协作求解的仿真系统,较好地验证了所提出的理论模型及框架.     

三轴试验确定邓肯-张模型参数及其在 FLAC3D中的应用

目前在工程中广泛采用邓肯-张双曲线模型进行土体的应力和应变分析。邓肯-张E-B模型共有8个参数,并且其各项参数易于从常规三轴试验求得。通过三轴试验确定试验土的各项参数,运用FLAC3D实现该三轴试验数值模拟与试验结果对比验证,并应用于实际工程的数值模拟中。路基竖向位移计算值和监测值的对比验证了邓肯-张E-B本构模型在有限差分程序中的准确性和适用性。     

基于多智能体思想的辅助手部运动系统设计

考虑运用多智能体思想,辅助手部活动不便患者实现日常的抓握、伸直等动作。于Unity引擎内设计并实现了一个基于多智能体蜂拥算法的辅助手部运动系统的仿真模拟,并对基础蜂拥算法进行了改进,使其更符合手指的运动方式。该系统包含80个智能体（智能体安装在类似手套的载体上,且与载体之间由弹簧关节连接）以及5个可随意变换位置的虚拟目标点,5个目标点的位置分别代表患者左手5根手指意图到达的位置。辅助系统启动后,蜂拥算法控制的智能体开始自组织振动,通过弹簧带动手指逐渐运动至目标点,最终实现患者的运动意图。通过调整各目标点的位置,可充分辅助患者实现基本的抓握动作。该多智能体系统可根据实际情况灵活改变智能体的数目和大小,且具有良好的稳定性,为多智能体系统的应用提供了崭新的思路。     

基于多agent的VMI模式实现

供应商管理库存(VMI)是提高多企业供应链管理效率问题中库存控制方面的有效手段．根据VMI的特点，本文给出了一个敏捷、协作和安全的基于协调器的多agent框架实现的分布式VMI模型，使得供应商可以在现有遗留系统的基础上就通过网络管理零售商的库存．