智能虚拟维修环境多Agent 协作机制

针对智能虚拟维修环境中多Agent协同作业求解问题,提出一种基于任务驱动方法的协同虚拟维修训练体系框架,并构建基于该框架下的协作感知-规划-行为（Sense-Plan-Action,SPA）关系模型,在该模型中使用参数化表达方法来量化多Agent 协同作业过程,并将任务求解过程转化为时序信息、属性状态演变、目标决策等多通道框架驱动协同作业的实现,解决了多Agent 协同作业的逻辑关系问题。最后,将该方法应用于轮式工程机械协同虚拟维修仿真过程中,实现了协同虚拟维修可视化,验证了任务驱动方法在协同虚拟训练中的可行性。     

网络协同数字化预装配系统中的协同技术研究

针对网络协同数字化预装配特点,提出可重组的多Agent协同装配动态组织结构,基于Petri网建立装配动态组织模型和协同装配过程模型,对产品的装配协作过程进行了研究。提出商用CAD软件与数字化预装配系统的模型数据集成方法,研究了多Agent之间的通信和协同实时性的实现技术,并开发了原型系统。实例表明,该系统能使异地协作人员通过网络协同地对产品的装配设计进行分析与优化。     

Multi Agent动态分组模型用于多无人机协同任务分配

多无人机协同任务分配应用Multi Agent系统模型时需考虑对大规模Agent的分布式管理和动态协调。协同任务分配将每一无人机视为系统中一个Agent,对全体Agent进行动态分组,分别提出决策Agent及成员Agent的动态分组模型和评价函数,由决策Agent管理和协调本组全体Agent执行任务,降低了大规模任务分配的决策成本并有利于实现全体Agent协同。仿真实验验证了模型及算法有效性。     

兵力协同计划方案智能决策系统研究

以红蓝双方海上编队对抗为背景，以拟制多兵种同攻击计划方案为目的，基于动态多目标决策和方案优化模型，在传统的作战辅助决策系统技术基础上，将面向分布式人工智能理论技术引入到多兵种协同作战计划智能决策系统实现中，定义了协同作战智能体单元的概念，并给出了该MAS系统的Agent组成，Agent结构，Agent功能分类，系统的运行流程以及系统的构成框架。     

基于Multi-Agent的面向过程混杂系统的集成技术

基于 Multi-Agent提出了面向过程的混杂系统的集成框架 ,设计了用于该框架的单个 Agent的基本模型 ,分析了异构 Agent之间的关系 ,给出了一种新颖的 Agent变迁策略 .该框架能有效地刻画复杂过程控制系统的动态行为 ,便于系统的分析和设计 .     

基于Agent的CGF决策行为建模研究

阐述了ACGF决策行为建模的一般特点，提出了一种基于马尔可夫过程的分层决策行为模型，构造了该模型基于黑板通信的多Agent结构，并给出其形式化描述和决策过程的伪码说明。分析了决策行为模型中Sub-Agent（SA）的结构和功能特点，指出SA是反应式Agent与逻辑型Agent相结合的混合模型，能够根据环境要求产生反应方案和充分方案。实例验证该模型能够较好地模拟舰艇ACGF的决策行为。     

基于智能Agent的群组决策支持系统及其在经营过程管理中的应用

信息时代 ,面向企业经营过程管理的决策活动具有广泛的分布性和重要的协同性 .本文旨在运用分布式人工智能的方法研究群组决策支持系统 ,以支持企业经营过程管理 ,特别是支持对市场环境的灵活应变、新产品的快速开发以及经营过程的动态重组 .该系统采用基于智能 Agent的层次分布式体系结构 ,应用多种信息技术和基于模型的协同技术 .     

线路勘测设计中的三维可视化协同环境

设计一个线路勘测设计的三维可视化协同环境，应用主席一委员模式的会议系统结构，以协同可视化设计层和协同管理层为核心的系统框架以及分布式加锁策略等实现多用户间的协同管理。同时，在三维可视化环境中，将每个线路模型的空间对象表示为Agent模型，它由具备推理能力的行为和描述对象空间特征的几何模型组成，以此实现多用户环境下线路的三维可视化协同设计与评价。     

基于Multi Agent的空战作战行为协同方法

针对空战中多种作战行为的最优协同使用,构建了Multi Agent模型,该模型由网络接口层、中央协调层和作战行动层三层组成。在中央协调层中,提出了中央协调算法以实现作战行为的协调使用。该算法通过引入影响因子建立综合作战效能模型,反映了多种软硬杀伤武器、飞行控制系统和传感器系统协同使用时各作战行为的交互影响作用。综合上层全局作战意图和底层行动单元获取的信息,得到所有协同方案的预估综合作战效能。通过以综合作战效能预估值最大为准则,动态寻优所有组合空间的方法,可获得最佳协同方案。通过仿真得到在动态战场态势下的作战行为组合为最佳协同方案,表明了该协同方法的正确性。     

命令机制下智能体能力的描述

能力是Agent实现目标的必要条件，但是经典的BDI模型对能力没有进行充分的讨论。在BDI模型的基础上，提出了一种带有命令状态的BGC模型。在该模型框架下，讨论了Agent能力的概念，对能力进行了形式化描述，分析了能力的公理系统及其与目标、命令等精神状态的相容关系。定义了一种自省Agent的承诺类型，使Agent能够根据自身能力的变化修改其目标和意图。实际仿真应用表明，BGC模型及能力的引入，能够较好地解决角色与智能体之间的双向动态选择，满足CMAS在命令和灵活两方面的要求。     

基于几何关系的多导弹协同跟踪算法

多武器平台同时探测、处理机动目标信息, 一定程度上可以提高目标的跟踪精度, 特别是对于多导弹协同作战而言, 协同跟踪目标即可以为作战系统提供全面的协同控制情报, 也可以为每枚导弹提供精确的制导信息.论文基于交互多模与几何关系思想, 设计了多导弹协同跟踪目标算法.首先,建立了目标运动学模型, 给出了多导弹和目标之间的几何关系,并以此为基础,建立了多导弹协同跟踪目标模型; 其次, 基于交互多模思想,将多导弹获取的目标信息进行交互, 通过协同滤波算法计算出目标滤波状态值;最后, 对协同滤波算法进行仿真验证.研究表明:相对于信息不共享的情况, 多导弹协同跟踪目标能够取得更好的跟踪效果, 对多导弹协同作战具有重要的参考意义.     

基于Web的协同制造伙伴选择系统的研究与实现

首先介绍了协同制造模式对伙伴选择的需求，然后讨论了协同制造伙伴灰色关联选择模型，其中主要包括灰色关联数学模型建立以及协同制造伙伴选择评价指标体系的构成。本文的另一个研究重点为协同制造伙伴选择系统的分析与设计，运用面向对象思想对系统进行静态分析、动态分析，最后通过实例介绍协同制造伙伴选择系统的关键页面。     

无标度网络的同配性对群体合作行为的影响

考虑维持社会关系所需的"成本"因素,在囚徒困境博弈模型中引入关系成本参数,通过仿真实验研究囚徒困境博弈在同配性可变的无标度网络上的演化,进而探讨不同关系成本条件下无标度网络的同配性对合作行为的影响。研究结果表明,随着关系成本的提高,群体的合作行为受到了明显的影响,合作者均衡密度表现出先降低后升高的趋势。然而,在不同的关系成本参数条件下,无标度网络的同配性始终抑制了合作行为的演化,合作者均衡密度随着同配性水平的增大而减小。     

一个人-机协作智能体环境模型

以计算机协同工作环境和人工智能技术为基础 ,提出了一个人 -机智能体协作环境的结构模型 ,其中包括两类智能体 ,独立的机器智能体和人 -机协作智能体。该模型的优点是对所求解问题随时提供可行解 ,并对参与工作的专家提供以可视化工具为主导的强有力的支持。     

复杂环境下多探测传感器协同定位优化布站建模仿真研究

针对复杂环境下多探测传感器网络难以准确协同定位的问题,提出了一种多传感器协同定位优化布站方法。基于后验克拉美罗下界构建了目标定位精度几何稀释因子评价指标,考虑复杂外界环境,分析了起伏地形、杂波干扰和光照对传感器探测定位能力的影响。建立了多传感器协同定位优化布站模型,并采用智能优化算法进行快速求解。仿真实验结果表明：所提方法能够有效提高多探测传感器网络的协同定位能力,对多传感器协同优化布站具有指导意义。     

基于机群关系特征的多机协同作战任务分配

本文研究多机协同作战的任务分配问题。首先,根据不同飞机种类的特点提出了任务适应度概念,用以描述不同任务场景下各机种执行该任务的相对优劣程度。其次,根据同一机群内和不同机群间的飞机单元执行同一任务时的相互关系,提出了关系特征函数,用以描述执行同一任务时其他执行单元对自身效能的影响。再次,针对某一任务需要多架飞机单元共同完成的实战需求,设计了考虑任务适应度和机群关系特征的全局收益指标,并通过求解最优化问题实现了多机种协同作战收益最大化。最后,针对典型的多机协同作战场景,给定任务需求后进行求解,得到了任务分配结果。结果表明,所提出的方法能够充分利用不同机种的各自优势及机群内外成员关系提高全局收益,对多机协同作战任务分配问题具有重要的意义。     

复杂系统崩溃的脆性致因的研究

针对开放的复杂系统进行研究，首次提出并论证脆性是复杂系统的一个基本特性．由复杂系统的脆性特点，根据集对分析的理论，定义子系统间的脆性联系熵、脆性基元的概念。同时，将非合作博弈的理论和方法引入到复杂系统的脆性的研究中。基于复杂系统博弈的动力学，建立复杂系统脆性仿真模型，仿真结果说明复杂系统的崩溃，是由于基元内子系统的熵值在外界干扰过程中不断增加，而且又无法从周围环境得到负熵流的补充时，达到临界熵值而导致崩溃。     

基于多智能体系统的协同交互式进化计算模型

协同交互式进化计算由于缺乏通用模型而限制了其应用范围。针对该问题，结合多智能体系统结构的灵活性和异构特点，提出基于多智能体系统的协同交互式进化计算模型。模型由交互式进化计算单元和协同单元构成，并给出了每个部分的详细功能描述。采用面向智能体的程序设计方法，提取不同功能组件，给出相应组件的语义描述及派生关系。以网络环境下的服装设计系统为例，给出系统结构及组件派生实例。结果表明该模型的合理性，为协同交互式进化计算的广泛应用奠定了基础。     

局部通信条件下多无人机协同搜索方法

针对复杂场景中障碍物、电磁干扰等因素造成的无人机(unmanned aerial vehicle, UAV)编队部分通信链路不可达问题, 提出局部通信条件下的协同搜索(cooperative search under local communication, CSLC)方法。首先, 根据各UAV的实时位置计算当前时刻编队通信拓扑关系, 建立UAV编队的局部互通网络。在此基础上, 综合考虑UAV通信能力和编队协同目标搜索能力, 构建基于通信链路稳定收益和协同编队收益的协同搜索模型。最后, 设定多UAV编队所需的安全距离和最大运动速率的约束条件, 保证模型能够得到最优路径可行解, 提高多UAV协同搜索效率。实验结果表明, 与现有的目标搜索方法相比, CSLC方法在保证协同搜索路径可行性的同时, 提升了多UAV协同搜索的能力。     

双属性概率图优化的无人机集群协同目标搜索

为了提高不确定环境下无人机（unmanned aerial vehicle,UAV）对目标捕获能力,进而提高多UAV协同搜索效率,提出了基于双属性概率图结合改进的协同进化遗传算法（improved co-evolutionary genetic algorithm,ICEGA）的多UAV协同目标搜索方法。首先,根据环境的先验信息,在原概率图基础上引入标志位,建立基于双属性矩阵的待搜索环境概率模型,提高环境和目标的信息感知准确度;其次,定义UAV的飞行规则并结合目标先验概率图信息,建立UAV运动模型及确定最大收益的目标函数;最后,建立分布式UAV之间的信息交互模型,运用ICEGA算法优化产生最优协同决策输入航向角集合,在线实时滚动优化产生最优协同路径。实验结果表明,基于双属性概率图结合ICEGA算法更能够保证最优路径的产生,使得UAV能够准确地搜索到目标;同时,对比仿真验证了ICEGA算法能够提高UAV之间的协同性,保证了路径可行性及提高了目标搜索效率。