基于Petri网的多Agent系统建模的研究

多Agent系统正成为分布式自治系统研究的一个热点,并被大量应用在商业和工业软件系统的开发中.这些系统的复杂性表明急需一种系统建模技术来构造多Agent系统,从而支持可靠的、可维护的和可扩展的系统设计.文中分析了Petri网技术在多Agent系统建模领域的应用背景,对基于Petri网的多Agent系统建模方法进行了分类、分析、比较和评估,指出了目前使用Petri网技术对多Agent系统进行建模存在的问题,并给出了今后的研究方向.     

基于多Agent与集成神经网络的制造网络信息调度模型的研究

制造网络的面向服务架构（SOA）应当满足敏捷制造的需求,在SOA中任何瓶颈,如网络资源的分配策略,会影响到制造网络的服务敏捷性。在分析制造网络多Agent结构的基础上,提出了一种制造信息的分类方法。利用制造应用模型,提取系统运行的状态空间,通过制造系统单元间的组合和不同部件网络输出的决策间的融合,集成神经网络输出各制造单元信息调度权重。实验结果表明,此方法符合制造网络设计的原则和依据,以制造应用为中心,最大限度满足制造应用的需求。     

分布式计算环境下CBIR检索引擎的实现

本文探讨了一种基于分布式并行计算环境下视觉CBIR检索（基于内容的图像检索）引擎的实现.该引擎采用分布式数据库来保存庞大的多媒体数据库,利用Agent技术,采用分布式图像处理单元来进行多媒体数据的特征提取和索引建立.利用并行处理单元在分布式数据库上进行检索匹配.讨论了在动态负载平衡下如何进行处理单元(PE)和代理以及分布式数据库的交互.     

分布式数据挖掘中的最优K相异性取样技术

为了弥补基于集中式处理的分布式数据挖掘方法的不足,有效地实施分布式数据挖掘(DDM)任务,需要一种能从分布式数据源中获取多样化代表性取样集的技术.提出了一种新的适用于分布式数据挖掘环境的数据取样算法(OptiSim-DDM方法),算法核心是基于最优K相异性进行数据选择,采用移动Agent技术和扩展的最优K相异性数据多样化代表性子集选择方法,能在各分布式数据场地中轮转选择出全局数据集的多样化代表性取样集.该方法通过降低所挖掘的数据集的数据规模来降低数据挖掘算法的时空复杂度,降低网络通讯代价,提高数据挖掘的执行效率,适合于各场地数据是互相关联和互相依赖的分布式数据挖掘任务.实验结果证实该方法是可行、有效的.     

面向Agent的软件工程复用技术

Agent被认为是克服软件危机的重要突破口而发展起来，Agent带来的大量新理论与成果将极大地推动软件工程的发展。主要从Agent技术及软件重用技术的基础概念出发，分析了面向Agent的软件工程与软件复用技术的优势，介绍了用于大型复杂软件系统时的主要步骤，得出了有意义的结论。     

基于多Agent的SMT产品网络化制造系统研究

网络制造技术是一种新兴的生产组织方式.通过对Agent系统机理的探讨,构架了以多Agent为核心的SMT产品网络化制造的系统框架.讨论了SMT企业间和企业内部的信息系统结构和基于Agent的信息传递等一些关键技术.同时,采用C++语言对agent的底层结构进行了说明.     

基于多Agent的远程故障诊断系统

设备故障诊断技术在现代社会的应用越来越广泛,其应用对象多处于动态多变环境。现有的诊断软件尚不能适应这样的复杂环境。智能Agent是目前人工智能领域的研究热点之一。随着网络技术的成熟,实用型的智能agent系统越来越多地应用于各个领域。本文根据故障诊断系统的实际要求,探讨了利用多Agent技术对故障进行远程、协同诊断的可行性,提出了基于多Agent的远程故障诊断系统的总体结构和功能。并介绍了基于CORBA技术构建的远程故障诊断系统的实现。     

基于多Agent协同构建分布式并行遗传算法

针对并行遗传算法中计算资源的分配问题 ,提出了分布式并行遗传算法结构。它由若干计算节点组成 ,每个节点包含若干运行子遗传算法的计算单元。节点的计算能力依照一定的并行模式映射到单元 ;各子算法则根据一定的拓扑结构进行个体交换。从多 Agent系统的观点看 ,计算单元是独立的 Agent,其并行运行涉及计算资源的分配 ,体现了算法对它们的协调 ;个体的迁移体现了它们之间的协作。并且分析了由两个单元构成的算法在不同并行模式和不同个体迁移因子下的性能。     

一种面向Agent的需求分析和建模方法

随着Agent技术的发展,面向Agent软件工程是将来软件工程领域的发展趋势,面向Agent的需求分析和建模更是该内容的研究热点.在介绍几种面向Agent需求分析和建模方法的基础上,定义了一组面向Agent的图形化符号表示方法和形式化建模语言,详细地描述了整个系统的需求情况,最后在实例中进行了验证、分析和说明.     

多Agent系统中任务分配问题的分析与建模

针对多Agent系统(MAS)内外环境变化所产生的不确定性和任务分配序列决策的要求,利用马尔科夫决策过程(MDP)模型对MAS中的动态任务分配问题进行了分析和建模.其中,状态空间由各Agent的当前负载和待分配的任务组成,每一状态下有多种任务分配方案,利用迭代方法可以获得最佳的任务分配方案以实现系统长期收益最大化的目标.仿真实验表明,MDP模型可以合理地模拟MAS中任务分配的运作过程,并在小规模环境下方便地获取最优任务分配策略.