多Agent电网运行决策支持系统

如何把有关电网运行的各类信息和知识组成一个规范统一、界面友好的自适应的决策支持系统,用以提高电网运行的可靠性、调度效率和管理水平,是电网运行信息化所面临的一个挑战.电力系统是一个开放复杂互联的大系统,根据对Agent的智能、移动、交互等属性方面的分析,本文研究并提出了基于多Agent技术的电网运行决策支持系统体系结构,同时介绍了系统功能和运行过程.系统由决策资源层、通信服务器主体层和职能主体层三层构成.每个智能Agent都有自己的知识库,其中的知识和数据支持智能Agent完成自己的任务并处理好与其它主体和环境的交互.通过采用Agent技术,可以将复杂系统理论,信息采集和知识发现方法,电力系统专业理论,专家的经验以及强大的计算机处理能力紧密地集成到一个基于多Agent的人机协作系统中.每一个Agent可以对本地局部的电力系统进行分析判断,通过多个Agent的自治以及它们之间的协作可以完成大规模的控制和决策.因此,系统可以更快、更正确地支持电网调度员做出运行决策和控制决策.     

制造企业物流多智能体建模及其应用

通过对企业生产物流系统的研究,利用多智能体技术对企业生产物流进行建模.该多Agent模型有两个层面的模型:(1)车间作业层面的生产物流多Agent模型,此模型包涵加工Agent、搬运Agent、零部件Agent等7个子Agent;(2)控制层面的多Agent模型,此模型包涵了管理Agent、计划Agent、决策Agent等9个子Agent.同时详细地介绍了各个子Agent的各自功能,各个子Agent按生产要求进行统一规划和协调,形成一个统一的整体.并以一个4工件4机器的柔性JSP调度为例,比较了故障前后各台机器的利用率所发生的变化,以此说明该模型是可行的,有效的,多Agent非常适合制造企业物流建模.     

基于强化学习的多智能体协作实现

基于马尔科夫过程的强化学习作为一种在线学习方式,能够很好地应用于单智能体环境中.但是由于强化学习理论的限制,在多智能体系统中马尔科夫过程模型不再适用,因此强化学习不能直接用于多智能体的协作学习问题.本文提出了多智能体协作的两层强化学习方法.该方法主要通过在单个智能体中构筑两层强化学习单元来实现.第一层强化学习单元负责学习智能体的联合任务协作策略,第二层强化学习单元负责学习在本智能体看来是最有效的行动策略.所提出的方法应用于3个智能体协作抬起圆形物体的计算机模拟中,结果表明所提出的方法比采用传统强化学习方法的智能体协作得更好.     

基于MAS的电厂优化检修决策支持系统研究与实现

基于分布式人工智能的思想,将MAS引入电厂状态检修领域,分析了基于MAS的电厂优化检修决策的工作流模型,设计了电厂优化检修系统协作模型,建立了一种分布式MAS优化检修决策支持系统(OMDSS)的体系结构及其原型系统.该系统的成功应用,使得维修人员、专家和计算机之间的协同决策成为可能,有效地提高了诊断决策效率和故障定位的准确性.     

分布式微机电系统的多主体控制

分析了分布式微机电系统特点,对基于多主体控制的分布式微机电系统构成进行了研究,提出了采用多主体技术实现分布式MEMS控制的框架。对系统的模型、微机电主体的结构、行为策略进行了形式化表示,给出了控制算法,并在此基础上开发了原型系统。     

多Agent协作机制下的分层式网络管理系统框架设计

为解决传统的基于移动Agent的简单网络管理协议(SNMP)网管系统存在的系统效率低、响应时间长、代理协作性差和可扩展性差的缺陷,设计了一种基于多Agent协作的分层式网络管理框架．该框架包括网络管理站层、多移动Agent协作层、SNMP Agent协作层和网元层共4层．在第2层中,建立了一种多Agent中间层策略和多移动Agent协作策略,将SNMP Agent作为驻留代理,利用多个移动Agent并行协作来智能的完成网管数据的采集．在第3层中,针对AgentX框架的不足,实现了一种基于SNMP协议的主/子代理协作机制．该机制将SNMP Agent从任务上划分为主代理和子代理,主子代理之间协作采用SNMP．仿真实验表明,与传统的基于移动Agent及AgentX的SNMP网管模型相比,此框架能使系统带宽降低26.9％,响应时间缩短29.5％,因此更适合应用于大型分布式网络中．     

面向服务及多代理的EAI框架研究

为了解决传统企业应用集成存在的不足,该文提出了一种面向服务及多代理的EAI框架。该框架的企业应用集成可以很好地解决企业存在的信息孤岛问题,框架基于XML,UDDI,SOAP,HTTP等开放标准,通过HTTP（或TCP／IP）传送执行XML数据,并采用多代理机制解决各个企业组件的异构问题。通过其在企业中的应用,证明了该框架可以降低了企业的开发成本和运营成本。     

Multi-agent reinforcement learning with cooperation based on eligibility traces

The application of reinforcement learning is widely used by multi-agent systems in recent years. An agent uses a multi-agent system to cooperate with other agents to accomplish the given task, and one agent‘s behavior usually affects the others‘ behaviors. In traditional reinforcement learning, one agent takes the others location, so it is difficult to consider the others‘ behavior, which decreases the learning efficiency. This paper proposes multi-agent reinforcement learning with cooperation based on eligibility traces, i.e. one agent estimates the other agent‘s behavior with the other agent‘s eligibility traces. The results of this simulation prove the validity of the proposed learning method.     

基于多智能体强化学习的社交网络舆情增强一致性方法

针对社交网络舆情动力学的增强一致性问题,提出了一种基于多智能体强化学习的智能感知模型(Consensus Opinion Enhancement with Intelligent Perception, COEIP) 。在舆情动力学场景下的马尔科夫决策过程中,首先通过双向循环神经网络设计了智能体的决策模型以解决智能体不定长感知的问题。然后通过差分奖励的思想针对收敛效率、连通度和通信代价三类目标,设计了有效的奖励函数。最后为优化COEIP模型,设计了基于策略梯度的多智能体探索与更新算法,让智能体在彼此交互过程中,通过奖励值自适应学习具备多目标权衡能力的邻域选择策略。大量仿真验证了COEIP在社交网络舆情动力学场景下可以有效调和智能体间的矛盾,降低系统稳定时的簇数,进而增强系统的舆情一致性。本模型为大规模社交网络下提高人群意见的统一性提供了新的解决方案,具有重要的理论指导意义。     

基于影响图的Agent建模及其在Robocup中的应用

讨论了用影响图对多Agents环境建模的方法.Robocup是一个典型的多Agents系统,其中的球和球员都可以看作是Agent.以Robocup仿真比赛为例,给出单Agent和多Agents模型,并给出传球问题的决策实现过程.     

社会协作的多智能体进化

提出了一种新的求解函数优化的算法．借鉴社会协作机制,定义可信任度表示智能体的历史活动信息,控制智能体间的相互作用; 引入“熟人关系网”模型构建和更新智能体的局部环境,利用多智能体之间的协作特性来加快算法收敛速度; 并构造了非一致变异算子保证智能体种群的多样性．仿真实验结果表明,与性能优越的多智能体遗传算法相比,该算法能以更少的函数评价次数找到精度更高的最优解．     

联合战役决心方案自动生成问题研究

对联合战役决心方案自动生成问题的研究现状、军事需求等方面进行了总结;详细介绍了依托MAGE平台,采用多主体理论研制的联合战役决心方案自动生成系统,包括系统的框架结构、单个Agent设计、Agent间的协调、协作方法和系统的软件实现等;该系统可用来支持战略决策的模拟验证。     

车辆底盘故障诊断的多智能体技术研究

半主动悬架系统（SAS）和电动助力转向系统（EPS）的故障诊断对保障整车安全性及其重要.为快速准确诊断SAS和EPS的子系统故障,基于多智能体理论构建出半主动悬架智能体、电动助力转向智能体、系统智能体、显示智能体等,构架底盘悬架子系统与转向子系统通用故障树,建立故障征兆库、专家规则库等数据库,利用智能体的智能行为决策问诊、快速分析判别原因并显示维修建议.通过故障实例诊断模拟,验证了智能体技术在底盘故障诊断中的可行性与有效性.     

一种锚点选择的容错机制

为改善多智能体系统的稳定性,基于整体刚度约束,多智能体自主构形定位,从锚点选择角度提出一种容错机制,将单组最佳锚点选择问题转换成多组较优锚点选择问题,保障多智能系统良好运行.并以7个智能体所形成的自主构形为例,进行了具体说明,并在上述基础上进一步定义故障锚点影响率,以表示故障锚点对多智能体系统的影响程度,便于多智能体系统锚点的重点维护.理论研究和仿真结果均表明所建议的锚点选择容错机制是正确的.     

一种概念建模框架的提出及应用 

概念建模是建模仿真的重要阶段,概念建模的好坏与仿真模型的成功与否密切相关.针对目前缺乏普适性的概念建模框架这一现状,首先对概念建模进行了介绍,进而提出了一种概念建模框架及评价指标;将该概念建模框架应用于网络安全建模仿真中,提出了基于多Agent的概念模型,建立了基于人工免疫的入侵检测系统多Agent概念模型.最后基于OMNeT＋＋设计了相应的仿真模型并进行了仿真实验.结果证明该框架能够增加概念建模的规范程度,对概念模型的建立具有指导作用.     

基于协作Agent的智能决策支持系统研究

针对传统智能决策支持系统缺乏可重构性和协调性等弱点,提出一种基于多Agent的智能决策支持系统结构．通过引入人工智能中的Agent技术构建决策支持系统,采用拥有不同功能的智能体Agent实现了决策支持系统的各智能部件．利用Agent技术对系统进行了结构设计和运行设计,提出以协作Agent为核心的新的系统结构,较好地实现了多Agent之间的协作和交互,为解决多Agent系统中Agent之间的协作难题提供了一种新的思路．     

智能CAPP系统及其加工资源动态决策

为了提高计算机辅助工艺规划（CAPP）系统的柔性、可扩展性、可重用性和动态适应性，基于并行工程理念，采用多代理技术，提出了一种智能CAPP系统体系结构．在研究了智能CAPP系统的工作机理基础上，利用BP神经网络和相关算法实现了车间加工资源的动态决策．结果表明：基于多代理的智能CAPP系统由若干代理构成，每个代理具有独立的功能、结构、推理机和知识库，它们通过协作完成对整个工艺计划问题的求解，在系统结构上具有可重构、可扩展的能力；企业的应用表明，通过CAPP和车间生产计划的集成，基于BP神经网络实现制造资源的动态决策，使得工艺计划的可执行性提高了近1／3．     

普适环境下的多Agent协同框架的研究

根据普适计算的特点,提出了一种多agent协同框架模型.考虑到普适计算环境下移动设备的交互和多通道的信息集成,该模型在已有多agent协同设计框架模型上增加了相应的a-gent,并且在设计agent的结构中包含了通道识别、上下文生成及多通道信息整合模块,以处理多通道的信息.详细介绍了在该agent模型中基于设计上下文的知识表示,以及协同设计系统中多agent知识共享的方法.该研究对于普适计算在设计领域中的应用有重要的意义.     

Customer Order Decoupling Point Selection Model in Mass Customization Based on MAS

Mass customization relates to the ability of providing individually designed products or services to customer with high process flexibility or integration. Literatures on mass customization have been focused on mechanism of MC, but little on customer order decoupling point selection. The aim of this paper is to present a model for customer order decoupling point selection of domain knowledge interactions between enterprises and customers in mass customization. Based on the analysis of other researchers' achievements combining the demand problems of customer and enterprise, a model of group decision for customer order decoupling point selection is constructed based on quality function deployment and multi-agent system. Considering relatively the decision makers of independent functional departments as independent decision agents, a decision agent set is added as the third dimensionality to house of quality, the cubic quality function deployment is formed. The decision-making can be consisted of two procedures: the first one is to build each plane house of quality in various functional departments to express each opinions; the other is to evaluate and gather the foregoing sub-decisions by a new plane quality function deployment. Thus, department decision-making can well use its domain knowledge by ontology, and total decision-making can keep simple by avoiding too many customer requirements.