基于MAS的协作机制的网络坦克作战系统研究

提出了信息化条件下新型作战系统的模块化结构,对类似的作战系统-网络坦克作战系统的主要特征进行了总结概括;运用Agent技术对网络坦克作战系统建模,提出了具有主从层次结构的基于多Agent系统(MAS)的网络坦克作战系统,描述了其基本特征,并对系统基于MAS的协作机制-合同网机制和黑板机制及其多阶段协商过程进行了分析与研究.     

基于MAS的网络坦克作战系统体系结构分析

网络坦克作战系统是一个复杂系统,对这一系统的研究实质上是一个复杂问题的求解过程.Agent技术为此提供了模块化及抽象化的问题求解方法.将网络坦克作战系统从功能结构的角度进行了模块化分割,提出了一种基于多Agent系统(MAS)的体系结构,将系统中的协作Agent分为5类:指挥决策Agent、局域协调控制Agent、分队级协调控制Agent,系统重构Agent和评价Agent,对这种体系结构进行了分析与研究.     

网络坦克作战系统基于MAS的决策过程分析与研究

网络坦克作战系统的决策过程是一个群组决策过程.系统决策过程实质上是各组成部分协作进行问题求解的过程.基于多Agent系统(MAS)的网络坦克作战系统决策是系统中多个Agent面向作战任务进行协作问题求解的过程.运用MAS技术对系统的决策过程进行了分析,提出了系统基于MAS的群组决策基本框架,给出了分布式的系统决策结构,并对决策过程进行了设计和详细分析.MAS协作规划有利于系统的群组决策.     

基于FPGA的动态重构系统重构过程研究

有效融合了专用集成系统(Application Specific Integrated Circuit,ASIC)与通用目的处理器(General Purpose Processor,GPP)优势的动态可重构系统,以其良好的灵活性、可重构性以及优异的计算性能,逐步应用于从嵌入式系统到高性能计算的许多领域。针对动态可重构系统的重构过程控制进行了研究,详细分析了动态重构过程中的一些潜在问题。针对重构过程中重构模块与固定模块之间的耦合问题和数据交互问题,提出了一种新的动态重构过程通信控制机制。该机制将重构过程划分为重构前、重构中和重构后3个阶段,并在各个阶段对数据交互和通道隔离进行了有效控制。实验验证表明,该机制能够有效保证动态重构过程的正确性。     

基于具有重构功能MAS的入侵检测系统*

针对基于MAS（MultiAgent System）的入侵检测系统在自身异常情况下普遍存在单点失效甚至系统崩溃的缺点,提出的MAS在系统自身异常情况下具有系统重构功能,增强了入侵检测系统在系统级上的健壮性。详细介绍了基于具有重构功能MAS的入侵检测系统的体系结构、系统中各Agent的功能、分工,重点介绍了在自身异常情况下MAS的重构过程。     

基于MAS机器人协作机制的研究与应用

本文是在通过分析IR-SDS智能机器人系统平台的基础上实现基于MAS理论的多机器人协作机制,并且在分析合同网和熟人协作机制的基础上,提出了实时响应较好的合同网能力协作机制。通过在IR-SDS上进行实验,并分析实验结果证明了该协作机制的实时性和优越性。     

基于免疫克隆遗传算法的配电网络重构

配电网重构可以提高配电网运行的安全性、经济性和供电质量,对于当前国内配电自动化系统建设和应用具有重要意义.将克隆遗传算法(CGA)与免疫算法(IA)结合起来,形成免疫克隆遗传算法(ICGA).以网损最小为目标函数,以配电网电压降的限制、线路电流量的限制等为约束条件,在考虑配电网自身特点的基础上,以69节点配电系统为算例,利用免疫克隆遗传算法求解.结果证明该优化算法具有较好的全局收敛性和收敛速度.     

基于MAS的协作学习机制研究

基于多Agent技术构建了一个网上协作学习系统模型MACL,给出了系统的结构框架,就其中的学生模型的构建、协作学习小组的创建以及协作学习和评价机制进行了探讨,结合KQML通信机制设计了Agent的交互模型,并进一步研究了协作小组的创建策略和算法.     

一种基于MAS信用机制的安全网络防御方案

在分布式,开放的,动态的网络环境下,网络集成防御系统的自身的安全性和系统自学习协作能力是网络集成防御系统研究和应用面临的新的问题。本文为此,提出了一种基于信用MAS系统的安全防御体系解决方案。在该方案框架上上,可以很容易的有效的提升防御系统的安全和很好的把MAS的复杂问题求解和机器学习的相关模型融入系统。实现防御系统的自组织、自学习能力。     

基于遗传算法的射影重构

在实现分层重构的过程中,射影重构是关键的第1步。目前,大多已有算法对模拟数值是非常有效的,但对于真实图象效果并不理想。为了寻求更为鲁棒的算法,提出了一种基于遗传算法的射影重构算法。该算法对于射影深度采用十进制编码,并以测量矩阵的秩为4作为约束,来定义适应度函数,然后利用遗传算法,并结合奇异值分解（SVD）技术来迭代估计射影深度,进而实现射影重构,该算法是行之有效的,且鲁棒性较好。     

基于遗传算法的参数优化在多移动机器人系统中的应用

1　引言在机器人研究中 ,基于行为的方法是构造工作于动态开放式环境下的机器人的一类方法 ,其中 Schema- based反应式控制结构对于自治移动机器人是一种有效的控制结构[1 ,2 ] .但在此结构的多机器人系统中 ,通过配置各个机器人的行为控制参数来实现机器人之间的协作是一个很困难的问题 .而遗传算法 (GA,Genetic Algorithm)在复杂的解空间中是一种很有效的搜索算法 [3] .所以 ,本文提出了一种改进的遗传算法对多机器人系统进行参数优化配置以实现机器人之间的协作 .此种改进算法的特点在于在适应度函数结构中引入了死区的概念 .这种方法…     

基于遗传算法的制造单元重组技术研究

根据生产任务动态重组制造单元是缩小生产设备调度范围,提高机床利用率的一个有效途径,针对制造单元重组问题,提出了基于生物遗传规律的制造单元重组算法（GCRA）,该算法真实地反映了动态逻辑单元重组的本质要求,具有模型简单,设计变量少,计算速度快,稳定性强等优点,最后给出了实例验证。     

基于任务驱动的传感器指示交接研究

针对传感器指示交接技术中指示对象难以确定的问题,根据指示交接的实际过程,研究了基于任务驱动的传感器指示交接,详细阐述了指示交接任务的产生和执行,包括对任务进行数学描述和分类、分解;提出了基于协作任务优先级英式拍卖协议的协作/协调机制,完成了不同协作任务竞争相同传感器资源出现冲突时的冲突消解,解决了多传感器指示交接中\"指示谁\"的问题;实例分析表明,该方法合理、有效,为对指示交接的深入研究奠定了基础。     

Genetic algorithm with dynamic variable number of individuals and accuracy

This paper proposes a novel processor for genetic algorithm (GA) that can dynamically change number of individuals and accuracy. In conventional GA, number of population and accuracy are fixed. However, the accuracy of solution is low at first-half stage. Therefore, the number of population is doubled at expense of the accuracy of solution, and the searching ability is improved at first-stage in the proposed GA processor. Then, the number of population is reduced by half, and the accuracy is improved at second-half stage. As a result, the searching ability is improved. The proposed GA processor was designed and verified. The effectiveness of proposed method was confirmed by applying to the knapsack problem. Recommended by Guest Editor Phill Kyu Rhee. This work was supported by the grant from Research Institute for Science and Technology, Tokyo Denki University (Q06J-03). Akihiko Tsukahara received the B.E. degree in Electronic Engineering from Tokyo Denki University in 2005. He is currently a M.E. student in Tokyo Denki University. His research interests include VLSI design for genetic algorithm and rough sets. Akinori Kanasugi received the B.E., M.E. and Ph.D. degrees from Saitama University, Japan, in 1983, 1985 and 1994, respectively. After a research associate in Saitama University, he moved to Tokyo Denki University in 2002, where he is currently a Professor in the Faculty of Engineering. His current research interests are in the development of VLSI systems such as reconfigurable processor, GA processor, and rough sets processor.     

基于基因重组原理的遗传算法

为了克服标准遗传算法的早熟现象,提高遗传算法的全局收敛性,提出了一种基于基因重组原理的遗传算法。定义了新的反向逻辑交叉算子和随机逻辑交叉算子,用它们对染色体的部分基因实现交叉重组。实验结果表明,该算法比经典的遗传算法具有更好的收敛性和稳定性,其中随机移位逻辑交叉算子可看成是蝶形移位逻辑交叉算子和洗牌移位逻辑交叉算子的推广,从而推广了文献[2]的结果。     

考虑同时取送货的车机协同路径优化问题

考虑到传统同时取送货问题模式单一,无法应对复杂多变情况的现实需要,研究了一种考虑同时取送货的路径优化问题(vehicle routing problem with drones for simultaneous pickup and delivery, VRPD-SPD)。首先,以车辆与无人机总成本最小为优化目标,建立了考虑无人机单架次访问顺序约束的混合整数线性规划模型。其次,提出了一种基于遗传思想的两阶段启发式算法(two-stage heuristic algorithm based genetic, TSHAG),第一阶段结合贪婪算法和节约算法生成初始解,第二阶段通过改进的遗传算法优化初始解,设计了多元组编码方式来提高解码效率,改进了交叉算子来增加邻域解的搜索空间,设计了新的变异算子来提高算法全局寻优性能。最后,算例实验结果表明了TSHAG算法能够有效地解决VRPD-SPD问题。     

基于GA-PDD的干线信号协调控制优化

针对城市交通干线负荷量大、信号配时计算效率低、协调优化约束条件多的特点,提出了基于比例分配解码方法的遗传算法(GA-PDD)协调控制策略,采用交通波理论建立了排队长度预测模型并以干线系统内车辆平均延误时间最小为目标函数建立了遗传算法优化模型,采用比例分配解码方法来进行求解.分别采用单点信号控制、定时协调信号控制和基于GA-PDD的协调控制3种控制策略对某城市干线实例进行对比仿真实验,仿真结果表明,随着调用周期的增大,GA-PDD控制策略的车辆平均停车次数和延误时间逐渐减小,调用周期在15 min及以上时,优于单点信号控制和定时协调控制,验证了不频繁剧烈地改变干线上的信号周期和相位差时,GA-PDD控制策略具有可行性和有效性.     

移动机器人编队控制的现状与问题

随着机器人向系统应用的方向发展，移动机器人编队控制问题成为研究的热点问题．为此，依据解决编队控制问题的不同思路，总结了编队控制的各种研究方法：基于行为法、人工势场法、跟随一领航法、虚结构法、循环法、模型预测控制法、分布式控制法，分别对几种编队控制方法的基本思想和特点进行总结和分析，最后从通用性、稳定性、鲁棒性和安全性等方面阐述了移动机器人编队控制理论与应用方面有待进一步研究的几个主要问题。     

一种基于基因重组策略的遗传算法

为了克服标准遗传算法的早熟现象,提高遗传算法的全局收敛性,文章提出了一种基于基因重组策略的遗传算法,该算法定义了一种新的交叉算子,即移位逻辑交叉算子(包括循环移位交叉算子和洗牌移位交叉算子),用它们对染色体的部分基因实现有规律的重组。实验结果表明,该算法比经典的遗传算法具有更好的收敛性和稳定性。     

引入学习机制的自适应遗传算法设计与实现

目前遗传算法研究中,缺乏对历代群体进化规律的充分利用,因此引入学习机制,设计反映个体自主学习进化规律的自适应算子,并且结合现有的改进遗传算法,提出一种新的自适应遗传算法。最后以两个通用的测试函数为例对算法进行性能测试,结果表明,在采用相同参数的条件下,自适应算子能够以较低的代价提高遗传算法的收敛速度,并获得更好的最终优化结果。