Agent协作求解中形成联盟的行为策略

ＭＡＳ中ａｇｅｎｔ结成求解联盟可以提高求解效率，但已有策略不能保证达到全局优化解和联盟稳定性。本文提出一种联盟形成的行为规范策略，在具有次加性的面向任务的领域中可以达到全局优化解，并保持稳定。本文还讨论了联盟形成机制的特性，并论述了文中所提出的行为规范策略在一定下具备这些特性。     

智能建筑室内环境分布式可计算WSN任务调度研究

针对智能建筑室内环境下并行计算的动态任务调度问题,构建了基于分布式CPS思想的无线传感器网络(WSN)模型,并分别设计了基于可计算复杂性的任务分配策略和基于动态调度算法的任务调度策略。通过先将任务分配成若干个子任务,采用多带图灵机输入任务,由合适的计算节点进行计算,形成有向无环图,再按调度优先级排列任务,形成任务调度序列表,依序处理任务,从而达到了将任务分配、调度和执行相结合的目的。实验结果表明该策略可有效减少智能建筑室内环境分布式可计算WSN分布运行时任务之间的通讯时间和等待时间,同时提高了任务调度的成功率,最终优化系统的运行效率。     

一类面向Agent的软件开发方法研究

本文提出了一种面向任务的软件ａｇｅｎｔ模型，并给出了基于问题归约约分析的软件开发方法。问题归约是一类目标驱动的问题求解策略，它与面向任意的软件ａｇｅｎｔ一起，可以有效地设计软件系统。     

一种AGENT任务求解联盟形成策略

Agent联盟是一组平等的、协作的、共同承担任务的Agent的集合．联盟的形成往往需要较大的通信开销和计算工作量．本文提出一种Agent形成联盟的策略，该策略在系统运行的初始阶段，保证任务分配的优化解．而在随后的运行中基于成功合作者集形成Agent联盟．该策略保证在接近任务分配优化解的情况下，有效减少系统中的可能联盟数以及联盟形成过程中的通信开销和计算量，避免联盟形成过程中的盲目性，节省协商时间提高协商效率．     

基于任务熟人集的合同网模型的改进

合同网模型广泛应用于基于多Agent系统的各种应用系统中，以解决分布合作求解和任务分配问题，在讨论基本合同网模型的缺点和不足的基础上，给出了一个任务熟人集的概念，随后提出一种改进的合同网模型和基于任务熟人集选择修选结点和协商策略方法的选择机制，该模型有效地降低通讯量，减少了协商时间和信息流量，提高了系统效率。     

基于关系网模型的Agent联盟形成策略*

从研究Agent社会合作机制入手,引入了一个表示Agent之间联系的社会关系网模型,并以该模型中的熟人集为基础提出了一种Agent联盟形成策略。该策略能有效地减少系统中的联盟数,避免联盟形成过程中的盲目性,节省协商时间并提高协商效率。     

多任务联盟形成中的Agent行为策略研究

Agent联盟是多Agent系统中一种重要的合作方式,联盟形成是其研究的关键问题.本文提出一种串行多任务联盟形成中的Agent行为策略,首先论证了Agent合作求解多任务的过程是一个Markov决策过程,然后基于Q-学习求解单个Agent的最优行为策略.实例表明该策略在面向多任务的领域中可以快速、有效地串行形成多个任务求解联盟.     

基于量子遗传算法的多任务联盟并行生成算法

提出一种基于量子遗传算法的多任务联盟并行生成算法,运用量子编码映射的方式将任务分配与资源组合合并为一个过程,使多任务联盟问题的复杂性得到降低。实验表明,该算法在面向多任务的领域中可以快速、有效地并行形成多个任务求解联盟;与遗传算法和蚁群算法的对比实验表明,该算法是正确、有效、可行的,在运行时间和解的性能上都优于前两种算法。     

基于动态联盟和蚁群算法的任务协同框架

单个节点能力受限,无线传感器节点需要协同完成任务。针对该问题,将协同任务分为感知子任务和计算子任务,提出基于动态联盟和蚁群算法的任务协同框架。根据应用需求选择感知节点形成初始联盟分配感知任务,当感知节点与节点总数的比值小于32%时,网络监测性能最优,引入自适应蚁群算法构建数据汇集路由树,利用同一任务数据的强相关性优化数据传输路径,从而降低通信能耗。     

基于Agent的分布计算环境

为适应分布计算向分散对等的协同计算方向发展，我们开展了基于ａｇｅｎｔ的分布计算环境的研究开发，试图在分布式多ａｇｅｎｔ协同工作系统的开发与当前的分布计算环境之间架起一座桥梁。本文讨论了ａｇｅｎｔ的独立性、自主性和交互性的特点，描述了以事件处理为核心的ａｇｅｎｔ基本模型；研究了基于ａｇｅｎｔ的分布计算环境的构造技术；分析了一种基于ａｇｅｎｔ模型的客户／服务器计算环境ＣＳＥ／ＭＡ的设计与实现，及其超越     

一种快速构建最优联盟结构的方法

联盟结构是对Agent集合的一个划分,通过联盟形成联盟结构,可以使Agent之间形成有效的合作,完成单个Agent所不能完成的任务。然而联盟结构的数目和解空间比较大,以至于通过穷举搜索最优联盟结构是很复杂的。动态规划法通常用于求解具有最优子结构性质和重叠子问题性质的问题,文章在给出了Agent联盟的相关概念之后,论证了构造最优联盟结构问题恰恰具有这两类性质,因此利用动态规划法可以求解。最后给出了相应的算法,并得出采用动态规划法实现最优联盟结构的时间复杂度为O(3n)。     

基于合作技能博弈的单任务联盟结构生成算法

提出一种用于单任务最优联盟结构生成算法STCSG。利用合作技能博弈(CSGs)模型和超图生成合作技能超图(skill hypergraph),根据STSG中最优联盟结构特性,具体讨论了当每个agent最多只能拥有一个技能和一个技能最多被两个agent共同拥有两种情况下搜索合作技能超图的策略,从而求得最优联盟结构。实验结果表明该算法搜索效率较高,时间复杂度为O(n2)。     

一种基于P学习的分布式并行多任务分配算法

并行多任务分配是多agent系统中极具挑战性的课题, 主要面向资源分配、灾害应急管理等应用需求, 研究如何把一组待求解任务分配给相应的agent联盟去执行. 本文提出了一种基于自组织、自学习agent的分布式并行多任务分配算法, 该算法引入P学习设计了单agent寻找任务的学习模型, 并给出了agent之间通信和协商策略. 对比实验说明该算法不仅能快速寻找到每个任务的求解联盟, 而且能明确给出联盟中各agent成员的实际资源承担量, 从而可以为实际的控制和决策任务提供有价值的参考依据.     

基于承诺度的寻找合作Agent的方法

在多Agent系统中,个体Agent的知识和问题求解能力是有限的,需要寻找合作Agent协作共同完成任务.本文提出承诺度概念并以简化的熟人模型为背景,将承诺度作为寻找合作Agent的依据.简化的熟人模型减少了寻找合作Agent的通信开销和资源消耗;以承诺度作为寻找合作Agent的依据减少了建立和维护熟人模型的系统开销.     

软件人协作机制与算法的研究

软件人协作方法主要有合同网方法和熟人方法,针对这两种方法存在的问题,提出了基于熟人集和人才服务中心的软件人协作方法,解决了协作过程中寻找协作者的效率问题以及协作者的可靠性问题。根据熟人决策函数和服务中心决策函数,可以快速获取可以进行有效协作的软件人;同时利用软件人的熟人更新策略和服务中心更新策略,可以使软件人心智参数及时反映系统环境的变化。实验结果表明,基于熟人集和人才服务中心的软件人协作方法可以显著提高软件人协作的效率。     

基于任务能力排序的虚拟企业联盟生成方法

将虚拟企业联盟生成问题转化为多Agent问题,针对传统求解多Agent问题过程中仅考虑成本和联盟值最优的局限性,引入"一企多标"和资源配置等实际问题并给出解决方案。重点论述了基于改进的蚁群算法及任务能力排序的虚拟企业联盟生成方法,在求解过程中首先根据任务所需的核心能力对Agent集进行划分,然后利用改进的蚁群算法来求解该问题,以使满足该任务能力要求的Agent优先被选择,从而避免优势资源得不到利用的现象,起到合理配置资源的作用。通过模拟算例分析表明,该方法能有效、快速求解多虚拟企业联盟生成问题,表现了该方法的正确性。     

Searching for overlapping coalitions in multiple virtual organizations

Coalition formation is an active and essential component for multi-agent systems (MAS) in task-oriented domains in which tasks can be too complicated to be accomplished by a single agent with insufficient resources. By forming a coalition, agents are able to cooperate and combine resources to complete tasks that are impossible to accomplish alone within a given time bound. For example, in virtual enterprises, small and agile enterprises can provide more services and make more profits than an individual can. In many multi-task environments, especially in parallel multi-task environments, an individual abundant in resources is inclined to undertake more than one task to make more profits and participate in multiple virtual organizations (MVOs) at the same time, where every member has to decide how to allocate different parts of its resources to serve multiple different project tasks. Such overlapping property is a very intractable problem in practical decision making, and to the best of our knowledge, current coalition formation algorithms typically exclude the possibility of having overlapping coalitions, that is an agent can only be a member of one coalition at any given time, leading to waste of resources, preventing the system from efficiently allocating all agents’ resources, and limiting the scope of their applications in real-world scenarios. Indeed, overlapping coalition formation (OCF) is an important research question, because MVOs are very crucial and beneficial in parallel multi-task domains where only a few selected individuals have rare, but highly demanded, resources. With this in mind, we develop a discrete particle swarm optimization based algorithm to solve the OCF problem in MVOs, applicable for more complex virtual enterprises environments. We introduce a two-dimensional binary encoding scheme and propose a novel repairing strategy for resolving conflicts over the usage of joint resources among overlapping coalitions. With this novel strategy for cooperative conflict resolution, any invalid encoding can be adjusted into a valid one without any resource conflict. Finally, simulations are conducted to show the efficiency of the proposed algorithm.     

多主体目标优化的动态合作博弈方法*

通过多目标优化和动态合作博弈理论,定义了联盟中多主体目标优化问题,提出了能够适应动态环境的基于合作博弈的多主体目标优化模型。该模型的组成一方面能够利用主体的协作能力,另一方面又能够充分考虑动态联盟的特征,适合大规模网络中多主体协作,避免模型中主体理性和团体理性的冲突。基于所提出的多主体目标优化模型,设计了一种联盟效用分配算法。仿真实验表明,联盟效用分配算法能够使多主体根据最优共识原则,分配各方的合作效用,从而达到多赢的帕累托最优局面。