复杂实时动态环境下的多智能体系统

分析了复杂实时动态环境下的多智能体系统所面临的问题，并对该系统的分布式问题求解、学习、推理、协调等方面进行了研究，提出相应的解决方法，并探讨了系统的设计与实现。     

从宏观和微观论多智能体系统与足球机器人系统体系结构

在半自主型的MAS组织结构的基础上,建立具有Agent、逻辑Agent与物理Agent的异构体系,从微观和宏观两种技术路线分析了多智能体系统 (MAS)的组织结构和Agent的体系结构,提出了一种足球机器人系统的分层知识、分层推理的体系结构模型,可简化推理过程,又增强推理能力,提高足球机器人的应变能力和实时性.     

基于遗传算法的多智能体联盟形成机制

针对动态开放式多智能体系统中联盟的形成问题,提出“按能力分配”的联盟报酬划分规则和联盟报酬率等概念及相关命题,讨论Agent之间的协商机制和协商原则,在此基础上建立基于多智能体遗传算法的联盟形成机制。仿真计算结果表明,该联盟形成机制能够减少系统的通信量,保证所得联盟的稳定性和全局最优性,提高系统的结盟效率。     

含有障碍物环境下多智能体系统的聚集行为

研究多动态智能体系统在含有障碍物环境下的聚集行为．首先建立一类多智能体系统在有障碍物的环境下的数学模型，以描述个体在遇到障碍物时的行为特点．其次从理论上证明了整个多智能体系统聚集行为的稳定性，指出在有障碍物环境下仍然能够涌现系统的聚集行为．最后，通过数值模拟验证了有关结论的有效性．     

在机器人足球中利用遗传算法进行多智能体学习

本文通过对仿真机器人足球的研究的介绍，阐述了利用遗传算法对多智能体机器学习的研究。每个球员作为一个智能体，通过进化训练，不断地学习，使之能够作出当前状态下最优的动作。文中将以FIRA仿真机器人足球赛为例，论述战术动作的在线学习。     

钢铁工业过程多智能体系统研究

结合钢铁工业过程的特点，通过分析冶金过程工业智能控制的发展状况，提出了采用多Ａｇｅｎｔ技术，建立钢铁工业多智能体系统，从而实现钢铁工业的分布式智能控制，分析了系统建立的必要性和可行性，并给出了该系统的结构和实现方法。     

基于多智能体的动态车间调度系统

在分析车间生产调度特点的基础上,提出了基于多智能体的动态车间生产调度模型。把车间生产调度系统分为调度代理、任务代理和资源代理等。代理之间采用了基于改进的合同网的关系网模型,为解决车间加工动态调度问题提供了一种新的方法。     

基于多Agent的混合智能学习算法及

本文提出了基于多Agent的混合智能学习算法，将个体学习和群体学习有效地结合起来，并给出了该算法在RoboCup足球机器人仿真系统中的具体应用．实验结果表明了算法的可行性与有效性．     

基于DCOM的动态运输调度多智能体系统研究*

针对物流运输调度中的客户需求动态性和随机性问题的解决,设计了一种基于DCOM的动态运输调度多智能体系统。在多智能体系统中,设计了包括预规划智能体、实时监控智能体、决策智能体和车辆智能体四类智能体。智能体以DCOM式组件形式实现,智能体之间的通信和协调由决策智能体集中执行。通过一个实例验证了系统算法的有效性,同时也为动态运输调度问题的解决提供了一个可参考的思路。     

基于协同进化的多智能体机器人路径规划

协同进化是一种新兴的、简单有效的智能优化方法,具有较好的收敛性、鲁棒性和高效性,在多目标优化问题中得到很广泛应用。将其应用到复杂环境下多智能体机器人的路径规划中,并设计适应度评价函数。同时,引入一系列新的变异操作算子,有效地对多智能体机器人规划的路径进行优化,加速了整体的规划速度,避免规划陷入局部最优,从而获得多智能体系统的全局最优或次优解。最后给出了的仿真结果证明方法可行、有效。     

动态环境中基于遗传算法的移动机器人路径规划的方法

动态环境中，移动机器人的动态路径规划是一个较难解决的课题．本文提出一种 基于遗传算法的移动机器人的路径规划方法．该方法采用实数编码的方法，有明确物理意义 的适应度函数，以加快实时的运算速度和提高运算精度．该方法充分挖掘可应用遗传算法解 决移动机器人动态路径规划的潜力．通过计算机仿真表明该控制方法具有良好的动态路径规 划能力．     

THE EFFECT OF NETWORK STRUCTURE ON DYNAMIC TEAM FORMATION IN MULTI-AGENT SYSTEMS

Previous studies of team formation in multi-agent systems have typically assumed that the agent social network underlying the agent organization is either not explicitly described or the social network is assumed to take on some regular structure such as a fully connected network or a hierarchy. However, recent studies have shown that real-world networks have a rich and purposeful structure, with common properties being observed in many different types of networks. As multi-agent systems continue to grow in size and complexity, the network structure of such systems will become increasing important for designing efficient, effective agent communities.
We present a simple agent-based computational model of team formation, and analyze the theoretical performance of team formation in two simple classes of networks (ring and star topologies). We then give empirical results for team formation in more complex networks under a variety of conditions. From these experiments, we conclude that a key factor in effective team formation is the underlying agent interaction topology that determines the direct interconnections among agents. Specifically, we identify the property of diversity support as a key factor in the effectiveness of network structures for team formation. Scale-free networks, which were developed as a way to model real-world networks, exhibit short average path lengths and hub-like structures. We show that these properties, in turn, result in higher diversity support; as a result, scale-free networks yield higher organizational efficiency than the other classes of networks we have studied.     

动态环境下多移动机器人路径规划的一种新方法

本文提出一种多个移动机器人在动态环境下进行路径规划的新方法．基于栅格类的环 境表示和障碍地图,协调同一工作环境中多移动机器人的运动状态,以避免相互之间发生碰 撞．该方法的复杂性较低,具有很好的实时性能．结合机器人足球领域,进行了实验,验证 了这个方法的正确性和有效性．     

动态不确定环境下移动机器人的在线实时路径规划

提出一种基于极坐标空间的、以机器人期望运动方向角为路径优化指标的动态不确定环境下移动机器人的在线实时路径规划方法。该法通过机器人的传感器系统,实时探测局部环境信息,在每一采样时刻,机器人首先对视野内的动态障碍物的位置进行采样,然后根据所采样的位置信息,利用自回归模型预测出下一采样时刻动态障碍物的位置,再将预测位置上的动态障碍物当作静态障碍物来处理,然后对其规划避碰路径,从而将动态路径规划转化为静态路径规划。仿真和实验结果验证了该方法有效可行,具有实时规划性和良好的避障能力。     

提高足球机器人系统实时性能的硬件优化方法的研究

机器人足球赛是近年来在国际上迅速兴起的高技术对抗项目,实时性问题是足球机器 人系统的关键问题之一．本文基于足球机器人系统的硬件结构优化问题分析,提出了多种提 高系统响应速度的可行性方案,并给出了部分实验结果．     

在动态环境中移动机器人导航和避碰的一种新方法

本文提出了基于超声传感器的信息,将改进的栅格 和回归预测法结合起来,应用于具有静态和动态障碍物的动态环境中,移动机器人THMR-Ⅱ 的导航和避碰的一种新方法．对栅格法的改进就是以障碍物为单位记录信息量,结果比原来 以栅格为单位记录的信息量少得多,克服了栅格法中存在环境信息存储量大的问题,提高了 实时性．对回归预测法也作了改进,并把它们结合起来,在求得最佳候选扇区后,使移动机 器人躲避了静态和动态障碍物,实现了导航,最终到达目标．通过三种仿真实验,结果表明 作者提出的方法是正确和有效的．     

多Agent诊断系统中合作任务调度算法的实现

多Agent系统的核心问题是多Agent的合作和问题求解,在多Agent系统合作的调度算法中引入遗传算法,能更准确和更有效地进行问题求解。文中在介绍多Agent系统结构的基础上,分析了多Agent的合作问题以及基于遗传算法的调度算法,并在一个实用系统中实现了合作任务调度算法,达到了预期效果。     

动态网络环境下的多Agent移动合作系统

多Agent移动合作系统为分布式系统提供了灵活、高效的解决方案,但针对动态网络环境,当前的一些研究工作还存在局限性,以多Agent移动合作系统模型为基础,考虑到动态环境中Agent知识的不确定性、影响力和Agent间可能客观存在的矛盾,提出了Agent模糊知识表达与交换的思想、理论模型及算法,较好地考虑并解决了Agent的模糊信念合成及矛盾处理等关键问题,通过仿真研究,将所提出的理论与模型应用于解决动态网络拓扑发现问题,结果证明了该模型是可行、高效的。     

一种动态环境下移动机器人的路径规划方法

本文提出了在动态环境中，移动机器人的一种路径规划方法，适用于环境中存 在已知和未知、静止和运动障碍物的复杂情况．采用链接图法建立了机器人工作空间模型， 整个系统由全局路径规划器和局部路径规划器两部分组成．在全局路径规划器中，应用遗传 算法规划出初步全局优化路径．在局部路径规划器中，设计了三种基本行为：跟踪全局路径 的行为、避碰的行为和目标制导的行为，采用基于行为的方法进一步优化路径．其中，避碰 的行为是通过强化学习得到的．仿真和实验结果表明所提方法简便可行，能够满足移动 机器人导航的高实时性要求．     

EDI中心的实时任务调度算法研究

本文首先综述单处理器系统中基于截止时间优先任务调度的几种算法以及涉及问题的基本解决方法，然后提出在满足每个任务截止时间的前提下，基于最早开始执行时间优先动态调度算法。