一种多智能体系统中的协作机制

在多智能体系统MAS中,自治的agent在完成任务时常常会出现任务重叠的“正交互”现象,从而使得系统效率低下。为了解决这一问题,文章提出了一种agent协作机制,采用最短路径的方法来找出agent最优的合作对象,优化整个系统处理问题的能力。实验证明该方法是有效的。     

基于信息融合的多智能体协作方法的研究与应用

将信息融合技术运用到多智能体系统中,利用信息融合方法对智能体得到的在空间上分布的其他智能体感知的局部信息进行融合,得到较完整的态势评估,以此来规划和协调多智能体系统的协作行为,提出了一种基于信息融合的多智能体协作方法。将该方法应用在机器人救援仿真系统中,结果表明该方法能够实现全局上的任务分解策略,有效提高了智能体协作能力。     

基于协作协进化的多智能体机器人协作研究

协作问题一直是自主多智能体机器人系统研究的关键问题之一。基于多智能体机器人系统的CCP协作协议所生成的各智能体机器人的任务序列依赖于目标的初始顺序,因此难以得到最优解。文章提出了利用协作协进化来实现多智能体机器人之间协作的一种机制。该方法采用基于协作种群的技术来生成多智能体机器人任务执行序列,在给定的任务分解产生的所有可能解中寻找最优解,并通过交换局部知识和并行决策等手段来优化系统的性能。利用该机制,对3个智能体协作搬运8个物体进行计算机模拟,结果表明,该机制在优化任务执行序列方面作用明显,从而能有效提高多智能体机器人系统的性能。     

多智能体协作方法及其应用研究

将复杂系统分解成由多个智能体构成的合作多智能体系统，建立了多智能体系统的决策模型，能动态实时地计算每一时刻智能体的决策局势，适应环境的动态变化．采用多智能体方法对半导体生产进行调度，提高了半导体生产线设备的利用率，缩短了单位工件的加工时间．     

基于多智能体的人机协作智能信息系统

综合集成研讨厅理论体系是作为处理开放的复杂巨系统的有关问题而提出的,其实质是一个人机协作的智能信息系统.本文主要探索研讨厅的实现途径,给出了基于网络的研讨厅的层次模型与系统结构,提出了基于内嵌客户/Agent/服务器的请求器-中介器-供应器模型的多智能体研讨厅的多层分布计算模型,并基于Java的智能信息Agent技术探讨了支持宏观经济决策的多智能体研讨厅的构架及工作机制.研究表明,基于Internet有关技术与Agent计算技术有可能实现研讨厅,并由于Agent技术的优势而可能得到较好的系统性能.     

基于强化学习的多智能体协作方法研究

为了在连续和动态的环境中处理智能体不断变化的需求,我们通过利用强化学习来研究多机器人推箱子问题,得到了一种智能体可以不需要其它智能体任何信息的情况下完成协作任务的方法。强化学习可以应用于合作和非合作场合,对于存在噪声干扰和通讯困难的情况,强化学习具有其它人工智能方法不可比拟的优越性。     

一种基于多步竞争网络的多智能体协作方法

多智能体高效协作是多智能体深度强化学习的重要目标,然而多智能体决策系统中存在的环境非平稳、维数灾难等问题使得这一目标难以实现。现有值分解方法可在环境平稳性和智能体拓展性之间取得较好平衡,但忽视了智能体策略网络的重要性,并且在学习联合动作值函数时未充分利用经验池中保存的完整历史轨迹。提出一种基于多智能体多步竞争网络的多智能体协作方法,在训练过程中使用智能体网络和价值网络对智能体动作评估和环境状态评估进行解耦,同时针对整条历史轨迹完成多步学习以估计时间差分目标,通过优化近似联合动作值函数的混合网络集中且端到端地训练分散的多智能体协作策略。实验结果表明,该方法在6种场景中的平均胜率均优于基于值分解网络、单调值函数分解、值函数变换分解、反事实多智能体策略梯度的多智能体协作方法,并且具有较快的收敛速度和较好的稳定性。     

一种基于多智能体系统的机器人群组织形式

提出了一种基于多智能体的机器人群高层的分层式组织形式及运行机制,它包括机器人组织的定义、组成类型以及组成的实现算法。机器人社会中的组员既可独立隶属于一个群体,也可动态分属于多个群体,该结构不仅有效地利用了资源,而且还可以提高系统的鲁棒性和抗毁性。     

基于规划识别的多智能体协作研究及应用

多智能体系统是规划识别的一个有效应用平台，提出一种基于规划识别多智能体协作算法，对对抗环境和非对抗环境中的基于规划识别的多智能体协作算法进行了分析，实现了对队友和对手行为目的的认识和建模，减少了协作主体间需要通信的时间厦难度。该协作算法应用到多智能体的有效测试平台机器人足球赛中，试验结果证明，该算法在通信受限、信息受限或信息延时的系统中可有效预测队友和对手的行为，从而实现智能体间的协作。     

一种信息不完全确定的多准则分类决策方法

针对准则权系数信息不完全确定和准则值信息不完全且有训练集的多准则分类决策问题,提出一种基于证据推理的分类方法,该方法在对训练集分类的基础上,结合不完全确定的准则权系数信息等建立非线性规划模型;然后利用遗传算法和单纯形法联合求解优化模型,得出准则权系数和分类效用阈值等参数,进而求出每一方案的效用值;最后与分类的效用阈值进行比较,得到方案集的分类．应用实例说明了该方法的有效性和可行性。     

带缺省属性值的不完备信息系统相似关系改进

针对带缺省属性值的不完备信息系统，对已提出的容差关系、非对称相似关系、限制容差关系和修正容差关系等相似关系的局限性进行了剖析，提出了一种权衡容差关系，实例和分析说明，它是一种更加合理的带缺省属性值的不完备信息系统的相似关系。     

信息不完全确定的多准则区间直觉模糊决策方法

提出了一种权系数信患不完全确定且准则值为区间直觉模糊集的多准则排序方法．该方法利用证据推理算法对准则进行集成。得到各方案的区间直觉模糊集,计算各方案与理想方案和负理想方案的距离。并结合不完全确定的权系数信息建立非线性规划模型。利用粒子群算法求解所得优化模型。得出最优准则权系数。通过比较方案的区间直觉模糊集与理想方案和负理想方案的距离,得到方案集的排序．最后的数值算例说明了该方法的有效性和可行性．     

不完备信息系统中决策规则的不确定性表示

将完备信息系统中决策规则的不确定性度量引入到不完备信息系统中,充分讨论了条件属性值缺失时规则的不确定性度量表现为概率区间的特性,在此基础上给出了确信度和覆盖度的近似概率值,并利用确信度计算出规则对分类的反映程度.     

基于离差优化的信息不完全确定的多准则分类方法

提出一种准则权系数信息不完全确定且有训练集的多准则分类决策方法.该方法利用训练集的分类结果和准则权系数的不完全确定信息,基于类间离差最大和类离差最小构建非线性规划模型,再利用遗传算法求解所得优化模型,得到训练集中各方案在各准则下的效用值和准则权系数,通过插值得到方案集中方案在准则下的效用值,确定方案与各类间的离差,进而得到方案的分类.实例计算表明了该方法的有效性和可行性.     

Selfish Routing with Incomplete Information

In his seminal work, Harsanyi (Manag. Sci. 14, 159–182, 320–332, 468–502, 1967) introduced an elegant approach to study non-cooperative games with incomplete information. In our work, we use this approach to define a new selfish routing game with incomplete information that we call Bayesian routing game. Here, each of n selfish users wishes to assign its traffic to one of m parallel links. However, users do not know each other’s traffic. Following Harsanyi’s approach, we introduce, for each user, a set of possible types. In our model, each type of a user corresponds to some traffic and the players’ uncertainty about each other’s traffic is described by a probability distribution over all possible type profiles. We present a comprehensive collection of results about our Bayesian routing game. Our main findings are as follows:

粗糙集理论中新的针对不完备信息系统的处理方法研究

本文针对不完备信息系统,在分析了现有的数据补齐法和扩充法的优劣后,提出基于差异关系和数据部分补齐的处理方法。本文定义了差异关系,对差异矩阵进行扩充使其能适用于不完备信息系统,证明了用差异关系进行属性约简和求核的可行性,并给出了相应的算法。数据部分补齐的目的是通过分析对象之间的差异性更进一步地挖掘信息之间的潜在联系,为后续的决策规则的求取提供更丰富更准确的信息。实验证明,在处理不完备信息系统时,基于差异关系和数据部分补齐的方法能获得更好的分类性能。     

不完备信息系统中知识获取算法

粗糙集理论是一种新的处理模糊和不确定知识的软计算工具.应用粗糙集理论,可以将隐藏在系统的知识能够以决策规则的形式表达出来.根据粗糙集上下近似的概念,决策规则能够分成确定性规则和可能性规则两种.本文将介绍从不完备信息系统中知识获取的算法,通过这些算法能够从不完备决策表中生成一种确定性的规则和两种可能性的规则,同时也介绍了不完备决策表中描述约简的算法.     

一类不完全信息线性规划方法

本文建立了基于不完全信息的模糊数系数线性规划模型，提出了模糊优值的概念、数学定义和求解方法，并且给出了最优值关于系数连续性的几个结果。     

扩展不完备信息系统及知识依赖度量

对不完备信息系统进行扩充，考虑不同对象可能具有不同的重要性，引入了对象重要性函数．使得知识表达系统可以融入主观偏好和领域先验知识等因素。在此基础上，根据一般二元关系新定义了粗糙集的近似精度、粗糙熵、知识的粗糙熵的概念，证明了扩展不完备信息系统中不确定因素的变化与度量强度之间的重要关系。对于知识依赖进行了深入探讨，研究了由知识动态变化所引起的知识依赖度量程度的变化，进行了相关定理的证明。