多预警机情报协同任务控制研究*

对多预警机情报协同任务分配和任务协调问题展开研究。首先,结合集中式任务控制方式和分布式控制方式的优点,设计了混合式任务控制体系结构,以支持在主指挥机的监控下实现不同级别上的任务自主分配;其次,在通过合同网实现动态任务分配的基础上,建立转包合同机制对任务执行过程进行协调,提高了多预警机情报协同的整体效能。仿真结果表明了该方法的有效性。     

基于层次细化Petri网的工作流参与者机制与动态特性研究

通过对工作流中参与者机制进行的分析，提出了一种基于Petri网的工作流参与者建模的方法，给出了参与者静态、竞争、优先和委托模型的Petri网表示，并对基于Petri网工作流变迁和位置节点的细化，揭示了工作流过程的执行阶段的任务分配与参与者状态之间的关系，表明工作流过程实例的真实执行路线是由参与者当时的状态动态决定的．     

基于改进合同网算法的多无人机任务分配

传统合同网算法在任务分配过程中存在任务分配不合理,不能有效利用资源的问题;其在进行任务分配时,不能按照任务需求进行任务分配,任务分配效率低下。针对以上问题,文中提出一种基于改进合同网算法的多无人机任务分配方法。该方法通过优化每架无人机的负载平衡,并结合时间和协作要求,解决任务分配不合理的问题,提高任务的分配和执行效率。     

基于面向对象Petri网的动态合同网协议通用模型

传统的合同网协议模型通过管理Agent和承包商Agent之间招投标进行交互和协商以共同完成目标任务。但传统合同网协议模型也存在一些如协作过程中通信量大、通用性不强等问题。为此，采用面向对象Petri网，引入对象Agent，对动态合同网协议进行建模,并采用Petri网的数学分析方法对模型进行了分析，表明模型具有通用性、并发性、活性的特点且通信量减少。     

扩展合同网方法在远程协同诊断中的应用

诊断任务分配是远程协同诊断的一个内容和难点;在经典合同网分配方法基础上,提出的扩展合同网分配方法依据诊断任务的相似范例推理和阈值规则确定投标诊断资源联盟,以满意效用并经过协商来签订和执行合同.该效用由多约束模糊系数法确定;给出了扩展合同网分配方法的算法描述和UML执行流程,通过一个FMS诊断任务分配过程验证了该方法是一个动态、有效的智能诊断任务分配方法;在结论中指出了进一步研究点。     

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。     

协同设计环境下的任务分配方法的研究

介绍一种基于辅助Agent的合同网模型的任务分配方法，并给出了协作过程中的任务选择策略和Agent选择策略，改进基本合同网模型的缺点和不足，以解决多Agent的协同设计系统中分布合作求解问题和任务分配，达到全局最优化，产生高质量的设计及有效的资源利用，并减少协商时间和信息流量，提高系统效率。     

多UCAV协同任务分配模型及粒子群算法求解

任务分配是多无人作战飞机(UCAV)协同控制的基础.对此,分析了影响任务分配的关键战技指标,建立了针对攻击任务的多UCAV协同任务分配模型.应用连续粒子群算法对问题进行求解,建立了粒子与实际问题间的映射,通过位置饱和策略构造粒子的搜索空间,采用自适应惯性权重提高粒子群算法的收敛速度和全局寻优能力.考虑到单机的任务载荷限制,引入了买卖合同机制以实现多机任务协调.仿真结果表明,所提出模型和算法可以较好地解决多UCAV协同任务分配问题.     

基于目标信息估计的分布式局部协调任务分配方法

分布式决策是提高群体自主性的关键技术之一.以侦查类无人机(unmanned search aerial vehicles,USAV)和打击类无人机(unmanned combat aerial vehicles,UCAV)执行协同搜索、攻击灰色目标区域问题为背景,建立了一种考虑局部链式通信、无人机飞行性能和任务执行能力等多约束的分布式任务分配模型,基于贝叶斯定理将任务空间的连续/离散不确定量用任务收益值量化描述.然后,提出了一种基于一致性协调算法的在线协同策略,并利用一致协调理论建立了一种冲突调解规则,在此基础上,设计了一种分布式任务分配求解算法,能够实现多USAV,UCAV的协同多任务快速分配.最后,通过数值仿真,验证了本文算法求解不确定空间任务分配问题的可行性和快速性.     

基于扩展合同网的协同故障诊断任务分配研究

任务分配作为协同故障诊断技术的重要环节,任务分配机制的优劣直接影响到诊断效率和准确性。针对现有合同网协议存在分配效率低、任务量大时易造成单节点过于忙碌等问题,提出一种基于扩展合同网的协同故障诊断任务分配机制。首先利用Hash算法建立子故障任务与对应分配路径的分配知识库,为任务分配提供动态分配经验;其次将Dijkstra算法与合同网协议相结合,通过权衡故障诊断能力与路径权值来选择"性价比"高的任务分配节点。算法仿真表明,扩展合同网任务分配算法减少了通信量、提高了分配效率。     

An Extended Multi-Agent Negotiation Protocol

This article presents a task allocation protocol that is efficient in time and tolerates crash failures in multi-agent systems. The protocol is an extension of the negotiation protocol defined by Smith and Davis [25, 26] for task allocation. Our extension of the Contract Net Protocol (1) enables an agent to manage several negotiation processes in parallel; (2) optimizes the length of the negotiation processes among agents; (3) reduces the contractors' decommitment situations; (4) enables the detection of failures of an agent participating in a negotiation process and prevents a negotiation process with blocked agents.     

A negotiation‐based method for task allocation with time constraints in open grid environments

This paper addresses the task allocation problem in an open, dynamic grid environments and service‐oriented environments. In such environments, both grid/service providers and consumers can be modelled as intelligent agents. These agents can leave and enter the environment freely at any time. Task allocation under time constraints becomes a challenging issue in such environments because it is difficult to apply a central controller during the allocation process due to the openness and dynamism of the environments. This paper proposes a negotiation‐based method for task allocation under time constraints in an open, dynamic grid environment, where both consumer and provider agents can freely enter or leave the environment. In this method, there is no central controller available, and agents negotiate with each other for task allocation based only on local views. The experimental results show that the proposed method can outperform the current methods in terms of the success rate of task allocation and the total profit obtained from the allocated tasks by agents under different time constraints. Copyright © 2014 John Wiley & Sons, Ltd.     

群智协同任务分配研究综述

任务分配是群智协同计算和众包中的核心问题之一,即通过设计合理的任务分配策略,在满足任务约束条件下,将群智任务分配给合适的工作者,以提高群智任务的完成效率和结果质量。分析了目前任务分配方法存在的问题,总结并提出了一个通用的任务分配框架,并分别从工作者模型、任务模型、任务分配算法三个方面对国内外相关研究工作进行了分析、归纳和总结。提出了群智协同任务分配研究中的关键问题与今后的研究趋势。     

基于迁移学习的多任务分配算法

对于多任务分配问题，传统的方法针对每一个任务独立地寻找一个最优分配方案，没有考虑任务间的关联以及历史经验对新任务分配的影响，因而复杂度较高。研究了多智能体系统中的多任务分配问题，通过迁移学习来加速任务分配以及子任务的完成。在分配目标任务时，通过计算当前任务和历史任务的相似度找到最适合的源任务，再将源任务的分配模式迁移到目标任务中，并在完成子任务的过程中使用迁移学习，从而提高效率，节约时间。最后，通过“格子世界”的实验证明了该算法在运行时间和平均带折扣回报方面都优于基于Q学习的任务分配算法。     

遥感影像并行处理中基于优先级的任务分配策略

对集群环境下大规模遥感影像并行计算中任务分配效率低、负载不均衡的问题进行分析讨论,在此基础上建立多机任务分配模型,提出一种基于计算节点优先级的任务分配算法。该算法综合考虑计算节点的负载和性能,在任务分配时实时地收集各个节点的信息,计算出各个计算节点的优先级,按照优先级的高低分配任务,保证在满足集群间负载均衡的前提下能合理地将任务分配到计算节点。实验结果表明,该算法能快速实时地进行任务分配,任务的分布更加合理和均匀,并且当任务个数增多时,算法的执行效率要比轮转调度算法高出约2倍。     

基于拍卖的动态任务分配算法

动态任务分配是开放式MAS系统研究的重点。在文献[9]给出的算法基础上,针对任务分配或执行过程中,随时有新任务出现的情况,本文提出一种改进算法,同时考虑Agent对已知任务和未来任务的期望度,以引导Agent合理出价,从而得到较优的分配结果。通过在多Agent运输军需问题中的应用,验证了该算法是合理有效的。     

分布式实时系统中的预测调度算法

对于分布式实时系统中的周期性任务,人们提出了一系列静态分配调度算法,有效地解决了各种特定条件下的任务分配和调度问题.这些算法的主要特点是,它们均要求被调度任务的特征参数为已知条件.然而在很多实时系统中,周期性任务的运行时间或任务数量常常是一些具有一定规律的随机过程,因而上述静态算法的效能将受到限制.在分析了特定应用背景中的处理流程之后,抽象得到两类随机任务模型,针对这两类模型介绍了在分布式实时系统中已经得到应用的静态分配调度算法SAA(static allocation algorithms),进而提出了多任务分配调度的预测算法PAA(predicting allocation algorithm).它根据周期性任务执行时间或子任务数量的统计特性,实现任务参量的合理预测和多任务的动态调度,以提高系统的实时性能.仿真结果表明,对于两类任务模型,PAA算法与SAA算法相比,在任务完成时间、负载均衡度、系统响应时间及任务夭折率等多方面均有显著改善.     

新的多移动机器人任务协商模型

针对多机器人协商中缺少心智状态与实际任务执行能力、通信带宽拥挤导致的低实时性以及从协商历史中缺乏快速学习等问题,提出一种多移动机器人任务协商模型。首先,阐述了机器人基本运动形态;其次,为多机器人协商定义了基于π演算的心智状态(信念、目标、意图、知识更新等)与能力状态(协作、能力判断、任务分配等);再次,构建了多机器人协商模型,研究了协商周期、协商任务、协商效用估计、协商分配协议、学习机制等。最后在机器人足球比赛平台上验证了方法的有效性。     

空间众包中多类型任务的分配与调度方法

针对空间众包多类型任务完成的质量与数量问题,提出多类型任务的分配与调度方法。首先,在任务分配过程中,结合空间众包中多类型任务和用户的特点,对贪婪分配算法改进,提出基于距离ε值分配（ε-DA）算法;然后,将任务分配给附近的用户,以提高任务完成质量;其次,利用分支定界思想（BBS）,根据专业匹配分数的大小,对任务序列进行调度;最后,找到最佳的任务序列。针对分支定界思想的调度算法运行速度较慢的问题,提出最有前途分支启发式（MPBH）算法。通过MPBH算法,使得在每次任务分配过程中实现局部最优化,与分支定界思想的调度算法相比,在运行速度上提高了30%。实验结果表明,所提方法能够提高任务完成的质量以及数量,有效地提高了运行速度与精确性。