二进制编码差异演化算法在Agent联盟形成中的应用

在多Agent系统中,通过形成联盟可以提高Agent求解问题的能力,因此,联盟是多Agent系统的重要合作方法.从本质上讲,Agent联盟的形成是一个复杂的组合优化问题.引入差异演化算法来解决这一问题.差异演化是一种基于群体差异的演化算法,适合于求解连续空间的最优化问题.首次将以实数编码的差异演化算法应用于Agent联盟问题,提出二进制编码的差异演化算法解决组合优化问题,通过引入S型函数把变异操作的结果限制在集合{0,1}上,可以快速、高效地找出合适的Agent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相关算法.     

遗传算法与多Agent遗传算法操作与性能比较

该文主要介绍遗传算法及其改进的混合算法多Agent遗传算法在操作和性能上的差异,分析并证明了了遗传算法求解高维函数优化问题的局限性。通过实验证明了多Agent遗传算法的执行性能上较遗传算法具有很大的优越性,特别是在求解不高于400维的优化问题时。     

基于混合遗传蚁群算法的多Agent动态任务分配研究

在多Agent系统中,由于任务的复杂性和Agent之间的异构,Agent的动态任务分配问题实际上是一个NP难优化问题。针对MAS的任务分配问题的动态特性,首先建立任务分配数学模型,建立任务分配优化的目标函数;其次提出了一种混合遗传蚁群算法。利用遗传算法快速迭代和蚁群算法正反馈信息、分布式求解的特点实现任务分配的组合优化。实验仿真的结果分析表明,该算法具备较好的全局收敛效率和求解精度,可明显提升多Agent系统的性能。     

基于Agent的混合流水车间动态调度系统

针对敏捷制造调度环境的不确定性、动态性以及混合流水车间（HFS）调度问题的特点,设计了一种基于多Agent的混合流水车间动态调度系统,系统由管理Agent、策略Agent、工件Agent和机器Agent构成。首先提出一种针对混合流水车间环境的插值排序（HIS）算法并集成于策略Agent中,该算法适用于静态调度和多种动态事件下的动态调度。然后,设计了各类Agent间的协调机制,在生产过程中所有Agent根据各自的行为逻辑独立工作并互相协调。在发生动态事件时,策略Agent调用HIS算法根据当前车间状态产生工件序列,随后各Agent根据生成的序列继续进行协调直到完成生产。最后进行了发生机器故障、订单插入情况下的重调度以及在线调度等动态调度的实例仿真,结果表明对于这些问题,HIS算法的求解效果均优于调度规则,特别是在故障重调度中,HIS算法重调度前后的Makespan一致度达97.6%,说明系统能够灵活和有效地处理混合流水车间动态调度问题。     

基于遗传算法的应急物资分层联动调度研究

本文提出了在多物资、多车型特征的应急物资分层调度情况下求解调度系统中各运输工具具体调度方案的算法。该算法以系统调度任务完成时间最小为目标,基于遗传算法采用整体联动的求解思想。实际问题中的调度问题往往具有本文所提出的层次性,针对物资分层联动调度问题,本文给出了物资两层调度的算例,并建立了相应的数学模型,算例中第一层调度系统由一级仓库、二级仓库、一级运输工具和一级路网构成;第二层调度系统由灾害点、二级仓库、二级运输工具和二级路网构成,将两层调度系统视作整体,采用基于遗传算法的整体联动求解方法对算例进行求解得出结果,并对结果进行分析论证,验证算法的可行性与有效性。     

用差异演化算法求解单任务Agent联盟

在多Agent 系统中, 可以通过联盟提高Agent求解问题的能力,因此,联盟是多Agent系统的重要合作方法.将差异演化算法应用于Agent 联盟问题,可以快速、高效地找出合适的Agent 联盟.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相关算法.     

基于多Agent的复合模型求解自适应QoS机制

在基于网络的分布式系统应用基础上,分析了大型复杂问题复合模型协作求解的过程特征描述,提出基于多Agent 的领域问题协作求解的主动控制策略,探讨了用户交互Agent、系统主控Agent、协作Agent以及模型Agent和数据Agent等复合模型协作求解的4种Agent类型。应用多Agent层次结构,提出一种复合模型协作求解的自适应QoS体系结构,通过实现复合模型协作求解的主动调度规划算法对其进行了验证,支持分布式网络环境下实现模型资源和数据资源的共享,以提高协同计算环境分布式问题协作求解的运行效率和服务质量。     

MAS系统的问题求解能力分析

本文用状态空间搜索模型分析了多Agent系统(MAS)的问题求解能力，认为MAS系统中Agent之间知识的组合应用和对问题搜索方向的交互和决策是影响MAS系统问题求解能力的主要原因，在状态空间搜索模型下可以将Agent间知识的组合应用表达为不同Agent的搜索路径的组合，而Agent对搜索方向的判断是基于启发式信息做出的，从而为形式化分析MAS系统的性能建立了通用的模型．本文以A*算法为例探讨了可采纳算法下多Agent合作求解效果与Agent的知识和启发信息之间的关系，指出只有在一定条件下MAS系统才会获得更好的解题能力．本文还对非可采纳算法下MAS系统性能分析方法提出了初步看法．     

在基于Agent的调度系统中应用DNA遗传算法

本文研究了基于 DNA生物机理提出的 DNA遗传算法 ,该算法是常规遗传算法的发展 ,是基于遗传基因和自然选择的全局搜索算法 ,并将其应用于基于 Agent的调度系统中 ,针对 6× 6 Job- shop调度问题的仿真试验说明了该算法的有效性和先进性 .     

一种求解饲料配方问题的优化算法

分析了饲料配方问题现有的求解策略,在Bruin提出的多Agent协商求解一种简化线性规划问题的理论模型的基础上,利用多Agent协商理论和线性规划理论,建立了Agent模型,提出了基于多Agent协商策略的饲料配方问题求解的优化算法,并证明了算法的正确性和可行性。实验结果表明,该算法具有更强的求解能力。     

多阶段多产品调度问题的链式智能体遗传算法

将遗传算法的编码方式与智能体系统的演化结构相结合,提出一种求解多阶段多产品调度问题的链式智能体遗传算法.算法采用基于订单序列的编码方式,采用一种新的后向指派规则实现编码和可行调度间的一一对应.通过各智能体与其邻域环境的竞争与合作以及自身的自学习操作实现种群的演化过程.对多阶段多产品调度问题的仿真结果表明:链式智能体遗传...     

An agent-oriented approach to resolve scheduling optimization in intelligent manufacturing

Agent technology is considered as a promising approach for developing optimizing process plans in intelligent manufacturing. As a bridge between computer aided design (CAD) and computer aided manufacturing (CAM), the computer aided scheduling optimization (CASO) plays an important role in the computer integrated manufacturing (CIM) environment. In order to develop a multi-agent-based scheduling system for intelligent manufacturing, it is necessary to build various functional agents for all the resources and an agent manager to improve the scheduling agility. Identifying the shortcomings of traditional scheduling algorithm in intelligent manufacturing, the architecture of intelligent manufacturing system based on multi-agent is put forward, among which agent represents the basic processing entity. Multi-agent-based scheduling is a new intelligent scheduling method based on the theories of multi-agent system (MAS) and distributed artificial intelligence (DAI). It views intelligent manufacturing as composed of a set of intelligent agents, who are responsible for one or more activities and interacting with other related agents in planning and executing their responsibilities. In this paper, the proposed architecture consists of various autonomous agents that are capable of communicating with each other and making decisions based on their knowledge. The architecture of intelligent manufacturing, the scheduling optimization algorithm, the negotiation processes and protocols among the agents are described in detail. A prototype system is built and validated in an illustrative example, which demonstrates the feasibility of the proposed approach. The experiments prove that the implementation of multi-agent technology in intelligent manufacturing system makes the operations much more flexible, economical and energy efficient.     

基于改进??学习的知识化制造自适应动态调度策略

针对知识化制造系统生产环境的不确定性, 构建一个基于多Agent 的知识化动态调度仿真系统. 为了保证设备Agent 能够根据当前的系统状态选择合适的中标作业, 提出一种基于聚类-动态搜索的改进??学习算法, 以指导不确定生产环境下动态调度策略的自适应选择, 并给出算法的复杂性分析. 所提出的动态调度策略采用顺序聚类以降低系统状态维数, 根据状态差异度和动态贪婪搜索策略进行学习. 通过仿真实验验证了所提出动态调度策略的适应性和有效性.

     

A novel approach for multi-agent-based Intelligent Manufacturing System

In the recent years, the competition of shortening the development cycle of new products is more and more fierce. Given the shortcomings of traditional scheduling algorithm in Intelligent Manufacturing, the architecture of multi-agent-based Intelligent Manufacturing System is put forward, which represents the basic processing entity. The architecture is based on the methodology of multi-agent systems (MAS) in distributed artificial intelligence (DAI). The multi-agent system has some common characteristics, such as distribution, autonomy, interaction and openness, which are helpful to transform the traditional architecture into a distributed and cooperative architecture in an Intelligent Manufacturing System. To develop a multi-agent-based scheduling system for Intelligent Manufacturing, it is necessary to build various functional agents for all the resources and an agent manager to improve the scheduling agility. In this paper, the proposed architecture consists of various autonomous agents that are capable of communicating with each other and making decisions based on their knowledge. The architecture of Intelligent Manufacturing, the scheduling optimization algorithm, the negotiation processes and protocols among the agents are described in detail. A prototype system is built and validated in an illustrative example, which demonstrates the feasibility of the proposed approach. The experiments prove that the implementation of multi-agent technology in Intelligent Manufacturing System makes the operations much more flexible, economical and energy-efficient.     

项目优化调度的多智能体社会进化算法

结合多智能体系统、进化算法以及关系网模型,提出了一种多智能体社会进化算法用于求解项目活动的一个最优调度顺序以使整个工程的工期最短,每个智能体生存于环境中,为了增加自身能量将与其邻域展开竞争及协同操作,同时可利用自身的知识进行自学习来增加能量,根据项目优化调度的问题特点,设计了智能体的竞争行为、协同行为以及自学习行为,通过对PSPLIB中的标准问题进行测试,同时与其他启发式算法相比较的仿真实验结果表明该算法具有良好的性能,能在较短的时间内寻找到十分接近"最优解"的调度序列.     

强化学习和仿真相结合的车间作业排序系统

设计了一个强化学习和仿真相结合的动态实时车间作业排序系统．首先引入多个随机变量,将车间作业排序问题转换成序贯决策问题;然后通过仿真手段构建车间作业排序问题的模型环境,求取系统性能指标并保证解的可行性;接着设计了一个多智能体Q学习算法和仿真集成解决作业排序问题;最后通过仿真优化实验验证了该系统的有效性．     

Integrated process planning and scheduling by an agent-based ant colony optimization

This paper presents an ant colony optimization (ACO) algorithm in an agent-based system to integrate process planning and shopfloor scheduling (IPPS). The search-based algorithm which aims to obtain optimal solutions by an autocatalytic process is incorporated into an established multi-agent system (MAS) platform, with advantages of flexible system architectures and responsive fault tolerance. Artificial ants are implemented as software agents. A graph-based solution method is proposed with the objective of minimizing makespan. Simulation studies have been established to evaluate the performance of the ant approach. The experimental results indicate that the ACO algorithm can effectively solve the IPPS problems and the agent-based implementation can provide a distributive computation of the algorithm.     

一种求解模糊柔性Job-shop调度问题的多智能体免疫算法

结合实际纸盆车间的生产特点,考虑了模具、机器和操作人员等多种资源约束,以及加工时间和交货日期的不确定性等因素,建立了批量可变的模糊柔性Job-shop调度问题模型。同时结合多智能体系统以及生命科学中免疫系统的免疫信息处理机制,构造了一种用于求解实际Job-shop调度问题的多智能体免疫算法。该方法通过智能体与其邻居间的竞争操作以及自学习操作,并结合自适应疫苗接种、交叉、变异和模拟退火操作,来更新每个智能体在解空间的位置,使其能够更精确地收敛到全局最优解。最后对某纸盆车间的调度实例进行了求解,实验结果验证了算法的有效性。     

专家系统辅助的多Agent蚁群算法研究

本文提出了一种使用专家系统辅助的多Agent蚁群算法,该算法使用专家系统来辅助蚂蚁寻找可行路径,更好地适应了具有动态复杂约束的生产调度问题。它采用JESS专家系统外壳、JADE多Agent平台构建系统,对大规模定制供应链调度模型进行了算法检验。     

全维状态观测器的演化设计

利用被控系统可以直接测量的输出量和输入量,作为观测器系统的输入信号,并使状态观测器的状态信号和被控系统的状态变量等价。以误差绝对值乘时间积分指标[ITAE]的倒数作为目标函数。利用智能体对环境的感知和反作用能力,将其与遗传算法的搜索方式相结合,提出了多智能体遗传算法来优化目标函数,进而设计出状态观测器的输出反馈矩阵。将多Agent系统与GA相结合的MAGA能够充分地挖掘GA中个体的并行性,从而在很大程度上提高算法的收敛速度和准确性。