基于概率选择的次优移动Agent迁移策略研究

针对原有网络结构开销较大、负载分配不均等缺点,提出一种区域核心式移动Agent服务注册模式.针对移动Agent路由选择问题提出了一种模拟蚁群算法的路由选择新算法,并给出了一种基于概率P的移动Agent迁移策略,改变了传统迁移只按照某种标准下的最优路径进行的模式,使移动Agent可以充分利用网络中的各条符合时延条件的通路进行迁移;模拟自动控制理论中的反馈思想,使移动Agent执行任务的同时,担任修正路由信息的任务,使路由表的信息始终保持次优状态.仿真实验证明,提出的移动Agent迁移体系在收敛速度、容错性、系统开销和迁移时延等方面有明显改进,并且可以有效缓解在网络负载较重的情况下出现的网络节点阻塞以致移动Agent丢失的情况.     

基于Multi-Agent的分布式测控系统任务调度算法

基于Multi-Agent提出了一种新的分布式测控系统动态任务调度算法。该算法采用接收者启动的调度策略,根据各主机负载状态,在系统运行过程中动态迁移任务,有效地提高了系统效率,实现了负载均衡的目标。该算法采用移动Agent来迁移任务,有效地减少了网络传输,节省了时间。     

WSNs中基于能量均衡定向扩散的移动Agent路由算法

提出一种无线传感器网络中基于能量均衡定向扩散的移动Agent路由算法(EBDDMA).首先,改进定向扩散协议,组合利用最大最小路径节点剩余能量和最小跳数2个度量建立多向最优传输梯度,源节点通过发送两组不同的探测数据包来分别完成源节点的发现与移动Agent迁移路由的建立.随后,移动Agent根据各源节点已建立的移动Agent路由表来动态的选择下一跳节点并进行数据融合,最终返回Sink节点.在源节点发现及移动Agent返回阶段,各节点根据多向最优梯度度量动态构造概率选择函数并进行下一跳选择.同时还针对路由维护问题提出了一种路径快速修复机制.仿真结果表明,与已有的两种算法相比,EBDDMA可在保证较小端到端传输延时的基础上有效的平衡网络能耗,从而延长网络的生存期.     

移动计算系统检查点迁移策略的性能评价

为了有效评估移动计算系统检查点迁移处理策略的性能,基于移动计算系统自身所具有的特性,给出了移动计算系统中的进程状态模型,并在此基础上提出了一种移动计算系统检查点迁移处理策略性能评价模型.利用该性能评价模型对当前的3种日志检查点迁移策略进行了仿真实验,结果显示该模型与实际情况相吻合,从而验证了此性能评价模型的有效性.该检查点迁移处理策略性能评价模型可用于确定不同移动计算环境下相对适用的检查点迁移处理策略.     

基于移动Agent的非结构化P2P网络搜索方法

为了解决非结构化P2P网络搜索问题,在借鉴谣言传播模型基础上,提出了一种基于移动Agent的搜索方法.该方法通过在网络中部署一定数目的 Agent,使其通过理智移动和随机移动的方式转发查询请求.与经典随机游走策略对比的实验结果表明,该方法提高了整个搜索策略覆盖度,同时降低了网络通信代价.     

多Agent协作机制下的分层式网络管理系统框架设计

为解决传统的基于移动Agent的简单网络管理协议(SNMP)网管系统存在的系统效率低、响应时间长、代理协作性差和可扩展性差的缺陷,设计了一种基于多Agent协作的分层式网络管理框架．该框架包括网络管理站层、多移动Agent协作层、SNMP Agent协作层和网元层共4层．在第2层中,建立了一种多Agent中间层策略和多移动Agent协作策略,将SNMP Agent作为驻留代理,利用多个移动Agent并行协作来智能的完成网管数据的采集．在第3层中,针对AgentX框架的不足,实现了一种基于SNMP协议的主/子代理协作机制．该机制将SNMP Agent从任务上划分为主代理和子代理,主子代理之间协作采用SNMP．仿真实验表明,与传统的基于移动Agent及AgentX的SNMP网管模型相比,此框架能使系统带宽降低26.9％,响应时间缩短29.5％,因此更适合应用于大型分布式网络中．     

一种移动Agent的高效容错策略

为提高移动Agent系统容错性能,保障系统运行的可靠性,在分布式容错机制基础上,引入了＂状态＂概念,并结合消息机制及滑动窗口机制,提出了一种新的容错策略.分析证明,该策略既避免了因大量移动Agent冗余而带来的系统开销,又极大地提高了容错的高效性及健壮性,是一种高效、可行的容错策略.     

一种新的令牌传递算法

提出了适用于移动AdHoc网络中的一种新的令牌传递算法,即令牌动态传递算法。该算法无需预先建立虚拟的逻辑令牌传递环路,而是根据网络的拓扑结构,动态地形成令牌的传递路径。因此,在移动AdHoc环境下应用时,能够根据网络的拓扑结构的变化,动态地改变令牌的传递路径,具有很好的适应拓扑结构变化的能力。     

基于分布式Agent联盟的机器学习机制

提出了一种基于分布式Agent的机器学习模型。用Agent来构成机器学习的各组成部分，并由采用不同学习方法的Agent构成学习模块。为实现分布式Agent的协作学习机制，采用Agent联盟作为协作体系结构。将一种改进的遗传算法用于Agent联盟以实现分布式Agent的协作，该遗传算法控制参数动态地变化，采用粗粒度型的并行方式，一传多的交换个体方式和完全网络拓扑迁移模型。系统具有良好的性能。     

基于改进合同网协议的多Agent动态任务分配

为了使多Agent系统的任务分配更能适用于动态环境,提出一种改进的合同网协议的多Agent动态任务分配方法。该方法首先建立Agent能力模型和Agent执行的任务描述,在此基础上改进合同网中的招标阶段,Agent通过将正在执行的任务进行招标来动态改变自身能力以进行任务的再分配。最后,通过建立AGV(automatic guilded vehicle)物流仓库搬运仿真系统以验证改进方法的可行性和有效性。仿真结果表明,该方法能有效减少系统完成任务的总时间,提高了系统的整体效率,并且提高多Agent系统适应动态环境的能力。     

面向动态外地代理的卫星网络移动性管理机制

针对低轨卫星网络的高动态特性,提出了一种面向动态外地代理的卫星网络移动性管理机制,把归属于同一位置区的低轨卫星所覆盖区域设置为一个移动代理域,支持域内卫星节点间的周期性信息交互．代理域内的用户以最长视距准则选定托管移动外地代理卫星,以最长滞留时间准则选定归属移动外地代理卫星,并且仅在其归属移动外地代理卫星变更的情况下才会触发用户到家乡代理的绑定更新．该机制可优化低轨卫星网络的移动性管理协议流程,显著降低移动性管理开销．在设定场景下,该机制的移动性管理开销仅为移动IPv6协议的80％,绑定更新次数能降低40％．     

基于Mobile Agent的远程教育分布式信息资源集成平台设计

针对远程教育信息资源数据量大、媒体类别多、存储分散、表现形式多样和持续动态增长等特点,在引入了Mobile Agent技术的基础上,提出了基于Mobile Agent的远程教育分布式信息资源集成平台模型,分析了平台构建中应用Mobile Agent的关键问题.系统实现采用业界主流的Struts Hibernate Spring轻量级J2EE架构,并借助XML-RPC解决资源目录中心和分布式资源库节点之间的信息同步问题.Mobile Agent技术能有效解决现阶段远程教育信息资源整合中存在的一些问题.     

基于Agent和可拓方法的停车场停车策略生成问题

运用可拓学和Agent技术两种不同领域的知识,探讨了利用基于可拓论的信息-知识-智能形式化体系为游客解决选择停车的策略生成问题.同时,结合了Agent技术有效地提高了智能工具的自主性,能够根据环境的变化,自动地作出正确、合理、可靠的反应. 更多还原     

基于加工单元的制造车间的生产调度研究

针对基于加工单元的制造车间的生产调度问题进行了研究．采用多智能体技术建立基于加工单元的制造车间的调度系统结构,系统由3类智能体构成：管理智能体、任务智能体、加工单元智能体．各智能体通过相互协商、通讯来完成工件加工路径的确定,智能体之间的通讯是采用OMG的CORBA技术实现的．采用遗传算法来确定工件的开工次序及开工时间．系统还对设备故障、急件插入等异常事件给出了处理方案．所开发系统可以解决基于加工单元的制造车间的动态调度问题,能产生任务的最佳调度方案．最后给出了一个调度算例．     

自适应LOS制导结合MPC控制的车辆循迹优化

为提升无人驾驶车辆循迹过程的动态响应能力,确保车辆能快速且稳定地跟踪参考路线,首先基于模糊控制的思想,在传统视线(line-of-sight, LOS)制导策略中引入了时变前视距离,提出了改进后的自适应LOS制导策略,把目标轨迹的跟踪简化为目标点航向的跟踪。其次,建立车辆三自由度动力学模型,并结合自适应LOS状态方程设计路径跟踪系统的线性数学模型。最后,基于模型预测原理,使用多步预测、滚动实时优化、反馈校正等控制方式,求解出最优反馈的方向盘控制指令。本文为验证上述所提及跟踪策略的有效性,在Simulink仿真环境中分别以直线路径和曲线路径作为参考轨迹进行追踪仿真实验,结果表明:所提自适应LOS制导策略能使循迹车辆的轨迹横向误差和航向误差迅速地收敛到零,从而验证了改进LOS制导算法可以提高无人车路径跟踪的响应速度和平稳性。     

基于Java语言的Mobile Agent实施方案

与传统的分布式计算相比较 ,MobileAgent模型无疑具有更广泛的发展前景。它采用面向对象的思想使Agent具有了类的一切特性。其中 ,事件驱动是MobileAgent完成用户给定任务的根本保障。通常情况下 ,为了完成某项任务Agent要在网络 (可能是异构网络 )中频繁移动 ,而在移动过程中Agent又必须考虑自身及Agnet平台的安全问题 ,这些都对MobileAgent的实现提出了更高的要求。Java语言由于其对移动代码的支持和高度的安全性使它成为开发MoblieAgnet的首选工具。以Java语言为基础 ,提出了MobileAgent模型的一种可行性实施方案 ,并制定了相应的MobileAgent模块 ,从而为MobileAgent的实现开辟了新的途径     

基于改进势场栅格法的清洁机器人路径规划算法研究

针对人工势场法中机器人在障碍物附近震荡而无法到达目标点、存在陷阱区域、临近的障碍物之间不能发现路径等问题,提出了一种改进的势场栅格算法.结合牛耕式全覆盖路径规划算法使机器人在已知环境势场模型中快速静态规划出全局最优清扫路径,通过激光雷达与势场合力运算使其具备无碰撞的避障能力.在实际系统的实验验证结果表明,本算法能够使清洁机器人以更短路径遍历环境及增强避障能力,提高了清洁机器人的安全性与工作效率,具有实际应用价值.     

基于移动代理的分布式入侵检测系统研究

分析当前入侵检测系统存在的不足.提出将移动代理技术应用到入侵检测系统中,利用MA的移动性、智能性和分布性的优势,提高入侵检测系统的处理效率、自适应性和扩展性,并且减少网络中数据传输量.将Aglet开发环境作为该入侵检测系统的开发平台,将事件处理和数据动态分配到网络各节点,通过自动学习、智能判断,增强系统检测能力.     

动态环境下基于改进蚁群算法的机器人路径规划研究

针对动态复杂条件下的移动机器人路径规划问题,根据全局静态环境先验知识,提出一种改进蚁群算法。在经典蚁群算法的基础上通过调整转移概率,限定信息素强度的上下界,并引入相关策略解决死锁问题,可以避免初期规划的盲目性,增加解的多样性,提高算法的全局搜索能力,进一步减小算法早熟的可能性。在规划过程中,根据动态障碍物运行方向的变化与否,提出了相应的碰撞避免策略,并针对环境突发状况引入Follow_wall行为进行改进。仿真实验证明,该算法优于经典蚁群算法,可有效地指导移动机器人避免环境中的动态障碍物,获取无碰最优或次优路径,并能更好地适应环境的变化。