多智能体系统输入约束下的一致性与轨迹规划研究

针对多智能体系统提出了一种分布式预测控制方法. 首先, 研究了有输入约束下的一致性问题. 其次, 对环境中有障碍物的多智能体轨迹规划进行了研究, 其中只有当障碍物进入智能体有限感知区域内时, 障碍物状态信息才能被获取. 基于预测控制方法, 设计了一种分布式控制算法来解决上面两个问题. 构造一个与每个智能体动力学相交互的代价函数, 设计相应最优控制问题, 从而实现优化控制算法. 智能体间交互信息是其邻居在上一时刻的最优控制状态. 系统稳定性可以通过构造代价函数中的一个终点状态控制器与最优控制问题中的一个终点状态区域来保证. 仿真研究表明所提方法的有效性.     

有领航者的多智能体系统的稳定性分析

本文研究了一类有领航者的多智能体系统在平面和高斯型源下的稳定性分析.该系统由领航者和跟随者两种智能体组成,只有领航者具有环境的信息;同时,吸引与排斥函数也被推广到具有某些性质的一类函数.证明了在满足适当假设条件时,在领航者智能体的导航作用下,多智能体系统的跟随者在没有环境信息的情况下也能准确地到达目标或远离目标.当多智能体系统在不同源的条件下聚集时有界区域的大小也被估计.给出数值仿真以证明理论结果的正确性.     

碰撞锥检测改进的多智能体避障算法

避障是多智能体能够适应复杂环境并顺利完成任务的必要条件之一。为使多智能体更快通过障碍物并达到一致,提出了一种多智能体避障控制算法。算法引入了避障系数,该系数由基于角度比较的碰撞锥检测方法来确定,并通过牵制控制输入完成多智能体的避障。证明了在该算法作用下所有智能体最终会避开障碍,避免碰撞并最终达到一致。通过实验仿真分析和对比,该方法能够使得多智能体更快避开障碍物。     

多智能体同时到达多目标点的协同强化学习算法

针对动态未知环境下多智能体多目标协同问题,为实现在动态未知环境下多个智能体能够同时到达所有目标点,设计函数式奖励函数,对强化学习算法进行改进.智能体与环境交互,不断重复"探索-学习-决策"过程,在与环境的交互中积累经验并优化策略,在未预先分配目标点的情况下,智能体通过协同决策,能够避开环境中的静态障碍物和动态障碍物,同时到达所有目标点.仿真结果表明,该算法相比现有多智能体协同方法的学习速度平均提高约42.86％,同时智能体能够获得更多的奖励,可以做到自主决策自主分配目标,并且实现同时到达所有目标点的目标.     

多智能体系统在分布式采样控制下的动力学行为

本文运用图论、矩阵分析和现代控制理论等工具, 研究信息网络传输下多智能体系统的协调控制和动力学行为. 假设每个智能体通过数字化网络传感器获得其邻近智能体的位置状态,而且多智能体系统采取分布式线性控制协议. 每个智能体被描述为一个简单的采样系统,多智能体系统转化为混合动力学系统. 研究结果表明,多智能体系统所呈现的渐近聚集、周期振荡和发散动力学行为不仅和网络结构的代数特征有关, 而且和每个智能体的动力学方程、采样周期有关. 本文给出了具体精确的代数判据. 仿真例子进一步验证了本文结果的有效性.     

基于模糊人工势场法的多智能体编队控制及避障方法

针对动态环境中多智能体编队控制及避障问题,提出了一种基于模糊人工势场法的编队方法。首先,在领航跟随法的框架下控制编队队形,在动态队形变换策略的异构模式下,使用人工势场法为多智能体编队中每个智能体规划避障路径;其次,利用模糊控制器控制跟随智能体追踪领航智能体,同时保持跟随智能体之间与领航智能体的相对距离,遇到未知障碍物时,及时保持多智能体编队之间的队形并避免碰撞障碍物。针对人工势场法在引力增量系数和斥力增量系数设置的局限性,利用模糊控制器选择出适应环境的增量系数。Matlab仿真实验结果表明,该方法能够有效地解决复杂环境下多智能体编队控制及避障问题,使用效率函数对实验数据进行分析,验证了所优化方法的合理性和有效性。     

基于领域知识的多智能体分层协作规划方法

针对复杂动态RoboCup仿真环境下的多智能体协作问题,提出一种使用领域知识的多智能体分层协作规划方法。在根据系统提供的环境状态信息建立智能体初始行为规划的基础上,通过逐步填入智能体的状态和行为特征属性知识,分析行动实现的效果,对初始规划行动进行调整,为智能体制定协调一致的行为规划序列,并获得相应的协作策略信息,使其在实际对抗比赛中能针对当前环境快速做出决策,实现通信受限的情况下多智能体的协作。     

邻域交互结构优化的多智能体快速蜂拥控制算法

针对多智能体系统在动态演化过程中容易出现的"局部聚集"现象,融 合复杂网络中的拓扑结构优化理论与多智能体系统协调蜂拥控制研究,提出了一种基 于邻域交互结构优化的多智能体快速蜂拥控制算法.该算法首先从宏观上分析多智 能体的局部聚集现象,利用社团划分算法将局部相对密集的多个智能体聚类成一个 社团,整个多智能体系统可以划分成多个相对稀疏的社团,并为每个社团选择度 最大的个体作为信息智能体,该个体可以获知虚拟领导者信息;随后从多智能体 系统中不同社团相邻个体间的局部交互结构入手,取消社团间相邻个体的交 互作用,设计仅依赖于社团内部邻居个体交互作用的蜂拥控制律;理论分 析表明,只要每个社团存在一个信息智能体,在虚拟领导者的引导作用下,整个多 智能体系统就可以实现收敛的蜂拥控制行为;仿真实验也证实了对多智 能体系统进行邻域交互结构优化可以有效提高整个系统的收敛速度.     

一种矢量人工势能场的多智能体编队避障算法

针对多智能体编队通过障碍物区域的避撞和避障问题,利用传感器的监控功能,采用改进的人工势能场法对避障算法进行优化,使多智能体编队能有效地通过障碍物区域,并在通过障碍物区域后再次形成多智能体编队.首先,从多智能体模型上进行改进,建立一种具有可视化范围的速度为矢量的速度可变的智能体模型.然后,使用矢量的人工势能场法进行多智能体编队的避撞和避障.最后,针对多智能体编队避障过程中会存在“局部困扰”的情况,加入“回环力”使多智能体编队能够通过障碍物区域,并在通过障碍物区域后继续编队运行.同时,使用MATLAB软件在坐标系中进行多智能体编队的避障仿真,验证了改进人工势能场法的有效性和正确性,为多智能体编队避障问题提供了更加有效的方法.     

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。     

基于Agent和带权关系网的软件体系结构自适应

作为软件的蓝图,描述整个系统的结构和行为模型的软件体系结构在软件自适应中起着重要作用,具有适应性特征的Agent为构造自适应软件系统提供了独特的优势.针对现有基于Agent的软件系统在体系结构和动态配置方面的不足,提出了一种基于带权关系网模型,利用Agent对环境的监测和评估,以调整Agent间联系的权重来决策Agent间的合作对象的选择,从而使得基于Agent的软件系统在构件、连接件和配置方面具备适应性,为开发基于Agent的自适应软件系统提供借鉴和参考.     

基于人工势场和Agent的人员疏散系统仿真

从聚众场合火灾中疏散群体的个体角度出发,结合人工势场和Agent,提出了微观的仿真模型。该模型首先将场化影响人行为的火、门和障碍物等因素量化,构建了人工势场体系,其次以个体为对象,通过受力分析确定人员移动方向,最后通过是否开启安全通道,有无人员疏导的分析对比,合理仿真了人员疏散情形。基于Visual C++实现了疏散仿真系统,通过仿真结果分析,该系统能够较真实地模拟人员疏散过程。     

基于点状β智能体的飞行器集群避障控制方法

针对传统的飞行器集群避障方法不能有效规避非规则障碍物的问题,提出一种基于点状β智能体的集群避障控制方法。在加速度输入的基础上,基于β智能体概念定义点状β智能体,将α智能体对其在障碍物表面投影的规避变为对点状β智能体的规避,调整个体加速度输入中(α, β)协议量的β智能体的坐标和相关向量,使多智能体面向非规则障碍物形成集群。仿真结果表明,该方法能实现集群对非规则障碍物的规避。     

智能数据批量处理控制模型

介绍了一种用于设计制造协同平台的基于软件Agent的智能数据批量处理控制模型。模型利用Agent的学习能力分析数据处理的行为特征并记录到信念库中,当有请求到达时,Agent利用外部环境传感器获取系统负载、用户带宽等数据,并结合信念库中的请求特征,运用推理过程计算出当前处理的最佳数据量,通过调用执行计划改变请求的控制流来控制本次请求需处理的数据量。在协同平台中集成本模型可以保障用户的请求响应时间,缩短等待时间,平滑系统负载的峰值。通过实验验证了模型的性能。     

作战智能体的机动行为模型研究

作战模型是对部队与武器系统及其作战行动的描述.智能体是在复杂和动态环境中将知识和推理相结合,执行任务的自主或半自主的对象.在基于多智能体的作战模型中,作战智能体模型是参与作战过程的作战单元在模型空间上的逻辑映射,是基本的行为主体.行为是作战智能体进行观察,与其他作战智能体和环境进行交互的过程.考虑作战智能体的机动目的和机动过程,抓住确定机动方向或目标点、确定机动路线、确定加速度和空间状态转移等四个主要环节,建立了作战智能体的机动行为模型,描述了作战智能体在作战空间中的位置变换过程.研究对解决作战仿真中的机动模型问题具有重要意义.     

基于强化学习的自适应在线规划的应用研究

随着互联网的迅速发展,自适应系统受到越来越多的关注,目前,大部分自适应系统的规划都是预先定义的,但是在开放的互联网环境中,这种预知的规划策略往往灵活性和智能性不高,针对系统运行环境通常是动态的、不确定的,系统设计阶段难以预测到环境所有可能的变化,在设计阶段系统针对环境变化所采取的自适应行为也是难以预先确定的.因此,提出一种系统运行时根据环境的变化在线制定规划的自适应行为策略.采用基于强化学习和Agent技术,对自适应系统的行为进行描述、分析,最后通过相关实验对该策略进行验证,结果表明该在线规划具有自适应能力.     

多Agent工作流管理系统中消息机制研究

Agent是一个具有感知能力、问题求解能力和与外界进行通讯能力的一个实体.将Agent技术结合到工作流管理中,非常适合构造结构复杂、灵活、智能的工作流管理系统.文章论述将多个Agent应用于工作流管理系统中,重点研究了多Agent消息机制以及在MS Windows COM 环境下的实现.     

数据库环境下的基于AGENT的STAT安全体系结构

提出了一种数据库环境下基于 Agent的安全体系结构。首先介绍了该体系采用的相关技术并描述了安全体系的逻辑结构 ,接着将状态转换分析技术与 Agent相结合建立起一种实用的体系结构 ,最后给出它的一个原型设计     

CAS理论在城市地价建模仿真中的应用研究

在城市地价建模中,引人cAs理论对地价变化趋势进行建模、仿真,为研兔城市地价问题提供了一种新的思路、方法。基于CAS理论,建立城市地价变化趋势的仿真模型,模型分为环境、适应个体（Agent）、环境与适应个体之间的交互三部分,分别描述环境和适应个体的属性、行为及其规则,利用西安地价的相关数据对仿真模型进行检验。仿真结果所反映出的地价变化趋势与现实情况基本一致,说明了该方法及仿真模型在城市地价方面应用的可行性。     

基于整体效用和区域约束的Agent意图再考虑研究

设计运行在动态环境中的BDI Agent时,为它设计一个合适的意图再考虑策略是一个关键问题。进行了当目标较多时,如何利用目标的分布情况来指导Agent的意图再考虑的研究,提出了一定区域内群体目标的整体效用的概念,提出根据整体效用选择区域并对Agent的行为进行区域约束的方法。在TILEWORLD环境下用实验来考察基于该方法的几种策略,给出了一种较优的意图再考虑的策略。