多Agent系统任务分配的研究

针对多Agent系统中存在的任务分配问题,提出一种任务与Agent之间多对多的分配模式,建立相应的任务分配模型,定义任务分配中的性能影响因子,并推导出进行任务分配优化的目标函数,通过一个实际案例,验证该方法的有效性。     

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。     

多Agent层次任务分配方法

提出了一种层次任务分配方法,用于解决动态环境中的任务分配问题.利用全局分配方法为Agent分配合适的任务,当环境发生变换时,通过局部调整来解决任务和Agent之间的匹配问题,使得每个Agent能够根据局部信息选择理想的任务来执行,提高了分配算法的鲁棒性和多Agent整体效用.仿真实验结果表明,该方法是可行且有效的,能够解决动态环境中的任务分配问题.     

改进的任务分配策略在WSN中的应用研究

Agent协调是多Agent系统发挥整体效能的保证,也是Agent系统的一个核心问题。合同网模型是多Agent系统中经典的协调策略,但仍有许多不足。主要对合同网中标策略进行改进,提出了一种带有精准度的任务分配策略。用精准度对Agent的投标值进行评价,使Agent的投标值更接近Agent的实际能力。并且对以往多属性任务分配策略中的能力和负载进行了更为详细的评价,对Agent的能力进行了详细的分析后,将任务完成质量的好坏和任务花费代价归为对Agent的能力大小的评价,而对负载的改进则是加入了对任务列表中任务数量的评价。最后以无线传感器网络为应用背景对提出的改进方法进行了仿真实验。     

基于Agent能力自信度的任务分配问题研究

借助结盟的任务分配机制是多Agent系统研究中的一个热点问题.文中通过任务需求和Agent能力的ECA规则表示,定义了一种Agent能力自信度,并给出了基于合同网协议和Agent能力自信度的任务分配算法和应用示例,其中,任务需求ECA规则中的C项表示Agent执行该任务时必须做出的付出,能力ECA规则中的C项表示Agent可以为该任务做出的承诺,付出/承诺关系揭示了Agent的能力自信度,ECA规则使得Agent能力自信度具有良好的可计算性.     

基于能力及任务需求的多Agent任务分配方法

针对动态环境中的任务和Agent的动态变化问题,提出一种基于能力及任务需求的层次任务分配方法.利用全局分配方法为Agent分配合适的任务,当环境发生变换时,通过局部调整来解决任务和Agent之间的不适应问题,每个Agent能够根据局部信息选择理想的任务执行,提高了分配算法的鲁棒性.仿真实验表明该方法是可行及有效的,能够解决动态环境中的任务分配问题.     

多Agent系统中基于改进合同网模型的任务分配研究

任务分配是多Agent系统中研究的热.奴,合同网模型是关于多Agent系统中任务分配的经典策略,但传统的合同网模型存在很多不足。在引入基于信任度的招标策略和基于自适应的投标策略的基础上,主要针对传统合同网模型中标阶段存在的问题,从投标Agent的负载、能力和信任度3个方面进行综合考虑和权衡,提出了一种基于多属性评价中标策略的动态任务分配算法,从而有效地提高了任务分配和执行的效率。最后通过仿真实验验证了基于多属性评价中标策略的正确性和合理性。     

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。     

基于动态合同网的Agent任务分配算法

随着应急指挥网络系统规模不断增加,网络故障诊断逐渐成为应急指挥网络系统的关键。针对域间协同故障诊断中的任务分配问题,提出了基于改进合同网的Agent动态任务分配算法,建立了Agent性能库,使管理者根据所注册Agent的性能进行发标,同时,为每个执行Agent完成某项任务建立相应的信息素,实验结果表明,该算法有效地避免了网络的拥塞,提高了任务分解的效率。     

多Agent系统中基于招投标的任务分配优化

在利用多Agent系统辅助生产任务分配过程中,为避免仅凭招投标结果来确定任务分配方案时只能获得局部最优的问题,提出了一种生产任务分配全局优化方法。建立了基于招投标结果的生产任务分配优化目标函数,设计了退火进化算法,实现生产任务的综合评标。通过实例验证说明算法求解该问题可行有效,便于获得生产任务分配的全局最优方案。     

一种多智能体系统任务竞争模型及算法研究

致力于解决多智能体系统中的任务分配问题，基于社会生活中的竞争现象提出了一种多智能体竞争模型，同时提出了解决多智能体任务分配的详细算法．文章引入博弈论来研究存在相互外部约束条件下的个体选择问题．为了克服求解纳什均衡点的复杂性，本文采用了一步纳什均衡的方法．仿真结果证明了本模型的合理性和算法的有效性．     

基于混合蚁群算法的MAS任务分配*

在MAS（多agent系统）中,由于任务的复杂性和agent求解问题能力的不同,任务和agent不再是传统的一对一的关系。为解决MAS的任务分配问题,提出了任务与agent之间多对多的任务分配模式。首先建立了任务分配的数学模型,并导出分配优化的目标函数;其次利用混合蚁群算法快速收敛和分布式求解的特点实现任务分配的组合优化。对实验仿真的结果分析表明,多对多的任务分配模式能够明显提升多agent系统的性能。     

Elastic neural network method for multi-target tracking task allocation in wireless sensor network

Aiming at the task allocation of collaborative technique in wireless sensor network, a method for optimized task allocation based on elastic neural network is proposed under the background of multi-sensor tracking. First a model of multi-coalition tracking multi-target is designed. Then disjoint fully connected subgraphs of neurons are constructed to solve the problem of optimized task allocation in tracking multi-target and the increment of system energy consumption when dynamic coalitions compete and conflict for the resource of sensor nodes. Compared with the conventional method, simulation results show that the energy consumption of the tracking system is reduced significantly and the tracking accuracy is improved greatly, demonstrating the effectiveness of elastic neural network in handling the optimized task allocation problem of multi-sensor tracking multi-target.     

分布式约束满足问题及其在MAS任务分配中的应用*

针对多智能体系统(MAS)任务分配问题中多个任务与MAS两者的分布式特征,将任务分配问题形式化为分布式约束满足问题(DCSP)进行求解,分别建立了以任务为中心和以agent为中心两种MAS任务分配模型,基于改进的DCSP分布式并行求解算法,提出了基于DCSP的MAS任务分配问题求解框架。该方法适合求解agent间通信有随机延迟以及agent间存在多约束的问题,应用实例的求解表明了其实用性与有效性。     

基于区间灰数的MAS任务分配模型及VIKOR方法

在引入区间灰数范数的基础上,建立了基于区间灰数的多属性多Agent系统（MAS）任务分配模型,提出了基于区间灰数的扩展VIKOR方法及多属性MAS最优任务分配原理,并对该任务分配算法进行有效的实证分析。实证分析说明,这种方法是非常有效且能够做出比较合理的任务分配决策。     

Task allocation optimization in collaborative customized product development based on double-population adaptive genetic algorithm

Task allocation is one of the most important activities in the process of collaborative customized product development. At present, how to allocate the collaborative development tasks scientifically and rationally becomes one of the hot research issues in the field of product development. Although many scholars in academia has made a significant contribution to the problem of task allocation and achieved many useful results, the research work of collaborative development task allocation for product customization is still lacking. Therefore, in view of the insufficient consideration on task fitness and task coordination for task allocation in collaborative customized product development at present, research work in this paper is conducted based on the analysis of collaborative customized product development process and task allocation strategy. The definition and calculation formula of task fitness and task coordination efficiency are given firstly, then the multi-objective optimization model of product customization task allocation is constructed and the solving method based on the model of double-population adaptive genetic algorithm is proposed. Finally, the feasibility and the effectiveness of task allocation algorithm are tested and verified by the example of a 5MW wind turbine product development project.     

Bandwidth‐aware divisible task scheduling for cloud computing

Task scheduling is a fundamental issue in achieving high efficiency in cloud computing. However, it is a big challenge for efficient scheduling algorithm design and implementation (as general scheduling problem is NP‐complete). Most existing task‐scheduling methods of cloud computing only consider task resource requirements for CPU and memory, without considering bandwidth requirements. In order to obtain better performance, in this paper, we propose a bandwidth‐aware algorithm for divisible task scheduling in cloud‐computing environments. A nonlinear programming model for the divisible task‐scheduling problem under the bounded multi‐port model is presented. By solving this model, the optimized allocation scheme that determines proper number of tasks assigned to each virtual resource node is obtained. On the basis of the optimized allocation scheme, a heuristic algorithm for divisible load scheduling, called bandwidth‐aware task‐scheduling (BATS) algorithm, is proposed. The performance of algorithm is evaluated using CloudSim toolkit. Experimental result shows that, compared with the fair‐based task‐scheduling algorithm, the bandwidth‐only task‐scheduling algorithm, and the computation‐only task‐scheduling algorithm, the proposed algorithm (BATS) has better performance. Copyright © 2012 John Wiley & Sons, Ltd.     

基于博弈论的MAS任务分配模型及算法研究

以博弈论为基础,引入Agent能力的概念,提出了一种MAS任务分配模型,同时给出了MAS任务分配和资源竞买的详细算法,最后用实例表明了本模型的合理性和算法的有效性.