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.     

基于对策论的团队计算机生成角色任务分配方法

针对带有时间约束的、可以动态加入到环境中的复杂任务,建立了一种基于对策论的任务分配模型,并给出了一种任务分配方法。该方法中计算机生成角色(CGA)根据自身掌握的局部信息进行行为选择,并使用虚拟行动方法确保CGA快速学习到一个严格纯策略Nash平衡。仿真实验结果表明该方法是合理的,能够有效地解决动态任务的分配问题。     

一种基于Q学习的分布式多任务流调度算法

近来实时动态任务分配机制得到越来越多的研究.考虑多任务流并存时的任务分配问题,提出基于Q学习的分布式多任务流调度算法,不仅能适应自身任务流的到达过程,还充分兼顾其他任务流的到达及分配的影响,从而使得整个系统长期期望回报最大.分布式特性使得算法适用于开放的,局部可见的多Agent系统;强化学习的采用使得任务分配决策自适应系统环境隐藏的不确定性.实验表明此算法具有较高的任务吞吐量和任务完成效率.     

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。     

一种适用于机群系统的任务动态调度方法*

任务调度是机群系统上实现并行计算需要解决的重要问题之一.对于在运行中动态产生任务的并行应用程序,由于很难作出准确的任务分配决策,可能导致各个计算结点的任务负载失衡,最终引起整个系统的性能显著下降.因此,需要通过任务再分配来维持负载平衡.该文提出一种任务分配与再分配方法,它通过尽量延迟任务的执行开始时刻,在任务再分配时避免了进程迁移,使得引入的调度开销很小.分析和实验结果表明,该方法在许多情况下能够有效地提高并行程序的运行性能.     

动态环境下改进蚁群算法的多Agent路径规划

针对动态环境下的多Agent路径规划问题,提出了一种改进的蚁群算法与烟花算法相结合的动态路径规划方法。通过自适应信息素强度值及信息素缩减因子来加快算法的迭代速度,并利用烟花算法来解决路径规划过程中的死锁问题,避免陷入局部最优。在多Agent动态避碰过程中,根据动态障碍物与多Agent之间的运行轨迹是否相交制定相应的避碰策略,并利用路径转变函数解决多Agent的正面碰撞问题。仿真实验表明,该方法优于经典蚁群算法,能够有效解决多Agent路径规划中的碰撞问题,从而快速找到最优无碰路径。     

知识化制造系统的任务分配决策

为解决知识化制造系统(KMS)的任务分配问题,给出一种基于Agent的KMS体系结构,提出一种特征控制的概念和一种基于Tabu搜索的优化算法,在建立的数学模型基础上,对特征控制的动态过程进行描述,并给出算法的详尽步骤,该算法和特征控制的结合使任务分配决策系统能够动态地响应任务和Agent的变化,最后的仿真实例验证了该方法的有效性。     

多编组协同任务分配模型及DLS-QGA 算法求解

为解决多智能体编组协同任务分配问题, 定义任务、智能体编组和相关的分配过程变量, 建立以最高任务执行效率为目标的数学模型. 在问题模型中设计考虑资源损耗的编组资源能力更新机制, 提出用于求解该模型的动态列表规划和量子遗传算法的混合任务分配算法, 使用动态列表规划选择处理的任务, 利用量子遗传算法为选定任务分配最合适编组. 最后通过算例表明, 所提出的方法在解决时序逻辑任务分配时能够得到更优更稳定的方案.

     

基于MPI的主从式并行任务分配的研究与实现

并行计算中的任务分配和负载平衡是衡量程序性能的两个重要因素.针对任务分配问题,先用求连通分量的算法将任务分配成若干个任务组,再利用队列的性质,将每组任务动态地分配给空闲的从进程,从而一定程度上减少了问题解决的时间,同时达到了负载平衡的目的.     

基于概率推理的不确定性任务分配评价方法

作战任务的分解与分配是指挥决策中的重要过程,随着战场环境复杂度的增加,确定环境下的任务分配方法已不能适应作战需求。针对不确定性任务分配问题,分析作战任务分解、分配和执行过程中的多种不确定性因素,给出相应的形式化描述。在此基础上,提出一种基于概率推理的适应度计算方法,具体分析各种不确定性任务成功执行概率的计算过程,并给出算例进行验证。仿真结果表明,该方法能有效解决任务分配问题,并对任务分配方案进行定量评价。