多Agent系统的非终止主动合作计算模型

在多Ａｇｅｎｔ系统中,由于资源、能力的有限性和分布性,因而合作是多Ａｇｅｎｔ系统的一个重要特征,当前,随着Ｉｎｔｅｒｎｅｔ,Ｉｎｔｒａｎｅｔ技术的不断 以及应用的不断深入,传统合作计算模型已不能满足用户需求,主动合作计算正成为一个新的应用需求点,文中提出一个非终止的主运输在于言语行为理论以及多Ａｇｅｎｔ系统计算的理论框架,文中讨论了该合作计算模型所涉及的Ａｇｅｎｔ通信行为,分析了Ａｇｅｎｔ如何响应     

多Agent理论的对策论方法

人工智能研究的一个重要目标是设计出能代表其拥有者或用户的、有一定自主性的决策体Agent。为此通常是赋予每个Agent一种自身利益(偏好),Agent在行动中寻求自身的利益最大化。当考虑MAS时,Agent通常被赋予利益、理性决策能力及推断其它Agent的利益等的能力。     

多Agent合作求解

Multi-Agent Collaborative Problem Solving is one basic issue of the research of Multi-Agent System (MAS). In this paper we summarize some research work of Multi-Agent collaborative problem solving,expound the characteristic of Multi-Agnet collaborative problem solving,Model of Multi-Agent collaborative problem solving,pro-cess of solving,the application field of Multi-Agent collaborative problem solving and some challenge. Especially wediscuss the main models ,introduce the representative model including joint-intention,joint-commitment ,shared plan.     

一种适合EAI的多Agent系统模型

企业应用集成是当前研究的热点，应用集成是能够满足企业统一信息管理、统一资源调配和优化业务流程的重要手段。目前应用集成尚无公认的标准，在实施集成中主要考虑标准接口问题，而往往忽略本身体系结构的合理性。要满足企业为适应市场竞争而灵活变动的管理模式，应用集成必须具备较高的可扩展性和可灵活调整性。在分析企业应用集成内涵的基础上，提出了适合于企业应用集成特点的多Agent系统模型。     

一种基于证据理论的概念树结构多Agent合作求解模型

本文针对多Agent系统中Agent之间的盲目交互可能产生的效率低下问题,提出了一种基于慨念树结构的多Agent合作求解模型.在这个模型中,各Agent基于自己的领域知识构造出概念树,通过Agent之间的合作,对概念树从根节点开始使用证据理论实现逐层聚焦,逐步缩小求解范围.为此,本文基于模态、逻辑和关系概念提出了一种面向可能解集的证据理论表示,并探讨了在多Agent环境下应用证据理论可能导致的若干问题.     

多Agent诊断系统中合作任务调度算法的实现

多Agent系统的核心问题是多Agent的合作和问题求解,在多Agent系统合作的调度算法中引入遗传算法,能更准确和更有效地进行问题求解。文中在介绍多Agent系统结构的基础上,分析了多Agent的合作问题以及基于遗传算法的调度算法,并在一个实用系统中实现了合作任务调度算法,达到了预期效果。     

多Agent系统的理论、技术及其应用

一、引言分布式人工智能(DAD主要研究在逻辑上或物理上分散的智能系统如何并行地,相互协作地进行问题求解。DAI是在传统AI的基础上发展起来的,分为分布式问题求解(DPS)和多Agent系统(MAS)两个方向。多Agent系统被看成是人工智能的实验平台,成为AI的研究热点之一。     

多Agent技术研究

本文就近年来有关多Ａｇｅｎｔ系统的研究作一个介绍。包括：Ａｇｅｎｔ系统,多Ａｇｅｎｔ的主要研究内容及应用等。     

可拓推理与多Agent之间的冲突消解问题

分析了多Agent之间的冲突问题和冲突消解方法，提出了用可拓学中的解决对立问题的转换桥方法，根据“反其道而行之”和“多路分频”的原则，解决多Agnet的动态冲突问题。最后给出了解决足球机器人拦截－避障作为对立问题的实现方法。     

基于动态描述逻辑的多主体协作模型

基于动态描述逻辑的主体模型和协作过程就是既考虑了智能主体的知识表示与推理问题,又紧密地结合主体的设计与编程问题,把表示与推理应用到主体的具体设计中.它充分利用了动态描述逻辑的统一的形式化框架,同时从静态的知识表示与推理和动态的运行与变化两个方面来刻画主体的心智状态和协作过程,探讨了主体信念、行为能力、目标和规划等心智要素的表示、推理与修改以及联合目标的形成、多目标的规划问题.多主体协作模型将理论和实践有机地结合起来,能够充分体现智能主体的本质特征与运行机制,为多主体系统的设计与编程奠定了很好的基础.     

多agent系统的抽象合作模型

合作是多agent系统的特征之一,研究了具有请求／服务交互特征的多agent系统的抽象合作模型,根据服务请求强度和服务提供方式的差异性和多样性,系统分析并提出了6种基本抽象合作模型,提取了请求、承诺和通知3个言语行为作为实现合作的原子通信行为,给出这些原子通信行为和抽象合作模型的严格语义定义,分析它们的实现机制,以描述多agent系统的合作方式和机制,指导多agent系统的设计和实现．     

基于遗传算法的多智能体协作行为研究

协作问题一直是多智能体系统研究的关键问题之一,该文给出了用遗传算法来实现多智能体协作的一种方法。该方法利用遗传算法来解决当多智能体系统无法得到环境信息或得到这些信息代价过高时,如何有效地产生它们的协同运动。利用该方法,对三个智能体协作把箱子搬到目标点,然后改变目标点,让智能体继续完成协作任务进行计算机仿真,结果表明遗传算法在动态环境下实现多智能体协作方面的可行性和有效性。     

基于博弈论的多智能体协同控制算法

为实现交通的畅通,将博弈论引入到交通控制系统中。由于当前路口交通状况只受到来自邻居路口的车辆的影响,提出了基于多智能体的分布式协同控制框架,路口智能体与邻居通过协同博弈选出最优策略进行交通控制。描述了基于博弈论的协同控制算法,并通过仿真验证了该算法能够有效的适应交通流,实现交通控制。     

基于MAS Builder开发多Agent系统的方法与实例

随着计算机领域面临的应用问题越来越呈现出分布、开放、动态的特征，多Agent成为近年来AI研究的热点之一。本文简要介绍开发和集成多Agent系统的环境－MAS Builder，并以实例说明了基于该系统开发多Agent系统的方法：问题域分解、Agent定义、任务模块的生成。     

Multi-Agent系统中Agent知识获取的合作模型

Agent的知识是Agent计算的前提.在动态、不确定的Multi-Agent系统中,Agent必须具备及时有效地获取所需知识的能力以求解问题.现有的知识获取模型不能有效地支持在动态、不确定的Multi-Agent系统中Agent对知识获取的要求,Agent的知识获取能力比较有限.提出一个系统的、用于Agent知识获取的合作模型KACM(knowledge-acquiringcooperationmodel)系列,包括被动模型、主动终止模型和主动非终止模型.基于言语行为理论和以分枝时序逻辑为基础的形式化框架,讨论了KACM所涉及的Agent通信行为,分析了Agent如何响应这些通信行为以完成知识交互,定义了各通信行为以及KACM的满足语义,最后讨论了研究工作的意义.     

多Agent系统的协同

近年来,基于Agent技术给软件的发展带来了日新月异的变化,这种技术提供了软件系统概念化、设计与实现的全新模式,特别是分布与开放环境中运行的软件系统。文章着重阐述研究多Agent系统协同的原因、一般问题、协同关键方法以及协同协议和策略、几个代表观点,并简单描述了在当前主要应用领域内的经典工作,文中最后还提出了当前存在问题和研究领域。     

基于协作协进化的多智能体机器人协作研究

协作问题一直是自主多智能体机器人系统研究的关键问题之一。基于多智能体机器人系统的CCP协作协议所生成的各智能体机器人的任务序列依赖于目标的初始顺序,因此难以得到最优解。文章提出了利用协作协进化来实现多智能体机器人之间协作的一种机制。该方法采用基于协作种群的技术来生成多智能体机器人任务执行序列,在给定的任务分解产生的所有可能解中寻找最优解,并通过交换局部知识和并行决策等手段来优化系统的性能。利用该机制,对3个智能体协作搬运8个物体进行计算机模拟,结果表明,该机制在优化任务执行序列方面作用明显,从而能有效提高多智能体机器人系统的性能。     

SAS和EPS多Agent体协调控制系统

本文针对SAS和EPS系统协调控制的不足,引进了多智能体(Multi-Agent)理论控制技术。详细提出半主动悬架、电动助力转向、轮胎、故障诊断等智能体的属性和特点,基于分层递阶控制方法并结合多智能体理论,建立了集成系统协调求解机制,解决半主动悬架和电动助力转向的匹配和协调控制问题,为日后车辆大系统的集成控制研究做出了尝试和铺垫。     

MAS Builder：一种基于计划的多Agent系统开发平台

多Agent系统便于建模和实现复杂、庞大的应用系统，是一种新的软件开发范型。本文简要介绍了一种基于计划的通用多Agent系统开发平台-MAS Builder，并对其体系结构、基于计划的多Agent合作和任务管理等问题进行了较为详细的阐述。