基于DCSP的煤矿应急救援资源调配方法

在大规模群体突发事件发生后,如何实时及有效地调配资源,是保障应急救援快速实施的关键。以煤矿应急救援为背景,探讨合适的资源调配方法。分布式约束满足问题(D(',SP-Distributed Constraint Satisfaction Problem)擅于表示及求解分布式环境下以协作性为主的问题,是一种解决具有信息分布、需求随环境动态变化等特点的资源调配问题的有效方法,而煤矿应急救援问题正好具有这样的特征。因此,采用DCSP方法来解决煤矿应急救援中的资源调配问题,抽取并构建了煤矿应急救援资源调配的模型,讨论了Agent模型和约束模型的定义,改进了MAWS(MAWS-Multiple Asynchronous Weak-commitment Search)算法。经实验验证,采用DCSP方法可在事故发生后的较短时间内做出有效的资源调配决策,减少资源送达到事故点的时间,为应急救援争取了大量救援时间,从而减少了煤矿事故发生后的人员伤亡和经济损失。     

基于约束图分片求解DCOP的Agent组织结构

MAS中许多分布式推理问题可以建模为分布式约束优化问题(DCOP),解决DCOP的分布式算法已经成为MAS中的重要基础.已有的Adopt等算法通过对等的Agent之间的平等协商完成求解,强调了异步通信、分布计算与对解质量的保证,在求解问题的组织结构方面仍有改进余地.可以采用一种基于分散与集中相结合的思路,基于对约束图分片的方法及核心结点、通信主干道等概念,构造新颖的Agent组织结构,完成DCOP问题的异步、分布求解.在该组织结构下求解DCOP的算法可在效率、适应动态性方面得到改善,并将一个Agent一个变量和一个Agent多个变量的DCOP求解方法统一起来.     

分布式问题求解中的妥协策略

基于多agent系统的分布式约束满足(CSP)问题的求解进程依赖于agent间的有效交互。该文针对着色问题(GCP)的分布式求解,提出了agent妥协的概念。通过妥协,两个相邻agent改变了各自原有的局部目标,实现了相邻约束的满足。模拟实验表明,妥协策略有助于提高分布式GCP问题的求解性能。该文还讨论了不同的妥协实现方式对性能的影响。     

基于MAS的分布式约束满足求解在供应链研究中的应用

简要介绍了多智能体系统(MAS)在供应链研究中的应用,给出了约束满足问题(Constraint Satisfaction Problem,CSP)和分布式约束满足问题(Distributed CSP)的定义以及其应用现状,提出了一个利用基于MAS的分布式约束满足求解来研究供应链问题的基本框架,并给出了其求解过程。     

基于DCSP的Web服务事务协调算法

随着电子商务的快速发展,Web服务逐渐成为Web领域一个崭新的分布式计算模型。本文针对Web服务事务协调过程中的资源分配问题,在分布式逃逸算法的基础上提出了一种基于分布式约束满足的资源优化模型,并通过仿真实验证明了模型及其算法的收敛性和优化性。     

低约束密度分布式约束优化问题的求解算法

多Agent协作过程中的许多挑战都可以建模为分布式约束优化问题.针对低约束密度的分布式约束优化问题,提出了一种基于贪婪和回跳思想的求解算法.在该算法中,各Agent基于贪婪原则进行决策,能够利用低约束密度问题中大量赋值组合代价为0这一特点来加快求解速度.同时,Agent间的回跳机制可以在贪婪原则陷入局部最优时保证算法的完全性.相对于已有主流算法,该算法可以在保持多项式级别的消息长度/空间复杂度的前提下,以较少的消息数目求解低约束密度的分布式约束优化问题.给出了算法关键机制的正确性证明,并通过实验验证了算法的上述性能优势.     

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.     

自组织分治求解分布式约束优化问题

分布式约束优化问题(DCOP)是在大规模、开放、动态网络环境中的优化问题,在计算网格、多媒体网络、电子商务、企业资源规划等领域中都有广泛应用.除了具有传统优化问题的非线性、约束性等特点,DCOP还具有动态演化、信息区域化、控制局部化、网络状态异步更新等特点.寻求一种解决DCOP的大规模、并行、具有智能特征的求解方法已成为一个具有挑战性的研究课题.目前已提出多种求解DCOP的算法,但大多不是完全分散的算法,存在集中环节,需要网络的全局结构作为输入,不适合处理由规模巨大、地理分布、控制分散等因素导致的全局结构难以获取的分布式网络.针对该问题,提出一个基于自组织行为的分治策略求解DCOP.在不具有全局网络知识的情况下,分布在网络中的多个自治Agent基于局部感知信息、采用自组织的方式协作求解.与已有算法相比,它是一个完全分散式算法,并在求解效率和求解质量方面都展现出很好的性能.     

基于多Agent协商的服务流程定制

针对复杂业务需求,提出了基于多Agent协商的服务流程定制模型、算法和系统．首先介绍了该模型及其支持系统的框架以及服务Agent的结构和工作原理;然后在将业务需求满足定义为分布式柔性约束满足问题的基础上,提出了基于多Agent协商的求解算法并介绍了一个应用案例;最后,给出了一个原型系统．该模型和系统能够对复杂的业务需求进行建模和求解,从而寻找到合适的服务,满足了服务流程定制的需要．     

一种新的基于复合弹簧网络的多Agent系统分布式问题求解方法

当多Agent系统（MAS）中Agent之间存在多种复杂的随机的社会交互行为时，当各Agent表现出不同程度的自治性和理性时，难以用现有的方法描述和求解MAS问题，即使对仅仅存在竞争和合作这两种社会交互行为，并且不考虑Agent之间自治程度的本质性差异时，现有的基于结盟的MAS问题求解算法也具有极高的计算复杂性，该文提出一种新的复合弹簧网络模型和方法，利用分布式弹性动力学方程，将MAS分布式问题求解过程转变对应的复合弹簧网络形变过程，这种模型和方法能够处理各种社会交互行为以及Agent不同程度的自治性，分析和仿真实验表明，在计算复杂性和适用性等许多方面，该文的分布并行算法优于文献[7,8]的Shehory-Kraus算法。     

DOC-BRelax: A new multi-agent system to solve Distributed Constraint Optimization Problems

Many problems in multi-agent systems can be described as Distributed Constraint Satisfaction Problems (DCSPs), where the goal is to find a set of assignments to variables that satisfies all constraints among agents. However, when real-life application problems are formalized as DCSPs, they are often over-constrained and have no solution that satisfies all constraints. Moreover, the globalization of the economy and democratization of the Internet, boosted by the huge growth in information and communication technologies, have largely contributed to the expansion of numerous distributed architectures. Thus this paper provides a new distributed management and decision support system suitable to these interdependencies and these complex environments. We present a Distributed Optimization under Constraints Basic Relax (DOC-BRelax) as a new framework for dealing with over-constrained situations. We also present a version of this framework called DOC-MaxRelax and a new algorithm for solving Distributed Maximal Constraint Satisfaction Problems (DMCSPs).     

多主体系统服务模型的研究

在研究多主体系统理论的基础上，结合面向服务的体系结构，提出了一个多主体系统的服务模理，给出了该服务模型的体系结构，能有效整合异构服务资源，解决用户服务请求，在多主体环境MAGE上进行实现，弗在城市应急联动与社会综合服务系统中得到了应用。     

开放系统桌面进程通信机制研究

桌面系统由一系列应用程序组成,它们之间需要协作一致来完成特定的任务,这就要求应用程序能够高效、快速地进行通信。由于传统IPC机制和远程互操作体系并不适应桌面进程通信的要求,因此在开放系统领域中处于主流地位的桌面系统GNOME和KDE分别采用CORBA和DCOP作为桌面进程通信机制。一种新的用于统一各个不同桌面的进程通信机制DBUS也被制定出来。通过对各种通信机制进行分析和比较,抽象桌面进程通信的基本架构和特点,总结出设计和选择桌面进程通信机制的基本原则。     

分布式垃圾邮件检测系统的研究与实现

为了减少网上垃圾邮件数量,结合垃圾邮件检测的现有技术、支持向量机技术和多agent技术,创新性地提出一个分布式垃圾邮件检测系统,该系统将多agent技术与垃圾邮件检测技术很好地结合在一起.阐述了基于Multi-agent的分布式垃圾邮件检测系统模型的体系结构、关键技术和在Windows平台上使用DCOM技术的实现方法.实现结果说明该系统模型具有良好的实用价值.     

一种基于分布式强化学习的多智能体协调方法

多智能体系统研究的重点在于使功能独立的智能体通过协商、协调和协作,完成复杂的控制任务或解决复杂的问题。通过对分布式强化学习算法的研究和分析,提出了一种多智能体协调方法,协调级将复杂的系统任务进行分解,协调智能体利用中央强化学习进行子任务的分配,行为级中的任务智能体接受各自的子任务,利用独立强化学习分别选择有效的行为,协作完成系统任务。通过在Robot Soccer仿真比赛中的应用和实验,说明了基于分布式强化学习的多智能体协调方法的效果优于传统的强化学习。     

多Agent系统的排队模型研究(1)--基本概念

多Agent系统是人工智能、软件领域等研究的热点问题,在这个问题的研究中,人们普遍关注的问题是如何组织协调Agent之间的关系,让各个Agent充分发挥作用,使系统处于最佳状态。本文抓住多Agent之间的这个关键问题,给出了多Agent系统的排队模型的基本概念,为进一步研究多Agent系统奠定了理论基础。     

基于DFL的多Agent社会行为协调模型及应用

采用群体趋向的理论作为社会协调的主要动力,DFL作为Agent形式化描述的理论工具,对多Agent的社会行为和非社会行为进行描述,建立了多Agent系统的社会行为协调模型,解决了多Agent系统中社会行为和非社会行为的矛盾。     

多代理系统构架的研究

研究开发分布式可适应软件代理集合技术。这些代理之间能够进行协调来获取,筛选和融合信息,提出了分布式系统构架,该构架包括３种代理：接口代理,任务代理和信息代理,介绍了单个代理的构架,通过一个具体实例加以解释。     

基于合作仲裁求解分布式约束优化问题的研究

MAS中许多分布式推理问题都可以建模为分布式约束优化问题(DCOP).在这里,我们把分布式会议调度DMS(Dis-tributed Meeting Scheduling)问题映射为DCOP,基于合作仲裁进行求解,并把结果与另一个DCOP算法比较.考虑到完全解决方案的时间复杂性,我们把局部约束图转换为伪树,加速了搜索速度,从而在较短的时间找到最优解决方案.