复杂任务的Agent联盟算法

目前大部分Agent联盟问题的研究在考虑任务分配时,通常认为任务之间是孤立的,任务与任务之间不存在任何联系。本文认为在Agent联盟问题中各个子任务之间具有复杂的逻辑依赖关系,这种逻辑依赖关系不仅使得子任务在完成次序上有先后之分,而且也使相邻任务之间在协作过程中产生了转移成本。基于这种背景,本文给出了一种基于图论思想的算法来解决在该环境中的Agent联盟问题,讨论了在规范化的逻辑依赖关系下如何将最优联盟成本转化为求解图的最短路径问题,并且分析了算法的时间复杂度,最后的实验结果表明,算法具有良好的运行性能。     

面向复杂任务结构的Agent联盟算法

Agent联盟形成是多Agent系统的一个基本操作.多个Agent往往需要形成联盟来协作完成任务或者提高联盟体的能力.现有的Agent联盟算法并不考虑任务内部的结构.本文则考虑一类具有复杂内部结构的任务.任务由一组子任务构成,子任务之间存在着逻辑依赖关系,并且以BPMN的流程形式描述.本文还在此基础上加入了对相邻子任务之间的转移成本的考虑.并且本文提出了一种基于动态规划的多项式时间算法来解决此类加入了逻辑依赖关系和转移成本因素的Agent联盟问题.     

局部信息的分布式联盟结构生成算法

已有的求解最优联盟结构方法大多假定Agent的全局信息已知,采用集中式求解思路,这种假设不适用于分布式环境,且没有充分利用Agent的自治性。在多Agent环境下,个体Agent往往只拥有部分联盟信息并且是自利的,如何在局部信息条件下寻找最优联盟结构是多Agent系统需要解决的关键问题。针对以上问题,基于个体Agent的局部信息及系统整体收益的考虑,通过局部Agent之间的优势信息传递,给出了最优联盟结构的分布式求解算法。该算法的特色是在局部最优假设下,通过局部信息的指导,n个Agent在深度方向上自顶向下对联盟结构图的并行搜索,从而达到缩短搜索时间,降低搜索复杂度的目的,该算法的时间复杂度为O（n2）。     

基于Software Agent技术构造的面向资源联盟的分布式计算模型

针对因网络化制造、制造联盟、电子商务等需求或其他的利益和目的而动态形成的资源联合体,通过在已有的分布式计算技术的基础上引入Software Agent技术试图为这些资源联合体提供一个可行的分布式计算模型。     

面向Agent的分布式多媒体系统分析

分布式多媒体系统是一个复杂的动态系统,传统的面向对象分析方法存在不适应的地方。基于Agent的计算以其良好的自适应性、结构的动态优化和智能化的信息处理而广泛应用于分布式计算环境。该文讨论了基于Agent的分布式多媒体系统的分析与设计。首先分析了分布式多媒体系统的复杂性,指出这种复杂性表现为系统结构的层次性、交互性、行为的不可预测性;在此基础上,阐述了面向对象分析方法在解决复杂系统分析和设计时存在的不足,进而讨论了基于Agent的分析方法,并通过一个实例对方法加以说明。基于Agent的分析方法能够较好地解决多媒体异构环境存储、分布式多媒体对象处理和语义合成表现等问题。     

面向制造业信息化的分布式支撑环境

提出了制造业信息化的主要技术内涵及其体系结构，该体系结构同时考虑了供应链上企业之间的横向一体化和基于多层分布式对象技术的纵向一体化。分析了制造业信息化与现有的分布式对象结构的主要矛盾，针对这一矛盾，提出了面向制造业信息化的分布式支撑环境的主要技术内涵。给出了一个面向制造业信息化分布式支撑环境的典型框架结构，该架构通过Web Service服务层整合异构分布式对象，并用传统的Socket通信方式以解决实时通信的问题。     

面向分布式环境的电子传真管理系统

在Turbopower公司的Apro(Async Prorcssional)通信组件套件的基础上,结合数据库设计,构造了一个Windows平台下的电子传真管理模型,设计并实现了一个面向分布式环境的电子传真管理系统,并对系统中多个传真发送服务器之间的负载平衡和容错处理进行了探讨。同时,还简要介绍了电子传真的计费管理。     

一个面向复杂任务的多机器人分布式协调系统

基于多智能体系统理论, 研究在非结构、不确定环境下面向复杂任务的多机器人分布式协调系统的实现原理、方法和技术. 提出的递阶混合式协调结构、基于网络的通讯模式和基于有限状态机的规划与控制集成方法, 充分考虑了复杂任务和真实自然环境的特点. 通过构建一个全实物的多移动机器人实验平台, 对规划、控制、传感、通讯、协调与合作的各关键技术进行了开发和集成, 使多机器人分布式协调技术的研究直接面向实际应用, 编队和物料搬运的演示实验结果展示了多机器人协调技术的广阔应用前景.     

分布式环境下的访问控制

为适应分布式环境下的安全需求,提出了一种描述访问控制策略和判定访问请求的方法。采用类似于无函数的扩展逻辑程序的表示方法对安全访问策略进行描述,限定权限传播的深度,利用不同的优先次序定义了多种消解冲突的规则,并给出了类似扩展逻辑程序的回答集语义解释。结合确定性推理和可能性推理,描述了如何判定访问请求的算法。解决了3个问题：分布式授权、私有权限和冲突消解方法。     

基于多Agent的铁路运输网分布式仿真环境的研究

随着铁路运输现代化和计算机仿真技术的发展,如何构建大规模复杂铁路运输仿真系统,并实现较高的可重用性和扩展性,成为铁路运输系统仿真的重点和难点。该文针对此现代铁路运输分布式仿真系统的设计构造问题,从仿真环境、仿真对象、仿真结果表达相独立为出发点,借鉴HLA的思想,提出了一种基于多Agent的仿真模型。对仿真环境的构成、功能及其通信方式进行了研究,并给出了基于这一理论方法的实例。     

基于协作度的分布式自动协商联盟形成机制

现有联盟形成的研究中大都没有考虑到不同Agent的协作资源和协作态度不同的异质性,而是假定所有Agent具有相同的协作资源和协作态度.为此提出一种基于协作度的分布式自动协商联盟形成机制(collaborative degree-based distributed automatic negotiation coalition formation mechanism, CDBDN),通过对处在网络拓扑结构中Agent的协作资源和协作态度的描述建立Agent协作度的概念.以分布式的应用环境为背景,建立分布式协商协议(distributed negotiation protocal, DNP)来实现分布式自动协商方式构建联盟.该机制建立了分布式协商协议和引入了Agent协作度,提出基于Agent协作度的协商策略.实验结果表明,该机制在联盟形成的效率、Agent协商效率和个体效用方面都表现出有较好的性能.     

Coalition Formation for Multi-Robot Task Allocation via Correlation Clustering

Abstract

The complexity of a vast number of real world tasks provides a great challenge for the currently available robots due to their limited capabilities. Thus, multiple robots would need to form coalitions for the completion of such tasks. In this paper, we examine the multi-robot coalition formation problem for task allocation where a group of robots needs to be allocated to a set of tasks. Our approach for this problem is to use a correlation clustering technique enabling similar robots to form coalitions. The algorithm presented in this paper is fast and scales better in comparison to two existing algorithms.     

一种多agent网络中的分布式联盟形成算法

针对多agent系统的具体网络结构,提出一种分布式联盟形成算法。首先,每个agent向自己邻居任务中“信价比”最高的任务提出加入申请,形成潜在联盟;当联盟资源大于对应任务的资源需求时,使相应agent退出当前联盟,转而选择“信价比”次高的任务,从而提高联盟形成的可能性。仿真实验结果表明,与其他方法相比,所提出的算法能大幅提高系统效率和收益。     

基于联盟构造博弈的认知无线电网络分布式多目标协作感知算法

协作感知技术可提高认知无线电网络中的频谱资源利用率,但网络节点在形成协作感知联盟的同时也不可避免地引入了额外开销,联盟内节点总希望用较少的额外能量开销达到较大的吞吐量期望.为此,文中提出了协作感知系统的多目标非线性优化问题,然后基于联盟博弈理论为该问题构建了一个不可转移支付的联盟构造博弈模型,在其核心的支付函数的设计中,采用线性加权和的方法同时考虑了节点吞吐最期望和能量消耗两个优化目标.基于该函数,提出了一种分布式多目标联盟构造算法DMCF,其核心是根据优超算子所定义的联盟的帕累托顺序,循环地对联盟进行合并和分裂操作.此外,还证明了DMCF的收敛性和最终联盟划分的稳定性.仿真实验的结果表明,DMCF可有效解决提出的多目标优化问题,与一种分布式随机联盟构造算法DRCF相比,DMCF总能使节点消耗较少能量却达到相对较大的吞吐量期望.在不同网络规模下,DMCF可获得的节点平均吞吐量期望可提升约7.5％,而节点平均能量消耗却可降低约70％.     

多Agent对抗环境下联盟形成的信任模型

提出了一种用于多Agent对抗环境下联盟形成的信任模型CORE,模型从能力和名誉两个方面来描述Agent的信任度,用能力向量空间中的距离公式来度量Agent胜任具体任务的能力大小,用隶属度函数来描述Agent的名誉。任务开始时,模型按信任度大小选取合适的Agent形成联盟,任务中Agent能力动态增长,名誉动态变化,任务结束后,模型根据联盟中Agent的表现情况计算新的信任度,作为下一个任务来临时联盟形成的依据。最后,在NetLogo平台上模拟实现了该模型。     

基于QPSO的单任务Agent联盟形成

智能群体搜索算法在求解单任务Agent联盟时稳定性较差、收敛速度慢、全局寻优能力不强,因此采用优化的量子粒子群优化算法解决上述问题。利用群体历史优质解,在最优粒子变异的基础上,采用多种群并行搜索,防止陷入局部极值,并对粒子群进行筛选以加快粒子群的收敛速度。对比实验结果表明,该算法可以快速、高效地找出合适的Agent联盟,在运行时间和解的质量方面优于同类算法。     

基于Agent联盟机制的网格资源协同分配

在网格计算环境,许多应用的执行经常需要同时协同分配多个资源以满足性能需求。文中提出了一种新的基于Agent联盟机制的资源协同分配方法。首先,对Globus和Legion的资源协同分配的方法进行了比较。然后,描述了一个基于Agent的网格资源管理结构。最后,设计了一个Agent联盟机制用于有效的资源协同分配。     

改进型蚁群算法求解单任务Agent联盟

联盟是多Agent之间一种重要的合作方法,如何生成面向某个任务的最优联盟是一个复杂的组合优化问题．首次引入蚁群算法来解决这一问题,在求解过程中蚂蚁倾向于选择曾经合作过并且合作效果比较好的Agent组成联盟,充分实现了熟人机制;创新地引入“第2种信息素”对蚁群算法进行改进,不再易于陷入局部极小．对比实验结果表明,本算法在解的性能和收敛速度上均优于相关算法．