群智能在多智能体系统中的应用研究进展

群智能算法是受群居性昆虫群体的集体行为启发而设计的分布式问题求解方法,将它应用到多智能体系统,旨在提高系统的鲁棒性、灵活性和自适应性。以群智能在多智能体系统中的应用为线索,首先介绍群智能的核心机制,然后从多智能体系统通信机制、协作技术、学习问题及体系结构建立这几个方面总结群智能理论在多智能体系统中的已有工作。最后分析和讨论了群智能方法在多智能体系统应用中存在的问题,并提出今后的工作展望。     

多智能体系统协作及控制机理和基本问题分析

首先介绍智能体的概念，并从协作、协调一致性，理性原理及冲突等方面，较为全面而深化入地分析阐述了多智能体系统协从航控制的机理和基本问题。     

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。     

基于强化学习的多智能体协作方法研究

为了在连续和动态的环境中处理智能体不断变化的需求,我们通过利用强化学习来研究多机器人推箱子问题,得到了一种智能体可以不需要其它智能体任何信息的情况下完成协作任务的方法。强化学习可以应用于合作和非合作场合,对于存在噪声干扰和通讯困难的情况,强化学习具有其它人工智能方法不可比拟的优越性。     

多智能体系统MAS及其应用

分布式人工智能的研究和网络化分布环境的普及,推动了Agent的理论、技术特别是多Agent的理论及其技术的进展.随着计算机科学的发展迅速趋于成熟,多智能体方法和技术在很多领域得到了广泛的应用.针对目前多智能体系统(MAS)的研究现状及存在的问题,运用系统工程的思想,给出了多智能体系统的研究思路与方法.从工程应用的角度出发,详细论述了Agent及MAS的特性、结构模型以及多智能体系统所使用的一种最常用的通讯语言--KQML,重点分析了多智能体技术在几个有代表性领域的应用.最后,对多智能体系统技术的应用前景做出了系统的分析与展望.     

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。     

基于信息融合的多智能体协作方法的研究与应用

将信息融合技术运用到多智能体系统中,利用信息融合方法对智能体得到的在空间上分布的其他智能体感知的局部信息进行融合,得到较完整的态势评估,以此来规划和协调多智能体系统的协作行为,提出了一种基于信息融合的多智能体协作方法。将该方法应用在机器人救援仿真系统中,结果表明该方法能够实现全局上的任务分解策略,有效提高了智能体协作能力。     

基于领域知识的多智能体分层协作规划方法

针对复杂动态RoboCup仿真环境下的多智能体协作问题,提出一种使用领域知识的多智能体分层协作规划方法。在根据系统提供的环境状态信息建立智能体初始行为规划的基础上,通过逐步填入智能体的状态和行为特征属性知识,分析行动实现的效果,对初始规划行动进行调整,为智能体制定协调一致的行为规划序列,并获得相应的协作策略信息,使其在实际对抗比赛中能针对当前环境快速做出决策,实现通信受限的情况下多智能体的协作。     

Multi-Agent层次协作模型在RoboCup中的应用

RoboCup是多Agent系统研究的一个很好的平台。建立一支成功的机器人足球队需要很多领域的知识，合理的模型结构和Agent之间的协调与协作是RoboCup比赛中赢球的关键所在，协调与协作是多Agent系统研究的重要课题。针对RoboCup仿真比赛的多智能体协作问题，分析了目前在RoboCup中的几个典型多智能体协作模型，提出一种三层的Multi—Agent层次协作模型，它包括全局层、局部层和个体层。并通过实验证明该模型是合理的、有效的。     

一种多智能体系统中的协作机制

在多智能体系统MAS中,自治的agent在完成任务时常常会出现任务重叠的“正交互”现象,从而使得系统效率低下。为了解决这一问题,文章提出了一种agent协作机制,采用最短路径的方法来找出agent最优的合作对象,优化整个系统处理问题的能力。实验证明该方法是有效的。     

政策导向型多agent协同系统研究*

为了使多agent协同过程可控、有序的进行,克服传统多agent系统灵活有余而可控制性不足的缺点,提出以动态约束和调整系统行为的政策为管控手段的政策导向型多agent协同系统。首先阐述了政策导向型多agent协同系统原理,给出该系统的体系结构以及各个子结构的描述;然后介绍该多agent的原型系统,通过对运行实例的描述,验证了系统的可控制和易管理特性。     

基于DCOM的动态运输调度多智能体系统研究*

针对物流运输调度中的客户需求动态性和随机性问题的解决,设计了一种基于DCOM的动态运输调度多智能体系统。在多智能体系统中,设计了包括预规划智能体、实时监控智能体、决策智能体和车辆智能体四类智能体。智能体以DCOM式组件形式实现,智能体之间的通信和协调由决策智能体集中执行。通过一个实例验证了系统算法的有效性,同时也为动态运输调度问题的解决提供了一个可参考的思路。     

基于消息报告机制的多Agent调度系统研究

针对生产车间调度系统中因资源庞大以及动态变化而引起的监管困难问题,构建了一种 基于消息报告机制的多代理调度系统分层体系结构。根据Agent在调度系统中的作用和角色的不 同,将Agent划分为管理Agent、任务Agent和资源Agent,并通过一个具有消息报告机制的管理Agent 来有效管理和监控系统的运行。实例分析表明,消息报告机制不仅能保证系统的有效运行,而且能提 高系统的工作效率。     

Step-coordination algorithm of traffic control based on multi-agent system

Aiming at the deficiency of conventional traffic control method, this paper proposes a new method based on multi-agent technology for traffic control. Different from many existing methods, this paper distinguishes traffic control on the basis of the agent technology from conventional traffic control method. The composition and structure of a multi-agent system （MAS） is first discussed. Then, the step-coordination strategies of intersection-agent, segment-agent, and area-agent are put forward. The advantages of the algorithm are demonstrated by a simulation study.     

基于角色驱动的多Agent主体工作流模型的研究

在分析了传统的几种工作流建模方法的基础上，提出了基于角色驱动的多Agent体工作流模型，把多Agent的协作交互作为模型的主体，模型中引入了多Agent，把任务的执行者看作Agent，该Agent具有角色库，可以拥有一个或者多个角色，并用这些Agent之间的交流协作来描述工作流过程，使得执行者Agent成为模型的主体，改变了传统的模型中人的被动地位，使活动能更加顺利圆满地完成，同时也很好地解决了业务过程中可能存在的活动执行者的多角色和角色变化的问题。     

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.     

生态化MAS的认知模型

生态化MAS是由异构的Agent所组成的一种具有协同进化的多Agent系统。提出了生态化MAS的理念和认知模型,它是形成Agent知识和信念的基本框架;设计了一个模型检验的程序结构,并通过典型应用表明,该模型能够使Agent对环境的认知达到三个层次——概念图、模糊词计算和关联性框架。该模型能够为基于Agent的问题求解提供依据。     

禁忌搜索协调的多智能体优化方法及其应用

针对电力市场下电力购买与配送计划优化问题，提出基于多智能体的模型求解算法，为使多智能体能够有序竞争有限资源，采用禁忌搜索算法进行协调，算法的本质是对智能体使用资源的优先顺序进行优化排序，将该算法用于实际电力系统的购-配电计划优化，取得了满意的结果。     

基于Multi-Agent的协作学习系统

针对当前的协作学习系统很少考虑到学习者知识水平、认知特性、兴趣等个性化属性，提出了一个基于学习者知识水平的分层多Agent学习系统模型，该模型结合智能代理技术，通过对学习者知识水平的界定实现系统的分层结构，较好地解决了现有学习系统中普遍存在而又尚未解决的无序和混乱、群体互动效果、个性化以及系统通讯开销等问题。     

多智能体网络系统的自适应协调控制

为实现多智能体网络系统的协调控制,设计了一种新型的带有自适应协调器的控制器.基于动态图建立了多智能体网络系统的模型,并考虑了系统的非线性互联和不可避免存在的时变时滞.应用分布式控制策略,设计了自适应参数估计的协调器,用于调节智能体之间的互联强度,使网络达到稳定的预设水平.并基于Lyapunov-Kra-sovskii泛函和自适应动态偏差反馈控制技术,根据拉萨尔不变集原理证明了偏差控制系统的渐近收敛性.这种控制方法,可在系统参数不确定的情况下,同时完成参数估计和协调控制.所设计的控制律和自适应律简单,易于实现,仿真示例验证了所提方法的有效性.