基于Agent组织的多UAV协调模型

无人驾驶飞机(UAV)系统的协调问题是UAV研究领域的一个重要问题。研究了适应于UAV系统的Agent结构模型以及组织模型,提出了一种基于Agent组织的多UAV协调模型并给出了其数学化表述,分析了多UAV协调模型中任务协调、角色协调以及动作协调等三个阶段,并对提出的模型进行了仿真。实验表明,模型具有较好的适应性和稳定性。     

委托驱动的多Agent协调模型

在对委托关系的研究基础上提出了负载驱动的可委托关系的协调方法,可以有效地利用委托执行减少agent的冗余操作,晟大限度地节约计算资源。同时,通过协调平衡系统负载,提高整个系统的效率和处理问题的能力。最后,以一个具体实例说明了如何应用委托协调方法。     

多Agent系统合作与协调机制研究综述

多Agent间的合作和协调机制是多Agent系统理论的核心问题之一。本文按照协调在合作过程中发生的位置进行分类讨论,结合实例阐述了经典的多Agent系统合作与协调机制的主要原理、适用范围,旨在分析总结现有的多Agent合作和协调机制,为未来的开放、异构、动态环境下多Agent合作与协调机制的发展趋势和进一步研究的方向提供参考。     

面向自动文摘的多Agent系统中的协调算法研究

为了解决自动文摘系统所面临的领域通用性和文摘质量的矛盾,提出了建造面向自动文摘的多Aent系统（MAS／ABS)的方案。建造这样的系统,有两个关键问题：建立什么样的系统模型和选择什么样的协调算法。给出了在Internet环境下面向自动文摘的多Agent系统模型,提出了3种协调算法。在仿真的基础上分析了系统性能,对3种协调算法进行了比较研究,并得到了在一定负载下面向各个领域合适的文摘Agent数目。     

一种基于多Agent系统的饲料配方优化算法

针对饲料配方问题的特殊性和复杂性,结合多Agent系统的特点,提出了基于多Agent系统的饲料配方优化算法,算法采用多Agent协商的方式对原料变量的取值进行多阶段调整.对于有最优解的问题,算法能够逼近最优解;对于没有最优解的问题,算法能够发现并忽略不可满足或相互冲突的约束,一方面避免了人为设定的不足,另一方面所得到的解优于传统目标规划方法得到的解.     

一种基于多Agent的进化多目标优化算法

将进化多Agent系统引入多目标优化问题求解,通过Agent的局部搜索机制及Agent种群的协同进化机制来寻求Pareto最优解。在设计的进化算法当中借鉴了人工生命系统中的一些基本方法,如能量、小生境和迁移机制等。实例表明通过该进化算法求得Pareto最优解集具有很高的效率。     

多Agent协调中的预测技术

本文基于Moulin的社会Agent推理模型介绍了多Agent协调中的预测技术，并将其运用到机器人足球比赛中的仿真比赛和真实机器人比赛中。     

一种基于Agent网络的多Agent系统的协作组织方式

对分布式多Agent系统中的Agent组织方式,协作机制进行了讨论,提出了根据Agent间的物理位置和通信代价关系建立Agent网络,通过Agent网络模型,模仿计算机网络中的动态路由机制,进行Agent协作组织的方法.     

分解协调的多Agent约束优化算法及应用

针对约束优化系统易陷局部优化的问题,提出了基于分解协调的多Agent约束优化算法（DCMACOA）。对可分系统,不同于传统的分解协调算法,DCMACOA选用各子系统间的关联变量为协调变量,借助于多Agent及生物免疫的进化思想,对各子系统优化及系统协调采用了多Agent免疫优化方法,优化搜索算子主要包括：邻域克隆选择、邻域竞争及邻域协作。工业流程和换热器面积优化仿真实例表明,相比传统的分解协调算法,DCMACOA能改善整体与局部的搜索性能,提高对可分系统的约束优化求解能力,具有较好的全局搜索性能。     

一种联盟结构的多Agent合作求解算法

为了测试和比较各种先进的多Agent合作求解智能算法,给多Agent合作策略提供一个比较与测试的平台。针对多Agent联盟数量是Agent个数指数倍的问题提出了一种对Agent联盟结构图自上而下的搜索算法,该算法可以对联盟结构图进行化简,降低搜索空间大小。在基于Agent合作收益独立性假设的基础上,证明了同构的联盟结构是最优的收益。最后,以机器人足球赛RoboCup为背景给出了仿真实验,表明了SCS算法的效率。     

基于移动Agent的反射式异构服务协同机制初探

使用不同类型的中间件实现了开放动态环境中的软件服务.客户方的应用需要采用灵活的方法来发现并绑定这些服务.本文提出一种基于移动agent的反射式异构协同机制,它通过动态加载功能构件可重配置agent当前对外协同行为,通过动态创建子协同agent可实施多种服务发现机制与服务绑定机制的并发执行,可有效减轻客户端应用的负担,提高对异构服务的协同效率.     

Coordinating Multiple Agents via Reinforcement Learning

In this paper, we attempt to use reinforcement learning techniques to solve agent coordination problems in task-oriented environments. The Fuzzy Subjective Task Structure model (FSTS) is presented to model the general agent coordination. We show that an agent coordination problem modeled in FSTS is a Decision-Theoretic Planning (DTP) problem, to which reinforcement learning can be applied. Two learning algorithms, coarse-grained and fine-grained, are proposed to address agents coordination behavior at two different levels. The coarse-grained algorithm operates at one level and tackle hard system constraints, and the fine-grained at another level and for soft constraints. We argue that it is important to explicitly model and explore coordination-specific (particularly system constraints) information, which underpins the two algorithms and attributes to the effectiveness of the algorithms. The algorithms are formally proved to converge and experimentally shown to be effective.     

冲突关系与相容关系之间的关系及其相关算法

研究了冲突关系与相容关系的数学基础,对二者之间的关系以及按冲突关系进行的集合划分与相容关系的完全覆盖之间的关系进行了探讨。通过对按冲突关系进行集合划分方法的分析,设计了相应的3个算法。     

一种基于空间邻接关系的k-means聚类改进算法

空间对象不仅具有非空间的属性特征，而且具有与空间位置、拓扑结构相关的空间特征。利用传统的聚类方法对空间对象进行聚类时，由于没有考虑空间关系，同一类的对象可能出现在空间不相邻的位置。基于空间邻接关系的k-means改进算法将相邻对象的空间邻接关系作为约束条件加以考虑，使聚类结果既反映了属性特征的相似程度，又反映了对象的空间相邻状态，从而可以揭示不同类别对象的空间分布格局，因此其比传统的k-means方法更适合于空间对象的聚类分析。     

Wasp-like Agents for Distributed Factory Coordination

Agent-based approaches to manufacturing scheduling and control have gained increasing attention in recent years. Such approaches are attractive because they offer increased robustness against the unpredictability of factory operations. But the specification of local coordination policies that give rise to efficient global performance and effectively adapt to changing circumstances remains an interesting challenge. In this paper, we present a new approach to this coordination problem, drawing on various aspects of a computational model of how wasp colonies coordinate individual activities and allocate tasks to meet the collective needs of the nest.We focus specifically on the problem of configuring parallel multi-purpose machines in a factory to best satisfy product demands over time. Wasp-like computational agents that we call routing wasps act as overall machine proxies. These agents use a model of wasp task allocation behavior, coupled with a model of wasp dominance hierarchy formation, to determine which new jobs should be accepted into the machine's queue. If you view our system from a market-oriented perspective, the policies that the routing wasps independently adapt for their respective machines can be likened to policies for deciding when to bid and when not to bid for arriving jobs.We benchmark the performance of our system on the real-world problem of assigning trucks to paint booths in a simulated vehicle paintshop. The objective of this problem is to minimize the number of paint color changes accrued by the system, assuming no a priori knowledge of the color sequence or color distribution of trucks arriving in the system. We demonstrate that our system outperforms the bidding mechanism originally implemented for the problem as well as another related adaptive bidding mechanism.     

基于几何关系的椭圆图形生成算法

在常规CAD图形生成算法中,往往只考虑图形的坐标方程(包括直角坐标方程、参数方程或极坐标方程),却忽略了图形本身所具有的特点或一种图形与另一种图形之间的几何关系,而有时这种几何关系可以简化图形生成算法。本文提出了一种新的椭圆生成算法,利用椭圆与其外接圆和内切圆之间的相互位置关系,通过先生成两个圆来生成一个椭圆。在该算法的主循环中,只有加、减法和移位运算,以此替代了速度慢的乘、开方等运算,从而降低了计算量,并且减小了误差。     

一种软构件依赖关系的拓扑布局算法

本文提出了一种圆环型的有向图拓扑布局算法,能够清晰地展示软构件之间的相互依赖关系,有助于设计人员更好地理解和分析多构件系统中构件间依赖关系的整体态势,进而优化系统结构,提高系统性能,实现高效的软构件组装。     

Learning Coordination Strategies for Cooperative Multiagent Systems

A central issue in the design of cooperative multiagent systems is how to coordinate the behavior of the agents to meet the goals of the designer. Traditionally, this had been accomplished by hand-coding the coordination strategies. However, this task is complex due to the interactions that can take place among agents. Recent work in the area has focused on how strategies can be learned. Yet, many of these systems suffer from convergence, complexity and performance problems. This paper presents a new approach for learning multiagent coordination strategies that addresses these issues. The effectiveness of the technique is demonstrated using a synthetic domain and the predator and prey pursuit problem.     

基于分布式协调系统的并行频繁模式增长算法的优化

频繁模式挖掘可以发现数据中频繁出现的模式,是关联规则挖掘的重要步骤。并行频繁模式算法将其应用到并行环境中,以对海量数据进行挖掘。在Apachc软件基金会的Mahout项目实现的基础上,对计数和排序阶段以及算法的执行顺序提出了新的优化策略。优化后的设计将计数信息存储在分布式协调系统上,充分地利用了分布式协调系统的高可用性、适宜存储元数据信息的特点。该设计减小了小文件在分布式文件系统(HDFS)上的开销,同时保留了其优点,还能使计数过程和排序过程并行执行,减小了计算节点的内存开销。对比了文件系统I/O的开销,并分析了实现设计中的难点,为未来的工作打下了基础。