基于Multi-Agent的多AGV自主控制系统设计与实现

在研究多智能体技术的基础上,提出了一种基于黑板结构和产生式规则的AGV（Automated guided vehicle）自主控制系统。根据多AGV系统运行特点,进行了单车Agent建模和多车协作系统的结构设计。系统阐述了在协作背景下任务管理、交通控制等模块的特性并构建相应的全局黑板结构。现场物流输送试验表明,提出的体系结构可以有效完成预定任务。     

分布式人工智能与多智能体系统研究

智能体理论是一个发展很快的前沿领域。为了解决复杂问题出现了分布式人工智能,多个智能体的协作正好符合分布式人工智能的要求,因此出现了多智能体系统。文中介绍了分布式人工智能的特点,并着重介绍了分布式人工智能的一种分类———多智能体系统。多智能体系统也是分布式人工智能的一种有效的解决方法,同时分布式人工智能又推动了多智能体的发展。     

分布式人工智能与多智能体系统研究

智能体理论是一个发展很快的前沿领域.为了解决复杂问题出现了分布式人工智能,多个智能体的协作正好符合分布式人工智能的要求,因此出现了多智能体系统.文中介绍了分布式人工智能的特点,并着重介绍了分布式人工智能的一种分类--多智能体系统.多智能体系统也是分布式人工智能的一种有效的解决方法,同时分布式人工智能又推动了多智能体的发展.     

基于递阶强化学习的多智能体AGV 调度系统

递阶强化学习是解决状态空间庞大的复杂系统智能体决策的有效方法。具有离散动态特性的AGV调度系统需要实时动态的调度方法，而具有MaxQ递阶强化学习能力的多智能体通过高效的强化学习方法和协作，可以实现AGV的实时调度。仿真实验证明了这种方法的有效性。     

基于多智能体的多机器人控制研究

多机器人控制是目前机器人研究的关键问题,本文以足球机器人为研究平台,首先讨论多智能体系统的组织结构和智能体的体系结构;然后,基于多智能体理论,组建多机器人系统,提出一种适用性广泛的多机器人协作控制方案,主智能体和辅助智能体相互协作,降低多机器人系统控制的复杂度.提高了控制效率.实验结果证明该协作控制方案的优越性.     

基于多智能体模型的动车组分布式预测控制

以高速铁路普遍采用的动力分散式动车组为研究对象.针对动车组由若干动力单元相互耦合组成的结构特点,以各动力单元为智能体.结合动车组牵引特性曲线和实际运行数据,应用减法聚类和模式分类算法建立各智能体多模型集.依据各智能体网络拓扑结构和相互耦合约束关系,建立动车组多智能体模型.针对各智能体的耦合约束,采用PID和GPC相结合的平稳起动切换控制策略和基于邻域优化的多智能体分布式协调控制算法,实现各智能体对给定速度的同步跟踪.基于CRH380A型动车组运行数据的仿真结果验证了本文方法的有效性.     

基于多智能体强化学习的多AGV路径规划方法

AGV(automated guided vehicle)路径规划问题已成为货物运输、快递分拣等领域中一项关键技术问题。由于在此类场景中需要较多的AGV合作完成,传统的规划模型难以协调多AGV之间的相互作用,采用分而治之的思想或许能获得系统的最优性能。基于此,该文提出一种最大回报频率的多智能体独立强化学习MRF(maximum reward frequency)Q-learning算法,对任务调度和路径规划同时进行优化。在学习阶段AGV不需要知道其他AGV的动作,减轻了联合动作引起的维数灾问题。采用Boltzmann与ε-greedy结合策略,避免收敛到较差路径,另外算法提出采用获得全局最大累积回报的频率作用于Q值更新公式,最大化多AGV的全局累积回报。仿真实验表明,该算法能够收敛到最优解,以最短的时间步长完成路径规划任务。     

基于迭代学习的多智能体系统分布式跟踪控制

文章考虑了具适多智能体系统的分布式跟踪控制问题。通过设计带有初始学习机制的$P$型和$PD^{\alpha}$ 型迭代学习控制策略求解跟踪问题。具适导数具有良好的性质且可以刻画不同步长的实际数据采样情况。初始学习机制放松了初始值条件且提高了算法实现趋同跟踪的性能。在可重复操作环境和有向通信拓扑的假设下,提出了一种分布式迭代学习方案,通过重复同一轨迹的控制尝试和用跟踪误差修正不满意的控制信号来实现有限时间趋同。严格证明了随着迭代次数增加,提出的$P$型和$PD^{\alpha}$ 型迭代学习控制策略使得所有智能体能渐近跟踪上参考轨迹。两个代表性数值仿真验证了算法的有效性。     

多智能体系统开发平台中分布式信息管理的研究与实现

着重介绍了多智能体系统开发平台支撑模块中地址服务器和分布式管理者的设计与实现。地址服务器是1个由集成开发环境维护的“智能体关系图”，该图中包含了智能体的名称、IP地址、通信端口等；分布式管理者是1个进程，它用于帮助集成开发环境管理和启动位于网络中其它结点上的智能体。     

基于博弈模型的多智能体覆盖控制问题

多智能体覆盖控制问题是多智能体分布式协作控制的一个重要研究方向,对于要完成给定任务的多智能体系统而言,保持整体的连通性以便信息的共享非常重要。为解决多智能体连通覆盖问题,在非合作博弈的基本模型上,提出了一种完全分布式的控制算法,即每个智能体仅利用通信范围内其他智能体的信息来独立决策自己的行动,使得系统能在基本保持全局连通的同时,实现对周围环境的最大覆盖。在决策每一步的行动时,每个智能体都希望和通信范围内的其他智能体保持尽可能大的距离,但又不能完全孤立,可看作是一个多目标组合优化问题。仿真结果表明了算法的有效性。     

基于Agent的分布式数据挖掘系统

本文致力于研究如何将多代理技术应用于分布式数据挖掘中的课题,通过分析典型分布式结构的Web服务器日志,设计Web日志挖掘系统的体系结构、各个代理的具体研究设计工作等。本文将多代理技术与Web日志挖掘技术结合起来,一方面可以更清晰的进行数据挖掘系统的设计,另一方面可以充分利用多代理技术来提高数据挖掘的效率,从而对基于Agent的分布式数据挖掘系统的理论意义和应用层面价值进行探索。     

基于移动代理的分布式防火墙系统

针对现在VPN网络中的防火墙问题,结合VPN和移动代理这两大技术,提出了一种新型的适用于VPN网络的基于移动代理的分布式防火墙系统—VPNAgent系统,在该系统中由网络防火墙派遣移动代理去客户机处检测和签名数据,并护送合法数据到网络服务器,这样数据包经过网络防火墙时只需由护送该数据包的护送Agent—VPNClientAgent出示签名以证明该数据包是合法的而不必解包,这种结构解决了传统边界防火墙不适合于VPN连接的状况,使现有的VPN网络连接解决方案更安全可靠。     

基于Agent的分布式入侵检测系统

针对现有入侵检测系统存在的问题,论文提出了一个基于Agent的分布式入侵检测系统模型,该系统模型结合目前几种主要的入侵检测技术和数据挖掘技术,实现了入侵检测和实时响应的分布化,同时增强了入侵检测系统的灵活性、可伸缩性、鲁棒性、安全性以及入侵检测的全面性。文末给出了根据该系统模型实现的入侵检测系统的实验测试结果,证明了该系统对入侵检测的有效性和合理性。     

基于移动Agent的分布式拥塞控制策略

提出一种基于移动Agent分布式的拥塞控制策略DCCMA。DCCMA策略通过将网络结点和端点相结合，直接提供拥塞检测和拥塞控制机制。与传统的Reno TCP相比，大大缩短了源端点的拥塞反应时间；另一方面，在UDP应用层对其发送速率加以控制，使之体现一定的TCP友好性，同时对具有恶意攻击的数据流(如UDP Flood和TCP Flood)和传统的没有拥塞控制机制的UDP数据流(如视频流)加以惩罚和限制，降低了恶意攻击数据流的危害。仿真实验验证了该策略的有效性。     

一种基于Agent的分布式病毒防御系统

目前的高速局域网为计算机病毒通过网络传播搭建了理想的高速通道,使得病毒在局域网范围内容易迅速蔓延.因此需要探讨一种局域网内的新型杀毒软件系统,这是一种结合了分布式和Agent技术优点的,智能、主动的计算机病毒防御系统.该系统具有高度的信息共享能力,当某一台主机受到病毒危害时,局域网内的所有主机将迅速获得相关信息,并有针对性地进行系统加固,使整个网络的安全性大幅提高.     

基于移动Agent的分布式测控系统任务调度研究

动态任务调度是分布式测控系统中的一项关键技术。基于移动Agent提出了一种新的分布式测控系统动态任务调度算法。算法采用IBM Aglets系统设计和执行移动Agent,利用移动Agent-Aglet在系统运行过程中动态迁移任务,从而有效地提高了系统效率,实现了负载均衡的目标。详细介绍了任务迁移的实现及Aglet通信机制。     

基于代理的分布式数据挖掘系统设计

提出了一在于代理的分布式数据挖掘系统,用来实现大容量的数据在分布式存放情况下的数据挖掘,因为本系统只传送数据挖掘的中间结果,所以大大减少了网络的数据传输量,并通过一个应用实例来加以说明。     

一个基于Agent的分布式构件管理系统

首先给出了软构件在分布式网络环境下的形式化定义 ,据此建立可重用的软构件库 ;然后将A gent技术引入到分布式构件管理中 ,建立了以可重用软构件库为核心 ,通过各类软件Agent进行管理的构件管理支撑环境     

基于移动Agent的分布式信息查询系统

提出了一个基于移动Agent的、适用于移动计算环境中的分布式信息查询系统的框架，并采用Aglets平台，在模拟的实验环境下实现了该原型系统。该系统具有效率较高、可扩展、支持大规模用户并发访问等特点。