复合熟人模型——一种多Agent合作组织方法

为了有效地组织Agent间合作与通信,提高多Agent系统求解效率,借鉴现实社会中熟人之间的关系特点,提出了复合熟人模型。从分析Agent间的关系入手,定义了对合作求解具有重要影响的三类熟人关系,并给出了对熟人的综合评价体系。还给出了基于上述复合熟人模型的多Agent合作求解过程。实验结果在一定程度上证明了这种合作组织方法的有效性。     

多Agent技术在数据融合系统中的应用

数据融合充分利用多个传感器资源,对观测到的信息进行合理支配和使用,把在时间和空间上的冗余或互补信息按照某种准则进行组合,以获取对被观测目标的一致性认识.为提高目标跟踪系统的滤波精度,在滤波时采用了多Agent技术,使系统的跟踪精度有了显著提高.通过引入多Agent技术,对数据融合系统中的模型和方法进行改进,提出多Agent数据融合模型,为数据融合问题提供新的解决方法和途径.     

多Agent系统UML建模及其在绗缝系统中的应用

为完善多Agent系统的设计,使用统一建模语言(UML)面向主体建模,用例图完成智能主体功能建模,利用部署图完成MAS建模,采用协作图、顺序图、状态图对主体集成的协调与协作进行建模,并给出了该系统在绗缝控制中的一个应用实例。UML的应用不仅使软件的整体设计变得可视化、系统化,便于管理,还有助于加强工作人员之间的交流。实践表明,该方法通用性强、方便直观,具有很高的实用价值。     

多Agent系统模型的结构研究

在分析Agent联邦中具有管理功能的Agent结构的基础上,探讨具有联合意向的管理Agent的协商、规划、执行等功能,刻画出Agent的多种特征,并提出一个基于Agent结构的数据仓库ETL模型.     

基于多Agent技术的自适应过电流保护的研究

传统的过电流保护的整定值是按离线最严重的情况进行的,而且在运行中基本保持不变,无法随电力系统变化而变化,因此该整定值在某些状态下并不是最佳的。在对传统过电流保护的缺点进行理论分析的基础上,提出了根据电力系统运行方式变化和故障状态的变化及配电网的其他变化而实时调节或修正过电流保护整定值的自适应过电流保护方案,并在部分过电流保护中安装方向元件。根据MAS具有自主性、社会性、适应性等特点,将多Agent技术应用于自适应过电流保护中去。建立了一个基于MAS的自适应过电流保护系统,通过各个Agent之间的协作,使得自适应过电流保护能够自动智能地适应电力系统的各种变化。     

多Agent系统中Agent的协作机理与模式

借鉴人类社会学，分析了多Agent系统中Agent之间的协作机理，提出了多Agent系统中Agent进行协作的4种模式——对话模式、会议模式、协同模式和层次模式。使用结构化方法描述了4种协作模式的协作过程，给出了对话模式的形式化描述，为设计具有分布式协作问题求解能力的多Agent系统提供了理论框架。     

基于QoS的Web服务注册和发现的高效多Agent架构

针对Web服务识别,为服务注册和服务发现提出了一种多Agent架构,包括响应Agent、认证Agent和查询Agent等,并在此基础上提出了Web服务质量的评估算法.实验表明该多Agent架构在实际Web服务中对服务注册和服务发现非常重要.     

基于Agent UML的多Agent系统建模研究

由于Agent和对象的差异,本文引入Agent UML对多Agent系统进行建模研究.简要介绍了UML和Agent UML,以供应链管理为实例从多Agent系统的需求分析、静态建模、动态建模出发,给出了基于Agent UML的建模方法和步骤.     

外部软件与多Agent系统的集成技术

Agent要真正有用就必须解决大量非Agent应用程序集成到多Agent系统中的问题，本文介绍了目前解决该问题的包装技术，阐述了包装的分层模型，分析了包装Agent的功能，提出了包装模式的概念，并结合一个实际的多Agent系统开发环境实现了包装Agent的设计。     

多Agent系统的开发应用

本文简介了一种多Agent系统构建框架，并给出了以该Agent为核心的应用开发实例。     

浅谈战争决策行为多Agent建模

运用科学的手段和方法,开展针对可能引发军事冲突或爆发战争危机的决策行为研究,具有重大的现实意义。基于Agent建模方法是目前建模领域最具活力、最具影响的方法之一;系统地总结了近年来决策行为建模在认知科学、心理学、行为科学、社会学和计算机科学等学科领域的主要观点和研究成果;指出了采用Agent方法进行战争决策行为建模,需要深入研究和突破的问题;对其发展趋势作了一定的分析。     

Algorithm to Form Coalition in Multi-Agent Cooperation

In multi-agent systems, autonomous agents may form coalition to increase the efficiency of problem solving. But the current coalition algorithm is very complex, and cannot satisfy the condition of optimality and stableness simultaneously. To solve the problem, an algorithm that uses the mechanism of distribution according to work for coalition formation is presented, which can achieve global optimal and stable solution in subadditive task oriented domains. The validity of the algorithm is demonstrated by both experiments and theory.     

基于MAS的通信卫星系统整体效能评估方法

针对目前通信卫星系统效能评估中存在的不足,结合系统学中自上而下的分析方法与自底向上的综合方法,建立了通信卫星系统的整体效能评估方法,包括整体性分析、综合集成以及结果分析3部分。以信息传输时延为主要效能指标,在整体性分析中,通过建立系统学模型,确定系统的构成要素和要素之间的关系。在综合集成中,利用基于多Agent系统（multi-agent system,MAS）的建模与仿真方法,确定通信卫星系统的MAS结构和单个通信卫星Agent的行为规则。最后基于AnyLogic软件对所建模型进行了仿真,验证了效能评估方法的合理性和有效性。     

一种离散连续混成的时空事件驱动的CPS体系架构

为描述信息物理融合系统(cyber-physical system,CPS)中离散信息系统和连续物理系统交互融合的混成特性,基于混成自动机理论,结合多智能体系统(multi-agent system,MAS)和时空事件驱动方法,提出一种CPS体系架构.该架构用改进的混成自动机理论刻画了离散空间和连续状态混成的CPS体系架构的主体,同时定义了基于时空事件的CPS事件,设计了基于MAS的CPS端,并运用定义不同功能的CPS端和CPS事件驱动机制解析了CPS体系架构内部信息物理交互反馈过程.最后以车速调控系统为例,采用提出的CPS体系架构分析了协同驾驶过程中单一车辆内部速度调控的信息物理融合过程,并对其进行了形式化描述,实例的形式化过程表明提出的体系架构的有效性.构建的CPS体系架构为刻画CPS的本质特征提供了新的方法.     

Agent Architecture and Collaboration for Supply Chain Management

Recently multi-agent system (MAS) is regarded as a powerful paradigm to develop and simulate complex system. Because supply chain (SC) is a complex network, it is hard to improve supply chain management (SCM) efficiency and automate SC operating process. Researchers have applied MAS in SCM viewing enterprises in SC as different functional agents collaborating to achieve common goal. In this paper a MAS-based supply chain management framework (MSF) is developed on which agents can collaborate to conduct business activities of enterprises and customers. Six kinds of functional agents are designed, namely, management agent, order receiving agent, order decomposing agent, resource agent, manufacturing-controlling agent and transportation agent. Through the agents' collaboration the MSF can support SC dynamic forming and operating process. For partner selection the method to transmit customers' order into demand matrix, and transmit enterprise's resource capacity into resource matrix is described in detail. The MSF users decide which algorithm to be applied in matching the two matrixes, and algorithms are stored in model base. Finally the generic agent architecture is put forward.     

多智能体技术在分布式虚拟地理环境的应用

为了提高分布式虚拟地理环境(DVGE)中的多用户协同工作效率,对多用户参与的分布式虚拟地理环境(DVGE)的定义、特点、研究现状及存在的关键问题进行分析和介绍,分析了多Agent技术(MAS)的特点及应用在DVGE中的优势;设计了基于多Agent技术的DVGE系统框架,研究了混合式协同模型、动态群组算法、资源共享的冲突控制几个关键技术,并结合一个实例进行说明.     

Agent Architecture and Collaboration for Supply Chain Management

Recently multi-agent system(MAS)is regarded as a powerful paradigm to develop and simulate complex system. Because supply chain(SC)is a complex network,it is hard to improve supply chain management(SCM)efficiency and automate SC operating process.Researchers have applied MAS in SCM viewing enterprises in SC as different functional agents collaborating to achieve common goal.In this paper a MAS-based supply chain management framework(MSF)is developed on which agents can collaborate to conduct business activities of enterprises and customers.Six kinds of functional agents are designed,namely, management agent,order receiving agent,order decomposing agent,resource agent,manufacturing-controlling agent and trans- portation agent.Through the agents' collaboration the MSF can support SC dynamic forming and operating process.For partner selection the method to transmit customers' order into demand matrix,and transmit enterprise's resource capacity into resource matrix is described in detail.The MSF users decide which algorithm to be applied in matching the two matrixes,and algorithms are stored in model base.Finally the generic agent architecture is put formard.     

基于冲突消解的群体智能机器人协作研究

提出了在动态环境中，基于冲突消解的群体智能机器人的一种协作模型，适用于环境信息不完备的复杂情况．将Agent的独立强化学习与BDI模型结合起来，使多Agent系统不但拥有强化学习的高度反应性和自适应性，而且拥有BDI的推理能力，使只使用数值分析而忽略推理环节的强化学习结合了逻辑推理方法．新的奖励函数和表示方法减少了学习空间、增加了学习速度．仿真结果表明所提方法有效．