动态网络环境下的多Agent移动合作系统

多Agent移动合作系统为分布式系统提供了灵活、高效的解决方案,但针对动态网络环境,当前的一些研究工作还存在局限性,以多Agent移动合作系统模型为基础,考虑到动态环境中Agent知识的不确定性、影响力和Agent间可能客观存在的矛盾,提出了Agent模糊知识表达与交换的思想、理论模型及算法,较好地考虑并解决了Agent的模糊信念合成及矛盾处理等关键问题,通过仿真研究,将所提出的理论与模型应用于解决动态网络拓扑发现问题,结果证明了该模型是可行、高效的。     

基于动态贝叶斯网络的多Agent交互的模型表示

动态贝叶斯网络(Dynamic Baycsian Networks,DBNs)是对具有随机过程性质的不确定性问题进行建模和处理的一个有力工具。该文将Agents技术和DBNs相结合来对两个以上的人的行为进行建模。提出一种分解和合并的方法来解决两个以上的Agents构成的DBNs的模型表示在计算上的难以处理性。同时还提高了模型的表示能力,且能表示变量之间互为因果的关系。     

基于多Agent的网络性能递阶控制模型研究

计算机网络的复杂性与日俱增,网络管理体系的创新性研究已成为研究热点。为保证网络性能管理满足容错性、学习能力和组织功能的需求,结合多Agent技术与递阶控制理论进行网络性能递阶控制模型研究。在利用多Agent的分布性与协作性进行实现网络性能监测、分析与预测的基础上,由递阶控制方法完成对网络性能控制。通过JBuilder2006开发平台完成该模型的软件系统开发与测试,可对网络中不同关键设备进行网络性能的智能化管理。在某局域网的应用表明:这种方法能显著提高网络利用率,实现网络优化。     

混合多Agent环境下动态策略强化学习算法

机器学习在多Agent系统的协作和行为决策中得到广泛关注和深入研究.分析基于均衡解和最佳响应的学习算法,提出了两个混合多Agent环境下动态策略的强化学习算法.该算法不仅能适应系统中其他Agent的行为策略和变化,而且能利用过去的行为历史制定更为准确的时间相关的行为策略.基于两个知名零和博弈,验证了该算法的收敛性和理性,在与最佳响应Agent的重复博弈中能获得更高的收益.     

复杂自适应多Agent系统的环境表示及感知

对自适应系统驻留环境的显式表示和有效感知是实现复杂自适应系统的前提,也是当前自适应系统研究面临的一项重要挑战.借助于组织学思想将自适应系统中的自主运行单元抽象为Agent,把复杂自适应系统视为多Agent组织,提出了基于动态绑定的自适应机制和构造框架;将环境作为一阶抽象,提供了对自适应多Agent组织的驻留环境进行抽象和描述的语言设施以及对环境进行有效感知的两种方法：基于事件发布-订阅和基于软传感器的方法;提出了支持软传感器与环境动态关联的思想和技术,使得复杂自适应系统的开发具有环境表示显式化、环境感知透明化的特征,所开发的软件系统易于维护和升级.介绍了实现上述机制、技术和语言设施的支撑平台SADE,并进行了案例分析以验证方法的可行性和有效性.     

基于多Agent的动态路径规划方法研究

简要地介绍了多Agent技术,并以城市交通诱导系统中的动态路径规划为研究对象,提出了一种基于范例推理合同网协商机制的多Agent动态路径规划方法。     

基于多Agent的网络教学系统的研究

目前,软件Agent的研究已经在计算机科学的各个领域引起专家们的极大兴趣,同时给计算机辅助教育带来无限的应用前景。文章首先讨论有关Agent的定义,进而提出了基于多Agent的智能网络教学系统的结构与实现模式以供同行讨论。     

基于DFS的多Agent动态任务分配算法

针对任务分配算法应用于不确定动态环境时存在的不足,研究具有动态模糊特性的任务环境,借助动态模糊集理论,给出相关的多Agent动态任务分配算法并进行实例测试。测试结果表明,该算法模型可以合理地模拟MAS系统中任务分配的运行过程,并获得最优的任务分配策略与良好的任务实现效果。     

基于信念的多Agent模型解决多目标优化问题

提出了基于信念的多Agent模型解决多目标优化问题.在这个模型中,Agent通过在解空间中移动来进行搜索,使用信念指导移动.每个Agent都有独立的信念,信念由3部分组成:Agent对每个目标的偏好、移动向量和对此向量的评价.Agent在优化的过程中会根据目标函数的值调整移动向量和对应的评价.Agent也会和相邻的Agent交互信念,从而获得更好的性能.最后用模型解决了几个简单的多目标函数优化问题,实验结果证明了算法的有效性.     

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.     

具有通信时延和有向网络的多智能体分布式优化

本文对非平衡有向拓扑下一阶多智能体系统的分布式优化问题进行研究.研究的智能体在与邻居的通信过程中都有一个变化的时延.本文的目标是找到使得目标函数f(x)=(NΣi=1)fi(xi)最小的智能体的状态.提出了一种基于有向图的拉普拉斯矩阵的零特征值对应的左特征向量和智能体的局部信息的控制器.在这项研究中,去掉了fi(xi)...     

面向多模态函数优化的混沌免疫网络算法研究

针对人工免疫网络解决多模态函数优化时可能出现的早熟收敛现象和搜索精度不甚满意的问题,提出改进的混沌免疫网络算法。改进算法终止条件及采取相应措施以避免早熟,利用混沌变量来模拟免疫细胞的增殖方式以提高算法的搜索精度。通过对一些典型测试函数进行仿真实验,结果表明该算法能够快速优化抗体,搜索能力强,搜索精度高,是一种效果优良的解决多模态函数优化问题的极值寻优方法     

基于修补策略的约束多目标动态环境经济调度优化算法

针对传统的优化算法求解多目标动态环境经济调度(MODEED)模型时极难获得高质量的可行解,且收敛速度慢等问题,根据MODEED模型约束特征,设计了一种约束修补策略;然后将该策略嵌入非支配排序算法(NSGAⅡ),进而提出一种修补策略的约束多目标优化算法(CMEA/R);接着借助模糊决策理论给出了多目标问题的最优决策向量;最后,以经典的10机系统为例,验证了CMEA/R的求解能力,并比较了不同群体规模下CMEA/R与NSGAⅡ的性能。仿真结果表明,在不同群体规模下,与NSGAⅡ相比,CMEA/R的污染排放平均减少了480 lb(217.7 kg),燃料成本平均减少了7 800美元,执行时间平均减少了0.021 s;覆盖率(HR)性能优于NSGAⅡ,且收敛速度较NSGAⅡ快。     

基于多Agent 可互操作知识化制造动态自适应调度策略

针对知识化制造系统生产环境的不确定性,构建一个基于多Agent可互操作的知识化动态调度系统.该系统对各种调度问题采用具有一系列问题特征的知识表示,利用Agent技术构建基于问题的功能模块,提出一种基于改进 -学习算法(WSQ)的自适应调度机制,以此指导设备Agent在动态环境下的调度策略选择.通过对其进行复杂性分析和仿真实验,验证了该控制策略的有效性.该系统具有自适应和自学习特征,具有高度智能化和可互操作性.     

有向网络下仿射非线性多个体协同动力学系统的整体行为

本文讨论有向通讯网络条件下仿射非线性多个体动力学系统的结构及其整体行为．系统可以分解为独立基本子系统和非独立基本子系统．每个独立基本子系统将趋于自身的一致状态,非独立子系统的个体状态将趋于独立基本子系统一致状态为顶点的凸集内．系统所有个体的状态趋于一致的充分必要条件是存在唯一的独立基本子系统．这一结果涵盖了线性多个体动力学系统此前的研究结果．     

一类具有精英学习能力的增强型人工免疫网络优化算法

提出了一种用于求解优化问题的具有精英学习能力的增强型人工免疫网络(Enhanced aiNet–EL)算法. 该算法集成了亲和力学习和精英学习, 改进了免疫进化的克隆、变异和抑制算子. 通过对两个经典函数的优化实验,结果表明本文提出的Enhanced aiNet–EL算法在最优解质量和收敛速度上都要优于传统aiNet和EaiNet算法. 作为应用实例, 工业PID控制器被用于测试算法的优化性能. 实验所得的阶跃响应表明, 使用Enhanced aiNet-EL得到的系统性能要优于使用其他4种方法得到的系统     

基于免疫网络感知结构机理环境下自适应粒子群优化研究

基于粒子群优化算法环境中的全体粒子与自身的搜索经验,利用基于免疫网络感知结构机理系统作为一种自适应维持群体多样性与自我调节性,以及导致基于免疫机制的算法所具有的整体、局部搜索能力强等特点,使得这类算法在函数优化、组合优化、模式识别、数据挖掘及机器学习等方面得到了有效应用。同时,采用免疫网络感知结构机理系统的克隆选择机制,提出了基于免疫网络感知结构机理的粒子群优化算法。     

基于亲和度累积的人工免疫网络聚类

当数据集聚类边界不清晰或存在噪声干扰时,人工免疫网络聚类算法通常无法获得有效的聚类划分。受抗体免疫差异性的启发,提出一种基于抗体亲和度累积的人工免疫网络聚类算法。该算法在抗体中引入亲和度累积及有效的更新策略,使用记忆网络中抗体的亲和度累积强度分布表达数据集的空间密度变化趋势,从而在记忆网络中通过二次免疫抑制,使网络中抗体的聚类结构更加清晰。实验结果表明,该算法对聚类边界不清晰的数据集可获得较精确的聚类划分,同时具有很强的噪声抑制能力。     

基于智能互补策略的免疫算法

针对自组织抗体网络存在冗余抗体和网络性能不稳定的问题,提出一种基于智能互补策略的免疫算法。基于智能互补观点,该方法引入免疫进化算法中的免疫算子,它由接种疫苗和免疫选择两部分操作构成。接种疫苗利用K-means聚类算法抽取疫苗作为初始抗体,形成关于系统的粗略描述;免疫选择对记忆抗体进行优化,调整网络结构。在Iris数据集上的测试结果表明,该方法能够充分利用系统的先验知识快速有效地提取样本的数据特征,使得数据浓缩率和分类正确率更高。     

基于多智能体遗传算法的战术航段优化

针对飞机战术飞行要求和威胁规避目标的问题,采用优势函数和战术规避相结合的原则,将战术航段优化问题转化为路径搜索问题,提出了基于多智能体遗传算法来解决此问题.采用自适应交叉和变异算子,改进自学习算子获取子代的算法,实现了全局最优的结果.通过和传统遗传算法进行仿真比较,相比之下,基于多智能体的遗传算法可以有效利用地形,实现战术飞行.