多智能体技术应用综述

多智能体技术通过采用各智能体间的通讯、合作、协调、调度、管理及控制来表达实际系统的结构、功能及行为特性,为各种实际问题提供了一种统一的框架,介绍了多智能体技术在几个有代表性领域的应用,并对该技术今后的研究方向做了探讨。     

多智能体在WebGIS中的应用研究

WebGIS作为地理信息领域的一个分支,正面临着越来越大的需求。传统的WebGIS的构建方法已经呈现了一定的局限性。该文将人工智能领域的Agent引入到WebGIS中,目的在于构建一种智能化的WebGIS体系。文章通过对Agent的功能分析,得到反应型Agent的定义,建立了反应型Agent的模型。在反应型Agent基础上,分析了MAS的结构体系。通过多智能体的组合,具体实现一个农业WebGIS的应用。     

一种使用黑板模型实现的图象分割策略及在桥梁目标识别中的应用

本文首先提出了一种用从自然背景中分割出人工物体的方法，即写生成分割策略，并把它用于一类桥梁目标的识别研究，本文接着研究了使用黑板模型实现写生成分割策略的问题，并在黑板模型试验床ＣＰＥＳ上使用写生式分割实现了桥梁目标的识别，取得了良好的识别效果。     

基于实时多Agent系统的作战智能决策仿真模型

该文首先对Agent和多Agent系统的理论和应用进行了概述，提出一种用于实时人工智能系统(RTAIS)的多Agent结构模型AA的形式化描述，这种Ageng结构包含两层Agent，即RTAIS Agent(AA)和AA内部的一组Agent体(IA)，并介绍基于该模型的舰艇协同攻击潜艇的仿真系统的实例，证明AA结构模型应用于实时智能系统，不仅能适应强实时系统的实时性要求，而且提供了更高的智能水平。     

多Agent合作求解

Multi-Agent Collaborative Problem Solving is one basic issue of the research of Multi-Agent System (MAS). In this paper we summarize some research work of Multi-Agent collaborative problem solving,expound the characteristic of Multi-Agnet collaborative problem solving,Model of Multi-Agent collaborative problem solving,pro-cess of solving,the application field of Multi-Agent collaborative problem solving and some challenge. Especially wediscuss the main models ,introduce the representative model including joint-intention,joint-commitment ,shared plan.     

基于规划识别的多智能体协作研究及应用

多智能体系统是规划识别的一个有效应用平台，提出一种基于规划识别多智能体协作算法，对对抗环境和非对抗环境中的基于规划识别的多智能体协作算法进行了分析，实现了对队友和对手行为目的的认识和建模，减少了协作主体间需要通信的时间厦难度。该协作算法应用到多智能体的有效测试平台机器人足球赛中，试验结果证明，该算法在通信受限、信息受限或信息延时的系统中可有效预测队友和对手的行为，从而实现智能体间的协作。     

多智能体协调系统的研究及实现方法

本文介绍了多智能体（ＭＡＳ）协调系统的发展、研究现状,以及ＭＡＳ的主要研究内容和关键技术,并以机器人足球比赛的方式作为研究多智能体协调系统的典型问题进行讨论。     

基于多组件智能体技术的布局问题求解方法研究

在简要介绍组件智能体技术的基础上,提出基于多组件智能体技术的布局问题协同求解方法模型。详细描述了模型中各组件智能体的定义和功能,通过它们之间的协同工作,克服传统求解方法的缺点,使其具有较强的问题求解能力和环境适应能力。     

知识引导的多目标多智能体进化算法

将智能体模型与知识模型相结合,提出一种知识引导的多目标多智能体进化算法.算法定义了智能体的不同邻域环境,并通过对邻域之间的竞争、正交交叉、知识学习等操作实现种群的演化过程.算法采用一种新颖的方法求非劣解集,并使用循环拥挤排序法对外部归档集进行维护.通过对多个测试函数的仿真结果表明,知识的引入不仅增加了种群多样性,而且提高了算法的收敛性.     

基于一种新的目标识别的边缘爬行算法

针对机器人目标识别的实时性、快速性和鲁棒性特点,依据物体边缘大部分区域的方向缓变原理,提出了一种基于记忆的边缘爬行改进算法.爬行搜索方法的一个明显缺点是"爬虫"容易掉进"陷阱",即围绕某个局部小区域重复爬行.记忆搜索方法则有效克服了爬行搜索方法容易掉进"局部陷阱"的不足.在边缘爬行的同时,通过标号将颜色相近的不同物体分割出来.实验结果表明,与传统方法比较,该方法的边缘线更加完整、清晰,而且缩短了处理图像的时间,使目标识别的实时性和鲁棒性得到了优化.     

基于目标识别与显著性检测的图像场景多对象分割

提出了一种基于目标识别与显著性检测的图像场景多对象分割方法。该方法的步骤包括:在图像训练集上训练语义对象的检测器,用来检测输入图像中对象的位置,标定对象的包围盒;对输入的图像进行过分割处理,得到超像素集合,根据包围盒的位置和超像素的语义概率值计算兴趣区域;在3种稠密尺度上进行场景显著性检测,得到输入图像的显著图;在兴趣区域内计算超像素的邻接关系,形成邻接矩阵,构建条件随机场模型,将多对象分割问题转化成多类别标记问题,每一个对象是一种类别;以每个超像素作为场模型的节点,超像素的邻接关系对应场模型中节点之间的连接关系,将显著性和图像特征转化为节点和边的权重值;利用图割算法,在条件随机场模型上进行优化,迭代终止时得到像素的对象标记结果,从而实现对多个对象的分割。实验结果表明该方法效果较好。     

基于区域分割的水下目标实时识别系统

在真实水下环境中,检测和识别水下日标一致是研究的重点。介绍了一种基于最优阈值分割算法的水下目标自动实时识别系统。首先运用去噪、图像均衡等方法对实时摄取的水下图像进行预处理,接着运用基于遗传算法优化的Otsu（即大津方法）最优阈值分割算法对所得图像进行区域分割,提取图像的特征向量,最后采用BP神经网络对提取的特征向量进行自动分类从而最终确定了水下目标的类型。水槽仿真试验表明系统能够在恶劣的环境下自动地检测水下目标,而且该方法具有较强的抗光线干扰能力和较高的准确度。     

基于运动目标识别技术的视频监控系统

设计了一种基于运动目标识别技术的数字视频监控系统,对生产现场有无工人作业进行判断,实现无人值守的智能化监控。系统采用客户机／月良务器模型,利用企业局域网进行视频信号传输;利用帧间差分图像检测运动目标,实现视频运动对象的自动分割;采用边缘检测等技术提取运动目标的特征量;最后利用特征匹配算法对运动目标进行识别,判断目标类型,当现场长时间无工人作业时,发出报警信息。目前系统已投入运行,识别准确性较高。     

视频序列中运动目标自动提取的研究

本文提出了一种从彩色视频序列中,有效分割运动目标的算法。首先将当前帧图像和背景参考图像在YUV彩色空间中进行距离差分得到距离差分图像,然后根据差分图像直方图的单峰聚集特性,提出了基于直方图的自适应聚类分割算法;对分割后的二值图像采用图像形态学方法去除无用的噪声斑点,并根据得到运动模板,提出了背景参考图像的更新策略。实验结果表明这是一种简单、有效的运动目标提取方法。     

多Agent系统在遥感图像目标识别中的一种应用

遥感图像处理技术的发展无论对民用还是军用都有重要的意义。多Agent系统因其智能性和并行计算能力在各种领域都有了广泛的应用。针对遥感图像处理中对于自适应、快速识别目标的需要,提出将多Agent系统应用于遥感图像目标识别,设计并开发了一个分布式目标识别系统。它利用多个边缘检测算子Agent检测边缘,将检测结果序列送人神经网络Agent进行分类,并与纹理统计Agent的结果相融合,判决目标类别。实验结果表明,该系统对不同种类、不同分辨率的图像有一定的普适性,有较高的实用价值。对今后多Agent系统在图像处理中的研究和应用有很大的意义。     

视频序列中运动目标自动提取的研究

本文提出了一种从彩色视频序列中,有效分割运动目标的算法。首先将当前帧图像和背景参考图像在YUV彩色空间中进行距离差分得到距离差分图像,然后根据差分图像直方图的单峰聚集特性,提出了基于直方图的自适应聚类分割算法;对分割后的二值图像采用图像形态学方法去除无用的噪声斑点,并根据得到运动模板,提出了背景参考图像的更新策略。实验结果表明这是一种简单、有效的运动目标提取方法。     

Object Recognition Based on Human Saccadic Behaviour

The automated recognition of targets in complex backgrounds is a difficult problem, yet humans perform such tasks with ease. We therefore propose a recognition model based on behavioural and physiological aspects of the human visual system. Emulating saccadic behaviour, an object is first memorised as a sequence of fixations. At each fixation an artificial visual field is constructed using a multi-resolution/ orientation Gabor filterbank, edge features are extracted, and a new saccadic location is automatically selected. When a new image is scanned and a ‘familiar’ field of view encountered, the memorised saccadic sequence is executed over the new image. If the expected visual field is found around each fixation point, the memorised object is recognised. Results are presented from trials in which individual objects were first memorised and then searched for in collages of similar objects acting as distractors. In the different collages, entries of the memorised objects were subjected to various combinations of rotation, translation and noise corruption. The model successfully detected the memorised object in over 93% of the ‘object present’ trials, and correctly rejected collages in over 98% of the trials in which the object was not present in the collage. These results are compared with those obtained using a correlation-based recogniser, and the behavioural model is found to provide superior performance. Received: 15 July 1998?Received in revised form: 24 December 1998?Accepted: 9 February 1999     

基于聚类方法的对象阴影识别方法研究

图像处理中的对象阴影计算影响着图像的渲染速度,是图像处理领域的重要研究内容。为了进一步提高对象阴影的渲染速度,提出了一种基于聚类方法的对象阴影识别方法。按照光线的衰减半径将光线表示为一个个球体,当球体之间的距离大于预定义的最小距离时,将其划分到两个不同的类中,采用自上而下的层次方法对光线进行聚类。在聚类过程中,光线的衰减半径随着与光源的距离呈线性增长。对光线进行聚类分析后,对同一聚类内的光线采用相同的渲染方式,因而提高了阴影的渲染效率。最后通过实验验证了提出的方法的有效性。     

感知归类在目标识别中的应用研究

感知归类是指人们在不拥有任何图像内容知识的前提下，从底层原始图像特征中提取有效的图像联系的一种视觉能力。本文着重介绍了感知归类方法在目标识别中的应用，通过使用感知归类中的接近、相似、连续等概念，逐步将底层的图像特征组合为高层的图像联系，直至获得有意义的语义表征。