动态约束下的联盟形成

联盟形成是多Agent系统中一种重要的合作方式。人们设计了一系列联盟形成框架,较好地解决了联盟值最大化、任务分配、组合拍卖等问题。已有关于联盟形成的研究,较多地从效用、任务等角度来考虑问题。在一些情况下,仅从这些角度考虑联盟形成是不够的,于是我们从约束的角度来研究联盟形成。首先深刻分析了联盟形成时的约束问题,采用命题逻辑来描述对Agent的约束,给出了联盟偏好语言及其语义描述;接着给出了它的一些性质;最后将动态约束下的联盟形成机制与常见的一些联盟形成机制作了对比,体现了动态约束下联盟形成机制的特点。     

多Agent系统中的联盟形成

1.引言自1993年文[1.4,8]提出联盟方法以来,已取得了一定的进展。通过联盟可以提高Agent求解问题的能力,获得更多的报酬,因而联盟是多Agent系统(MAS)的重要合作方法。下面先给出问题的描述,然后论及联盟的形成过程。设agent集N={A_1,A_2,…,A_n},资源集Q={(q_1,q_2,…,q_n)},其中q_i=(q_i~1,q_i~2,…,q_i~(ki)),q_i~j表示A_i第j种资源的数量;任务集T={T_1,T_2,…,T_n},其中T_i={t_i~1,t_i~2,…,t_i~(mi)}是A_i的任务集,t_i~j是A_i的第j个任务,对每一个任务有对应的资源需求说明;每一个Agent开始都持有一定的资源。     

清华紫光集团与Intergraph公司形成战略联盟

清华紫光集团是清华大学主办的，有着深厚技术力量的科技先导型校办企业集团，是清华大学高科技产业的集中代表，是国内最大的扫描仪生产商、销售商和系统集成商，并且拥有强大的扫描仪软件开发力量。在计算机方面也有着DELL。MICRON等中国总代理的丰富商业经验及完善的销售网络，具备了一支优秀的销售与技术队伍。清华紫光集团在国内有着良好的企业声誉及较大的影响力。成立八年来，年业绩始终保持高增长势头，是一个有着强劲生命力的年轻企业，是htergraPh的理想代理商。美国Intergraph公司始创于1969年，公司总部位于美国阿拉巴马州…     

基于QPSO的单任务Agent联盟形成

智能群体搜索算法在求解单任务Agent联盟时稳定性较差、收敛速度慢、全局寻优能力不强,因此采用优化的量子粒子群优化算法解决上述问题。利用群体历史优质解,在最优粒子变异的基础上,采用多种群并行搜索,防止陷入局部极值,并对粒子群进行筛选以加快粒子群的收敛速度。对比实验结果表明,该算法可以快速、高效地找出合适的Agent联盟,在运行时间和解的质量方面优于同类算法。     

一种AGENT任务求解联盟形成策略

Agent联盟是一组平等的、协作的、共同承担任务的Agent的集合．联盟的形成往往需要较大的通信开销和计算工作量．本文提出一种Agent形成联盟的策略，该策略在系统运行的初始阶段，保证任务分配的优化解．而在随后的运行中基于成功合作者集形成Agent联盟．该策略保证在接近任务分配优化解的情况下，有效减少系统中的可能联盟数以及联盟形成过程中的通信开销和计算量，避免联盟形成过程中的盲目性，节省协商时间提高协商效率．     

分布式问题求解中联盟结构的形成

分布式问题求解中各个智能体是非理性的(即无私的),不计较个体的付出,所以联盟/联盟结构的形成不涉及报酬的分配问题.针对这一特点并联系实际,建立了切实可行的报酬计算函数,由此建立了子任务序列有优先关系的联盟结构的数学模型,并运用多智能体遗传算法对模型进行了验证.在仿真计算过程中分别采用串行/并行求解策略和同步/异步交叉/变异算子形成联盟结构,并根据结果比较了不同策略的效率.     

多主体系统中的联盟形成技术综述

本文给出了多主体联盟技术的定义,介绍了联盟形成的行为规范机制、CFG对策及其它的联盟形成模型。最后,给出了该领域的研究展望。     

基于关系网模型的Agent联盟形成策略

从研究Agent社会合作机制入手,引入了一个表示Agent之间联系的社会关系网模型,并以该模型中的熟人集为基础提出了一种Agent联盟形成策略。该策略能有效地减少系统中的联盟数,避免联盟形成过程中的盲目性,节省协商时间并提高协商效率。     

一种新的动态Agent联盟形成机制

动态Agent联盟的形成机制是当前MAS研究的一个重要方向.为了克服目前Agent联盟形成机制存在的Agent利用率不高等缺陷,本文提出了一种基于"二次招/投标"和NOAH规划的动态Agent联盟形成机制.该机制采用"二次招/投标"法形成动态联盟,采用NOAH规划进行任务规划和分解,能够在满足子任务时间约束的条件下,充分发挥Agent的并行执行能力;并使得Agent能够动态加入和退出联盟,从而提高了Agent的利用率,保证了自利Agent自身利益的最大化.最后通过一个典型的实例验证了其有效性.     

多任务联盟形成中的Agent行为策略研究

Agent联盟是多Agent系统中一种重要的合作方式,联盟形成是其研究的关键问题.本文提出一种串行多任务联盟形成中的Agent行为策略,首先论证了Agent合作求解多任务的过程是一个Markov决策过程,然后基于Q-学习求解单个Agent的最优行为策略.实例表明该策略在面向多任务的领域中可以快速、有效地串行形成多个任务求解联盟.     

用遗传算法实现多智能体联盟的形成

在多Agent系统中,当单个Agent不能或不能有效完成特定的任务时,任务就必需分配给一组Agent,即Agent将形成联盟。本文将讨论Agent联盟的形成,并将遗传算法应用于Agent联盟形成中,希望可以快速、高效地找出合适的Agent联盟。     

基于强化学习的多任务联盟并行形成策略

Agent coalition is an important manner of agents' coordination and cooperation. Forming a coalition, agents can enhance their ability to solve problems and obtain more utilities. In this paper, a novel multi-task coalition parallel formation strategy is presented, and the conclusion that the process of multi-task coalition formation is a Markov decision process is testified theoretically. Moreover, reinforcement learning is used to solve agents' behavior strategy, and the process of multi-task coalition parallel formation is described. In multi-task oriented domains, the strategy can effectively and parallel form multi-task coalitions.     

Agent协作求解中形成联盟的行为策略

ＭＡＳ中ａｇｅｎｔ结成求解联盟可以提高求解效率，但已有策略不能保证达到全局优化解和联盟稳定性。本文提出一种联盟形成的行为规范策略，在具有次加性的面向任务的领域中可以达到全局优化解，并保持稳定。本文还讨论了联盟形成机制的特性，并论述了文中所提出的行为规范策略在一定下具备这些特性。     

一种基于利益均衡的联盟形成策略

联盟形成是多Agent系统中的一个关键问题,主要研究如何在联盟内Agent间划分联盟效用,使Agent在决策时愿意形成全局更优的联盟.但已有策略对额外效用的平均分配没有顾及后加入联盟的Agent的利益,不利于全局优化联盟的形成.对此,给出一种基于利益均衡的联盟形成策略,在非减性效用分配等原则的基础上,提高了对额外效用分配的合理性,在面向任务的领域中可以达到全局优化解,较好地满足了稳定性、时效性以及分布等要求.     

一种基于按劳分配原则的联盟形成策略

联盟形成主要研究如何在联盟内Agent间划分联盟效用,使Agent在决策时愿意形成更优的联盟。但是已有的联盟形成策略对额外效用的平均分配没有考虑到每个Agent对联盟的贡献大小以及加入后的利益,不利于联盟的形成。提出一种基于按劳分配原则的联盟形成策略,该策略运用按能力分配原则对额外效用进行合理分配,体现了“能者多劳,多劳多得”的特点,维护了个体间的利益,优于Shapley值方法和平均分配法,较好地满足了联盟的稳定性和时效性等要求。     

基于改进型蚁群算法的多任务联盟形成算法

联盟形成是多Agent系统研究的关键问题之一,基于蚁群算法的联盟形成是一种有效的研究方法.创新地把能力互补性原则引入到下一个Agent的选择判断中,引导蚂蚁沿着能生成具有较大联盟值的联盟的方向前进;引入一种带有"调节剂"的扰动策略来预防算法陷入局部最优和出现停滞;在每一轮的任务分配中尽可能多地分配任务,使得联盟在执行任务时具有一定的并行性.算法能更早地搜索到最优解或次优解,在时间复杂度和全局搜索能力等方面均优于相关算法.     

基于遗传算法的多智能体联盟形成机制

针对动态开放式多智能体系统中联盟的形成问题,提出“按能力分配”的联盟报酬划分规则和联盟报酬率等概念及相关命题,讨论Agent之间的协商机制和协商原则,在此基础上建立基于多智能体遗传算法的联盟形成机制。仿真计算结果表明,该联盟形成机制能够减少系统的通信量,保证所得联盟的稳定性和全局最优性,提高系统的结盟效率。     

基于人工免疫系统的异构多机器人联盟形成

对动态环境下多机器人联盟形成问题进行了研究,提出了一种基于人工免疫系统的异构多机器人联盟形成方法.该方法在对比人工免疫系统与多机器人系统相似关系的基础上,利用人工免疫系统的隐喻机制为面向动态感知任务的异构多机器人联盟形成问题提供了一种新的思路和解决方法.进行了未知非结构化环境下的多机器人协作搜集仿真实验,仿真结果表明所提方法可以使多机器人系统自主地形成机器人联盟以完成动态感知任务,提高了多机器人系统执行任务的效率.     

客户端有待改进

在目前的视频会议客户端软件市场上,与H.323标准兼容的产品越来越多,但它们都存在着种种缺陷,有待改进。     

一种多agent网络中的分布式联盟形成算法

针对多agent系统的具体网络结构,提出一种分布式联盟形成算法。首先,每个agent向自己邻居任务中“信价比”最高的任务提出加入申请,形成潜在联盟;当联盟资源大于对应任务的资源需求时,使相应agent退出当前联盟,转而选择“信价比”次高的任务,从而提高联盟形成的可能性。仿真实验结果表明,与其他方法相比,所提出的算法能大幅提高系统效率和收益。