多智能体分层协作规划及在RoboCup中的应用

为了更好地解决一类通讯受限环境中多智能体任务协作规划问题,提出了基于MAXQ-OP的多智能体在线规划方法,并在RoboCup仿真2D足球比赛的人墙站位和多球员传球问题中对算法进行了实验.实验结果表明,这个方法使智能体在需要协作配合的环境中的表现比传统方法有了明显提升.     

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。     

基于协作协进化的多智能体机器人协作研究

协作问题一直是自主多智能体机器人系统研究的关键问题之一。基于多智能体机器人系统的CCP协作协议所生成的各智能体机器人的任务序列依赖于目标的初始顺序,因此难以得到最优解。文章提出了利用协作协进化来实现多智能体机器人之间协作的一种机制。该方法采用基于协作种群的技术来生成多智能体机器人任务执行序列,在给定的任务分解产生的所有可能解中寻找最优解,并通过交换局部知识和并行决策等手段来优化系统的性能。利用该机制,对3个智能体协作搬运8个物体进行计算机模拟,结果表明,该机制在优化任务执行序列方面作用明显,从而能有效提高多智能体机器人系统的性能。     

RoboCup仿真比赛中的Multi-Agent层次协作模型

本文针对RoboCup仿真比赛的多智能体协作问题，分析了目前在RoboCup中的几个典型多智能体协作模型，提出一种三层的Multi—Agent层次协作模型，它包括全局层、局部层和个体层。实战证明该模型是合理的、有效的。     

多智能体协作方法及其应用研究

将复杂系统分解成由多个智能体构成的合作多智能体系统，建立了多智能体系统的决策模型，能动态实时地计算每一时刻智能体的决策局势，适应环境的动态变化．采用多智能体方法对半导体生产进行调度，提高了半导体生产线设备的利用率，缩短了单位工件的加工时间．     

Multi-Agent层次协作模型在RoboCup中的应用

RoboCup是多Agent系统研究的一个很好的平台。建立一支成功的机器人足球队需要很多领域的知识，合理的模型结构和Agent之间的协调与协作是RoboCup比赛中赢球的关键所在，协调与协作是多Agent系统研究的重要课题。针对RoboCup仿真比赛的多智能体协作问题，分析了目前在RoboCup中的几个典型多智能体协作模型，提出一种三层的Multi—Agent层次协作模型，它包括全局层、局部层和个体层。并通过实验证明该模型是合理的、有效的。     

一种多智能体系统中的协作机制

在多智能体系统MAS中,自治的agent在完成任务时常常会出现任务重叠的“正交互”现象,从而使得系统效率低下。为了解决这一问题,文章提出了一种agent协作机制,采用最短路径的方法来找出agent最优的合作对象,优化整个系统处理问题的能力。实验证明该方法是有效的。     

基于强化学习的多智能体协作方法研究

为了在连续和动态的环境中处理智能体不断变化的需求,我们通过利用强化学习来研究多机器人推箱子问题,得到了一种智能体可以不需要其它智能体任何信息的情况下完成协作任务的方法。强化学习可以应用于合作和非合作场合,对于存在噪声干扰和通讯困难的情况,强化学习具有其它人工智能方法不可比拟的优越性。     

基于信息融合的多智能体协作方法的研究与应用

将信息融合技术运用到多智能体系统中,利用信息融合方法对智能体得到的在空间上分布的其他智能体感知的局部信息进行融合,得到较完整的态势评估,以此来规划和协调多智能体系统的协作行为,提出了一种基于信息融合的多智能体协作方法。将该方法应用在机器人救援仿真系统中,结果表明该方法能够实现全局上的任务分解策略,有效提高了智能体协作能力。     

Multi-Agent层次协作模型在RoboCup中的应用

RoboCup是多Agent系统研究的一个很好的平台。建立一支成功的机器人足球队需要很多领域的知识,合理的模型结构和Agent之间的协调与协作是RoboCup比赛中赢球的关键所在,协调与协作是多Agent系统研究的重要课题。针对RoboCup仿真比赛的多智能体协作问题,分析了目前在RoboCup中的几个典型多智能体协作模型,提出一种三层的Multi-Agent层次协作模型,它包括全局层、局部层和个体层。并通过实验证明该模型是合理的、有效的。     

一个基于MultiAgent的网络防卫系统

本文提出了一种基于多智能体(Multi-Agent System)结构的智能型网络安全防卫系统,日的用于校园网络的入侵防范,它以黑板为中心,协调多层次多种反入侵手段,具有自主行为;通过现场试验,证明了该系统良好的性能.     

针对基于多父角色RBAC模型的研究与应用

针对基于角色的访问控制(RBAC)模型中由于继承关系产生的子角色不能拥有私有权限问题进行了研究。当前的解决方案在表示同一机构或相同业务性质的角色共有特定权限方面存在不足,也不能满足多父角色权限继承的要求。对RBAC模型进行了扩展,给出一种基于域和域权限的解决方案,并结合实际项目具体分析系统实现权限管理的方法,提出多父角色权限继承的算法,解决了多父角色权限继承问题,在系统的安全管理中实现了基于角色和域的访问控制。     

基于多Agent的个性化协作学习系统研究与实现

远程教育技术的高速发展为远程学习者提供了极大的便利,使得学生可以在任何时候任何地点学习适合自己的内容。然而远程学习者地理上的分散性,也不可避免地产生了大量的孤独学习者。因此怎样提供一种有效的方法,将具有相同兴趣的学生组织到一起,并帮助他们在学习过程中能够共同分享学习经验、交流学习资料,已逐渐成为革新E—Learning技术中的一个研究热点。该文构建了一个基于多Agent机制的个性化协作学习系统,并提出了一种新颖的打分／交换的用户动态聚类算法,从学生的资源请求中发现学生兴趣,并有效地将具有相同兴趣的学生自动组成学习社区。实验证明,该算法具有较高的效率和良好的可扩展性。     

面向战场信息共享的Agent动态聚类算法研究

针对联合作战中分布、动态的战场环境和海量的战场信息,满足不同作战实体对战场信息资源共享的需求。构建了一个基于多智能体的、面向作战任务的信息资源共享模型,并在考虑战场信息时效性的前提下提出了一种新颖的基于相似度的用户动态聚类方法,从用户的资源请求中发现用户兴趣和用户之间的相似度,通过交互机制有效的将相同兴趣的用户及资源智能体关联起来,提高作战主体获取战场信息的能力。实验证明该算法具有较高的效率和良好的可扩展性。     

基于Multi Agent的分布式项目管理决策支持系统研究*

详细分析了Agent、MultiAgent系统、分布式决策支持系统以及分布式项目管理的特点,将MultiAgent技术应用于分布式项目管理决策支持系统(DPMDSS)的构建,引入了界面Agent、实例化Agent、任务Agent和协调Agent。该系统利用多个Agent的通信与合作,能够更好地辅助项目管理人员进行决策。最后指出该系统在设计过程中需要注意的几个关键问题。     

多代理技术在校园信息采集系统中的应用

信息采集包括数据提取、传输、转换和加载四个环节。采用多代理技术,探讨了校园信息采集系统的体系结构,任务调度Agent及其与采集Agent的协作;分析了系统的特点和改进的方向。     

基于多智能主体的集成通信服务器的研究*

提出了一个集成通信服务器模型,应用多智能主体结构支持多并发和高效率的信道连接与管理,通信服务器系统亦具有扩展性和通用性,并在一个实际的物流监控与调度系统中得到了良好的应用.     

基于多Agent的Web负载测试框架研究*

提出了一种基于角色的多代理Web负载测试框架,其核心的三种角色代理均采用一种扩展的BDI代理模型。BDI代理中可动态加载能力组件的功能显著地提高了Web测试的包容性和可扩展性。该框架描述了大量执行不同测试任务的Agent和Agent集,以及支持它们相互通信的Agent通用平台。最后通过一个简单的原型系统,对该模型的性能和可行性进行了验证。     

基于KQML和XML的多Agent系统:NKMAS

文章介绍一个基于KQML和XML的多Agent系统———NanKaiMultiAgentSystem(NKMAS)的设计和实现,详细描述了NKMAS的内部结构以及运行机制。