一种求解模糊柔性Job-shop调度问题的多智能体免疫算法

结合实际纸盆车间的生产特点,考虑了模具、机器和操作人员等多种资源约束,以及加工时间和交货日期的不确定性等因素,建立了批量可变的模糊柔性Job-shop调度问题模型。同时结合多智能体系统以及生命科学中免疫系统的免疫信息处理机制,构造了一种用于求解实际Job-shop调度问题的多智能体免疫算法。该方法通过智能体与其邻居间的竞争操作以及自学习操作,并结合自适应疫苗接种、交叉、变异和模拟退火操作,来更新每个智能体在解空间的位置,使其能够更精确地收敛到全局最优解。最后对某纸盆车间的调度实例进行了求解,实验结果验证了算法的有效性。     

建筑产品指导价的模糊性对产业盈利性影响

我国建筑产品指导价已逐步淡化,但尚未得知这种情况对产业的实际收益到底有什么影响.为此文章根据中国建筑业的交易行为互动流程,运用多智能体原理和使用Netlogo建模平台,模拟运行建筑产品交易指导价确切、指导价模糊等情况,观察并分析论证了建筑产品指导价模糊造成建筑产业收益能力低、波动性大的结论.并根据上市建筑企业财务数据证实检验.     

应急水量调度仿真的多Agent模型

采用多Agent模型对黄河应急水量调度及补偿问题进行分解、抽象和组织,把复杂的水流过程和效益迁移过程分解为多个互相协作的Agent,建立了基于多Agent系统的仿真模型,模拟应急调水中的沿程水流演进、水电站发电损失、灌区农业损失和下游受水区受益的全过程。进行了实例计算,能为管理者的调水及补偿决策提供有效的信息支持。     

基于多智能体的军事复杂适应系统建模方法研究

军事系统是复杂适应系统。传统的军事系统模型是基于微分方程的数学模型,这种方法的缺点是注重战争的结果而忽视了战争推进过程中表现出来的态势变化。基于多智能体的建模仿真技术为将军事系统作为复杂适应系统研究提供了新的思路。该文在简要论述军事系统是复杂适应系统之后,介绍了基于多智能体的建模技术,并结合一个具体的实例说明了如何用这种方法对军事复杂适应系统进行建模。     

分布式强化学习系统的体系结构研究

强化学习是一种重要的机器学习方法,随着计算机网络和分布式处理技术的飞速发展,多智能体系统中的分布式强化学习方法正受到越来越多的关注。论文将目前已有的各种分布式强化学习方法总结为中央强化学习、独立强化学习、群体强化学习、社会强化学习四类,然后探讨了这四类分布式强化学习方法的体系结构框架,并给出了这四类分布式强化学习方法的形式化定义。     

基于多代理技术的分布式Web日志挖掘系统

在分析分布式Web日志挖掘的困难以及介绍多代理的概念和特性后，提出了一个基于多代理技术的分布式Web日志挖掘系统的体系结构。介绍了Web日志挖掘过程以及多代理在该系统中的应用。     

基于CORBA的网络化制造控制系统实现方法研究

提出了一种适合快速响应特点的支持网络化制造的控制系统的功能模型．为了满足开放性．可重构能力和系统配置的灵活性要求．系统地论述了使用多智能体系统模型简化系统结构的原理和实现方法．给出了基于CORBA规范的控制实验系统结构构成和功能划分．通过监控模块的实现证明了采用面向对象的编程技术和CORBA规范实现支持网络制造化的控制系统的方法的可行性。     

基于Internet的信息挖掘研究

传统的搜索引擎不能很好满足个性化的需求，因此如何为用户提供个性化的信息服务是计算机研究领域的热门话题。本评议针对这一情况，将MAS（Multi-Agent System)技术和信息挖掘技术引入搜索引擎领域，并结合个性化的信息挖掘模型系统对此进行研究。     

基于Rete算法的多Agent的实时协同推理

1 引言多Agent系统是由若干具有一个或多个目标的Agent按照一定的信息关系和控制关系以及问题求解能力的分布模式组成的系统,它主要研究一组在逻辑上或物理上分离的Agent之间行为的协调。目前,多Agent系统已应用于诸如空中交通控制、电子商务、通讯网络管理和作业调度等生产实际领域。Agent技术应用到实际领域时映射的对象一般有     

基于AUML构建多Agent敏捷制造调度系统

AUML(Agent Unified Modeling Language)是一种FIPA(Foundation of Intelligent Physical Agents)和OMG(Object Management Group)都推荐使用的多Agent系统建模技术,本文尝试采用AUML技术来实现对多Agent敏捷制造调度系统的建模。通过扩展UML类图,描述了系统中Agent的结构和它们之间的关系。还采用了对UML的另一扩展:AUML协议图,来进一步详述了Agent之间的主要交互活动。