一种基于多Agent的人群仿真多机并行平台研究

本文提出了一种针对多Agent人群仿真模型的多机并行平台,该平台利用MPI作为节点间的通讯软件,采用主从模式设计多机并行执行环境。在主控节点中设置结果回收模块与监控模块,通过K-means算法保证执行节点之间的负载均衡,同时以此作为任务分发与调度的依据;在执行节点(从节点)中,则根据主控节点的任务调度执行相关Agent模型,并执行仿真同步与状态信息汇报等任务。实验结果表明,该多机并行平台能够执行基于多Agent的人群仿真模型,能有效地提高仿真的性能,同时具有良好的可扩展性。     

一种基于多智能体的二层路径规划模型研究

随着人群运动仿真技术的日趋成熟,其应用也得到了很好的推广,人群运动特征开始成为研究热点。路径规划系统作为人群仿真中的重要组成部分,为行人决定自身在环境中的行走路线提供了决策依据。为了仿真行人路径决策的过程,提出了一种二层路径规划模型,其中第一层模型产生一条粗略的路径,第二层模型根据第一层的粗略路径做精细的导航。实验结果表明,所提出的二层路径规划模型能够综合考虑环境中的静态和动态因素,为仿真模型提供了 较好的路径规划,并且具有较高的仿真执行效率。     

并行演化算法在MEMS继电器参数优化中的应用

使用演化算法求解MEMS继电器参数优化主要瓶颈在于算法运行时间过长,而算法运行时间过长主要由于电磁仿真软件进行建模和分析需要耗费大量的计算时间。针对该问题,采用主从并行模式,对演化算法个体适应值计算阶段并行化处理。在充分考虑计算机资源的使用效率与负载均衡等因素下,使服务器尽量少地参与任务计算及减少与客户机的通信以增强并行模式的分布能力,并且增加了客户端掉线处理,任务重分配等操作以增强并行模式的容错能力。经过测试,该并行演化算法在MEMS微波继电器参数优化上加速比接近线速,具有良好的并行效率且容错性较高。     

宏观场景指导下的微观agent人员疏散仿真模型*

现有的微观agent模型难以描述人群分布和人群运动对疏散过程的影响,为此建立宏观场景指导下的微观agent人员疏散仿真模型,并考虑疏散过程中“推挤—穿行”行为的影响。该模型重点模拟了宏观场景中人群分布及“推挤—穿行”对人员疏散的影响。仿真实验表明该模型可以帮助agent选择更合适的疏散路线,并验证了疏散过程中发生“推挤—穿行”将会延长疏散时间,结果比较符合实际,证明了该模型的合理性和适用性。     

EMOEA/D-DE算法在卫星有效载荷配置中的应用

针对卫星有效载荷配置问题,提出了一种基于差分进化分解的改进多目标优化算法(EMOEA/D-DE)的有效载荷配置模型。该模型将配置问题转化为以卫星数、卫星冗余度为目标的多目标优化问题(MOP),并采用EMOEA/D-DE进行求解。此外,针对随机均匀初始化会导致种群在目标空间分布过于集中的问题,采用与优化目标相结合的随机初始化方法进行改进。实验结果表明,该模型所求解集的平均差异性在0.05以内,分布度值在0.9以上,具有较好的稳定性及分布性,且改进后的算法收敛速度提升近1倍,所求解的近似Pareto前沿相对更优。