多智能体系统中信使功能的设计和实现

针对多智能体系集成开发环境需要实现智能体之间消息的透明传送，从而智能体开发者可以集中于智能体应用逻辑开发的目的，研究了负责智能体之间的通信以及实现智能体通信时同步的信使的主要功能，主要介绍了智能体对应信使间的链接方法，消息发达和接受技术，以及记录智能体之间通信消息的信箱的管理技术，并给出了设计实现的智能体通信应用程序接口函数的内容。     

基于多智能体的监控与故障诊断技术及其应用

基于多智能体平台的系统开发，已经成为多智能体技术能否应用到各领域的关键，通过对多智能体开发平台的选择，提出了基于JADE平台的多智能体实时诊断与监控系统，讨论了诊断智能体模型与诊断机理，以及多智能体的ACL通信语言，该系统能够完成诊断测试任务，并达到要求的性能指标。     

基于演化规划的多智能体系统中动态行为的建模

在多智能体系统中，每个智能体必须使自身适应环境动态地同其它智能体协调。为达到此目标，智能体须有预测其他智能体的行为及与其它智能体协作的能力，应动态地建立起自身的行为模型并且不断的演化它。     

多智能体车间调度系统研究

现在制造业所面临的动态需求使得其必须具有更加灵活的应变机制，这使得车间调度问题变得越来越复杂。本文采取多智能体系统技术（MAS）设计了一个包含四个智能体（agent）的多智能体车间调度系统，分别为车间调度智能体、任务分配智能体、车间资源智能体以及拍卖智能体。通过这四个智能体的通信、交互和合作，系统可以给出一个满足当前制造需求的调度最优结果。     

基于SEBI系统的多智能体通信机制研究

首先介绍了SEBI多智能体系统模型，并通过对模型中各智能体功能的分析，提出了利用智能体喜好地址表进行通信．通过相互问的接收系数来实现网状链式信息传输的思想．每个智能体是网络中的一个节点，节点可直接与其相连的智能体进行通信，也可通过多个链接方式与其它智能体进行间接通信，从而可避免多智能体的NEXP-完全及集中控制存在的信息阻塞等问题，一定程度地解决了多智能体通信与合作中的分布与集中这一矛盾．本文还通过对智能体问通信机制的分析来探讨SEBI系统中智能体的添加与删除机制及冲突预警机制等．模拟通信实例结果表明，SEBI模型系统可较好地解决多智能体问的NEXP-完全问题及具有冲突预警、层次分明以及安全稳定等优点。     

支持智能体的通讯原语库系统GKD－APS的设计与实现

ＧＫＤ－ＡＰＳ是我们基于面向智能体程序设计范例，设计并实现的一个支持智能体相关概念及智能体间消息通讯的Ｐｒｏｌｏｇ解释器。它同时引入了智能体、精神状态、知识、信念、承诺、能力及智能体间的消息通讯等概念，并提供了对这些概念的直接支持。ＣＫＤ－ＡＰＳ为实现多智能体间的知识通讯和合作运行，构造多智能体系统提供了基础，有效地支持了分布式知识系统的研究和开发。本文首先介绍了当前国际上关于智能体及面向智能体范例的研究进展，其次描述了ＧＫＤ－ＡＰＳ所涉及的基本概念及所实现的通讯原语的操作语义，然后给出了系统的构成及主要实现技术，最后介绍了ＧＫＤ－ＡＰＳ所提供的智能体操作原语。     

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．     

基于意图的多智能体深度强化学习运动规划方法

现有的多智能体运动规划任务存在缺乏有效合作方法、通信依赖要求高以及缺乏信息筛选机制等问题。针对这些问题，提出了一种基于意图的多智能体深度强化学习运动规划方法，该方法可以帮助智能体在无需显式通信的条件下无碰撞地到达目标点。首先，将意图概念引入多智能体运动规划问题，将智能体的视觉图像和历史地图相结合以预测智能体的意图，使智能体可以对其他智能体的动作做预判，从而有效协作；其次，设计了一个基于注意力机制的卷积神经网络架构，并利用该网络预测智能体的意图、选择智能体的动作，在筛选出有用的视觉输入信息的同时，减少了多智能体合作对通信的依赖；最后提出了一种基于价值的深度强化学习算法来学习运动规划策略，通过改进目标函数和Q值计算方式使策略更加稳定。在PyBullet仿真平台的6种不同的仿真场景中进行了测试，实验结果表明，相较于其他先进的多智能体运动规划方法，所提方法使多智能体团队的合作效率平均提高了10.74%,具有显著的性能优势。     

基于智能体的化工企业多层优化框架

在多层次优化的基础上，引入智能体技术，通过智能体之间的协作来求解全局最优解，提出了基于智能体的化工企业多层次优化的框架，以及各个智能体的设计和具体实现，并对某化工企业进行优化，验证了所提出的方法。     

支持智能体的通信原语库系统的研究与实现

ＧＫＤ－ＡＰＳ是我们基于面向智能体程序高度范例设计并实现的一个支持智能体相关概念及智能体间消息通信的Ｐｒｏｌｏｇ解释器。它同时引入了智能体，精神状态，知识，信念，承诺，能力及智能体阐的消息通信等要概念，并提供了对这些概念直接支持。ＧＫＤ－ＡＰＳ为实现体间的知识通信和合作运行，构造多智能体系系统提供了基础，有效地支持了分布式系统的研究和开发。     

基于MAS机器人协作机制的研究与应用

本文是在通过分析IR-SDS智能机器人系统平台的基础上实现基于MAS理论的多机器人协作机制,并且在分析合同网和熟人协作机制的基础上,提出了实时响应较好的合同网能力协作机制。通过在IR-SDS上进行实验,并分析实验结果证明了该协作机制的实时性和优越性。     

多类型安全系统协同机制的研究与实现

为了综合不同的安全技术系统进行协同防护以增强整体防护能力，设计了一种统一的多类型安全系统协同机制，利用协同规则描述协同信息，信息总线传递协同数据，执行引擎完成协同操作，可以统一地支持多类型安全系统的协同功能的实现。实验结果表明该协同机制能有效地实现不同安全系统之间的协同功能，并具有通用性、可配置性和可扩展性强的优点。     

地球观测领域国际科技合作现状、趋势及启示

应对全球气候变化对人类社会生存带来的影响是全世界的共同责任。进一步认识地球、关注地球发展规律,保护人类共同家园已成为世界各国政府的共识。共同发展地球观测技术,提高对地观测能力成为新世纪世界各国的共同要求,因此,地球观测领域国际科技合作成为进入21世纪以来国际科技合作的主流。建立该领域有效的国际科技合作机制,了解国际对地观测的最新技术和相关活动,及时制定和调整我国的相关工作计划,为我国该观测领域发展提供重要的依据,已成为迫在眉睫的工作。本文在介绍地球观测领域国际合作发展现状基础上,通过分析地球观测领域发展趋势,提出发展我国地球观测领域国际科技合作的建议。     

基于演化博弈惩罚机制的多智能体协作稳定性研究

针对复杂、动态环境中多Agent协作的稳定性问题,提出了一种基于博弈论及惩罚机制的协作方法,通过效用函数来选择最优策略,实现均衡协作;为了提高协作的稳定性与成功率,引入惩罚机制,通过不断调整惩罚系数来维护多Agent协作的稳定性,并在形成协作团队时,充分考虑参与协作的Agent的信誉值。仿真结果表明,该方法能有效地降低任务完成时间,避免Agent在动态协作中随意退出,提高协作效率及协作稳定性。     

基于复杂网络理论的高校内部理工医文合作研究分析

运用复杂网络理论的基本原理和有关方法,对理工医文等学科、专业之间的合作规律和人员合作方式进行探讨,以某高校2005-2010年医工合作情况作为实例展开研究,采用5年的合作数据作了计算分析,研究了高校内部理工医文开展学科交叉工作的特点及其运行情况、医工交叉合作中存在问题,客观分析其原因,提出了解决的办法,为今后开展高校系统的理工医文交叉合作,建设电子化交叉平台.     

地方本科院校自动化专业校企合作教育的探索

校企合作教育是目前地方本科院提高老师和学生实践能力的一个有效途径。该文从自动化专业校企合作教育的目标要求、落实校企合作教育的具体措施等方面进行了探索和实践，在人才培养方面取得了较好的效果。     

A typology of the situations of cooperation in supply chains

Pushed by globalization and its consequent increased competition, supply chain managers have understood the importance of information sharing, joint decision-making and cooperation across supply chains. Therefore, how to synchronize local activities through global processes and how to establish a collaborative supply chain relationship are actual difficulties that supply chain members have to address. In this context, this paper suggests a model of the situations of cooperation in supply chains for coping with real industrial situations, based on the analysis of the limitations of previous models. It is shown how the suggested model may allow to identify dysfunctions in the cooperation process, especially when both large and small companies are involved, and can also be used to describe and monitor the possible evolution of the cooperation process. Finally, the model may help to specify the way information should be efficiently processed all along a supply chain, depending on the situation of cooperation.     

计算机专业校企合作人才培养模式研究

高校作为人才培养的基地,在计算机专业方面投入了相当多的人力、物力和财力支持,形成了以计算机产业为 链条的校企合作人才培养模式。但纵观目前我国计算机专业校企合作人才培养成果方面,仍存在政府主导作用薄弱、学生集 中实践困难、校企合作不够深入、跨领域校企合作未落实等诸多问题。因此,本文从这些问题出发,对计算机专业校企合作人 才培养模式进行研究,找出解决目前存在问题的方法,希望能够为加深校企合作模式,促进计算机专业人才与企业岗位对接, 提高高校计算机人才就业率。     

分布式防空C~3I系统智能辅助决策中的协同

分布式防空C3I系统中提出了一些传统防空C3I系统未能涉及的问题:体系结构问题和协同问题。该文考察了分布式防空C3I系统对辅助决策的协同要求,对其进行了分类,并给出了协同依据和针对这些要求的处理方法和相关理论模型。     

Behavioral diversity, choices and noise in the iterated prisoner's dilemma

Real-world dilemmas rarely involve just two choices and perfect interactions without mistakes. In the iterated prisoner's dilemma (IPD) game, intermediate choices or mistakes (noise) have been introduced to extend its realism. This paper studies the IPD game with both noise and multiple levels of cooperation (intermediate choices) in a coevolutionary environment, where players can learn and adapt their strategies through an evolutionary algorithm. The impact of noise on the evolution of cooperation is first examined. It is shown that the coevolutionary models presented in this paper are robust against low noise (when mistakes occur with low probability). That is, low levels of noise have little impact on the evolution of cooperation. On the other hand, high noise (when mistakes occur with high probability) creates misunderstandings and discourages cooperation. However, the evolution of cooperation in the IPD with more choices in a coevolutionary learning setting also depends on behavioral diversity. This paper further investigates the issue of behavioral diversity in the coevolution of strategies for the IPD with more choices and noise. The evolution of cooperation is more difficult to achieve if a coevolutionary model with low behavioral diversity is used for IPD games with higher levels of noise. The coevolutionary model with high behavioral diversity in the population is more resistant to noise. It is shown that strategy representations can have a significant impact on the evolutionary outcomes because of different behavioral diversities that they generate. The results further show the importance of behavioral diversity in coevolutionary learning.