基于Agent的复杂系统分布仿真中的容错研究

分布仿真已经成为研究复杂系统的有效方法之一，为了提高仿真效率，保证在结点或网络出现故障的情况下，不会导致整个仿真应用重新开始，需要在仿真框架中加入容错措施，在该文中以一般分布式系统中的容错技术为指导，结合分布仿真算法，对基于Agent分布仿真系统中容错机制进行了研究。     

HLA仿真系统中Lookahead的分析与动态调整策略

在HLA仿真系统中，Lookahead是影响系统性能的重要参量，对Lookahead的管理也是实现邦元程序的重要内容。采用时间分段的方式重新定义HLA仿真系统中的Lookahead，很好地解决了仿真运行中时戳增量改变较大的问题。在此基础上提出的Lookahead动态调整算法考虑了邦元程序对要接收事件的经验值，可以有效提高系统运行性能，协助邦元程序设计。     

ASAS集群的模糊控制策略

传统的集群服务器依靠前端分发器基于负载均衡来分发客户请求,而ASAS集群采用了基于后端服务器负载分析后的主动调度策略。控制ASAS集群后端服务器的CPU利用客户请求的响应时间,或者连接容量,却很难建立一个精确的数学模型,因此传统的控制器很难控制。这里设计了一个模糊控制算法,控制算法的输入是CPU利用率和客户请求的响应时间,输出是连接数,试验表明这种模糊控制策略取得了很好的性能表现。     

一种面向仿真的分布式多智能体层次问题求解算法

多智能体分布问题求解复杂度与其组织结构紧密相关,在层次组织中进行多层问题抽象以及子问题并行求解,可以将复杂度为指数规模问题规约为对数规模问题.本文使用基于角色层次组织模型,集成人工智能中已有快速求解算法,提出一种面向仿真的层次式多智能体问题求解算法.算法具有良好的计算复杂度、灵活性与可扩展性,已应用于战场仿真中多智能体的协同.     

基于知识构件的多Agent系统角色动态分配开发方法

通过分析4种典型的多Agent软件开发方法,指出目前多Agent软件开发方法在动态性和层次性方面的不足.在ARG(Agent-Role-Group)方法的基础上,提出了基于知识构件的动态角色分配的多Agent开发方法,通过加入Group层使得系统易于层次化和功能化,符合软件工程中高内聚、低耦合的原则,在一定程度上弥补了目前开发方法的层次性的不足.通过角色能力知识的交流,使得Agent具备变换角色的能力,开发的系统具备动态性.最后具体描述了一个传感器网络软件开发的例子.     

基于复杂系统整体论的多主体仿真平台体系结构研究

为解决复杂系统仿真应用面临的可重用性、可维护性和可扩展性的需求,利用领域特定的软件体系结构(DSSA)的原理,对复杂系统分布仿真应用进行了分析,提出基于复杂系统整体论的多主体仿真平台(MAPBCAH)的新概念,并分析总结了平台需要.然后,在对领域知识进行抽象的基础上,提出了领域模型,并设计了复杂系统综合仿真平台的软件体系结构.     

真实感实时绘制技术综述

真实感实时绘制是在当前图形算法和硬件条件限制下提出的在一定时间内完成真实感绘制的技术。由于要描述的真实世界的复杂性和软、硬件等条件的约束，在真实感和实时 之问采取折衷处理是不可避免的。本文深入阐述了该领域内的首要问题及相应的解决方案，并研究了提高真实感实时绘制的软件技术。     

一种高效的实时多处理器系统的资源回收算法

实时多处理器系统中，为了更好地利用资源，常常采用资源回收算法。在分析了已有资源回收算法的优缺点的基础上，提出了一种高效的实时多处理器的资源回收算法——可倒置法。可倒置法允许只存在资源冲实的任务，在不会引起运行时间异常的情况下，出现执行顺序倒置。实验结果表明改进的限制向量法要由于已有的资源回收算法。     

一种层次的、混合并行离散事件仿真算法

并行仿真算法是并行离散事件仿真中心的核心问题，对于具体的应用系统，采用不同的并行仿真算法将导致其仿真性能大的差异，提出了一种针对于分布环境中特定应用系统仿真的层次的，混合并行离散事件仿真算法，测试和应用表明，和通常的保守机制或者乐观机制相比，能够较大地提高仿真效率，并且具有良好的可扩展性，首先给出了在通信开销不可忽略的环境下，保守机制和乐观机制的性能测试结果和两者适用情况的分析，然后根据测试结果和具体应用系统的特点，提出了层次的，混合并行离散事件仿真算法，给出了LP级和组级算法算，最后对算法进行了测试和性能分析。     

基于复杂性科学基本概念的MAS涌现性量化研究

在MAS(Multi-Agent System)领域,面向涌现的MAS研究将MAS看成一类特殊的复杂系统,其关注点是MAS宏观层面的涌现性问题.这类研究需要借用复杂性科学研究中的一些基本概念描述、阐述MAS涌现性研究中的问题.文中着重对几个常用的基本概念及其量化研究做一概览,以深化对它们的认识,并结合这些概念及其量化研究在MAS涌现性研究中的应用特点,阐明它们对面向涌现的MAS研究的作用,以促进进一步的研究.这些概念包括复杂性、混沌边缘、自组织、涌现、适应和进化等.