扩展NS2的移动Agent仿真方法研究

在分析NS2仿真移动Agent的过程的基础上,通过扩展NS2中Packet结构,注册新的协议头并定义TCP的子类SCDTcp,解决了NS2上真实数据传输以及在TCP缓冲限制下的动态链接维护问题。设计了一个验证实例并在仿真平台上进行实验,实验结果表明所提出的扩展NS2设计可以有效地完成以上功能。     

基于复杂网络理论及蚁群算法的MA迁移策略

移动Agent问题主要是解决移动Agent在不同主机间移动时如何根据移动Agent的任务和其他约束条件来规划最优的迁移路线。蚁群算法是一种新的生物进化算法,具有并行、正反馈和启发式搜索等特点,是一种解决旅行Agent问题的有效手段,但同时也存在一些缺点,如运算过程中收敛速度慢,易出现停滞现象等。复杂网络理论是一个新兴的理论,它发现现实的网络具有新的特性,为了刻画这一新的网络结构,引入了新的特征度量,节点的“度”就是其中一个。在蚁群算法的基础上,在状态转移规则等中加入度这一系数,同时自适应调整挥发系数ρ来提高算法的性能。将该算法用于移动Agent问题,模拟计算结果显示移动Agent在移动时能以最优的效率和最短的时间来完成迁移。     

基于任务权重蚁群算法在Agent迁移中的应用

针对移动Agent在路径迁移的问题,提出了基于Agent任务权重的改进蚁群算法。该方法是将Agent任务权重的思想应用到蚁群路径信息素的更新当中,使任务权重较大的Agent有权去更新所经过的路径上的信息素,从而提高该算法的全局搜索能力。实验结果表明,相比现有的Agent迁移中路径选择的蚁群算法,提出的改进蚁群算法,在提高该算法的搜索全局最优解的能力的基础上,能更好地提高多任务的Agent系统的运行效率。     

基于代理机制的现代图书馆学科信息推送服务

网络环境下个性化学科服务是高校图书馆学科信息服务的新领域,也是高校图书馆为学科建设服务的发展方向。把基于Agent的信息代理技术引入到现代图书馆学科信息推送中,通过多Agent系统的相互合作,建立学科信息模型,使学科信息服务从基于图书馆端系统过渡到基于用户端系统。     

改进的任务分配策略在WSN中的应用研究

Agent协调是多Agent系统发挥整体效能的保证,也是Agent系统的一个核心问题。合同网模型是多Agent系统中经典的协调策略,但仍有许多不足。主要对合同网中标策略进行改进,提出了一种带有精准度的任务分配策略。用精准度对Agent的投标值进行评价,使Agent的投标值更接近Agent的实际能力。并且对以往多属性任务分配策略中的能力和负载进行了更为详细的评价,对Agent的能力进行了详细的分析后,将任务完成质量的好坏和任务花费代价归为对Agent的能力大小的评价,而对负载的改进则是加入了对任务列表中任务数量的评价。最后以无线传感器网络为应用背景对提出的改进方法进行了仿真实验。     

一种面向任务的对地观测卫星Agent团队构建方法

随着航天科技的飞速发展,逐渐出现了由多种异构卫星组成的卫星集群。相比于传统的卫星系统,卫星集群具有规模大、平台多、载荷异构的特点,传统的卫星任务规划方法难以适用。针对卫星集群任务规划中的关键问题——面向任务的卫星Agent团队构建问题,建立了数学模型,提出了基于分支限界的精确搜索算法,并对其时间复杂度进行了分析。针对精确算法时间复杂度较高的缺点,引入了启发式剪枝机制,并按照任务集合排序策略的不同设计了3种启发式卫星团队构建算法。最后,通过多组实验分析了卫星团队构建精确搜索算法与启发式剪枝搜索算法的性能,验证了我们提出算法的有效性和实用性。     

电力系统故障诊断研究现状与展望

概述了专家系统、人工神经网络、优化技术、Petri网络、粗糙集理论、模糊集理论、贝叶斯网络、多Agent技术和基于故障录波器信息等方法在电力系统故障诊断中的应用,并在此基础上对文献中提出的相应的电网故障诊断方法进行述评,分析它们在电网故障诊断中应用的特点以及存在的主要问题,以解决实际工程问题为目标,指出了该领域所面临的问题,并对其发展进行了展望,以促进该研究领域的进一步发展。     

电力系统故障诊断研究现状与展望

概述了专家系统、人工神经网络、优化技术、Petri网络、粗糙集理论、模糊集理论、贝叶斯网络、多Agent技术和基于故障录波器信息等方法在电力系统故障诊断中的应用,并在此基础上对文献中提出的相应的电网故障诊断方法进行述评,分析它们在电网故障诊断中应用的特点以及存在的主要问题,以解决实际工程问题为目标,指出了该领域所面临的问题,并对其发展进行了展望,以促进该研究领域的进一步发展.     

基于粗糙集理论的馈线自动化技术

馈线自动化系统是配电网系统的重要环节,文中从配电网系统及馈线自动化系统的分析出发,研究基于多Agent系统(MAS)网络式保护的FTU馈线自动化模式。FTU的设计基于Agent技术,构成MAS,其基于粗糙集理论的故障判断模块能针对馈线的不同故障采取有效的保护措施实施馈线保护.在系统发生复杂故障或断路器、保护存在较多误动、拒动以及因信道干扰而发生信息丢失等诸多不确定因素的情况下,也能够按决策规则表进行故障诊断,有效地提高系统的容错性。     

基于Agent的递阶强化学习模型与体系结构

通过引入频率最大Q值启发式学习算法,对一种递阶强化学习方法进行改进,解决在庞大状态空间和动态变化环境中对Agent进行最优行为策略学习的问题。引入属性维护算子以及承诺和规划意识属性,对经典信念、愿望、意图模型进行扩展,给出意识属性的理性维护过程,增强Agent的自适应性并使Agent具有在动态环境中进行在线学习的能力。根据意识模型提出一种具有主动性、适应性、反应性、社会性的Agent体系结构,并根据该体系结构开发出一种路径规划Agent。通过对行驶环境的组态设定,模拟车辆复杂的行驶状态,并通过对行驶状态的不断学习,最终获得最优路径,证明体系结构的可行性和有效性。