基于遗传算法的多智能体协作行为研究

协作问题一直是多智能体系统研究的关键问题之一,该文给出了用遗传算法来实现多智能体协作的一种方法。该方法利用遗传算法来解决当多智能体系统无法得到环境信息或得到这些信息代价过高时,如何有效地产生它们的协同运动。利用该方法,对三个智能体协作把箱子搬到目标点,然后改变目标点,让智能体继续完成协作任务进行计算机仿真,结果表明遗传算法在动态环境下实现多智能体协作方面的可行性和有效性。     

多智能体协作技术综述

本文从协作模型和研究方法两个角度考察了多智能体协作技术的发展,认为是外在的 理性形式化模型和内在的对策和学习机制是多智能体协作技术的两个重要方面．并对这两个 方面的研究和应用前景作了进一步的展望．     

多智能体协作模拟环境的设计与实现

提出了一种以可视化编程技术设计多智能体协作模拟环境的方案,通过模拟搬运物体的过程来演示智能体间的协作过程.提供了参数可调的环境模型,并对协作执行结果进行分析,为多智能体协作的探讨和研究提供了一个平台.     

基于切换拓扑的多智能体协作控制研究综述

多智能体系统一直是众多学科领域研究的主要研究对象,基于切换拓扑的多智能体协作控制理论研究作为多智能体系统研究的重要部分,一直是近年来的热点。为了推进基于切换拓扑的多智能体协作控制理论研究,在广泛调研现有文献和最新成果的基础上,从一致性问题、分布式优化问题和分布式估计问题三个方面对该领域的发展现状进行了总结;探讨了诸如一致性协议的设计、一致性协议的性能分析方法及其优缺点、分布式优化的实现方式和分布式估计的实际应用。最后指出当前该领域尚未解决的问题和未来的研究方向。     

足球机器人多智能体协作策略

文章提出了足球机器人多智能体系统协作策略,它由三部分组成:角色执行器、角色分配器和避撞任务处理器。机器人角色分为进攻、防守和守门。角色任务处理器决定每一角色运动到何位置。角色分配器在每个采样周期中,根据视觉信息,动态地改变每一机器人的角色。避撞任务处理器预测两个机器人相撞的可能性,并改变机器人目标位置以避免碰撞。角色任务执行器执行由4阶bezier曲线产生运动轨迹。带有PID控制的足球机器人跟踪确定的bezier曲线。该文提出的策略已成功应用到GDUT_TAIYI队。     

基于独立学习的多智能体协作决策

联合学习模式是实现多智能体协作决策的有效方法 ,但是当智能体信息不完备时 ,这一方法难以适用。为此 ,在智能体独立学习的基础上提出一种多智能体协作决策方法。以网格对策为例 ,仿真证明了这一方法的有效性     

基于多阶段强化学习的多智能体协作决策

为了解决多智能体协同训练过程中的团队奖励稀疏导致样本效率低下、无法进行有效探索以及对参数敏感的问题,本研究在MAPPO算法的基础上引入了分阶段的思想,提出了基于多阶段强化学习的多智能体协同算法MSMAC。该算法将训练划分为2个阶段：一是构建基于进化策略优化的单智能体策略网络,二是对多智能体策略网络进行协同训练。在多智能体粒子环境下的实验结果表明,基于多阶段的强化学习算法不仅提升了协作性能,而且提高了样本的训练效率和模型的收敛速度。     

多智能体系统中的协商模型

目前,对多智能体系统的应用多是以开放的、复杂的、变化的网络为平台,为了更好地与环境相匹配,同对提高智能体之间协商的效率,从全局与单个智能体两方面着手,提出了一种新的MAS全局模型,并相应地提出了全局协调Agent的三维模型以及智能体之间的协商模型。通过这一系列模型的模拟实现,证明了此协商模型是正确的与接近自然的。从理论上基本上解决了与当前流行的基于网络的各种先进的智能系统,分布式问题求解等领域的衔接,因而有一定的指导意义并具有广阔的发展前景。     

多智能体协作的两层强化学习实现方法

提出了多智能体协作的两层强化学习方法。该方法主要通过在单个智能体中构筑两层强化学习单元来实现,将该方法应用于3个智能体协作抬起圆形物体的计算机模拟中,结果表明比采用传统强化学习方法的智能体协作得更好。     

一种基于行为的多智能体协作策略设计

本文提出了一种有效的多智能体协作策略，由一组动作控制器，一组行为单元和一个协调器组成。并将这种策略应用于足球机器人中型队Mirosot项目比赛，取得了良好效果。     

基于管理Agent协作模型的研究

多Agent协作求解是分布式人工智能要研究的基本问题。该文基于管理agent概念提出一个新的协作模型，该模型利用管理Agent对多Agent系统进行全局协作分配，协作申请分级处理，解决了传统协作模型中存在的模型与应用领域有关和只适用于静态环境的问题。     

一种基于SPA提高MAS协作效率的方法

提高协作效率是提高MAS(Multi—Agent System)工作效率的关键所在,因此采取何种协作方法至关重要。基于SPA(Set Pair Analysis)理论研究如何通过利用Agent自身的特性,使其能够在相应的环境下采取相应的协作方法,从而提高MAS的协作效率。     

基于多Agent的动态层次化分布式入侵检测系统

随着入侵检测技术的发展。IDS越来越呈现出分布性、智能性的特征。传统的基于多Agent的分布式入侵检测系统,往往采取一种分布式数据采集和层次化数据分析的方法。这虽然使系统的逻辑结构简单严谨,却很大程度上限制了系统的分布性、智能性与实时响应能力。本文提出一种动态建立的层次化结构,并提出了对其运行进行支持的基本方法体系;引入了对手思维状态模型,实现了建立在多Agent合作关系上的协同检测;对传统的分布式入侵检测系统进行了有效的改进。     

基于请求／服务协作模型的多Agent建模方法

为了实现多Agent环境中主体之间的交互特性,在情景演算理论框架下研究了多Agent的通信动作,基于情景演算理论和Golog语言,介绍了ConGolog的语法和语义,并对Con Golog进行扩展。增加了并发处理,优先级的并发以及中断处理。在此基础上,提出一种基于请求,服务协作的多Agent模型,从而实现多Agent程序的并发交互执行。最后,通过对送咖啡例子的仿真,证明上述方法在实现虚拟场景中的多Agent协作行为方面是正确有效的。     

基于HLA的多Agent系统体系结构研究

本文在分析了目前AI领域对多Agnet系统体系结构研究成果的基础上，结合HLA／RTI仿真技术框架在高层体系结构上的应用前景，提出了一种基于HLA的多Agent系统体系结构，在这个框架下，实现了一个Agent对象模型，介绍了如何利用Agnet通信语言KQML进行互操作的过程，详述了多Agent系统的工作原理，最后指出了多Agent系统在复杂系统开发中的应用前景。     

基于预测机制的MAS协商通信模型

网络代价直接影响MAS通信性能,特别是在服务器过载情况下影响更为明显.为减少网络通信代价、减轻服务器负载,引入预测机制,提出一种根据网络代价、服务器负载的预测结果,动态选择agent远程通信或MA迁移方式的协商通信模型MRCM,模型中引入黑板结构,实现预测结果在MAS系统中的共享,增强预测成功率、准确率.实验表明该方法对网络代价、服务器负载预测近似准确,能有效地降低通信开销.     

一种基于多Agent远程分布式故障诊断系统模型

简要介绍了Agent与多Agent的相关知识,并以军用通信系统为例,分析了远程分布式故障诊断的系统结构,并提出了一种基于多Agent远程分布式故障诊断模型,对其系统工作流程进行了简要介绍。     

多Agent协同系统的分布式数据访问

利用移动agent平台Aglet实现了对分布式数据进行检索的网上借书系统。此系统是一个多agent协同工作的系统，通过并行派发多个移动agent携带代码移动到数据所在地执行，客户一旦提交查询任务后就可以脱机工作，任务由agent携带着到各个数据源处进行处理，处理结果可以被存储下来，等待网络连接正常时可以继续运行，有效解决了用户断接时结果返回失败的问题；服务器端利用用户agent和书库端的智能agent可以实现信息的智能处理与挖掘。     

基于目标实现的MAS群体模型

本文研究了基于目标或工作实现的MAS群体中协同与冲突的分析与计算。首先建立了相应的数学模型,然后应用Rough集方法讨论了模型系统中的协同与冲突度量,最后研究了系统中不参与协同与冲突的Agent对于系统状态的作用与影响。     

多Agent协作的强化学习模型和算法

结合强化学习技术讨论了多Agent协作学习的过程,构造了一个新的多Agent协作学习模型。在这个模型的基础上,提出一个多Agent协作学习算法。算法充分考虑了多Agent共同学习的特点,使得Agent基于对动作长期利益的估计来预测其动作策略,并做出相应的决策,进而达成最优的联合动作策略。最后,通过对猎人。猎物追逐问题的仿真试验验证了该算法的收敛性,表明这种学习算法是一种高效、快速的学习方法。