可重构装配系统中智能体的开发

为了实现可重构装配系统的快速重构能力,在分析了传统控制结构的基础上,结合分层递阶和分布式控制的优点,提出了基于多智能体系统的混合控制体系结构。这种结构具有低复杂性、强鲁棒性、易维护性、可扩展性以及可重用性等特点,能够适应重构系统的要求。在遵守智能物理代理基金会规范的前提下,以Java智能体开发平台进行了装配系统中各层智能体的实例开发。

基于数字制造环境的可重构装配线仿真分析平台

以某汽车变速箱装配生产线制造系统为背景,应用多Agent制造及Holon制造模式改造传统装配生产线以提升其柔性与重构能力·针对基于agent与holon混合思想的可重构装配生产线的基础框架与实现等理论提供分析验证环境,提出应用数字制造技术构建面向可重构装配线的数字仿真验证平台·在分析面向重构装配线的仿真平台功能特征的基础上,构建了数字仿真验证平台的框架·研究了仿真平台开发中的系统集成、可视化仿真、可重构装配线性能分析等关键技术,最后给出了仿真平台的实例系统·

一种新的多智能体强化学习算法及其在多机器人协作任务中的应用

在多机器人系统中 ,评价一个机器人行为的好坏常常依赖于其它机器人的行为 ,此时必须采用组合动作以实现多机器人的协作 ,但采用组合动作的强化学习算法由于学习空间异常庞大而收敛得极慢 .本文提出的新方法通过预测各机器人执行动作的概率来降低学习空间的维数 ,并应用于多机器人协作任务之中 .实验结果表明 ,基于预测的加速强化学习算法可以比原始算法更快地获得多机器人的协作策略 .

分布式强化学习系统的体系结构研究

强化学习是一种重要的机器学习方法，随着计算机网络和分布式处理技术的飞速发展，多智能体系统中的分布式强化学习方法正受到越来越多的关注。论文将目前已有的各种分布式强化学习方法总结为中央强化学习、独立强化学习、群体强化学习、社会强化学习四类，然后探讨了这四类分布式强化学习方法的体系结构框架，并给出了这四类分布式强化学习方法的形式化定义。

多智能体系统中的分布式强化学习研究现状

对目前世界上分布式强化学习方法的研究成果加以总结,分析比较了独立强化学习、社会强化学习和群体强化学习三类分布式强化学习方法的特点、差别和适用范围,并对分布式强化学习仍需解决的问题和未来的发展方向进行了探讨。

一个面向异构多UUV协作任务的分层式控制系统

针对异构多UUV协作任务,提出了基于多智能体系统的分层式体系结构(MAHA).在个体层面,将UUV智能体的思维状态分为社会心智和个体心智两个层次分别实现,更加符合人类社会协作模式;在群体层面,提出了复杂海洋环境下UUV群体结构的评价准则,并据此将MAHA与现有结构进行了对比分析.此外,利用面向对象的Petri网理论建立了系统的协作模型,有效降低了系统建模的复杂性.最后,水下多目标搜索使命的实例研究表明,MAHA能够保证异构UUV之间进行有效的协作.

基于多代理和规则调度的敏捷调度系统研究

研究了在敏捷制造环境下制造车间生产过程的动态调度问题。针对敏捷化调度的特殊要求 ,提出了综合运用多代理机制与规则调度实现敏捷化制造车间生产过程动态调度的方法 ,建立了基于多代理生产组织和运行模式的生产过程动态调度系统框架结构 ,研究了在多代理结构的基础上实现规则调度的方法 ,创建了适应实际生产环境的代理的模型结构 ,并以一类敏捷加工车间动态调度的仿真研究说明所提出方法的思路和可行性。

基于KQML语言的合同网协议模型及实现

本文首先分析了基于 KQML会话的 Multi- Agent系统 ( MAS)构成及其特点 ,然后提出了基于 CORBA、KQML的合同网协议 ( CNP)系统模型及 Agent通信模型 ,并针对此合同网模型 ,结合调度系统实例分析了其中 KQML语言的形式化表达方式

多代理技术在船体装配CAPP系统的应用

本文介绍了多代理技术在船体装配 CAPP系统中应用 .包括 :船体装配 CAPP系统的结构 ,Agent之间的通讯 ,Agent表达方法、提供的函数功能描述 ,以及各工艺代理的功能描述和封装实例 ;采用多代理技术的船体装配 CAPP系统可以生成满足工厂要求的装配工艺文件、工艺定额和材料定额

过程系统管理与技术的综合集成

在激烈的市场竞争中，过程企业不仅要重视技术、更要加强管理，实现全局优化运行。提高过程企业的市场竞争能力必须全面综合集成人、组织、战略管理、经营管理、过程管理及信息自动化技术等因素。本文以石化企业为背景，对过程企业面临的问题及发展趋势进行了分析，并且对过程企业管理模式、过程企业的体系结构以及过程集成与优化技术进行了探讨。

面向装配作业的多机器人合作协调系统

分布、自主、协调与合作是多机器人系统的发展趋势。本文作者在研究易于协调合作的多机器人系统的基础上，采用分层递阶和多Ａｇｅｎｔ概念，构造了一个装配系统－ＭＲＯＣＡＳ系统。该系统具有任务自动建模分解，快速重组、良好柔性、友好人机界面，各机器人具有一定自主能力等特点，它实现了在较复杂环境下快速完成装配作业。

一个多智能体机器人协作装配系统

介绍了一个基于多智能体概念实现的多机器人协作装配系统——ＭＲＣＡＳ（Ｍｕｌｔｉ－ＲｏｂｏｔＣｏｏｐｅｒａｔｉｖｅＡｓｓｍｂｌｙＳｙｓｔｅｍ）。该系统由组织级计算机、三台工业机器人和一台全方位移动小车（ＯＤＶ）组成，采用分层递阶体系结构。利用ＭＲＣＡＳ系统进行了多机器人协作装配的实验：在ＯＤＶ装配平台上，四台机器人合作装配一个大型桁架式工件。该工件具有多种装配构型，但任何一台机器人不能独立完成装配。

协作机器人学的研究现状与发展

随着机器人向系统应用的方向发展，提出了由多机器人构成的群体或社会的组织与控制问题．多机器人协作问题已成为机器人学研究领域的热点之一．其中基于分布式人工智能中多智能体系统理论，研究多机器人协作问题正受到普遍关注．本文对协作机器人学的研究现状进行了综述，并展望了其未来的发展。

KQML在多智能代理CAPP系统中的应用

KQML是目前多智能代理系统中广泛采用的通讯规范之一,它规定了标准格式来支持代理间的实时通讯。本文从理论和技术的角度阐述了KQML规范的内容、功能和基本结构,并把KQML规范应用在基于智能代理技术的CAPP系统中,圆满解决了系统的通讯问题,加强了系统的灵活性和稳定性。

基于多智能体的制造系统生产控制建模研究

为提高制造系统生产控制的性能,建立了基于多智能体系统的混合控制模型。该模型把生产控制系统分为管理智能体层、单元智能体层和执行智能体层。管理智能体层负责调度和协调各单元智能体,并对所有智能体进行管理;单元智能体层中的各单元智能体间通过公用数据库相互协作;执行智能体对制造系统内的硬件负责,它们根据局部的本地资源信息及当前状态,接收发布的任务,并对其求解。同一层次的智能体之间是分布式结构。采用基于多智能体的混合控制模式,提高了制造系统生产控制的实时性和灵活性。通过激光拼焊生产系统中的试验,验证了该模型的有效性。