Multi-agent的协作模型及其应用

本文从经济学和社会心理学角度出发 ,探讨了多种高级认知结构在社会活动中的作用 ,建立了多种高级认知结构的框架 ,研究了这些高级认知结构在多智能体代理系统环境中如何相互作用问题 ,并提出了三个系统模型来刻画这些相互作用。

基于Multi-Agent的生产过程建模与仿真技术研究

某些流程行业由于采用按配方进行分组加工的模式组织生产,在排产时存在多条路径调度优化的问题,应用一般的优化算法对于现场在线调度难以给出满意结果,而基于Agent的过程仿真在解决离散、非线性系统模拟方面有显著的优势,本文采用Agent的方法对生产过程建模,然后对方案组内的备选方案进行仿真,通过对比各方案的仿真结果找到最优的方案作为执行方案,为现场的优化排产提供决策支持。

面向流程企业的可配置MES体系结构

过程系统工程的概念内涵将企业的经营管理、供应链和MES的运作紧密联系在一起,当企业组织结构调整、工艺过程改造、产品方案变动等发生时,要求MES系统具有对工厂过程和业务过程持续变化的适应能力。本文提出了一种面向流程企业的可配置MES体系结构,包含模型层、协同平台层和功能层3个配置层次,通过模型层实现业务功能与工厂描述分离;协同平台层实现业务逻辑与技术支撑分离,以及实现整体过程协同和全局优化;功能层实现不同厂商产品间标准化的功能接口。最后,以基于可配置体系结构的MES产品(SMES)为例,分析了各层次的实现方式以及对流程企业业务持续变化的适应性验证。

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。

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。

基于agent及holon的可重构生产线实现技术

以大批量制造的生产线制造系统为背景,研究基于agent与holon智能制造思想体系的可重构生产线制造系统实现技术,以提高生产线柔性与可重构能力为目标·深入分析了多agent制造及holonic制造模式体系下智能单元自主决策、协商合作在制造系统环境中的实现与运行机制,在以机械加工线和装配线为代表的不同的工程实际背景与应用环境下该思想体系目前的具体应用情况与实现技术·指出该思想体系面向具体工程背景的有效实施应用是理论研究的关键·最后以某汽车变速器装配生产线制造系统为应用实例,从其规划设计与运行角度,分析了可重构生产线系统的框架设计及具体实现技术与方法·

基于CORBA的多agent供应链管理系统的研究

本文从现代供应链管理概念及要求出发 ,指出协调与合作在供应链管理中的重要作用 ,应用分布式人工智能理论及分析方法 ,提出了基于多 agent的供应链管理结构 ,定义了各功能agent的作用和职能 ,研究了基于多 agent的供应链管理协作内容、特点及解决方法 ,介绍了基于CORBA的分布式系统开发方法 ,提出了基于 CORBA规范及 KQML协议的支持供应链管理协作研究及开发的软件结构 .

基于Rete算法的多Agent的实时协同推理

1 引言多Agent系统是由若干具有一个或多个目标的Agent按照一定的信息关系和控制关系以及问题求解能力的分布模式组成的系统,它主要研究一组在逻辑上或物理上分离的Agent之间行为的协调。目前,多Agent系统已应用于诸如空中交通控制、电子商务、通讯网络管理和作业调度等生产实际领域。Agent技术应用到实际领域时映射的对象一般有

基于粗糙集和多Agent系统的知识挖掘

通过优化知识表达系统中条件属性对决策属性的依赖度,深入研究了粗糙集并与多Agent系统相结合。利用离散粒子群算法,提出一种基于粒子群优化的粗糙集知识约简算法,该算法解决了启发式算法无法全局搜索进行约简的问题。最后通过在矿井中调度信息的应用验证了有效性。

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 .

基于多Agent可重构机器人控制方法的研究

根据多 Agent理论中的协商、合作机制和可重构机器人结构的分布性 ,将集中式的机器人控制分配到一组关节 Agent中 ,每个 Agent控制机器人的一个关节 ,使用这种分布式方法 ,得到了一种新的通用机器人控制方法 ,即将关节机器人的复杂控制转换为多个简单子系统的控制 ,该方法可应用于具有不同构型的机器人系统 ,特别适用于可重构模块化机器人的控制。利用微分运动理论提出了一种新的决策方法 ,便于 Agent之间的合作与协商。仿真实验结果表明该方法是一种可行的机器人控制方法

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。

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。