优先级分布式模型预测控制的多智能体系统

针对分布式预测控制机制下的多智能体系统,该文提出了基于智能体子系统优先级分配的控制策略。利用图论方法对优先级的分配进行描述,并根据最小化系统性能指标确定最佳的优先级分配策略,从而简化分布式预测控制优化问题。对基于优先级的分布式预测控制算法进行了可行性和稳定性分析。仿真结果表明,该文所提出的基于优先级的分布式预测控制方法在获得良好性能的基础上,能够有效地减少子系统之间信息交互的次数,并能够有效降低网络资源利用率。

基于大模型的态势认知智能体

针对战场态势信息众多、变化趋势认知困难的问题,提出基于大模型的态势认知智能体框架和智能态势认知推演方法。从认知概念出发,结合智能体的抽象性、具身性特点,明确了智能体构建的3个关键环节:学习环境、记忆方式和产生知识机制;设计了战场态势认知智能体架构,包括记忆部件、规划部件、执行部件、评估部件以及智能体训练要点。在长期记忆部件中,围绕战场复杂状态建模特点,分析大语言模型、多模态大模型、大序列模型的运用问题。

大语言模型支持的多智能体:技术路径、教育应用与未来展望

面对复杂多变的教育环境,多智能体系统以其协作、分布式和自适应的优势成为解决教育难题的新途径。本研究分析了多智能体系统的基本原理和演化历程,聚焦其在教育领域的源点,并从领域、结构和场景三个角度,探讨多智能体系统教育应用的形态演化。在技术层面,本研究探讨了生成式人工智能技术如何赋能多智能体系统,构建了基于大模型的智能体“眼—脑—手”三维能力框架,并提出了多智能体系统智能性提升的内外双循环框架。在教育应用方面,本研究阐述了多智能体系统教育应用的多重角色,包括促进知识管理的百科全书型智能体、促进协作交互的智能学伴型智能体、促进学习规划的教学助手型智能体和促进学科教学的专业教师型智能体等,探讨了多智能体系统在教育应用与跨文化体系适应中的潜力。多智能体系统的教育应用也面临诸多挑战,包括如何确保系统稳定性和安全性、如何避免负面影响、如何实现与传统教育方法优势互补等。针对这些挑战,本研究提出融合教学要素、对接数字基座、变革教育范式、加强安全伦理隐私保护等对策,以期重塑多智能体教育生态,引领其稳健前行。本研究可为促进智能化教育技术的发展提供新思路,为推动教育数字化和教育高质量发展贡献新力量。

海上浮式风机多体系统耦合动力模型研究

海上浮式风机是近年来随着海上风电的快速发展,为了捕获深海更丰富、更持久的风能而提出的一种风力发电装置,已成为当今风能开发的主要方向。作为一种多体系统,由于海上浮式风机结构特殊,加上环境复杂,对其进行准确的计算和分析尤为重要。本文对海上浮式风机的耦合动力模型进行了研究,建立了复杂工况下Spar型海上浮式风机改进的14-DOF耦合动力模型,包括气动力模块、水动力模块和结构分析模块等,用于扩展其适用范围和准确计算风机的动力响应,并通过数值仿真对所建模型进行了分析和验证。主要的改进有:不对平台和塔架的转动角度作小量近似,扩展其适用范围;考虑角速度和欧拉角速度的换算关系,不作等化处理。此外,所建模型考虑风机叶片扭转角对叶片变形的影响,得到了较为准确的叶片面内外响应。同时采用线性势流理论对水动力进行计算,较之Morison方程适用性更广。仿真分析表明,本文所建模型可以更准确地计算海上浮式风机系统的动力响应,且具有更广的适用范围。

基于模型预测的事件触发多智能体系统设计

多智能体系统在很多领域内都得到了广泛关注,但在分布式模型预测控制方面依然较为薄弱。针对系统状态未知的多智能体系统,引入动态Luenberger观测器估计系统状态。然后,根据离散李亚普诺夫稳定性,采用反步法设计一种新的事件触发策略,以获取通信带宽利用率和控制性能之间的权衡。最后,通过仿真验证算法的有效性。

教育智能体情绪线索赋能在线学习的模型构建及实践研究

教育数字化转型会带来课程内容、教学活动等要素的内涵及其关系的变化,在线学习和混合教学等数字化学习方式将成为主流教学方式。在线学习带来诸多优越性的同时,也存在师生交互缺失、情绪交流缺乏的问题。虚拟学习环境中具有情绪线索的教育智能体为破解该问题提供了一种更加智慧化的手段。教育智能体是用于在线学习环境以满足不同教学目标要求、类似教师的虚拟角色,可为学习者提供认知和情感支持。然而,已有研究关于教育智能体情绪线索对在线学习全过程的作用效果尚未达成共识。为此,从动机、情绪、理解、巩固和迁移5个角度对2003年以来国内外42个相关实证研究进行了系统性分析,构建教育智能体情绪线索赋能在线学习的理论模型,并结合问卷量表法、社会网络分析法和内容分析法对高校专业课教学进行实践探究。结果表明:(1)情绪智能体组学习者的学习动机在实验前后呈现了最大幅度的提升,且存在显著高效应;(2)情绪智能体组学习者协作交互的积极性在增加,交互水平也在提升,学习热情最高;(3)情绪智能体组学习者的内部和外部认知负荷无明显变化,而相关认知负荷显著增加,促进其新知的掌握;(4)教育智能体情绪线索助力学习者记住更多的项目,从而提高了其知识保持成绩;(5)教育智能体情绪线索可以帮助学习者对更高层次的反思进行深度构建,从而发展了反思能力,也反映了其迁移能力的提升。最后,针对教育智能体的设计提出建议,以期为在线学习提供更符合个性化需求的情感认知工具,推动人工智能与教育的融合发展。

大模型智能体:概念、前沿和产业实践

从符号型和反应型智能体到基于强化学习和迁移学习的智能体,再到当前基于大模型的智能体,AI智能体经历了三代发展,逐渐成为人工智能研究和应用的核心。其中基于大模型的智能体是能够更准确地感知环境、进行反应和判断、形成并执行决策的智能计算实体,在多个领域展现出广泛的应用前景,包括图像生成、视频生成、数据分析、图文修改辅助、谈判指导、教育教学、学术研究、生活助手、网站开发等。OpenAI、Google、Apple、NVIDIA等国外厂商,以及腾讯、百度、商汤、联想、讯飞等国内厂家,都在大模型智能体领域进行了积极的探索与实践,推出了各自的大模型智能体产品,涵盖了游戏、生活、线上助手、营销、教育等多个领域。本文将回顾AI智能体的定义与发展,着重介绍大模型智能体的概念和发展前沿,以及大模型智能体在产业实践方面的代表性成果,为有志于大模型智能体研究和开发的读者提供参考。

基于大语言模型的新型电力系统用户特性立体应用模式初探

随着新型负荷的广泛接入与虚拟电厂建设的不断推进,新型电力系统中多元的负荷结构与频繁的网荷交互使得用户特性应用在数据融合、特性挖掘和业务赋能面临关键挑战。因此,该文首先深入分析了用户特性的研究现状,以此为基础提出了新型电力系统用户特性立体应用模式,贯通了“多源数据-多维特性-多元模块-多样业务”的应用链路。然后,针对该模式实践中海量多源数据可用性差、特性刻画灵活性低、业务贯通复杂性高的核心技术难题,立足于近期大语言模型备受关注的显著能力与智能体应用范式,分别在自适应数据治理、对话式数据交互、自动数据分析与机器学习、多智能体应用系统架构方面提出了解决方案。进一步,更通过用电数据库交互与业扩报装接入优化的案例表明所提方案能够自动化、智能化、个性化地开展用户特性应用,有望在实际中应对用户侧业务面临的关键挑战。最后,对大语言模型赋能用户侧海量资源管控以及系统智能水平跃升进行了展望。

基于响应面模型的智能台架供风系统开发

为解决瞬态工况下,汽车主动进气格栅(AGS)开度及风扇转速实时调整,换热器进风量时刻改变,热管理测试台架风机无法实时为换热器提供精准瞬态供风这一问题,应用计算流体力学(CFD)仿真技术,分析了换热器进风量与车速、AGS开度及风扇转速之间的关系,并构建了数学模型,模型预测误差小于6.6%。将该模型置于CANOE设备中,与VN1640设备及风机系统连接,可实时采集车速、AGS开度及风扇转速CAN信号,计算换热器进风量,从而控制风机输出相应风量,实现了台架风机为换热器提供精准、实时供风这一目标。

基于多智能体模型的柑桔木虱空间扩散研究

柑桔黄龙病是严重危害我国柑桔产业的细菌性病害,柑桔木虱是柑桔黄龙病的唯一自然传播媒介,了解柑桔木虱的发生和空间扩散规律对于有效控制柑桔黄龙病具有重要意义。以广西壮族自治区蒙山县为具体研究区域,借助NetLogo智能体建模平台构建了柑桔木虱空间扩散的模拟模型,模拟并评价了柑桔木虱的空间扩散规律及不同田间管理的效果。模型模拟结果表明,扩散距离以及农药喷施间隔时间均对柑桔木虱扩散速度和空间分布产生明显影响。无田间管理措施时,柑桔木虱扩散风险区总面积占柑桔园面积的比例呈现为持续且快速的上升趋势,长距离扩散(风速≥5 m/s)会导致风险区面积明显增加。当间隔1个月及以内施药(规范田间管理)时,柑桔木虱扩散风险能够得到迅速而有效的控制。验证结果显示,模型的平均TSS值达到0.82,模型仿真灵敏性为85.2%,模型特异性为80.9%,模型仿真结果总体准确率为83.3%,模型能够很好地模拟研究区内柑桔木虱的空间扩散。基于研究结果,建议柑桔种植区合理优化果园空间布局,如采用棋盘式分布,区域间设置防风林或防虫网等进行物理阻隔,田间严格遵循高效农药的使用规定进行柑桔木虱的有效防治,以有效减缓柑桔木虱扩散速度和空间范围,为柑桔黄龙病的区域防控提供有力支持。

有限数据条件下智能体仿真模型构建方法

与传统的集计评估模型不同,智能体仿真模型能够捕捉个体之间的行为交互,在交通政策精细化评估中具有优势。但智能体仿真模型对数据要求较高,在实践中面临活动计划生成、参数标定和结果验证等难点。基于MATSim建立了在有限数据条件下面向应用研究的可操作、可复现的智能体仿真模型,并且以上海市拥堵收费评估场景为例详细介绍了模型的建模流程和关键技术。重点介绍基于手机轨迹数据的活动计划生成方法以及模型的参数标定和结果验证细节。结果表明,智能体仿真模型能够满足交通政策评估需求,基准场景的上海市域出行方式划分平均相对误差为8%、快速路交通量平均相对误差为17%。进而从集计和个体两个层面对仿真结果进行分析,展示了智能体仿真模型的应用潜力。

一种基于大语言模型的命题智能辅助系统

命题作为高等教育自学考试的核心环节,直接决定着考试的质量。命题智能辅助系统通过采用LLM(大语言模型),有效解决了命题文件不规范、拟制工作量大等问题。文章列举管理端和应用端等命题智能辅助系统构成要素的功能,提出包含基础资源层、数据资源层、模型资源层、能力支撑层和应用服务层在内的命题智能辅助系统架构,分析试题数据处理、大模型开发训练和大模型应用编排等管理端模块的基本构成、功能指标和设计思路,描述试题生成、试题复核、试卷生成、试卷审核、试卷文档生成和发布考试等应用端模块的实现流程。

基于大语言模型的电力系统通用人工智能展望:理论与应用

大语言模型(LLM)是一种利用大规模文本语料库进行预训练和微调的深度学习语言模型。目前,在通识问答、文本生成和科学推理等方面已展现出强大的能力。在此背景下,文中探索了基于LLM构建面向电力系统的通用人工智能技术,并展望其在电力系统中的潜在应用。首先,介绍了LLM的基本原理、神经网络架构以及训练方法,特别是与传统人工智能模型相比,LLM在逻辑推理、编程和代码理解以及数学推理方面的突破。然后,展望了LLM在电力系统负荷与新能源发电出力预测、电力系统规划、电力系统运行、电力系统故障诊断与系统恢复、电力市场等领域的潜在应用。最后,阐述了基于LLM构建电力系统通用人工智能技术所面临的挑战,包括电力系统数据的质量与可获取性、输出结果可解释性以及隐私保护问题。

基于多智能体模型的城市洪涝灾害动态风险评估

围绕城市洪涝灾害过程中对人口动态风险评估的需求,在城市水文水动力模型基础上,提出了基于多智能体模型的城市洪涝灾害动态风险评估方法,分别设置孕灾环境智能体、致灾因子智能体、承灾体智能体的运行规则,并给出多智能体之间的通信机制,以实现城市洪涝灾害过程人口动态风险定量评估。以北京市海淀区清河流域某典型排水分区为例,利用SWMM和LISFLOOD-FP模型,模拟50年一遇设计降雨情景下的洪涝灾害过程,并基于NetLogo模型构建城市洪涝灾害承灾体动态风险评估模型对研究区中的人口动态风险进行了评估。结果表明:50年一遇设计降雨情景下,研究区洪涝风险面积从降雨历时T=4 h的0.608 km^(2)增加到T=30h的2.202 km^(2);常规模拟情景下,研究区低风险人口数持续下降、高风险人口数持续上升,最终低风险人口数稳定占比为75.75%,高风险人口数稳定占比为22.85%;在设置救援避险策略后,研究区低风险人口数先下降后升高,在T=4.5 h时,最低人口数占比为92.30%,而高风险人口数先升高后降低,最高人口数占比为7.07%,最终低风险人口数稳定占比为100%。

基于SI-SB系统安全模型的多层级边缘智能管控模式

为探索信息化、智能化技术赋能下的创新型安全生产管控模式,从安全信息学的角度分析安全管控过程中的信息流动特点,提出安全生产多层级边缘智能管控模式;基于安全信息-安全行为(SI-SB)系统安全模型分析安全管控过程中安全决策偏差和滞后的机制,提出安全管控系统性能改进的思路;结合安全生产组织管理体系特点和数字化技术优势,阐述数字化技术在信息感知传递、安全信息解释和安全行为引导等3个方面的赋能依据,以及数字化感知、智能化决策和多层级管控等3个方面的赋能途径,并提出具备智能决策、敏捷响应、弹性扩展和人机协同特点的安全生产多层级边缘智能管控模式;在紧急事件、短周期管控、长周期管控3类场景中,对应用智能管控模式前后的安全事件响应进行时效性计算和对比。结果表明:所提出的多层级边缘智能管控模式能够显著提高安全管控效能。

基于PICO模型的中医药循证指南知识图谱构建与智能问答系统研究

目的:基于PICO模型构建中医药循证指南知识图谱,探索以此知识图谱为知识库搭建智能问答系统,增强临床决策支持。方法:采用自上而下与自下而上相结合的方法设计知识图谱的概念层和数据层,并以多囊卵巢综合征为例,利用“文心一言”大模型工具进行知识抽取,抽取结果通过Neo4j图数据库进行存储,实现知识图谱的可视化展示,同时对智能问答系统进行临床专家问卷调研和框架结构设计。结果:构建了包含13种类别、248个节点、12种关系类型、337条关系以及10种数据属性的中医药循证指南知识图谱,并展示了其可视化功能和应用示例。智能问答系统部分,已根据指南临床问题范围将其分为12大类,并预设了24种问题模板,为后续问题预处理奠定了基础,并对系统实现提供了有力支撑。结论:本研究以循证指南为数据源确保了临床辅助决策系统科学性和准确性,也为中医药领域的智能化信息服务提供了新的思路和方法。

基于大语言模型的新型电力系统生成式智能应用模式初探

新型电力系统数字化转型需要智能化应用体系支撑。首先,文中探讨了新型电力系统智能应用构建的关键难题,提出了基于大语言模型的新型电力系统生成式智能应用模式及其逻辑框架,并探讨了此模式下实现智能应用全生命周期自动化构建的技术方案;其次,针对系统仿真需求,介绍了典型生成式智能应用案例,并说明了相关技术方案特点;最后,展望了生成式智能应用发展的趋势和研究方向,供后续研究者借鉴。

面向大模型时代计算机系统能力培养的智能协同教学实验设计

面临大模型带来的冲击和挑战,传统教学活动中的技能和经验训练模式已经难以满足新时代计算机系统能力人才培养的诉求,结合布鲁姆的能力认知模型对大模型时代系统能力人才的专业能力重新进行了界定和细化,并探讨了一种通过智能协同的方式,以大模型作为辅助工具进行相应能力训练的教学实验设计方法与思路。

计及风电的发电商报价多智能体模型

新型电力系统背景下,新能源发电商的报价问题一直是电力现货市场中的研究热点。相比传统能源,风电出力受外界不确定性因素的影响较大,给风力发电商求解最优报价带来了挑战。为此,基于多智能体强化学习算法WoLF-PHC构建了计及风电的发电商报价策略模型。模型中,考虑了风电、火电和水电3种能源参与的现货市场,每一个发电商抽象为一个智能体,且基于随机约束规划算法建模风电智能体的收益函数;对于智能体的报价策略模型,将D3QN与WoLF-PHC算法结合,使模型能够满足报价时智能体状态空间复杂的情况;此外,对于交互环境的建模,提出利用DDPM扩散模型生成风电出力数据,优化风电出清场景的仿真。最后,基于3节点的电力仿真系统开展模拟实验,实验结果表明,提出的风电收益函数建模、WoLF-PHC改进、风电出力生成等技术是可行的,能有效解决风电参与竞价的现货市场报价问题,并且能够在较少的迭代次数后学习到较优的策略。

生成式人工智能赋能的非线性学习智能体模型建构

该研究探讨了生成式人工智能(AIGC)赋能的非线性学习智能体模型建构,分析了非线性学习的特点,并预设了自学、混合和协作三种学习场境。基于这些场境推导出智能体模型的功能需求,进而抽象出模型的核心能力。该文界定了非线性学习智能体的含义、数学表达式及核心算法,并阐述智能体模型的核心是一个改进的马尔可夫决策过程,旨在能够为学习者提供个性化、动态优化的学习支持,有效提升非线性学习的效率,为AIGC在教育领域的应用提供了新的模型构建方法,对推动教育信息化和个性化学习具有重要意义。