基于群体Agent合作求解的测试床——MAS-Soccer

为试验和比较各种先进的群体Agent合作求解智能算法,给群体Agent合作策略提供一个比较与测试的平台,该文针对传统的测试平台过分强调具体动作实施细节,忽略合作策略重要性的问题,给出了一种基于信念愿望意图(BDI)逻辑推理的群体Agent合作求解仿真系统——MAS-Soccer。在设计过程中简化Agent具体行为的执行细节,突出整体合作策略以及BDI逻辑推理在比赛中的重要性,并以此作为测试平台,以机器人足球赛任意球战术配合为实验内容,验证和比较了基于特征向量提取的再励学习算法与传统的再励学习算法在学习效果以及学习时间上的优劣。实验在验证算法的先进性的同时,也表明MAS-Soccer测试床能够准确和方便地进行合作策略的验证与比较。

面向群体作战的多Agent合作策略

根据军事对抗仿真本身所固有的复杂性,运用基于Agent的复杂系统分析与设计方法,对单元体结构进行研究。其面向群体作战的多Agent的合作策略,通过任务指挥单元Agent监视其他作战单元Agent的活动,并采用任务库和知识库减少通信开销,以提高任务求解的效率。

多Agent系统分布式问题求解的代数模型方法(Ⅱ):群体智能和社会动力学

该文是组合论文中第二篇 ,讨论多 Agent系统分布式问题求解的代数模型中的特性层和动力学层 ,即不同粒度 Agent群体的宏观群体智能的形式化代数模型以及宏观社会智能与 Agent个体间微观社会行为之间的社会动力学模型 .提出了基于这种新的代数模型方法的超分布超并行社会智能问题求解算法 .关于分布式多任务自组织规划和资源自组织分配的仿真实验以及与其它方法的比较分析 。

存在"顿悟"的多Agent系统合作求解算法研究

在多Agent系统的研究中,多Agent合作求解一直都是研究的热点和难点.合同网(CNET)协议是通过任务共享实现有效合作的高级协议,然而现实世界的情况非常复杂,当合同网中所有Agent均无能力完成任务时,多Agent系统将陷入任务无法完成的僵局.将任务设定为问题,即产生任务等价于产生问题,完成任务等价于解决问题.写作目的是讨论与研究僵局情况的问题解决算法;并且将这种在当时环境下无法解决的、需要通过补充更多的信息和经验才可以解决的问题称为"顿悟"问题.给出了解决"顿悟"问题的3种思路及算法,并提出了对"顿悟"问题进行重构的概念和模型,对多Agent系统中"顿悟"问题的研究进行了初步的探索.

库存分配的Agent合作求解算法研究

供应链环境下的库存分配问题是一类典型的组合优化问题,人工智能中的Agent技术为该类问题的求解提供了一种新的思路。本文利用抽象后的多Agent间协调机制描述系统库存分配的运行机制,通过构造的多Agent合作求解算法,实现整体目标与局部目标之间的协调与平衡,达到库存分配系统最优。

多Agent合作求解过程研究

多Agent合作求解是解决群体决策支持系统中高复杂性、开放性和动态性问题的有效途径,针对多Agent合作求解机制研究工作中存在的问题,采用逻辑的方法,分析各Agent在合作求解过程中意图、承诺等思维属性的变化,对多Agent的合作求解过程进行描述。

多Agent合作求解

Multi-Agent Collaborative Problem Solving is one basic issue of the research of Multi-Agent Systen(MAS). In this paper we summarize some research work of Multi-Agent collaborative problem solving,expound thecharacteristic of Multi-Agnet collaborative problem solving,Model of Multi-Agent collaborative problem solving,pro-cess of solving、the application field of Multi-Agent collaborative problem solving and some challenge. Especially wediscuss the main models ,introduce the representative model including joint-intention,joint-commitment ,shared plan.

一种基于角色解决方案的多Agent合作问题求解模型

传统基于角色的方法大都缺少对合作问题求解的具体考虑.结合角色和团队形成机制提出了一种基于角色解决方案的合作问题求解模型.其新颖之处在于将角色解决方案与团队结合起来,致力于分析、设计和实现合作问题求解.深入研究了复杂的CPS循环过程,并给出了一种基于角色解决方案的CPS算法过程.以角色解决方案和团队的观点试图解决传统的合作问题求解过程,提高了对多Agent应用系统的理解,并为多Agent系统的分析与设计人员提供参考.

改进的多agent合作求解过程

在WOOLDRIDGE和张双民的工作基础上,考虑合作提供方的主观愿望,给出一个多agent系统合作求解模型,并考虑合作步骤重复与失败的情况.该模型体现多agent系统的动态属性,使理论与实际更加接近.

多Agent合作问题求解方法的研究综述

多Agent合作问题求解是多Agent系统理论与技术研究的重点.多Agent合作的目的是使合作求解的效用大于单个Agent独立完成的效用,因此多Agent之间如何协调一致,形成统一的行动步调或者规范也成为了多Agent合作问题求解的主要目的.介绍了目前研究多Agent合作问题求解的主要方法、多agent合作问题求解的步骤以及其应用领域,并给出了目前存在的问题与未来的发展方向.

多Agent系统合作问题求解的任务分配研究

在多Agent系统合作问题求解中,任务分配是一个重要的环节。本文提出了一个任务分配方案,该方案能较好的协调Agent的资源状况,使整个多Agent系统高效运转。

多Agent系统中合作策略的研究

单个Agent的知识和问题求解能力是有限的 ,它必须和其它Agent合作共同完成某项任务。该文提出了一个多Agent的合作策略 ,允许任务管理Agent监视其它Agent的活动 ,并采用任务库和知识库减少了通讯开销 。

多Agent诊断系统中合作任务调度算法的实现

多Agent系统的核心问题是多Agent的合作和问题求解 ,在多Agent系统合作的调度算法中引入遗传算法 ,能更准确和更有效地进行问题求解。文中在介绍多Agent系统结构的基础上 ,分析了多Agent的合作问题以及基于遗传算法的调度算法 ,并在一个实用系统中实现了合作任务调度算法 。

一种基于特征向量提取的FMDP模型求解方法

在诸如机器人足球赛等典型的可分解马尔可夫决策过程(factored Markov decision process,简称FMDP)模型中,不同状态属性在不同的状态下,对于状态评估的影响程度是不同的,其中存在若干关键状态属性,能够唯一或近似判断当前状态的好坏.为了解决FMDP模型中普遍存在的“维数灾”问题,在效用函数非线性的情况下,通过对状态特征向量的提取近似状态效用函数,同时根据对FMDP模型的认知程度,从线性规划和再励学习两种求解角度分别进行约束不等式组的化简和状态效用函数的高维移植,从而达到降低计算复杂度,加快联合策略生成速度的目的.以机器人足球赛任意球战术配合为背景进行实验来验证基于状态特征向量的再励学习算法的有效性和学习结果的可移植性.与传统再励学习算法相比,基于状态特征向量的再励学习算法能够极大地加快策略的学习速度.但更重要的是,还可以将学习到的状态效用函数方便地移植到更高维的FMDP模型中,从而直接计算出联合策略而不需要重新进行学习.

一种基于证据理论的概念树结构多Agent合作求解模型

本文针对多Agent系统中Agent之间的盲目交互可能产生的效率低下问题。提出了一种基于概念树结构的多Agent合作求解模型。在这个模型中,各Agent基于自己的领域知识构造出概念树,通过Agent之间的合作,对概念树从根节点开始使用证据理论实现逐层聚焦,逐步缩小求解范围。为此,本文基于模态、逻辑和关系概念提出了一种面向可能解集的证据理论表示,并探讨了在多Agent环境下应用证据理论可能导致的若干问题。