Geo-Agents系统中的合作与并行分析

1前言 Geo-Agents是一个基于Agent的分布式GIS原型系统(如图1所示)[1].系统由Facilitator、接口Agent、GIS功能A-gent和GuServer等四种GIS Agent组成.其中,Facilitator是系统管理Agent,主要承担全局管理和协调功能;GIS功能A-gent对分布式GIS系统中的空间分析或查询功能进行封装,具有响应外界请求,完成不同数据要求的同一类空间分析或查询功能,并可以利用Agent间的统一通信机制返回查询结果;接口Agent是用来与用户交互、完成用户指定任务的,是一种可以表现一定智能的Agent:它们接受用户空间分析及查询任务,进行任务分解,利用Agent2的统一通信机制交由GIS功能Agent完成,并利用GIS功能Agent返回的结果完成用户指定的计算,返回最终结果;GuServer是地理空间效据访问服务器,它管理空间数据库中存放的地理空间数据以及相关的元数据.

一种基于多Agent协同的准并行遗传算法

提出了一种基于多Agent协同操作的准并行遗传算法结构 .该算法由若干运行简单遗传算法的计算单元组成 ,每个单元也就是独立的计算Agent.算法依照资源分配向量为各单元分配不同的计算资源 ,并根据个体迁移矩阵驱动它们进行个体交换 .从多Agent系统的观点看 ,资源的分配体现了算法对各Agent的协调 ,个体的迁移则体现了Agent之间的协作 .该算法很容易在串行计算机上实现 ,此时各个计算单元具有微观上串行、宏观上并行的准并行关系 .对二维准并行算法动态性能的分析表明 :由于统筹考虑了各计算单元间的协同关系 ,算法能够更充分有效地利用有限的计算资源 ,在解决不同的优化问题时表现出了很高的性能 .

基于边缘代理及深度学习的轻量型云边协同框架研究

随着电网建设的发展,配电站房及其设备规模持续增长,对边缘物联代理的实用化提出了更多挑战。在Kubernetes常规容器化架构的基础上,提出轻量化设计思路减少边缘物联代理装置对硬件资源的占用和消耗,实现云-边-端业务协同、数据协同和智能协同,同时在边缘侧开展了业务应用APP以及AI视觉学习模型算法库的规划设计,较好地满足了配电网运检业务的需求。

空间信息合作与并行处理

面向海量空间信息的网络地理信息系统是当前空间信息领域的发展方向 ,合作和并行是多Agent系统的特点 介绍一个基于Agent的分布式地理信息系统系统Geo Agents ,该系统主要由GuServer ,Facilitator,接口Agent,GIS功能Agent等组成 对Geo Agents系统中的合作和并行模式进行了分析和探讨 合作主要体现在两个方面 :接口A gent间的合作以及在接口Agent控制下的合作 ;并行则主要依靠GIS功能Agent来完成 ,可以分为三种类型 :同构合作并行、异构合作并行以及互斥并行 最后 ,以空间数据导航和叠加分析作为实例 ,验证了Geo