提出了一个基于自组织多Agent系统的智能控制与决策模型,它是一种基于行为主义的智能控制与决策模型,由环境和自组织多Agent系统两大部件构成,分别通过环境的定义、环境的识别、多Agent控制与决策过程以及多Agent控制与决策输出4个基本步骤来完成建模工作.该模型可以灵活地选择多种算法进行具体的实现工作,文中给出的算法是一种基于作用力机制(物理激励)的多Agent控制与决
天
津
大
学
学
报
第4卷 5
第 1 0期
现的反应式 Agn (不具有逻辑推理能力或是逻辑 et其推理能力比较低 )为内部 Agn作 et的结构 .内部 Agn et的数量是根据要完成任务目标的复杂程度、多 Agn et系统构建的复杂性和智能机器所要求的响应时间等因素综合考虑的:内部 Agn若 et数量过多,则由于大量的 A et的交互过程会导致控制与决策过 gn程非常复杂且响应速度慢,至会出现死锁情况,甚这种情况对于可靠性要求高的任务是无法容忍的 (车如辆避撞问题 )若内部 Agn; et的数量过少,个内部每 Agn et对最终控制与决策效果的贡献度过大,出现会个别内部 Agn的死锁或信息输入的错误,而导致 et从
或机理的模仿构建和实现的多 Agn et系统计算模
型.如遗传算法、同遗传算法、协蚁群算法、粒子群算法和群体智能算法等. 为此,用者一般可根据所选择的 Agn结构形使 et式来选择不同类型的多 Agn系统控制与决策算法: et 对于认知型或混合型结构的 Agn et较适合采用基于逻辑推理的算法来进行建模和计算;对于选取反应式结构的 A et更适合采用基于生物进化或交互行为 gn
的算法来进行建模和计算,因为反应式 A et gn内部没有或很少具有逻辑推理能力,般也不需要设有逻辑一 推理功能,控制与决策任务的实现则主要是通过而
控制与决策目标的背离,使控制与决策过程失效,这 种情况对于可靠性要求高的任务也同样是致命性的 (车辆避撞问题 )如 .从另一方面来说,量过少的数
A et gn之间的交互行为和群体决策来具体实现的. 14多 A e t . g n控制与决策输出 在确定多 Agn控制与决策算法之后,后步骤 et最
A et难以有效地协同完成特定任务目标, gn因为每个 Agn et受其他 Agn et的制约过少,能在极端情况可 (独的 Agn
现控制与决策功能 )以进行全局单 et实难 性有效控制 .因此,内部 Agn et的数量应根据任务要求及经验知识进行适中选择 . 3内/部 Agn交互机制的选择 )外 et确定内部 Agn的结构和数量之后,根据它们 et要的结构和数量及功能任务需要为其选择与外部 A et交互行为相适应的交互机制,步骤可根据内 gn该部 Agn的结构类型、务复杂性和对功能任务所需 et任响应时间等因素进行综合考虑 .比如说,择基于逻选辑推理的交互机制 (合于认知型 Agn结构和混较适 et合型 Agn构且响应时间要求不太高的情况)基 et结、于交互行为的交互机制 (适用于反应式 Agn结构较 et且响应时间要求比较高的情况 )或是基于生物进化的交互机制 (可适用于所有 Agn结构且对响应时间要 et求较低的情况) .等 4多 Ag n控制与决策算法的选择 ) et
就是根据多 Agn et控制与决策算法的计算结果产生对智能机器的控制与决策行为,并通过智能机器上传动装置的硬件控制接口实现对智能机器的实际控制操作并可通过智能机器的运行轨迹输出来评价其性能 .
2模型应用实例简介 为了对基于自组织多 Agn et系统的智能控制与
决策模型进行具体的应用实验测试,这里选取了车辆避撞问题作为该模型的一个典型应用实例和实验测试对象 .此时,境的定义是指智能车辆 (种智能环一机器 )其可识别范围内的行驶道路状况;境的识在环 别则是由装载在智能车辆上的各种传感器 (像机、摄
红外传感器、声纳传感器)具体完成的,并通过信息融合输入环境信息;在多 A et gn控制与决策过程中, 内部 A et gn作为决策 A et而外部 A et gn, gn作为智能 车辆在行驶过程中所遇到的各种障碍物 Agn, et同时考虑到车辆避撞问题对响应时间要求较高且为了计算方便,里选取经验数量 (0个)这 30的反应式 Agn et并基于作用力的交互行为构建基于作用力机制 (理物激励)的多 Agn控制与决策算法并由其计算结果作 et为最后多 Agn et控制与输出的结果来控制智能车辆完成避撞任务 .
确定内/
部 Agn互机制之后,了使自组外 et交为织多 Agn系统对智能机器进行有效控制,根据不 et需同功能任务选取或者构建不同控制与决策算法,前但 提是这些算法必须是适用于多 Agn e t系统的分析和
建模要求的.这些算法大体可被分为 3种类型. ()于逻辑推理的算法, 1基即通过使用逻辑推理的相关理论和算法构建和实现的多 A et系统计算 gn模型.如机器学习算法等. () 2基于交互行为的算法,即通过模拟人类交互活动或是采用物理学原理构建和实现的多 Agn系统 et计算模型.如基于社会推理的算法和模拟退化算法. ()于生物进化的算法, 3基即通过对生物学现象
3基于作用力机制的自组织多 Agn控制与 et
决策算法 基于作用力机制 (理激励 )自组织多 Agn物的 et

基于多Agent的组织决策支持系统的研究_专业资料。多Agent与组织决策支持系统(ODSS)是人工智能和系统工程中的研究热点,通过对组织与多Agent系统的比较,指出组织问题的...
基于多Agent的政府知识管理系统模型研究_公共/行政...以满足政务知识管理的异构知识集成、 智能 化决策、...Agent 的集合; CS——控制协调 功能 Agent 的集合 ...
基于自组织演化的多Agent可信联盟研究 不同于现有采用博弈论的方法研究多Agent联盟技术,从联盟信任这一角度开展可信联盟研究,首先在历史合作信息的基础上构建个体信任...
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,即没粒度Agent群体的宏观群体智能的形式优化代数模型以及宏观社会智能与...
(2)适应功能:智能控制器具有从输入到输出的映射关系,可实现不依赖 于模型的自适应控制,当系统某一部分出现故障时,也能进行控制。 (3)自组织功能:智能控制器对...
基于协商合作的新的规划方式以及智能与管理应用相...控制,即在虚拟咨询组织中对项目的进展进行监控管理和...基于多 Agent 系统的咨询组织结构在采用多 Agent ...
基于政策自组织系统的软件agent体系结构及其实现_信息与通信_工程科技_专业资料。CN 43~1 258/TP ISSN1007—130X 计算机工程与科学 Computer Engineeri...
多智能体系统;智能控制与决策;云计算与物联网; 电子商务与商务智能;物流与供应...一个基于自组织多 Agent 系统的智能控制与决策模型. 天津大学学报, 2012,(45)...
基于自组织演化的多Agent可信联盟研究_社会学_人文社科_专业资料 暂无评价0人阅读0次下载举报文档 基于自组织演化的多Agent可信联盟研究_社会学_人文社科_专业...
递阶智能控制(Hierarchical Intelligent Control) 是在研 究早期学习控制系统的基础上,从工程控制论角度总结人工智能与 自适应控制、自学习控制和自组织控制的关系后...
热门文档