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
21 0 2年 1月 0
杨斯博等:一个基于自组织多 A et g n系统的智能控制与决策模型
控制与决策算法基本思想是通过模仿经典物理学中 的万有引力定律,内部 Ag n (策 Ag n)将 e t决 e t与外部 Ag n (碍物 Agn)自组织交互过程转化为两者 et障 e t的
最终的车辆控制与决策输出并可在其基础上进行评价. 该算法是以自组织多 Agn et系统中的多个内部
之间的相互作用力,通过交互作用力的大小和方向并体现多 Agn之间的交互机制,算法步骤如下: et其 第 1步设定决策主体的数量,对所有个决策主体进行初始化 (随机放置在行个不同的位置并对这些决策主体的属性参数值如质量 m,速度、、加速度 a、别范围和、量历等参数分别设定 ),识能 . 第 2步由外部传感器的接口对车辆行驶环境进行探测,探测到的 P个障碍物主体添加到自组织将多 Agn系统中 ( et由传感器获取的信息自动设置障碍物主体的大小厶,量,质位置、速度、速度加 、
A et gn (决策 A et gn与外部 A et障碍物) ) gn (的交互作用力向量为基础,过实时计算所有参与作用力交互通的内部 A et决策 A et的合力向量计算出决策 gn( gn) Agn et的平均加速度向量,并进而计算出平均速度向量
和平均位移向量,后将决策 Agn的平均位移向最 et量作为智能车辆避撞控制与决策的修正向量来实时调整车辆的位置运行轨迹,而满足车辆避撞问题的从任务要求 . 这里需要说明的是,由第 1~第 6步列出的自步 组织多 Agn能控制与决策算法是以第 3步和第 et智
等属.参数值的大小)并循环执行第 3步~ 1生,第第 3步对所有 n个决策主体循环执行以下
4步 2个循环步骤为其核心计算步骤,中第 3其步中操作 () () 1和 2对应的 2种排斥力计算方法如式 (和 1 )式 ()示 . 2所 = =
4步.
操作:
(计算第 (∈[…,]个决策主体与第 1 ) i 1,), z k k 1 P) (∈[…,]个障碍物主体的排斥力向量;, ( 2 )计算第 ii[…,]个决策主体与其他 (∈ 1 ), 1个决策主体的排斥力向量; ,
l f M ̄ m
=
±二
:
r、 1
l一 l I, r 。
u
一
()计算由操作 (和 ()到的排斥力合力向 3 1 ) 2得 量,通过人为设定的外力向量 (擦力向量并摩 (=2i)合力向量大小进行调整 . v)对 ()根据操作 ()到的合力向量由牛顿力学 4 3得
式中: A为决策 A et F gn与障碍物 A et之间基于 gn
排斥力交互机制的作用力向量;为常数,∈ 0] [ 1;, m、分别为决策主体和障碍物主体的质量大小, m> Mk 0; 0,> D为两者之间交互距离向量.因决策 Agn et为同源主体,以它们的参数设置相同,所即质量 m可统一简化为质量 m表示;和分别代表, Xk障碍物主体和决策主体之间的位置向量,它们的位置 向量差一代表两者之间的距离向量,而
公式 (= a) m计算出第 ii[]个决策主体的 (∈ 1 ) .加速度向量口,由加速度向量口经离散积分得到 再 其速度向量和位置向量 S,计算出其能量 并 (= )的大小 .
I一 I l I则为它们之间的距离向量范数. 一
第 4步
根据第 3步结果计算出个决策主体 , ,
d
的平均位置向量Sa m=∑和平均能量大小 e n = 1 一
_
m百并由它们的平均位置向量和
前次的平均∑, 式中:
, r—]” ——土——— —
,
,、^
位置向量的差向量。算出车辆此时 (定时间 计假 为 t新的位置向量 s O ( (=s t 1+ A , ) ( , (一 ) L s。( L ) )
l l
J
x ’l l
为决策 Agn et之间基于排斥交互机制的
为一个调整参数)并可通过硬件接口对车辆实施相,应的避撞控制 . 第 5步若满足收敛条件。(< ( 0或 f ee ) ) 是A m (< E。, ( ) 第 6步
作用力向量;为常数,∈[,; m,别为任 01 m和]分意 2个相互交互决策 A et质量大小,m>0, gn . m>0; d为两者之间的交互距离向量 .因所有决策
0, )则转向第 6步;否则,返回第
2步继续对车辆行驶环境进行探测 . 根据第 4步对于车辆位置向量 s ) q的累计计算结果输出车辆避撞控制轨迹,从而实现
A et gn都是同源主体,属性参数都相同,以质量 m所 统一简化为质量 m表示.和分别代表 2 个任意 交互的决策 Agn之间的位置向量,们的位置向量 et它
差一 ,x代表了两者之间距离向而, l量, 一则 l

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