一种基于奖励机制的agent联盟形成策略

 为了解决多智能体系统中agent在形成联盟的时候不能同时保持系统全局优化解和联盟的稳定性问题,提出了一种联盟形成时的奖励策略,对于在联盟中执行任务的agent给以适当奖励,从而使得联盟在达到全局最优化解的同时保持稳定.在实验中,以Postman问题作为例子,对三种联盟形成策略即Shapley值策略、均分策略和奖励策略进行了比较.数据表明Shapley值策略和均分策略的时效性差,并且不能保证联盟的稳定性.相反,奖励策略是最有效的,它可以使得联盟达到全局优化解的同时保持稳定,并且时效性好.最后对奖励策略进行了性能分析,从理论上证明了奖励策略的优越性.     

复杂环境下改进AGNES多智能体动态联盟算法

在当前战场环境反馈输入所占比重日益增大的情况下,提出利用无监督学习中的AGNES层次聚类算法对传统多源智能体联盟理论框架进行改进.综合考虑环境和传感器不同个体效能中的复杂性与模糊性因素,对联盟的多智能体模型进行描述以及多智能体交叉提示下动态联盟探测系统具体提示步骤进行设计,针对性改进无监督学习AGNES聚类算法结合目标...     

基于能力向量发挥率和拍卖的联盟形成策略

联盟形成是多Agent系统中的一个关键问题。但已有策略对效用的平均分配没有反映出Agent对于联盟贡献的差异性，而且不能保证联盟稳定性．本文给出了一种新的联盟形成的行为策略，在非减性效用分配原则的基础上，提高了对额外效用分配的合理性，在面向任务的领域中可以达到全局优化解，较好地满足了稳定性、时效性、分布等要求．     

基于DSGA的航空作战平台作战联盟形成策略

作战联盟是一种适应分布式网络化作战的重要作战样式。以航空作战平台执行突击作战任务为背景,分析任务资源能力需求与作战平台能力属性匹配特点,建立航空作战平台作战联盟形成问题的数学模型。针对模型特点,采用一种双串编码遗传算法(DSGA)对模型进行求解,并制定部分匹配交叉策略、均匀变异策略以及混合选择算子。案例实验结果表明,算法能够有效解决问题模型,且具有较好的可靠性和时效性。     

多机协同作战任务决策方法多智能体结构框架

多机协同攻击能够充分利用各个飞机的作战资源和空间占位,是未来空战的主要模式。为了描述多架飞机协同作战过程中的信息组织形式和传递流程,基于多智能体的行为特征和构造方式,从飞机编队和飞机平台两个层面建立了多智能体结构框架。由编队中的各架飞机为智能体组成第一层多智能体,由每架飞机内部的各个功能模块为智能体组成第二层多智能体结构。以编队层多智能体和长机内部的决策功能智能体为例,介绍了多智能体数学模型的设计细节。依据所建立的多智能体结构框架和数学模型,以编队层为例,描述了多机协同作战任务决策方法的信息流程。研究表明,以飞机编队和飞机平台两个层面多智能体结构框架描述多机协同作战过程是恰当的。     

MEC系统中基于多智能体深度增强学习的协作式任务卸载和资源分配

移动边缘计算(MEC)通过将计算任务卸载到MEC服务器上,在缓解智能移动设备计算负载的同时,可以降低服务时延。然而目前在MEC系统中,关于任务卸载和资源分配仍然存在以下问题：1)边缘节点间缺乏协作;2)计算任务到达与实际环境中动态变化的特征不匹配;3)协作式任务卸载和资源分配动态联合优化问题。为解决上述问题,文章在协作式MEC架构的基础上,提出了一种基于多智能体的深度确定性策略梯度算法(MADDPG)的任务卸载和资源分配算法,最小化系统中所有用户的长期平均成本。仿真结果表明,该算法可以有效降低系统的时延及能耗。     

协同空战中基于任务分解的任务协调机制研究

协同空战任务决策的一个关键是编队内部的协调。基于复杂系统的一般求解方法,结合人工智能领域的MAS技术,提出了一种任务协调的分步实现方法。首先,就复杂的协同作战任务提出了一种分级分解思想,通过6级分解,将一项复杂作战任务分解为单个作战Agent的阶段性战术级任务,实现了协同作战任务的细化和量化,为各Agent协同完成复杂任务奠定了基础。在任务分解的基础上,建立了多Agent任务协调的数学模型,在合同网协议的基础上,提出了一种基于市场行为的编队内部的任务的动态协调机制。各作战Agent通过市场协议动态地选择适合自己的作战任务(包括协作性的和非协作性的),以编队总体效用最大化为目标,高效地实现了任务的动态、分布式的分配。仿真结果表明,提出的基于任务分解的协同任务协调机制效果较好,对作战任务决策起到了基础性的作用。     

台湾影视行业的策略联盟

所谓“策略联盟”简单的说就是，大家为了达成同一个目标而结合，又能保有个体的独立性，将众人的资源加以整合后就足以有对抗大公司的实力，联盟中的成员对于价格容易产生共识而避免恶性竞争，成员间在人力或器材上互相支持以提升竞争力。     

基于联盟链的可靠边缘计算任务卸载方法

随着移动终端尤其是工业互联网技术的快速发展,终端设备密集分布,无线带宽有限,经常导致业务过程中的集中式云资源调度,难以满足远程终端应用对低时延和低成本计算的需求.着眼于本地服务器联动云数据中心,边缘计算为这类移动应用提供了一种敏捷的计算服务模式.虽然边缘计算的敏捷服务模式能够有效缩短移动应用的时延并降低对应的通信成本,但在边缘计算环境下,异构资源之间的任务卸载经常会导致一些潜在的数据安全隐患和服务质量受损.针对上述应用挑战和技术发展趋势,本文提出了一种基于联盟链的可靠边缘计算任务卸载方法 .该方法利用联盟链进行身份校验和卸载结果反馈,以任务的完成时间、卸载成本与资源可靠度作为评价标准,设计了一种基于遗传算法的卸载策略,支持卸载决策时任务卸载的可靠性评估.实验结果表明,本文方法能在满足时延约束的前提下提高任务卸载的可靠性,为移动智能应用提供了一种有效的数据安全保障方法.     

多智能体系统设计的关键技术研究

关于Agent理论和多Agent系统的研究是近年来分布式人工智能领域的研究热点,阐述了多智能体系统的特点及设计多智能体系统需考虑的基本问题。着重讨论了多智能体系统体系结构、Agent结构、同构型Agent与异构型A-gent、多智能体系统规划、Agent学习、多智能体系统之间的通信和相互协作等问题。     

基于离散粒子群算法求解复杂联盟生成问题

针对联盟生成问题现有解决方案的不足,提出复杂联盟和虚拟Agent的概念,设计一种基于多粒子群协同优化的复杂联盟串行生成算法,实现一个Agent可以加入多个联盟和一个联盟可以承担多个任务,在一定程度上解决了Agent资源和能力的浪费问题.实验结果证明了算法的有效性.     

基于传感器网络的网络中心战构建模型研究

基于传感器网络的网络中心战是利用网络内部和网络之间信息域中高质量的信息共享,实现军事人员认知域态势感知共享,是信息时代的一种新兴的作战模型,体现了“兵力分散、火力集中”的信息化战争作战思想。主要介绍了传感器网络的特点和应用,分析了网络中心战的实质和结构,建立了网络中心战的构建模型。指出该模型时信息化作战条件下联合作战的实施具有一定的指导意义。网络中心战模型实现了所有作战单元的互连互通和互操作,提高了战斗力。     

无人机作战网络动态联盟协作模型

针对无人机作战网络多任务协作问题,提出一种基于动态联盟的无人机多任务协作模型。根据无人机网络的连通性和任务优先级,建立任务协作消息转发机制,合理控制动态联盟建立规模,以提高联盟的多任务处理效率。在离散事件系统仿真理论的基础上,建立了一种基于优先级队列的无人机网络多任务协作仿真模型,采用时间步长推进方法,模拟了无人机网络的多任务协作过程。实验结果表明,与原有的动态联盟多任务协作方法和非协作的多任务处理机制相比,改进方法能够减少无人机网络的多任务处理时间,提高无人机作战的多任务处理效率。     

移动Ad Hoc云中任务卸载的联合优化策略

为了降低移动Ad Hoc云中客户端卸载计算密集型任务过程中产生的计算能耗、传输能耗和任务时延,该文提出了一种联合优化算法。该算法首先基于计算能耗、通信能耗及任务时延进行建模;然后进行预估计,以选择更优的代理终端,并由此降低总的系统能耗与任务时延。仿真结果表明,相对于传统云算法,该算法在系统能耗和任务时延两方面均有显著提升。     

一种新的基于MAS的任务动态调度策略研究

任务调度算法是提高多任务系统效率的一种有效途径，特别是在时间紧迫环境下，实时任务调度算法更具有重要的应用价值。在研究建立实时任务调度模型方法的基础上，对模型进行理论分析，提出了基于MAS的实时任务调度算法．并通过实例加以验证。为实现分布式问题求解、协同交互处理提供了可行的方案。     

确定性并行编程模型下任务调度策略的研究

并行程序执行的不确定性给并行程序的开发、调试和测试带来了挑战,严重阻碍了并行软件的发展。确定性并行编程模型是保证并行程序确定性的途径之一,但是程序可能因保证确定性而带来性能损失。文章以dedup基准程序为案例,探索确定性共享内存并行编程模型DetSM下的任务调度策略。文章首先分析了原dedup的程序架构和调度模型,然后结合DetSM的特点,将两种确定性的调度策略--"轮询"和"一对一"相结合来设计适合本应用的任务调度策略。实验结果表明,本文最后改进的调度策略是很有效的,它使得改写的dedup在性能上可以和原dedup相比较,甚至超越原dedup。     

先验知识下的不确定作战行动过程设计

作战行动过程设计是网络化条件下建立高效指控组织体系中的重要环节, 对组织的高效运行具有重要意义。针对已知先验信息条件下, 如何在动态战场环境下快速寻找最优行动过程问题, 结合动态贝叶斯网和学习型遗传算法(LGA), 构建了基于DBNs的C2组织行动过程问题的数学模型。将先验信息与条件概率表(CPT)相结合, 运用LGA算法寻找最优行动过程。通过仿真实验验证了具有先验知识条件下基于DBNs的行动过程模型以及模型求解方法的可行性和有效性。