一、多Agent系统中agents间的一种协商模式(论文文献综述)
周辉[1](2020)在《基于多Agent的玻璃深加工调度系统》文中研究说明随着人工智能应用与研究的深入与发展,工业制造业正逐步由传统的资源密集型生产向智能化敏捷节约型生产的转变。玻璃深加工制造业作为我国基础投资建设供应链中的重要环节,也面临着从传统的高能耗、高成本的生产模式向智能化、高效、节能生产模式的转变。生产调度问题作为工业制造的研究热点之一,也是当下玻璃深加工制造业向智能制造转型的重要突破口,由于玻璃深加工制造流程的复杂性和实际生产环境的不确定性,使得玻璃深加工生产调度问题较为复杂。多智能体(Multi-Agent)可将复杂的生产调度问题分解为一系列相关的子问题,系统内的智能体通过统一的协商与通信机制形成协同交互的逻辑整体,协作处理系统任务。本文采用多Agent技术并针对玻璃深加工生产调度环境建模,设计符合玻璃深加工生产特点的多Agent调度系统并从以下几个方面进行研究:1.采用多Agent系统建模方法结合玻璃深加工的生产特点,构建基于多Agent的玻璃深加工调度系统框架,以实现系统内各Agent的直接与间接的交互,确保所有Agent能够充分掌握并利用系统内的全局的信息,提升玻璃深加工车间对加工生产任务的响应力。2.分析玻璃深加工车间生产调度中存在的普遍问题,确立完工时间、完工能耗和完工成本的多调度优化目标,构建玻璃深加工的车间与设备级的加工时间、能耗、成本模型。研究一种基于时间窗口与多Agent任务协商相结合的玻璃深加工调度方法,构建玻璃深加工车间的加工任务资源分配模型,通过多Agent协商方法并引入时间窗口实现调度过程的全局优化。3.在基于多Agent调度系统构建的基础上,针对玻璃深加工异构设备存在性能差异,且大规模批量深加工车间生产调度中存在并行加工的设备选择问题,通过模糊隶属度分类设备的特征,基于设备特征分类采用遗传算法,改进算法中相关步骤,以实现带生产调度目标偏好的玻璃深加工多Agent调度方案。
范媛[2](2020)在《基于多Agent的智能仓储RMFS多任务调度研究》文中研究说明随着经济水平的日益提高和网络购物平台的快速发展,电商仓储中心每天要处理数以万计的订单,订单的交付响应速度是影响客户网络购物体验的重要因素。为提高订单交付响应速度,保障顾客良好的购物体验,在工业4.0的驱使下,仓储中心正朝着智慧化方向快速发展。拣选作业作为仓储中心的关键环节,“货到人”的拣选模式已成为各大电商仓储中心拣选作业的发展趋势。本文以典型的“货到人”拣选系统——智能仓储多机器人执行系统为研究对象,以提高订单拣选效率、降低系统作业代价、提升资源利用率为优化目标,提出基于多Agent的智能仓储多任务调度策略。具体的研究工作如下。(1)针对智能仓储机器人移动执行系统(Robotic Mobile Fulfillment Systems,RMFS)多任务调度问题,构建基于多Agent的多任务调度模型。首先,分析智能仓储RMFS的订单拣选作业流程和场景特征,建立了多任务调度指标;然后,基于Agent的建模方法,划分Agent的对应类别,构建多Agent调度模型整体框架。最后,详细设计每类Agent的变量、函数、结构和特征等自身属性,以及描述Agent执行的任务,建立基于Agent的多任务调度模型。(2)在Agent的调度模型基础上,针对多Agent间的协商问题,提出改进合同网协议机制。针对传统合同网协议机制存在的问题,分别改进Agent的投标和评标过程,在投标阶段引入任务缓冲池,在评标阶段引入可用度约束,以提高多Agent的协商效率和应用于多任务调度的适应性。基于改进的合同网协议机制,以提高订单拣选效率为目标,定义了关联Agent间的调度策略。(3)考虑智能仓储RMFS的高度动态特性,系统内外均存在多种异常事件带来的扰动。因此,针对异常事件扰动问题,提出异常事件扰动调整机制,以降低异常事件扰动对调度指标带来的影响。针对异常扰动事件的特征,采用模糊算法评估异常扰动等级。设计单Agent动态调整机制和多Agent协同调整机制。在此基础上,以紧急订单插入、订单临时撤销、拣选工作台故障以及AGV故障四种常见扰动为例,分析异常事件扰动调整机制的有效性。(4)采用eM-plant仿真软件,构建智能仓储RMFS仿真模型,开展仿真实验验证。设计仿真实验,验证了改进后的合同网协议机制算法比传统算法具有更高的计算效率和更强的鲁棒性;对比其他调度策略,本文的调度策略在提高系统资源的利用率、订单拣选效率以及减少系统作业代价方面具有优势性;对比平移法,验证了本文提出的异常事件扰动调整机制能够有效地减少扰动产生的影响。
李帅[3](2019)在《基于WebSocket的多Agent通信机制设计与应用》文中研究表明多Agent系统(Multi-Agent System,MAS)中的多个Agent成员之间相互协调,相互服务,共同完成一个任务,且各Agent成员之间的活动是自治独立的,不受其它Agent成员限制,它们通过竞争和磋商等手段解决相互间的矛盾和冲突。随着多Agent系统应用规模不断增大,实时通信的需求增多,多Agent间实时通信成为Agent工作的重要基础。传统实时通信解决方案通常建立在C/S模式下的小范围里的网络环境中,随着互联网技术发展,WebSocket协议被用来实现基于互联网的实时通信,从而打破了区域的限制,使得多个Agent成员之间能够跨地域的实时通信,实现跨地域的协同工作。因此将多Agent系统建立在互联网B/S模式下,结合WebSocket协议构建轻量、兼容性强的多Agent间实时通信机制,对解决多Agent系统中Agent间的实时通信,提高协同工作效率具有重要意义。WebSocket技术能够完成全双工通信,可以满足互联网中的实时通信需求。以WebSocket技术为基础建立的通讯方式,一般包含有点对点通信、广播通信及黑板通信等三种方式。本文首先围绕点对点通信、广播通信及黑板通信,设计了一套完整多Agent通讯机制,能够实现服务器端与客户端、客户端与客户端之间的实时通讯。在服务器端功能设计中,完成包括系统关键类设计、信息表功能设计、信息状态监控设计以及通信管理器等设计工作,其中在通信管理器中实现了消息的接收、解析与封装、分类及推送等重要模块。在客户端的设计中,完成了 Agent注册/注销及信息管理模块的设计。同时,为防止意外网络故障导致的连接断开,设计了心跳检测及重连。其次,实现服务器端和客户端的功能模块,使用Java WebSocket API完成服务器端功能的实现,使用JS脚本完成客户端Agent功能的实现。最后,选择某集装箱港口的装卸实时调度作业为应用背景,把基于WebSocket的多Agent通信机制应用在调度中,在服务器端完成了作业任务发布、各Agent体状态信息的收集,实现了调度指令的发布与到客户端指令执行结果状态的反馈等一系列操作。结果说明,该通信机制满足多Agent间的多种实时通信需求,稳定性好和效率高。在互联网模式下构建多Agent实时通信机制,克服了传统多Agent系统局域网限制,弥补了传统多Agent间互不兼容互不识别的缺陷。其应用价值在于系统通信不受地域限制,不仅可以在固定区域内的多Agent系统进行通信,也可以在跨地域的多Agent系统进行通信。为跨地域系统调度及协作提供了一个解决方法。
张凯全[4](2019)在《基于信任模型的多Agent网络自适应调整机制研究》文中提出近年来,随着多Agent技术及分布式人工智能的不断发展,对Agent具有自主决策能力的要求也越来越高,将多Agent技术应用于处理分布式结构下复杂问题的决策成为了一个重要研究方向。多Agent系统(Multi-Agent Systems)的运行环境日益趋于大型、开放、动态和不确定,这时就需要应用各种智能技术来构建具有自适应能力的Agent。在MAS中,Agent间通过何种方式完成单个Agent难以完成的任务,是研究MAS的一个关键。同时,MAS通常用于处理多个复杂的任务,这些复杂任务是由若干个不同的子任务组成,这时就需要具有不同资源数量和资源类型的Agent协作共同完成任务,因此,如何提高任务完成的效率、缩短任务完成时间成为本文研究的重点。为此,本文提出了一种综合的MAS自适应机制,分别从任务分配和任务执行的角度展开对复杂任务决策问题的研究,主要工作如下:(1)针对现有的分布式MAS结构的缺点,本文首先对多Agent网络进行建模,采用了一种具有关系权重的连接模型,通过权重的大小来表征Agent间关系的强弱。考虑到Agent在交互过程中需要与其他Agent协作完成任务,并且每个Agent都希望能够找到最具有价值的合作伙伴,本文引入了一种基于社会网络观的信任模型,从信任获取的不同途径(直接信任和推荐信誉)对目标Agent的信任程度进行综合评估。最后利用多步Q强化学习算法让Agent学习如何调整Agent间的关系强度,从而优化了 Agent网络的结构。实验结果证明,本文提出的方法能够优化系统的收益并且减少了任务执行的时间。通过有无权重关系的对比,证明了权重关系对系统性能提升具有较大的作用。(2)当前,不可靠性是MAS的又一个新的问题,由于MAS中存在欺骗型Agent,其在交互过程中采取的欺骗行为(虚报、违约等)会对MAS的综合性能产生恶劣的影响。因此,为了提高MAS的综合性能,本文从任务完成的两个角度:任务分配和任务执行出发,提出了不可靠MAS下的任务分配机制和Agent分割机制。在任务分配方面采用半分布式的任务分配结构,使到达系统的任务通过合理的路径获取更可靠的资源:在任务执行方面根据Agent的任务执行情况,采用分割的方式调整Agent的状态,对系统中Agent的资源、网络连接及任务队列进行有效的划分,实现可靠资源的聚集效应。实验证明本文提出的方法提高了任务完成的效率,同时降低了任务合作的时间消耗。无线传感器网络(WSN)是集数据采集、处理和通信于一体的分布式自适应网络系统。WSN中的传感器节点能量有限,且新的传感器节点加入或现有的节点失效都会影响WSN的拓扑结构,因此需要WSN系统具有适应环境变化的能力。利用本文提出的面向任务分配的自适应调整机制并根据任务完成情况,调整传感器节点间的关系,从而优化WSN的拓扑结构。WSN本身的特性使其更容易受到各种欺骗攻击,利用本文提出的Agent分割方法能够有效对WSN中的节点进行欺骗攻击检测,进而提高WSN系统中的数据传输可靠性和任务完成效率。
高太光[5](2018)在《共享平台下基于自动协商的物流供应链供需交易问题研究》文中研究说明近些年,共享经济理论研究及其平台运营模式得到前所未有的发展,为物流供应链中的资源供需协调与交易问题处理提供了全新的发展思路和空间。共享经济平台(以下简称“共享平台”)的自由开放环境在有利于各方对物流供应链上资源进行协同开发与利用同时,也使得供需信息更加丰富且变化频繁,增加了企业在供需交易中决策的难度。传统物流供应链管理模式中冗余的运作与管理方法,加之资源短缺、重复投资和相对闲置现象并存等问题,导致供需矛盾频发和协作效率低下等现象普遍存在且难以得到有效化解,严重制约了物流供应链的协同运作与优化管理水平。因此,在对共享平台下物流供应链供需交易特点进行深入分析的基础上,研究如何在化解供需交易中各方矛盾的同时,实现对物流供应链中资源的协调利用具有重要的理论和现实意义。本文在查阅大量的国内外关于共享经济、物流供应链管理和自动协商理论等相关研究文献的基础上,结合共享平台下物流供应链供需交易的特点,分别对物流供应链中的供需交易与匹配、多相关协同决策供需交易和纵向联盟成员协作报价供需交易等问题进行综合分析,并基于自动协商理论和方法对以下具体问题进行了研究:(1)物流供应链一对一供需交易问题。为提升Agent在供需交易协商中对协商状态的预估和对定性议题的处理能力,将隐马尔科夫模型(Hidden Markov Models,HMM)和模糊定性仿真(Fuzzy Qualitative SIMulation,FQSIM)与自动协商理论相结合,分别构建出一对一供需交易自动协商模型,并通过仿真实验对所提模型的合理性和有效性进行验证。(2)物流供应链多供需交易匹配问题。将稳定匹配与自动协商等理论相融合,通过引入可信中介Agent(Confidential Mediator Agent,CMA)的概念对多供需下的供需交易稳定匹配与协商问题进行分析和建模,提出稳定多边自动协商系统建模,并通过数学推理和数值仿真实验对所提模型的有效性进行论证。(3)物流供应链多相关协同决策供需交易问题。根据共享平台下物流供应链的成员企业,通常需要对正在进行的多个存在相关性的供需交易协商过程进行协同决策的特点,在对协商中的议题进行分类与定义的基础上,提出相应的多相关自动协商模型,并借助数值仿真分析对所提模型的有效性进行验证。(4)物流供应链纵向联盟成员协作报价供需交易问题。在对物流供应链中纵向企业联盟内部结构与成员关系进行分析的基础上,将博弈论、团队协商与自动协商理论相融合,分别对团队竞合博弈和合作博弈下的联盟成员协作报价自动协商模型进行构建,并借助理论推导和数值仿真等方式对所提模型有效性进行论证。
郭杰[6](2016)在《基于多Agent技术的校园能耗监控系统的研究》文中指出目前,建筑作为人类不可或缺的生活资源,坚固与保温等基本需要已经很容易满足,而舒适与智能逐渐成为人们对建筑环境的更高追求。校园建筑作为社会建筑中的一部分,旨在为学生和教师提供更好的学习和办公环境,提高校园建筑环境智能化水平来降低能源消耗也应当是智能建筑研究的一部分。文章将多Agent技术引入校园建筑当中,在校园能耗监控系统研究的基础上,创建了一种基于校园行政办公大厦的多Agent系统模型,并根据模型建立了相应的系统交互模式,给高校建筑的节能和智能化提供了一种新的思路。首先,本文讨论了近年来建筑智能控制系统的发展以及发展中遇到的问题和解决方式。而后对Agent与多Agent技术基本理论进行了深度的探讨,并将Agent与校园建筑相结合,给出了将多Agent系统运用在校园建筑中的基本方式。然后,文章将多Agent系统的理论运用到校园行政大厦中,参考复杂系统的建模过程,将整个行政大厦的控制系统划分为四类:个人Agent(PA)、设备Agent(FA)、房间Agent(RA)、管理Agent(MA)。针对它们的不同功能要求,分别进行了内部结构和运行方式的设计。对于结构模型中的关键模块,提出了免疫遗传和Q学习算法的运用,并在个体Agent结构和算法的基础上,给出了整体系统模型和运行实例。接着,文章在模型基础上讨论了多Agent系统的通信与协作。经过讨论和分析,最终采用FIPA ACL语言和点对点的消息传输模式进行通讯。又由于Agent具有合同网的结构节点性质,本文在招标范围和数量上对经典的合同网协作机制进行了改进,并将改进的合同网机制运用在校园能耗监控系统中,举例说明了系统的协作过程。最后,鉴于JADE平台在语言和通信方式上与所建立的Agent系统相同,以及它对于Agent系统的高度适用性,文章利用JADE平台对上文中协作实例进行了仿真,仿真结果证明了平台和模型的有效性。
周一峰[7](2016)在《非可靠社会网络中多Agent系统任务合作的自适应机制研究》文中提出多Agent系统是分布式人工智能研究领域的一个重要研究方向。Agent司如何更加有效地合作以完成单一Agent难以完成的任务,是多A gent系统研究中的一个核心问题,通常被称为多Agent系统任务合作问题,这也是本文的研究重点。近年来随着社会网络研究的兴起,多Agent系统由于其对自治主体系统建模上的优势及便利性,逐渐衍生出社会网络中多Agent系统研究方向,其重点研究具有社会网络特征的多Agent系统中的相关问题。当前,非可靠性是社会网络逐渐凸显的一个主要特征,社会网络中存在的恶意Agent在交互中采取的恶意行为对多Age nt系统任务合作的可靠性及综合性能会产生严重的劣化作用;同时非可靠社会网络呈现出的两种新兴结构特征:网络层次多重性及单向交互性,进一步给多Agent系统任务合作可靠性的保障及综合性能的优化带来了新的难题。本文以非可靠社会网络个体行为特征到网络结构特征的思路对该环境中的多Agent系统任务合作进行了系统性的研究。本文首先考虑到非可靠社会网络中恶意Agent行为特征(在任务合作中的资源虚报、违背协定等恶意行为)对多Agent系统任务合作性能的影响,分别从任务分配及任务执行(任务合作的组成阶段)角度进行了研究,提出了:·面向非可靠资源访问优化的自适应任务分配机制多Agent系统任务合作中任务的完成可以建模为任务对于资源的访问及获取过程。而恶意Age nt在任务合作中采用的资源虚报、违背协定等行为,会造成任务资源获取失败的情况,从而导致任务无法得以完成。因此考虑到该环境中由于恶意Agent导致的资源分布的可靠性异质问题,首先提出综合了社会网络连接权重调整及奖惩机制的自适应协商信誉模型;随后通过综合Agent资源可靠性评估结果及社会网络结构对多Agent系统任务合作的约束作用,对Agent的情境资源可靠性进行综合评估,完成自适应任务分配过程,从而实现对任务资源获取的可靠性及时间耗费的综合性优化。·基于非可靠资源优化重组的自适应任务执行机制在多Agent系统任务合作中,Agent可以在任务执行的过程中,通过调整自身的状态,来优化任务执行的效果。因此为了提高非可靠社会网络环境中任务执行的可靠性及综合性能,提出了Agent分裂融合方法,其能够使Agent根据任务执行的情况通过分裂融合的方式自适应地调整自身的状态(资源、连接等),完成对系统中资源的优化重组;最终通过可靠资源的聚集效应,实现对多Agent系统任务执行的可靠性及收益的综合性优化。同时以上两种机制还可以融合形成综合性的多Agent系统可靠任务合作方法,能够在非可靠社会网络环境中获得更佳的任务合作成功率及综合系统性能。随后,本文在考虑恶意Agent行为特征的基础上,进一步考虑非可靠社会网络的新兴结构特征,网络层次多重性及单向交互性,对多Agent系统任务合作的可靠性及综合性能的影响,分别提出了:·适应非可靠多重网络环境的自适应任务分配机制网络层次多重性是一种新兴的社会网络结构特征。在具有网络层次多重性特征的非可靠社会网络中,除了恶意Agent行为会导致任务的资源获取失败,各网络层次在对不同类型资源获取的可靠性及耗费上的差异也会极大的影响任务合作的可靠性及总体性能。因此首先提出了适应网络层次多重性特征的自适应综合信誉模型,在考虑Agent、网络层次对于资源获取可靠性的基础上,综合网络层次多重性对于资源获取耗费的影响及对任务合作的结构约束,分别提出了面向该环境中可靠性最优目标及综合性能最优目标的自适应任务分配机制。这两种机制均可以完成该环境中任务分配行为的自适应,实现该环境中资源获取可靠性及耗费的优化,同时还能适应不同的系统优化目标。·考虑单向交互非可靠性的自适应任务传递机制单向交互性是另一种近年来新兴的社会网络结构特征。在具有该特征的非可靠社会网络中,Agent间的任务合作表现为任务传递的形式;而恶意Agent在任务传递中所采取的信息篡改行为,会导致任务在资源上的获取偏差,从而降低系统任务传递的综合性能。同时在该环境中,Agent间双向交互的缺失还会造成可靠性评估的难题。因此重点提出了能够适应单向交互性环境的“从路径到个体”的可靠性评估模型,其能够利用任务传递信息生成路径证据空间,并通过路径证据空间的转换,完成对个体可靠性的评估。随后以此为基础提出了适应该环境的自适应可靠任务传递机制,能够自适应地对任务传递的路径及过程进行控制,有效降低了任务传递中恶意行为的数量,从而对系统中任务合作的质量进行了有效地优化。综上所述,本文针对非可靠社会网络中多Agent系统任务合作问题,从非可靠社会网络中的个体行为特征到网络结构特征进行了系统的研究,提出了能够适应该环境各种典型特征的自适应任务合作机制,有效解决了该环境中多Agent系统任务合作的综合优化问题。
樊娜[8](2014)在《基于多Agent协同故障诊断监控系统的研究》文中指出综合分析各界专家学者的理论研究成果,可以归纳得出如下结论,大多数故障诊断系统都是面向局部服务的或者是面向个体服务的。这些单一性服务表现为:对于同类问题的诊断系统之间,如果开发单位不同的话,那么系统之间就不能够进行有效的信息交流和共享,这些弊端会造成巨大的资源浪费,降低系统的工作效率。同时,由于各种不定因素的复杂性和故障源的多变性和不稳定性,这些都引发了对异地诊断和远程诊断的需求不断增加。基于这些诊断需求建立一个可以实现远程故障诊断的监控系统,可以通过将多Agent协同技术应用在诊断系统中来补充具有局限性的故障诊断监控系统的不足。通过多Agent协同的作用来提高故障诊断监控系统的成功率和效率,提高诊断的智能化水平。因此,把多Agent协同技术应用在故障诊断监控系统中成为一门具有重要理论性与实用性的前沿研究课题。学位论文研究了多Agent协同的主要技术,并阐述了该技术在故障诊断监控系统中的应用。首先,研究了故障诊断系统知识背景和发展趋势,阐述了包括专家系统故障诊断的相关技术;其次,介绍了多Agent相关的多Agent协同技术、智能Agent技术、CSCW、黑板结构等在内的理论知识的研究现状,分析了多Agent协同技术的优势以及多Agent协同技术的应用情况;再次,具体分析了现有故障诊断监控系统的现状,给出了故障诊断监控系统的模型框架,对各个故障诊断Agent角色分配做出详细分析,研究了黑板结构在故障诊断监控系统多Agent协同过程中的应用;最后,在综合分析了多Agent协同技术和故障诊断监控系统的基础上,设计实现了基于多Agent协同的故障诊断监控系统。
陈启萍[9](2012)在《基于多Agent系统的汽车供应链协商机制研究》文中认为信息技术和经济的全球化发展为供应链管理提出了新的挑战和发展机遇。汽车供应链管理作为分布式特性突出的复杂供应链管理,在整个汽车行业的发展过程中发挥举足轻重的作用,并受到经营者和管理者的日益重视。汽车行业的全球化制造增加了分布式汽车供应链系统的动态性和成员企业间交互、协调、协作的复杂程度,影响了整个供应链系统的精益敏捷性,因此,供应链成员企业的协商研究是汽车供应链MAS(Multi-Agent System)实现有效协调、协作、消解冲突、处理矛盾等的关键。本文针对汽车供应链对客户需求的响应灵活性和及时性,以供应链管理和博弈论为理论背景,采用多Agent技术构建汽车供应链的多Agent系统框架,探讨多Agent并发协商问题,分析系统中信誉对协商与合作的影响,以提供一种适用于复杂分布式供应链的有效智能化的协商方法和供应链合作伙伴选择方法。以上述内容为目标,本文开展如下研究:(1)协商作为MAS研究的核心问题之一,是以实现Agent共赢为目的。通过分析供应链多Agent系统和协商机制的研究意义及发展现状,着重介绍MAS协商的相关理论与技术。(2)分析汽车供应链成员企业间的协商特性和柔性合作关系建立的必要性,基于现有的多Agent系统建模思想,构建汽车供应链的多Agent系统模型框架。通过参考SCOR(Supply Chain Operations Reference-model)进行汽车供应链的Agent角色划分,阐述成员Agent间的协商联系及Agent基本体系,以完成供应链建模。(3)在已构建的多Agent汽车供应链模型基础上,采用讨价还价博弈提出供应链环境下多边多议题的并发协商模型,并详细讨论并发协商模型中Agent的协商协议和提议的评估策略,明确协商Agent讨价还价的博弈过程,并通过具体实例分析验证并发协商模型。(4)基于Agent仿真平台JADE(Java Agent Development Framework),讨论汽车供应链多Agent系统的分布式实施结构。基于程序开发框架,以上述实例分析汽车供应链系统中并发协商模型的运行过程。最后,总结全文的研究内容,并对基于多Agent的汽车供应链并发协商机制的研究进行了展望。
张静[10](2009)在《多Agent智能交通系统交互机制研究》文中研究指明随着国民经济的发展以及汽车保有量的增加,城市交通面临着巨大的压力,交通问题已经成为制约城市经济发展的重要因素,所以旨在解决交通问题并融入了高新科技成果的智能交通系统成为全球讨论的热点。Agent技术是计算机和人工智能领域的最新研究成果,是面向对象技术的新发展,Agent技术为解决复杂问题提供了新的手段。Agent间的交互使得MAS能够求解单个Agent难以解决,甚至无法解决的问题。研究多Agent智能交通系统交互机制可以探索解决交通问题的新途径,利用Agent技术的特点与优点以及多Agent交互机制为解决交通问题提供新的思路和方法。在广泛查阅资料和学习现有成果的基础上,本文通过对Agent的概念、结构和特征进行分析,结合Agent理论构建了多Agent智能交通系统中各Agent的结构模型,并对多Agent智能交通系统交互机制进行了深入的研究。本文的主要研究内容如下:(1)对MA-ITS的体系结构进行分析和设计,将系统划分为诱导Agent、安全Agent、服务Agent、管理Agent四大模块,并对各个模块功能进行详细分析。(2)运用博弈论的方法研究MA-ITS协调机制,并通过路口交通疏导过程的事例进行博弈过程分析。(3)运用强化学习方法研究MA-ITS协作机制,分析进行协作前各Agent的强化学习过程,并以一个虚拟的事件来说明系统在事故发生后,各Agent之间如何相互协作的判定事故、制定决策以及解决事故的过程。(4)研究MA-ITS协商机制,通过对协商协议、协商策略以及协商处理进行分析,建立协商模型并进行协商过程研究。
二、多Agent系统中agents间的一种协商模式(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、多Agent系统中agents间的一种协商模式(论文提纲范文)
(1)基于多Agent的玻璃深加工调度系统(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究的背景与意义 |
1.2 相关问题的国内外研究现状 |
1.3 本文的研究内容与结构 |
第二章 基于多Agent的玻璃深加工调度系统建模 |
2.1 引言 |
2.2 Agent理论介绍 |
2.3 基于多 Agent 的玻璃深加工调度系统框架 |
2.4 基于合同网交互的玻璃加工多Agent任务协商机制 |
2.5 本章小结 |
第三章 基于时间窗口的玻璃加工多Agent动态调度 |
3.1 引言 |
3.2 符号定义 |
3.3 玻璃加工生产调度的多目标优化模型 |
3.4 设备加工性能指标模型 |
3.5 设备加工能力的归一化评估 |
3.6 玻璃深加工多Agent加工任务调度分配模型 |
3.7 基于时间窗口的玻璃深加工调度策略 |
3.8 实例分析 |
3.9 本章小结 |
第四章 面向玻璃加工设备特征的多Agent调度 |
4.1 引言 |
4.2 基于隶属度的玻璃深加工设备性能差异分类 |
4.3 基于遗传算法与玻璃加工设备特征的调度策略 |
4.4 实例分析 |
4.5 本章小结 |
第五章 总结与展望 |
参考文献 |
致谢 |
攻读硕士期间发表的论文 |
(2)基于多Agent的智能仓储RMFS多任务调度研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题来源 |
1.2 研究背景与意义 |
1.2.1 研究背景 |
1.2.2 研究意义 |
1.3 国内外研究现状 |
1.3.1 智能仓储RMFS订单拣选研究现状 |
1.3.2 多Agent任务调度研究现状 |
1.3.3 异常事件扰动研究现状 |
1.3.4 研究现状问题总结 |
1.4 研究内容与方法 |
1.4.1 本文研究内容 |
1.4.2 本文方法与结构 |
第2章 基于Agent的 RMFS多任务调度模型 |
2.1 多Agent理论概念及适应性分析 |
2.1.1 多Agent系统的基本结构及适应性分析 |
2.1.2 Agent的建模方法 |
2.2 智能仓储RMFS作业分析 |
2.2.1 智能仓储RMFS结构布局和作业流程 |
2.2.2 系统作业过程特征描述及基本假设 |
2.2.3 智能仓储RMFS多任务调度指标 |
2.3 基于多Agent的 RMFS调度模型 |
2.3.1 系统结构与Agent类别划分 |
2.3.2 Agent个体模型构建 |
2.3.2.1 订单管理Agent结构模型 |
2.3.2.2 数据管理Agent结构模型 |
2.3.2.3 拣选工作台Agent结构模型 |
2.3.2.4 货架Agent结构模型 |
2.3.2.5 AGV Agent结构模型 |
2.4 总结 |
第3章 基于改进合同网的多Agent调度策略 |
3.1 引言 |
3.2 传统合同网协议机制 |
3.2.1 传统合同网协议机制流程 |
3.2.2 传统合同网协议机制存在的问题 |
3.3 改进合同网协议机制 |
3.3.1 引入任务缓冲池投标策略改进方案 |
3.3.2 考虑可用度的中标评价策略改进方案 |
3.3.3 改进合同网协议机制方案 |
3.4 基于改进合同网的多任务调度策略 |
3.4.1 订单-拣选工作台间的调度策略 |
3.4.2 拣选工作台-货架间的调度策略 |
3.4.2.1 空闲货架的标书制定策略 |
3.4.2.2 忙碌货架的标书制定策略 |
3.4.3 AGV-货架间的多任务调度策略 |
3.4.3.1 基于改进遗传算法的任务分组策略 |
3.4.3.2 AGV Agent调度策略 |
3.5 本章小结 |
第4章 异常事件扰动动态调整机制 |
4.1 引言 |
4.2 仓储RMFS异常事件特征 |
4.2.1 系统异常事件来源与分类 |
4.2.2 系统异常扰动等级评估 |
4.3 异常事件扰动的应对调整策略 |
4.3.1 Agent实时调整策略 |
4.3.2 多Agent协同调整策略 |
4.3.3 算例研究 |
4.4 本章小结 |
第5章 仿真分析 |
5.1 引言 |
5.2 仿真平台搭建及案例数据 |
5.3 仿真结果分析 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
攻读硕士学位期间发表的论文和参与的科研项目 |
(3)基于WebSocket的多Agent通信机制设计与应用(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景 |
1.2 研究目的与意义 |
1.3 国内外研究现状 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.4 论文的研究内容和组织结构 |
2 相关技术理论基础 |
2.1 多Agent间常见的通信机制 |
2.1.1 基于黑板的通信机制 |
2.1.2 基于广播通信机制 |
2.1.3 基于邮箱式通信机制 |
2.2 实时通信技术 |
2.2.1 HTTP长连接技术 |
2.2.2 长轮询技术 |
2.2.3 基于Iframe的HTTP流技术 |
2.3 WebSocket实时通信技术 |
2.3.1 WebSocket实时通信的原理及方法 |
2.3.2 WebSocket协议的优缺点 |
2.4 umeditor编辑器与cryptoJS编码技术 |
2.4.1 umeditor文本编辑器 |
2.4.2 cryptoJS的Base64编码技术 |
2.5 本章小结 |
3 基于WebSocket的多Agent实时通信机制设计 |
3.1 需求分析 |
3.2 多Agent实时通信机制总体设计 |
3.3 多Agent实时通信机制服务器端设计 |
3.3.1 服务器端关键类设计 |
3.3.2 服务器端点信息表设计 |
3.3.3 服务器端信息状态监控的设计 |
3.3.4 服务器端通信管理器的设计 |
3.4 多Agent实时通信机制客户端设计 |
3.4.1 客户端结构与功能设计 |
3.4.2 心跳重连设计 |
3.5 本章小结 |
4 基于WebSocket多Agent实时通信机制的实现与应用 |
4.1 多Agent实时通信机制服务器端实现 |
4.1.1 服务器端关键类的实现 |
4.1.2 服务器端点信息表的实现 |
4.1.3 服务器端信息状态监控的实现 |
4.1.4 服务器端通信管理器的实现 |
4.2 多Agent实时通信机制客户端实现 |
4.2.1 客户端结构与功能的实现 |
4.2.2 心跳重连的实现 |
4.3 多Agent实时通信机制在集装箱码头调度中的应用 |
4.3.1 集装箱码头调度Agent体划分 |
4.3.2 集装箱码头Agent体间的实时通信 |
4.4 本章小结 |
5 结论 |
5.1 结论 |
5.2 展望 |
参考文献 |
致谢 |
(4)基于信任模型的多Agent网络自适应调整机制研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题的研究背景及意义 |
1.1.1 课题研究背景 |
1.1.2 课题研究意义 |
1.2 国内外研究现状 |
1.2.1 Agent和多Agent系统技术研究现状 |
1.2.2 强化学习研究现状 |
1.3 论文主要工作及结构内容安排 |
1.3.1 论文主要工作 |
1.3.2 论文各章节内容安排 |
第二章 多Agent强化学习及信任模型基础理论 |
2.1 强化学习与马尔可夫决策论 |
2.1.1 强化学习基本概念 |
2.1.2 马尔可夫决策论 |
2.1.3 强化学习基本模型 |
2.2 强化学习算法 |
2.2.1 蒙特.卡洛算法 |
2.2.2 时间差分法 |
2.2.3 Q-Learning算法 |
2.3 Agent和多Agent理论 |
2.3.1 Agent的概念 |
2.3.2 Agent的结构类型 |
2.3.3 多Agent系统理论 |
2.4 多Agent信任关系模型 |
2.4.1 信任和信誉模型 |
2.4.2 社会网络观 |
2.5 本章小结 |
第三章 基于信任模型的自适应调整机制 |
3.1 引言 |
3.2 多Agent系统模型 |
3.2.1 多Agent系统问题描述 |
3.2.2 多Agent系统建模 |
3.3 多步Q强化学习算法 |
3.3.1 Q(λ)学习算法 |
3.3.2 多步Q学习算法 |
3.4 综合的自适应机制设计 |
3.4.1 候选Agent选取 |
3.4.1.1 信誉模型 |
3.4.1.2 直接信任值 |
3.4.1.3 推荐信誉值 |
3.4.1.4 综合信誉值 |
3.4.2 多Agent关系调整 |
3.5 对比实验及结果分析 |
3.5.1 实验步骤 |
3.5.2 实验设定 |
3.5.3 结果与分析 |
3.6 自适应机制在无线传感器网络中的应用 |
3.7 本章小结 |
第四章 不可靠多Agent系统中自适应调整机制 |
4.1 引言 |
4.2 不可靠多Agent系统建模与优化目标 |
4.2.1 系统建模 |
4.2.2 系统优化目标 |
4.3 自适应任务分配策略 |
4.3.1 资源信誉度 |
4.3.2 任务分配机制 |
4.4 自适应任务执行策略 |
4.4.1 Agent分割描述 |
4.4.2 可靠性评估与决策条件 |
4.4.3 Agent分割实现算法 |
4.5 对比实验及结果分析 |
4.5.1 实验设置 |
4.5.2 实验结果与分析 |
4.6 自适应无线传感器网络欺骗攻击检测应用 |
4.7 本章小结 |
第五章 总结展望 |
5.1 论文工作总结 |
5.2 展望 |
参考文献 |
致谢 |
研究生期间发表论文及参加项目情况 |
(5)共享平台下基于自动协商的物流供应链供需交易问题研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外相关研究现状 |
1.2.1 共享经济的产生与发展 |
1.2.2 共享平台为物流供应链发展带来的机遇和挑战 |
1.2.3 基于自动协商的物流供应链供需交易与协调问题研究 |
1.3 研究目标与主要工作 |
1.3.1 研究目标 |
1.3.2 主要研究工作与研究路线 |
1.3.3 论文结构与研究方法 |
第2章 相关理论 |
2.1 自动协商理论 |
2.1.1 自动协商理论的产生与发展 |
2.1.2 Agent技术 |
2.2 匹配理论 |
2.2.1 匹配理论的研究与应用 |
2.2.2 稳定匹配理论 |
2.3 企业联盟运作与管理理论 |
2.3.1 企业联盟概念的提出 |
2.3.2 企业联盟运作与管理理论的研究与发展 |
2.4 本章小结 |
第3章 物流供应链一对一供需交易问题 |
3.1 基于隐马尔科夫模型(HMM)的供需交易 |
3.1.1 问题描述 |
3.1.2 基于HMM的自动协商系统模型(MAS-HMM)构建 |
3.1.3 数值仿真及分析 |
3.1.4 本节小节 |
3.2 基于模糊定性仿真(FQSIM)的供需交易 |
3.2.1 问题描述 |
3.2.2 基于FQSIM的自动协商模型构建 |
3.2.3 数值仿真及分析 |
3.2.4 本节小节 |
3.3 本章小结 |
第4章 物流供应链多供需交易匹配问题 |
4.1 问题描述 |
4.2 基于稳定匹配的多边自动协商系统模型(SMAN)构建 |
4.2.1 典型交易场景 |
4.2.2 SMAN的模型定义 |
4.2.3 CMA的决策模型 |
4.3 数值仿真及分析 |
4.3.1 数值仿真实验1: 二手商品交易匹配与自动协商 |
4.3.2 数值仿真实验2: 物流供应链供需匹配与自动协商 |
4.4 本章小结 |
第5章 物流供应链多相关协同决策供需交易问题 |
5.1 问题描述 |
5.2 多相关供需交易自动协商模型构建 |
5.2.1 多相关供需交易协商场景描述 |
5.2.2 多相关自动协商平台设计 |
5.2.3 不同类别议题定义与报价策略分析 |
5.2.4 多相关自动协商模型(MRN)构建 |
5.3 数值仿真及分析 |
5.3.1 仿真背景描述 |
5.3.2 数值仿真中相关参数的设定 |
5.3.3 数值仿真结果分析 |
5.4 本章小结 |
第6章 物流供应链纵向联盟成员协作报价供需交易问题 |
6.1 联盟内部竞合关系下的成员协作报价供需交易 |
6.1.1 问题描述 |
6.1.2 基于团队竞合博弈报价的自动协商模型构建 |
6.1.3 数值仿真及分析 |
6.1.4 本节小结 |
6.2 联盟内部完全合作关系下的成员协作报价供需交易 |
6.2.1 问题描述 |
6.2.2 基于团队合作博弈报价的自动协商模型构建 |
6.2.3 数值仿真及分析 |
6.2.4 本节小结 |
6.3 本章小结 |
第7章 总结与展望 |
参考文献 |
致谢 |
攻读学位期间撰写的论文 |
个人简历 |
(6)基于多Agent技术的校园能耗监控系统的研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状 |
1.3 本文主要的研究内容 |
1.4 本文主要框架 |
第2章 Agent及多Agent系统概述 |
2.1 Agent理论与体系结构 |
2.1.1 Agent定义和特性 |
2.1.2 Agent体系结构 |
2.2 多Agent系统理论和体系结构 |
2.2.1 多Agent系统与基本结构 |
2.2.2 多Agent系统工作方式 |
2.3 多Agent系统的交互与协作 |
2.3.1 多Agent间的通讯与交互 |
2.3.2 多Agent间的协作 |
2.4 多Agent系统开发平台JADE |
2.4.1 FIPA及FIPA规范 |
2.4.2 JADE平台 |
2.5 本章小结 |
第3章 基于多Agent的校园能耗监控系统建模 |
3.1 系统建模研究方法和工作流程 |
3.2 基于多Agent的校园能耗监控系统个体Agent建模 |
3.2.1 个人Agent |
3.2.2 设备Agent |
3.2.3 房间Agent |
3.2.4 管理Agent |
3.3 多Agent系统关键模块和算法设计 |
3.3.1 协调控制器 |
3.3.2 规划器和决策器 |
3.3.3 学习系统 |
3.4 校园能耗监控多Agent系统整体模型 |
3.5 基于MAS的校园能耗监控系统运行实例 |
3.6 本章小结 |
第4章 多Agent系统的通信与协作 |
4.1 多Agent通信与协作概述 |
4.2 多Agent的通信 |
4.2.1 Agent的通信语言 |
4.2.2 Agent的通讯方式 |
4.3 多Agent间的协作 |
4.3.1 常见的协作机制 |
4.3.2 合同网协作机制的改进与应用 |
4.4 基于校园能耗监控系统的多Agent协作实例 |
4.5 本章小结 |
第5章 基于JADE平台的多Agent系统交互仿真 |
5.1 JADE平台与多Agent系统 |
5.1.1 JADE平台服务简介 |
5.1.2 JADE平台与多Agent系统的结合 |
5.2 基于JADE平台的交互仿真 |
5.3 本章小结 |
总结 |
参考文献 |
攻读学位期间发表的学术论文 |
致谢 |
(7)非可靠社会网络中多Agent系统任务合作的自适应机制研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 引言 |
1.2 多Agent系统任务合作研究概况 |
1.2.1 多Agent系统 |
1.2.2 多Agent系统任务合作 |
1.3 非可靠社会网络中多Agent系统任务合作面临的挑战性问题 |
1.4 本文的研究内容及组织结构 |
第二章 面向非可靠资源访问优化的自适应任务分配机制 |
2.1 引言 |
2.2 相关工作 |
2.2.1 基于资源获取的任务分配 |
2.2.2 任务分配中的博弈论及机制设计方法 |
2.3 面向非可靠资源访问优化的自适应任务分配机制 |
2.3.1 系统环境建模 |
2.3.2 系统优化目标 |
2.3.3 自适应任务分配机制 |
2.4 实验及性能分析 |
2.4.1 实验设定 |
2.4.2 实验结果与分析 |
2.5 本章小结 |
第三章 基于非可靠资源优化重组的自适应任务执行机制 |
3.1 引言 |
3.2 相关工作 |
3.3 基于非可靠资源优化重组的自适应任务执行机制 |
3.3.1 系统建模 |
3.3.2 系统优化目标 |
3.3.3 自适应任务执行机制 |
3.4 实验及性能分析 |
3.4.1 实验设定 |
3.4.2 实验结果与分析 |
3.5 本章小结 |
第四章 适应非可靠多重网络环境的自适应任务分配机制 |
4.1 引言 |
4.2 相关工作 |
4.2.1 多重社会网络结构建模 |
4.2.2 多重社会网络中的扩散 |
4.2.3 多重社会网络中的合作演化 |
4.3 多重社会网络中的自适应任务分配机制 |
4.3.1 多重社会网络建模 |
4.3.2 非可靠多重社会网络环境导致的新问题 |
4.3.3 自适应任务分配机制 |
4.4 实验及性能分析 |
4.4.1 实验设定 |
4.4.2 实验结果与分析 |
4.5 本章小结 |
第五章 考虑单向交互非可靠性的自适应任务传递机制 |
5.1 引言 |
5.2 相关工作 |
5.2.1 传统双向连接网络中的可靠性评估方法 |
5.2.2 单向交互社会网络中的任务合作 |
5.3 考虑单向交互非可靠性的自适应任务传递机制 |
5.3.1 任务传递模型 |
5.3.2 问题描述及解决方法 |
5.3.3 基于从路径到个体可靠性评估的自适应任务传递机制 |
5.4 实验及性能分析 |
5.4.1 实验设定 |
5.4.2 实验结果及分析 |
5.5 本章小结 |
第六章 总结和展望 |
6.1 本文的研究总结 |
6.2 未来工作展望 |
参考文献 |
攻读博士学位期间取得的科研成果 |
攻读博士学位期间参加的科研课题 |
所获奖励 |
致谢 |
(8)基于多Agent协同故障诊断监控系统的研究(论文提纲范文)
摘要 |
Abstract |
目录 |
第一章 绪论 |
1.1 课题研究的背景及意义 |
1.2 故障诊断监控系统的研究现状及发展趋势 |
1.2.1 故障诊断监控系统的研究现状 |
1.2.2 故障诊断监控系统的发展趋势 |
1.3 多Agent协同技术的发展现状 |
1.4 本论文主要工作及结构安排 |
第二章 多Agent协同技术介绍 |
2.1 故障诊断技术 |
2.1.1 故障诊断技术简介 |
2.1.2 故障诊断技术的主要方法 |
2.2 智能Agent技术 |
2.2.1 智能Agent简介 |
2.2.2 智能Agent的特征 |
2.2.3 智能Agent的结构 |
2.3 多Agent系统(MAS) |
2.3.1 MAS简介 |
2.3.2 MAS的工作机制 |
2.3.3 MAS的应用 |
2.4 多Agent协同技术 |
2.4.1 协同技术简介 |
2.4.2 多Agent间的通信 |
2.4.3 多Agent间的协作 |
2.4.4 CSCW技术 |
本章小结 |
第三章 多Agent协同技术在故障诊断监控系统中的应用 |
3.1 故障诊断监控系统介绍 |
3.1.1 多Agent故障诊断监控系统简介 |
3.1.2 故障诊断监控系统工作原理 |
3.1.3 故障诊断监控系统的意义 |
3.2 多诊断Agent的协同 |
3.2.1 多诊断Agent协同方法 |
3.2.2 多Agent故障诊断系统协同模型 |
3.2.3 多Agent故障诊断监控系统的结构和工作流程 |
3.3 多Agent故障诊断协同方法 |
3.3.1 故障诊断过程中子任务的分解分配 |
3.3.2 多Agent故障诊断协同方法 |
3.3.3 多Agent故障诊断协同方法的评价标准 |
3.3.4 多Agent协同方法应用实例 |
本章小结 |
第四章 系统分析与详细设计 |
4.1 列车故障诊断监控系统分析 |
4.1.1 系统需求分析 |
4.1.2 系统功能模块分析设计 |
4.1.3 系统流程图 |
4.1.4 故障诊断监控系统架构图 |
4.2 各Agent的协同与协商 |
4.2.1 Agent的协商 |
4.2.2 Agent的协调 |
4.2.3 Agent间冲突的消解 |
4.3 数据库的设计 |
4.4 系统实现 |
4.4.1 系统登陆界面 |
4.4.2 系统故障诊断界面 |
4.4.3 系统数据管理界面 |
4.4.4 系统远程服务界面 |
本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
攻读硕士学位期间发表的学术论文 |
攻读硕士学位期间参加的科研项目 |
致谢 |
(9)基于多Agent系统的汽车供应链协商机制研究(论文提纲范文)
摘要 |
ABSTRACT |
致谢 |
第一章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 供应链建模研究 |
1.2.2 Agent 的协商研究 |
1.3 研究存在的问题及解决方法 |
1.4 研究内容与结构 |
1.4.1 研究思路和方法 |
1.4.2 研究内容 |
1.4.3 组织结构 |
第二章 相关的理论和方法 |
2.1 AGENT 的基本概念与属性特征 |
2.1.1 多 Agent 的基本概念 |
2.1.2 Agent 的属性特性 |
2.2 多 AGENT 系统的协商 |
2.2.1 多 Agent 系统的概念与特征 |
2.2.2 多 Agent 系统协商的定义与关键技术 |
2.2.3 多 Agent 系统的结构与协商机制 |
2.2.4 多 Agent 系统和汽车供应链 |
2.3 博弈论中协商研究 |
2.3.1 博弈论基本概念 |
2.3.2 协商博弈 |
2.3.3 协商的计算模型 |
2.4 本章小结 |
第三章 汽车供应链的多 AGENT 建模 |
3.1 汽车供应链建模分析 |
3.1.1 汽车供应链的协商特性分析 |
3.1.2 供应链上柔性合作关系的必要性分析 |
3.1.3 供应链的多 Agent 系统建模方法 |
3.2 模型设计 |
3.2.1 汽车供应链的 Agent 角色划分 |
3.2.2 汽车供应链成员 Agent 协商关系 |
3.2.3 汽车供应链中协商 Agent 的基本体系 |
3.3 基于 AGENT 的汽车供应链模型框架 |
3.4 本章小结 |
第四章 面向汽车供应链基于博弈的并发协商模型 |
4.1 并发协商原理 |
4.1.1 并发协商研究分析 |
4.1.2 并发协商模式 |
4.2 并发协商模型的形式化描述 |
4.3 讨价还价的并发协商 |
4.3.1 讨价还价的协商协议 |
4.3.2 协商提议评估 |
4.3.3 多 Agent 并发协商过程 |
4.4 并发协商模型实例分析 |
4.4.1 协商任务分解 |
4.4.2 协商的博弈分析 |
4.5 本章小结 |
第五章 汽车供应链多 AGENT 系统的仿真平台 |
5.1 仿真平台 JADE |
5.2 汽车供应链的实施结构 |
5.3 JADE 程序开发 |
5.4 运行结果与结论 |
5.5 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
攻读硕士学位期间发表的论文和参与的科研项目 |
(10)多Agent智能交通系统交互机制研究(论文提纲范文)
致谢 |
中文摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景 |
1.1.1 交通问题的现状 |
1.1.2 智能交通系统国内外发展概况 |
1.1.3 Agent技术的发展 |
1.2 研究目的与意义 |
1.3 论文框架 |
1.4 本章小结 |
2 Agent与多 Agent系统理论 |
2.1 Agent的定义与特性 |
2.1.1 Agent的弱定义 |
2.1.2 Agent的强定义 |
2.1.3 Agent的特殊能力 |
2.2 Agent体系结构分类 |
2.2.1 慎思型 Agent |
2.2.2 反应型 Agent |
2.2.3 混合型 Agent |
2.3 多 Agent系统的交互 |
2.3.1 多Agent系统理论 |
2.3.2 多Agent协调 |
2.3.3 多Agent协作 |
2.3.4 多Agent协商 |
2.4 本章小结 |
3 多 Agent智能交通系统体系结构分析及设计 |
3.1 智能交通系统的Agent结构 |
3.1.1 诱导 Agent |
3.1.2 安全 Agent |
3.1.3 服务 Agent |
3.1.4 管理 Agent |
3.2 多 Agent智能交通系统体系结构设计 |
3.3 本章小结 |
4 多 Agent智能交通系统协调机制研究 |
4.1 MAS中各 Agent的协调 |
4.1.1 协调的定义 |
4.1.2 协调的分类 |
4.2 博弈论基础 |
4.2.1 博弈及博弈论的概念 |
4.2.2 博弈论的基本要素 |
4.2.3 博弈分类 |
4.2.4 Nash均衡 |
4.3 事例分析—路口交通疏导过程 |
4.3.1 基于博弈论协调的思想框架 |
4.3.2 关键路口Agent1的问题 |
4.3.3 次要路口Agent2的问题 |
4.3.4 博弈过程 |
4.3.5 Agent间的通信机制及协调实现 |
4.4 MA-ITS的冲突及消解 |
4.4.1 相关概念 |
4.4.2 ITS中不同冲突的管理办法 |
4.4.3 冲突协商管理 |
4.5 本章小结 |
5 基于强化学习的 MA-ITS协作机制研究 |
5.1 Agent间的协作 |
5.1.1 协作的分类 |
5.1.2 协作的方法 |
5.1.3 协作协议—合同网协议 |
5.1.4 协作工具—黑板模型 |
5.2 基于强化学习的多 Agent智能交通系统协作模型分析 |
5.2.1 强化学习简介 |
5.2.2 具有强化学习功能的协作型 Agent结构 |
5.2.3 MA-ITS协作时各 Agent间的关系 |
5.3 事例分析-交通事故处理中的协作问题 |
5.3.1 协作的目标 |
5.3.2 事故的判定 |
5.3.3 策略的制定 |
5.3.4 系统的恢复 |
5.4 本章小结 |
6 多 Agent智能交通系统协商机制研究 |
6.1 协商的研究内容 |
6.1.1 协商协议 |
6.1.2 协商策略 |
6.1.3 协商处理 |
6.2 MA-ITS协商机制 |
6.2.1 协商方法 |
6.2.2 协商模型 |
6.2.3 协商过程 |
6.3 本章小结 |
7 总结与展望 |
7.1 本文主要研究工作 |
7.2 有待于进一步研究的工作 |
参考文献 |
作者简历 |
学位论文数据集 |
四、多Agent系统中agents间的一种协商模式(论文参考文献)
- [1]基于多Agent的玻璃深加工调度系统[D]. 周辉. 南京财经大学, 2020(04)
- [2]基于多Agent的智能仓储RMFS多任务调度研究[D]. 范媛. 武汉理工大学, 2020(08)
- [3]基于WebSocket的多Agent通信机制设计与应用[D]. 李帅. 大连海事大学, 2019(06)
- [4]基于信任模型的多Agent网络自适应调整机制研究[D]. 张凯全. 扬州大学, 2019(02)
- [5]共享平台下基于自动协商的物流供应链供需交易问题研究[D]. 高太光. 东北大学, 2018(12)
- [6]基于多Agent技术的校园能耗监控系统的研究[D]. 郭杰. 吉林建筑大学, 2016(04)
- [7]非可靠社会网络中多Agent系统任务合作的自适应机制研究[D]. 周一峰. 东南大学, 2016(02)
- [8]基于多Agent协同故障诊断监控系统的研究[D]. 樊娜. 大连交通大学, 2014(04)
- [9]基于多Agent系统的汽车供应链协商机制研究[D]. 陈启萍. 合肥工业大学, 2012(06)
- [10]多Agent智能交通系统交互机制研究[D]. 张静. 北京交通大学, 2009(11)