一、多智能体系统中基于A-Prolog的能力匹配机制（论文文献综述）
丛森森[1]（2020）在《面向车联网的行车主动服务系统关键技术研究》文中提出随着智能化、网联化、电动化和共享化“新四化”技术飞速发展,行车服务系统已逐步成为智能车辆与智能交通领域的重要研究方向。近年来,能够对行车用户的服务需求进行主动、有效的感知与辨识,实现向行车用户主动推送服务并对服务质量提供有效保障的行车主动服务系统（Driving Active Service System,DASS）正成为研究热点。智能车辆作为行车过程的执行载体,可以更充分地掌握行车信息,通过服务平台提高行车安全,对促进无人驾驶技术发展具有重要应用价值。主要研究内容有:（1）针对DASS多设备多车辆协同推理、信息处理和分层集中控制需求,以多智能体协同控制框架为基础,构建了分层集中式协同DASS体系结构与服务流程。DASS中各层级感知与决策能力,为DASS的服务流程及其关键算法的设计奠定了基础。（2）针对传统行车服务方法无法满足自动化需求,提出了一种基于多智能体的服务生成平台。该框架通过行车环境建模、服务需求模型化、可执行能力匹配和服务评价的流程,使得DASS具有需求匹配和服务生成能力。在混行交通仿真场景中,一方面,以服务匹配度验证服务生成准确性和及时性;另一方面,通过特定行车场景,以不同策略连续的车流量变化特征验证了服务生成算法的主动性。（3）针对DASS在服务“自动生成-主动推送”过程中忽视服务推送与行车用户的相互影响,设计了基于用户特征行为的服务推送平台,包括存储层、应用层和评价层。在应用层基于用户操作行为预测设计了B-Num.BT算法,提高了服务推送用户接受度;在评价层基于推送流程设计性能评价指标;最后通过PreScan/Simulink验证了主动推送功能,并探讨了其对行车用户分类作用。（4）针对行车过程中面向突发场景主动控制需求,设计了面向危险并道场景的智能车避让控制模型,并且应用DASS验证了该突发场景下的主动干预控制性能。首先,以BP神经网络模拟驾驶人的紧急避让行为,同时增加高斯混合隐马尔科夫概率因子预测侧方车辆并道概率。最后,以车速差实验和网联车渗透率实验验证了避让模型对危险并道场景的适用性,以干预时机性验证了DASS的服务能力。综上,针对传统行车服务系统在行车过程中被动式服务请求模式、服务耗时长和安全性低等不足,本文从“模型设计-核心算法-平台搭建-典型应用”四个层面进一步突破和提升DASS的智能化、个性化以及接受度等性能,形成了更为细致的DASS实现方案,进一步丰富了智能交通系统理论方法及应用途径。
张辰源[2]（2020）在《工业机器人数字孪生制造系统可重构建模研究》文中认为数字孪生是实现制造系统信息物理融合的重要技术途径,基于数字孪生的制造系统是智慧制造的典型代表,具有多种重要用途,例如产品全生命周期管理、制造过程管控、可视化交互、生产预测和健康管理等。然而,由于数字孪生制造系统的高度复杂性,导致开发或重构数字孪生制造系统工序繁琐、工作量巨大,这将会产生大量时间成本和人力成本,如果制造系统中大量使用工业机器人这类制造能力多样但编程不灵活的制造装备,上述成本问题将更加明显。同时,对于现代制造系统,面向柔性制造的系统可重构需求也同样亟待满足。针对上述问题,本文以数字孪生制造系统为研究对象,针对工业机器人制造系统多级重构的问题,重点研究数字孪生制造系统可重构建模方法,主要的研究工作如下:（1）工业机器人数字孪生制造系统可重构建模机制研究。基于制造系统的运行数据和设备参数,构建面向重构任务的虚拟孪生体五维模型,并提出由五维融合模型驱动的可重构数字孪生制造系统架构。通过分析制造系统重构问题,提出两种数字孪生制造系统重构策略,并构建表征虚拟孪生体间依赖知识的依赖树模型,为数字孪生制造系统的重构决策提供知识基础。面向数字孪生制造系统服务可重构的需求,提出统一规范的服务功能块,为数字孪生制造系统提供可重构、可复用的动态服务。（2）基于多智能体深度学习的数字孪生制造系统多级重构方法研究。面向工业机器人制造系统重构任务,研究系统布局拓扑模型,针对系统重构问题的多种粒度,分别提出单元级和系统级制造能力增强模型,为数字孪生制造系统多级重构算法提供模型基础。通过分析制造系统中各类虚拟孪生体的制造能力以及其之间的关联关系,基于深度学习网络构建数字孪生制造系统单元级服务重构模型,研究深度学习智能体生成模型,并提出基于多智能体深度学习的数字孪生制造系统服务重构算法,实现数字孪生制造系统的服务重构决策和优化。（3）设计并开发工业机器人可重构数字孪生制造原型系统。该系统包括虚拟孪生体控制模块、数据交互及模型更新模块、系统重构模块和人机交互接口模块。通过系统运行与实验验证,所提出的工业机器人数字孪生制造系统可重构建模方法能够有效支持数字孪生制造系统的正常运行和重构算法的执行,以及提出的基于多智能体深度学习的数字孪生制造系统多级重构算法可以实现有效的制造系统重构决策与优化,大量减少了工业机器人数字孪生制造系统重构的时间成本和人力成本。
孙晓磊[3]（2019）在《基于领域知识的多无人平台自主协同规划技术研究及应用》文中提出多无人平台协同作战具有空间分布性好和容错性高等优点,在军事和安全领域中都具有重要的应用价值。在复杂作战环境下,多无人平台协同作战面临任务复杂性、组合多样性和响应实时性等问题,使得多无人平台协同作战技术的研究越来越具有挑战性。如今,基于领域知识的人工智能由于其类似于人类的思维模式,被认为是人工智能未来发展的趋势,越来越受到重视。本论文以多无人平台为研究对象,重点研究基于领域知识的多无人平台自主协同任务规划技术,构建多无人平台协同作战领域知识模型,研究基于规则的高层作战任务指令的粗分解与基于时序规划的子任务细分解,提出了领域知识表示与时序规划器领域描述文件之间的转化方法。本文的主要研究工作以及贡献如下:（1）基于本体的多无人平台协同作战领域知识表示与建模基于本体理论本文采用OWL（Web Ontology Language）语言对多无人平台协同作战领域中的知识进行表示与建模,将多无人平台协同作战领域本体划分为四类,分别为实体本体、环境本体、任务本体和状态本体。此外,本文提出了一种对机器人知识库的可扩展性和响应性进行评价的方法。测试与评价实验结果表明所构建的多无人平台协同作战本体知识库具有较好的可扩展性和响应性。（2）基于规则的高层作战任务指令的粗分解在所构建的多无人平台协同作战领域本体的基础之上,本文考虑将SWRL（Semantic Web Rule Language）规则知识引入领域本体中,构建规则库,用以弥补OWL对规则性知识表示的不足。最后,基于领域本体知识和规则库进行推理得到高层任务的粗分解。（3）基于时序规划的子任务细分解本文采用POPF时序任务规划器对粗分解得到的子任务进行细分解,生成最终的原子行动序列。本文提出了一种基于领域知识的POPF时序任务规划器领域描述生成方法,克服了传统规划器领域描述文件需要手动编写的过程。最后,基于POPF时序任务规划器实现了对子任务的细分解,并基于Turtle Bot3进行实物实验验证。（4）基于无人作战典型任务的多无人平台自主协同任务规划实验在实验验证环节,针对包含巡逻任务和打击任务的作战想定,采用基于ROS和Stage的多机器人巡逻虚拟仿真框架进行多无人平台自主协同规划实验,在实验过程中针对可能存在的作战行动冲突,提出了相应的优化与调度方法。
郑勋[4]（2019）在《城市轨道交通车站乘客微观行为分析与建模》文中指出城市轨道交通由于自身的优势吸引着越来越多的乘客。不过快速增长的客流对城市轨道交通车站及列车的正常运行造成了极大的压力,尤其在大客流条件下,城市轨道交通车站通常采用限流措施对客流进行控制,从而保证了运输安全和服务质量。针对城市轨道交通车站的复杂环境,深入分析乘客的微观行为,掌握乘客在设施内的运动规律,并在大客流条件下采取积极有效的客流控制策略,已成为城市轨道交通快速发展过程中亟待解决的重要问题之一。本文在城市轨道交通车站乘客微观行为和集散过程分析的基础上,从走行行为建模与仿真、节点选择行为建模与仿真、排队行为建模与仿真三个方面进行深入研究,并基于上述乘客微观行为模型对大客流条件下车站内设施控制策略进行分析与评价,为城市轨道交通运营管理部门制定和实施客流控制策略提供参考价值。本文的主要研究内容如下:（1）乘客微观行为与集散过程分析。首先,对城市轨道交通客流进行概述并分析客流特征;其次,阐述车站内主要设施及乘客的微观行为,对走行行为、节点选择行为和排队行为进行描述,并分析乘客微观行为特征,剖析乘客微观行为影响因素;最后,基于以上研究,对车站内乘客集散过程进行描述。（2）乘客走行行为建模与仿真。首先,采用社会力模型,对乘客基本走行行为、跟随行为、超越行为和避让行为进行分类描述,在此基础上,建立乘客走行行为模型;其次,对仿真中遇到的期望目标点选取、乘客与乘客之间的作用力、乘客到障碍物的距离、停止等待方案的判断、社会力模型的仿真流程等问题进行了讨论并给出解决方案;最后,以通道和疏散条件下两种场景为例,对乘客的走行行为模型进行仿真实现及验证。（3）乘客节点选择行为建模与仿真。在系统阐述决策理论的基础上,本文首次提出基于双系统理论构建乘客节点选择行为模型的方法,乘客需要经过单一理由决策的判断、考虑乘客到节点的距离和节点效率两个因素的分析系统模型求解、沉没成本效应的检验三个过程才能确定选择的节点;其次,根据构建的模型进行仿真研究并通过虚拟场景进行验证;最后,以乘客对闸机的节点选择行为为例进行仿真实现及验证。（4）乘客排队行为建模与仿真。通过对排队行为的分析,将乘客到达服务台前的排队过程分为走行和选择队列、加入队列和在队列中排队等待两个阶段,本文提出排队线的概念,作为区分以上两个阶段的分界线,排队线是动态变化的,受到乘客属性、队列形状、队列长度等多种因素的影响,在此基础上,构建了乘客排队行为模型,即乘客在第一个阶段按照走行行为和节点选择行为模型运动,在第二个阶段按照设定的排队规则走行;其次,以乘客通过服务台为例,绘制了乘客排队行为的仿真流程图,并构造虚拟场景进行仿真实现及验证;再次,对安检处乘客微观行为进行深入剖析,对于单个安检机,本文选取安检服务时间作为研究指标,选取六个乘客因素和五个环境因素对安检服务时间及其影响因素进行分析;对于多个安检机,从乘客对安检机的选择结果方面进行阐述;最后,以乘客在售票处及安检的排队行为为例进行仿真实现及验证。（5）基于乘客微观行为模型的设施控制策略的研究。首先,阐述客流组织及客流控制的相关概念,析取了调整空间布局、控制设施数量、控制设施速度、控制宽度、增加走行距离、减少进站量和分批进入七种设施客流控制策略;其次,选择闸机、安检和出入口三种常见的设施,对控制策略进行分析与评价;再者,采用多智能体系统建模技术,从仿真环境的抽象、乘客智能体的搭建、仿真系统模块的概述等方面阐述了多智能体仿真模型及系统;最后,以北京动物园地铁站为例,进行实例分析,并对设施的控制策略进行仿真与评价。
张宇栋[5]（2019）在《城市区域消防安全风险诊断与自适应机制研究》文中研究指明城市系统集合巨量要素,构造致密而繁杂,其中蕴含和承载着严峻的火灾风险,不仅对居民的生命财产安全构成直接威胁,而且挑战着城市运行和发展的稳态基础。伴随科技的不断进步和社会经济的快速发展,城市致灾因子急剧增多,灾害机理愈加复杂,更广泛的未知影响牵连着消防安全问题在城市中与日俱显。虽然火灾风险演化与致灾危害在时空上是有限的,但城市火灾风险治理并非仅是区域的、局部的微观问题,通常所涉及的深层次本质在于城市的系统性矛盾。尽管关于城市消防安全领域无论是相关工程技术还是管理方法机制都获得了较丰硕的理论和实践积累,但在城市及社会发展新形势下仍存亟待解决的片面环节。利用和迎合我国智慧城市建设与应急管理改革双重叠加的历史契机,借助大数据思维,基于城市系统特性,结合一系列科学的技术、方法和理论,探索在适当区域单元尺度下的城市火灾风险诊断模型和消防应急管理自适应机制,从而为城市的风险治理现代化提出完整、先进、可靠的方法理论模型与思路,不失为积极有益的创新研究。本文以城市系统为研究对象,通过划分网格确立消防安全问题的单元对象,引入复杂适应系统（CAS）、灰色系统相似关联分析、大数据与情报科学等为理论基础,由文献研究为始,按照严格的逻辑展开探究,从如下5个方面分别概述主要涉及的研究内容及取得的成果创新:（1）通过文献调研,对城市灾害、城市安全、消防与应急等方面进行了全面分析,梳理了城市消防安全的多重交叉研究现状,并结合我国城市发展实际讨论提出问题需求。本文分析认为:对火灾风险的辨识与感知是城市消防安全管理的优先行动;探索挖掘大数据隐含的城市火灾知识内涵获得客观风险诊断,是突破火灾机理知识局限瓶颈的方法路径;风险评判所考虑的参量由静态的判断瞬时要素状态向动态的要素状态变化趋势转变,将改善城市火灾风险的诊断精准程度;消防安全与应急管理协同的关键是在有限资源力量下的构建匹配和适应风险变化的消防应急能力。（2）通过对城市系统安全结构及城市火灾风险系统特征的研究,探索城市系统安全的科学内涵和理论框架,完善了城市火灾风险全要素影响的理论支撑。利用熵理论与耗散结构分析了城市系统控制熵增量和引入负熵流维持运行和发展安全的本质。借助韧性城市概念从系统科学视角分析城市的空间、功能、结构等关键属性、系统本体及多层面耦合影响。通过分析城市系统常态、应变和失效结构开展城市系统安全结构理论论述,挖掘城市灾害演化的内在规律。聚焦城市火灾风险系统,分析城市承灾体的脆弱性构成原理,透过系统秩序性角度揭示城市火灾演化规律。提出从“大安全”向“大应急”进化的思想,分析火灾风险诊断、消防应急准备与处置的功能任务需求。梳理出城市火灾风险涉及的要素类型及典型要素实例。（3）通过城市区域网格化与风险要素信息化,为城市区域火灾风险治理创新模式搭建前置的组织信息资源整合与基础条件准备。一方面,分析提出城市面向消防安全的区域单元地理网格化原理及其划分规则。另一方面,以城市网格为火灾风险治理的区域单元,在智慧城市平台基础下,分析归结末端多源异构信息资源;在安全信息视域下,结合情报科学研究风险信息的迭代运机理;为规避关于城市火灾的知识瓶颈和风险研判过程中的主观影响,提出基于大数据思想的风险诊断情报体系。（4）利用城市区域单元的全要素状态全息火灾风险特征,基于灰色系统理论提出了创新的火灾风险诊断数学模型。该模型依据网格单元客观的要素状态信息并参照实际火灾案例信息,通过相似关联分析诊断火灾风险情况。随着模型参照案例和观测单元数据积累的不断丰富,对城市区域火灾风险诊断的精确度和敏感度将随之提高,从而推动模型的自适应进化,为消防安全与应急管理工作提供准确的决策支持。通过归结风险诊断的实践路径并加以拓展,提出基于风险诊断的灰色灾变演化趋势预测和城市区域火灾风险分布预警云图等应用。（5）基于CAS理论定性阐述城市消防安全与应急管理的自适应机制,基于“风险-能力”叠加效应分析,得出高原发风险与低适应能力共振导致火灾发生的原理,揭示消防应急工作之核心要义在于能力对风险的适应。在分析驱动自适应机制的动力结构和自适应机制驱动城市韧性的理论基础上,将“情景-应对”模式引入城市区域安全结构的秩序管理。借助能力成熟度模型,引入BP-DEMATEL算法探求消防应急能力的分析评价方法,并结合风险诊断模型输出结果构建消防安全“风险-能力”综合分析框架和自适应闭环模式。进而对应提出并阐述了城市自适应机制构建与发展举措,以及包括危险源分级管控、隐患排查治理和险兆事件处置三项工作内容的“三预控”任务框架。
王晶[6]（2018）在《基于承诺的动态环境下异构Agent协作研究》文中提出异构Agent协作技术是多Agent系统研究重点之一,当同构Agent难以整合拥有复杂结构的互联网资源时,异构Agent协作技术就显得非常重要。这种协作技术通常是由定义在系统设计阶段的承诺协议来协调与控制的。然而,在许多情况下将承诺协议定义在设计阶段无法满足系统的动态需求,因为系统环境是不断变化的,这种定义方式会使生成的协议具有较差的环境适应能力。为了使协议具有良好的环境感知性和动态生成性,我们将Agent能力与环境上下文的概念融入到承诺模型中,提出了在开放环境下动态生成承诺协议的方法,并在智能停车系统中进行验证。因此,本文的研究内容从以下几个方面开展:一、建立基于能力驱动的Agent承诺模型。对承诺模型中的相关概念进行语义描述,扩展承诺的定义。将Agent能力与环境上下文的概念引入承诺模型,建立基于能力驱动的承诺模型。将所建模型应用到现实场景中,通过实例对承诺模型中涉及的概念进行描述。二、提出开放环境下承诺协议动态生成算法。介绍Agent能力匹配方法,并将该方法应用到承诺协议的生成中,提出动态生成承诺协议的算法。通过承诺协议生成算法来实现承诺协议的动态生成,经典定义与扩展定义下生成协议的比较以及协议的最优化选择。三、构建面向智能停车系统的多Agent协作场景。创建了一个面向智能停车系统的多Agent协作场景,利用该场景分析与验证承诺协议生成算法,比较经典定义与扩展定义下承诺协议的生成时间与执行效率,并运用利益相关法做出最优选择。在设计的仿真平台上进行模拟实验,通过实验结果对本文提出的方法进行验证。综上所述,本文针对传统承诺协议在系统设计阶段定义的不足以及承诺模型较差的适应性与环境感知性,创新性地将Agent能力与环境上下文概念融入到承诺模型中,建立基于能力驱动的Agent承诺模型,提出承诺协议动态生成算法,从而增强了承诺模型的适应性与环境感知性,实现了开放环境下承诺协议的动态生成。
《中国公路学报》编辑部[7]（2016）在《中国交通工程学术研究综述·2016》文中认为为了促进中国交通工程学科的发展,从交通流理论、交通规划、道路交通安全、交通控制与智能交通系统、交通管理、交通设计、交通服务设施与机电设施、地面公共交通、城市停车交通、交通大数据、交通评价11个方面,系统梳理了国内外交通工程领域的学术研究进展、热点前沿、存在问题、具体对策及发展前景。交通流理论方面综述了交通流基本图模型、微观交通流理论及仿真、中观交通流理论及仿真、宏观交通流理论、网络交通流理论;交通规划方面综述了交通与土地利用、交通与可持续发展、交通出行行为特征、交通调查方法、交通需求预测等;道路交通安全方面综述了交通安全规划、设施安全、交通安全管理、交通行为、车辆主动安全、交通安全技术标准与规范等;交通控制与智能交通系统方面综述了交通信号控制、通道控制、交通控制与交通分配、车路协同系统、智能车辆系统等;交通管理方面综述了交通执法与秩序管理、交通系统管理、交通需求管理、非常态交通管理;交通设计方面综述了交通网络设计、节点交通设计、城市路段交通设计、公共汽车交通设计、交通语言设计等;地面公共交通方面综述了公交行业监管与服务评价、公交线网规划与优化、公交运营管理及智能化技术、新型公交系统;城市停车交通方面综述了停车需求、停车设施规划与设计、停车管理与政策、停车智能化与信息化;交通大数据方面综述了手机数据、公交IC卡、GPS轨迹及车牌识别、社交媒体数据在交通系统分析,特别是在个体出行行为特征中的研究;交通评价方面分析了交通建设项目社会经济影响评价、交通影响评价。
周玮腾[8]（2016）在《拥塞条件下的城市轨道交通网络流量分配演化建模及疏导策略研究》文中认为我国进入网络化运营的时代背景要求在满足大客运量运输安全和运营效率的前提下,逐渐提升轨道交通客运技术,实现以人为本的客运服务理念。然而,由于客运需求与客运能力供给的分布不均衡性,常常会在网络上造成难以预见的网络客流拥塞状况,并且由于流量的动态演化性而产生各种急剧突发和影响重大的客运安全问题,为安全运营带来极大的挑战。随着我国城市轨道交通网络复杂化程度提高,在面临严峻的客运安全问题时,当采取相应管控措施时,目前多以经验判断为主,缺少对于拥塞条件下的客流分布状态的准确把握和分析,缺少对于网络流量演化的精确认知和评估,缺失网络流量拥塞的有效疏导和控制。而这些问题也是目前运营管理人员、国内外研究学者以至整个社会都高度重视的问题,因此需要从理论上进行合理解释,从技术方法上进行科学建模,从实践应用上进行有效验证。解决以上问题有利于提高城市轨道交通网络化运营下的大客流评估和分析技术,有利于提高网络化运营条件下的拥塞状态分析和管理能力,有利于提高城市轨道交通网络拥挤管理控制的决策水平,为城市轨道交通应急处置和危机响应能力提供重要的理论奠基和技术手段。基于此,本文将包括以下研究内容：（1）分析城市轨道交通网络架构,构建城市轨道交通物理网络模型,并对列车运行组织进行分析,在此基础上研究了城市轨道交通网络下的时间依赖性特征。综合线网分布形式和运输组织方案,建立具有时变性质的时刻表扩展网络,并构建了时刻表扩展网络下的k短时变路径搜索算法。（2）根据城市轨道交通乘客出行行为调查分析了乘客出行的主要行为因素和行为特征。根据乘客出行决策选择过程,根据影响因素的确定性和动态性,将乘客出行中的影响因素分为基本决策因素和附加决策因素,基于随机效用理论,构建乘客路径选择模型；考虑乘客对于信息依赖程度、乘客的理性出行程度和理性出行激发阈值,研究分析了乘客出行的自适应学习行为,从理论上构建了乘客出行自适应学习模型。（3）通过建立拥塞条件下的城市轨道交通客流动态分配模型,研究严格考虑列车容量限制和乘客留乘因素影响下的客流分配问题,证明了能力限制条件下和乘客留乘费用的随机用户均衡关系,并提出了求解该模型的有效算法,依据模型计算客流在路网的分配情况并分析了影响客流分配结果的参数敏感性,完善了城市轨道交通客流分配理论。本文所提出的客流分配模型,能够实现误差为11.2%的客流分配计算,同时能推算客流拥塞条件下的车站乘客留乘时间。（4）基于多智能体仿真建模技术和方法,采用自底向上的建模方法,结合乘客出行的路径选择行为和自适应学习行为,提出了解决路径重叠下的客流路径选择模型和序列过程的列车选择模型,同时提出了日变条件下的乘客自适应学习模型。通过构建日变条件下的客流动态演化仿真模型,模拟和复现不同信息依赖条件、不同理性程度和决策激发改变阈值的行为特点下的客流在日变条件下的网络全出行决策过程。通过仿真实验分析和解释城市轨道交通网络客流演化过程。在此基础上,通过构建车站-区间流量线性比例矩阵和客流留乘延误时长指标,研究网络流量演化评估和网络客流留乘延误评估方法,从客流的空间扩散和时间扩展角度刻画网络客流的路网传播过程。通过算例解释了网络的演化机理,并提出了拥塞状态的数值化评估方法。（5）根据客流的分布情况和网络演化规律,研究了通过城市轨道交通网络运输供给能力调配和客运需求管控的最优化技术,通过构建了网络运力资源优化模型和网络协调限流模型,提出了以网络运营效率最优和能力利用最大化为目标的客流拥塞疏导理论技术和方法体系。实例证明了模型在调配网络运能运力资源,实现流量最优化控制,疏导网络拥塞状态方面具有较高的理论价值和应用意义。论文研究的主要创新点主要有：1)从客流分配角度提出了城市轨道交通时刻表扩展网络,并基于该网络构建了k短时变路径搜索算法,包括双层拓扑子图的深度优先的分支边删除算法和时刻表扩展的遍历算法。该算法相较既有算法降低了复杂度,并具有更优的搜索效率。同时证明了城市轨道交通网络流量分配与路径留乘时间的随机均衡条件,并以留乘时间作为决策变量构建了考虑列车容量限制条件下的客流随机均衡分配模型,为基于时刻表的客流分配模型提供建模思路。2)提出了联合分层选择行为的乘客决策模型,构建了从乘客出行中的路径选择和列车选择的决策树模型,为客流网络出行决策提供了新的研究思路和建模方法。3)提出了通过乘客出行行为建模的日变网络演化模型,基于客流微观行为学,研究城市轨道交通客流日变演化问题。模型通过考虑乘客对信息依赖程度,乘客理性程度和乘客理性决策激发变量的变化分析复杂的城市轨道交通网络中的日变演化过程。4)构建了基于进站流率最高和区间运力利用率最高的网络协调限流模型,并提出了区分空间和时间粒度的精细化的网络协调限流技术。
杨孟君[9]（2015）在《基于网络认知的无中心式系统交互的优化方法》文中研究指明无中心式协同网络系统已在现代信息系统中获得了广泛的应用,这类应用中的个体通常广泛分布在复杂的环境中,通过个体之间的信息交互来共同完成系统的任务。而当这类分布式系统应用向规模化方向发展时,如何设计结点之间交互的优化方法提高这些系统效率成为一个瓶颈问题。由于结点对系统状态的部分可观测性,导致网络的协同最优化求解问题成为一个NEXP-COMPELTE问题,最优网络协同行为求解几乎不可能。而当前对于结点之间的交互优化通常关注于结点之间的交互策略,而忽略了网络结构本身对结点之间的交互产生的影响。目前针对复杂网络的研究已有很多,但是通过利用或者改变网络的结构特性来优化结点之间交互的研究却很少。无中心式系统中结点之间的交互方式同人类社会类似,结点会根据自己所处的社会地位以及当前对整个系统的状态评估情况做出通信决策。通过认知网络结构以及结点在网络中所处的地位,结点能够很好的评估网络通信状况,从而做出通信决策,或者通过调整网络结构来提交结点交互效率。本文中我们主要针对基于传感器或者多机器人的以广播形式进行通信的以及基于多智能体或软件中间件以P2P方式进行通信的两种无中心式系统的协同交互进行优化。在基于传感器或多机器人的无中心式系统中,结点之间的连接依赖于结点网络部署情况,改变网络结构需要消耗大量能量,另外,在广播通信中,网络结构的调整对广播的效率并不会产生太大影响,因此,在这类网络中,我们利用复杂网络属性对信息广播的影响来优化结点交互。而在基于P2P通信的网络中,结点之间的连接为逻辑连接,我们可以通过改变结点之间的局部连接调整网络结构,使得整个网络的交互更优。首先我们通过实验仿真的方法分别研究网络特性以及网络结构对两种不同的网络结点协同交互产生的影响,并研究如何利用这些特性优化结点之间的交互。然后分别提出两种通信模型下的复杂网络属性模型以及其维护和更新算法,最后提出整合的利用复杂网络属性对结点交互进行优化的启发式算法。我们通过仿真实验,加载不同的交互机制,验证了本文提出的两种算法的有效性。
姚向明[10]（2015）在《城市轨道交通网络动态客流分布及协同流入控制理论与方法》文中研究表明城市轨道交通网络化运营条件下,路网通达性增强、乘客行为多样、客流时空分布特征复杂、运输计划协调性高、客流需求与运输能力间耦合关系紧密,对客运组织、列车运行控制以及安全保障等提出更高要求。然而,我国轨道交通快速发展进程中,客流拥挤日益严重、运营安全隐患增多、协同运输组织难度提高等一系列问题突显。准确把握客流动态分布规律是开展协同运营组织、运力资源调配、动态运营管理、应急协调联控的基础与关键。本文以客流为研究主线,从客流O-D（Origin-Destination）动态估计、客流动态分配以及客流流入协同控制三方面展开研究,为提高我国城市轨道交通运营组织水平及促进动态运营管理实施提供理论支撑。具体研究内容包括：（1）客流O-D动态估计：结合城市轨道交通网络结构封闭、乘客行程时间可靠性高、先验客流信息充足等特点,建立以进站量、出站量为实时采集流信息,以乘客行程时间分布特征、先验O-D矩阵为辅助估计信息的动态O-D矩阵估计方法。基于滑动平均策略建立一种改进的动态O-D矩阵估计最小二乘模型,从而提高短时范围内估计结果精度;基于卡尔曼滤波算法构建结构化动态O-D矩阵估计状态空间模型,从而满足大规模路网在线O-D估计的时效性需求。客流需求动态估计为动态运营管理与控制、动态客流分配等系统提供重要的基础输入数据——动态O-D矩阵。（2）客流动态分配：构建基于乘客个体出行行为的客流分布微观仿真模型,详细描述乘客的径路选择、进出站走行、上下车、换乘以及滞留等一系列行为,并开发城市轨道交通网络客流仿真平台SURPASS（Smart Urban Rail Passenger Assignment Simulation System）,通过模拟大量乘客在网络上的完整出行过程,来宏观展现客流的群体分布特征。以某轨道交通网络为对象搭建仿真试验场景,对仿真平台进行测试,结果表明：该平台能够很好地模拟乘客在网络上的完整出行过程,满足大规模网络仿真运算需求,有效解决轨道交通动态客流分配问题。（3）客流流入协同控制：针对高峰时段日益严重的客流拥挤问题,开展客流流入协同控制方法研究,基于数学规划方法分别建立了适用于线路层和网络层的客流流入协同控制模型,为控流车站选择、控流时段确定以及控流强度设定提供理论依据和计算方法,丰富城市轨道交通客流需求管理理论及方法,为客运组织中限流方案制定提供量化参考依据。
二、多智能体系统中基于A-Prolog的能力匹配机制（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、多智能体系统中基于A-Prolog的能力匹配机制（论文提纲范文）
（1）面向车联网的行车主动服务系统关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状与不足 |
| 1.2.1 车联网研究现状及分析 |
| 1.2.2 行车服务系统现状及分析 |
| 1.2.3 服务生成方法研究现状 |
| 1.2.4 主动推送方法研究现状 |
| 1.2.5 存在的不足之处 |
| 1.3 主要研究内容与技术路线 |
| 第二章 基于多智能体协同理论的DASS研究 |
| 2.1 MAHCCM框架研究 |
| 2.1.1 多智能体协同技术现状 |
| 2.1.2 MAHCCM高层架构 |
| 2.1.3 MAHCCM工作流程 |
| 2.2 基于MAHCCM的 DASS研究 |
| 2.2.1 DASS体系设计 |
| 2.2.2 DASS构件库设计 |
| 2.2.3 构件库应用策略 |
| 2.3 本章小结 |
| 第三章 DASS服务生成框架与算法研究 |
| 3.1 基于行车环境的主动生成框架 |
| 3.1.1 典型服务行车环境 |
| 3.1.2 行车环境实体及服务类 |
| 3.1.3 服务主动生成框架 |
| 3.2 DASS服务主动生成算法研究 |
| 3.2.1 行车环境实体与服务建模 |
| 3.2.2 行车服务需求建模 |
| 3.2.3 可执行能力匹配算法 |
| 3.2.4 服务生成与评价算法 |
| 3.3 DASS服务生成案例研究与验证 |
| 3.3.1 服务生成实验环境 |
| 3.3.2 实验设计与结果分析 |
| 3.4 本章小结 |
| 第四章 DASS推送平台及关键算法研究 |
| 4.1 服务主动推送平台 |
| 4.1.1 DPSP主动推送平台 |
| 4.1.2 服务推送流程 |
| 4.2 服务推送关键算法 |
| 4.2.1 服务预处理及关联分类 |
| 4.2.2 行为特征挖掘算法 |
| 4.2.3 服务规则匹配方法 |
| 4.2.4 推送时机选择算法 |
| 4.3 DASS推送实验验证及分析 |
| 4.3.1 验证指标 |
| 4.3.2 推送平台实验设计 |
| 4.3.3 实验结果分析 |
| 4.4 本章小结 |
| 第五章 面向危险并道控制场景的DASS应用验证 |
| 5.1 基于并道概率因子的避让模型构建 |
| 5.1.1 避让控制技术背景 |
| 5.1.2 BPNN避让模型 |
| 5.1.3 基于概率因子的避让模型 |
| 5.2 DASS场景匹配及应用评价 |
| 5.2.1 DASS场景匹配 |
| 5.2.2 DASS模型应用约束 |
| 5.3 DASS模型应用验证分析 |
| 5.3.1 数据来源 |
| 5.3.2 DASS避让模型应用验证 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间的科研成果 |
| 参加的科研项目 |
| 发表的学术论文 |
| 公开的相关专利 |
（2）工业机器人数字孪生制造系统可重构建模研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题来源 |
| 1.2 课题研究的目的背景及意义 |
| 1.3 相关领域国内外研究现状 |
| 1.3.1 数字孪生研究现状 |
| 1.3.2 可重构制造系统研究现状 |
| 1.3.3 制造系统建模方法研究现状 |
| 1.3.4 现有研究中存在的问题和不足 |
| 1.4 本文的主要研究工作和组织结构 |
| 第2章 工业机器人数字孪生制造系统可重构建模机制研究 |
| 2.1 五维模型驱动的可重构数字孪生制造系统架构 |
| 2.1.1 物理层 |
| 2.1.2 模型层 |
| 2.1.3 服务层 |
| 2.1.4 数据层 |
| 2.2 虚拟孪生体五维融合模型 |
| 2.2.1 几何模型 |
| 2.2.2 物理模型 |
| 2.2.3 能力模型 |
| 2.2.4 行为模型 |
| 2.2.5 规则模型 |
| 2.3 可重构建模机制与制造系统模型重构策略 |
| 2.3.1 工业机器人数字孪生制造系统重构问题分析 |
| 2.3.2 数字孪生制造系统映射物理制造系统重构策略 |
| 2.3.3 数字孪生制造系统升级设计重构策略 |
| 2.3.4 数字孪生制造系统结构依赖知识模型 |
| 2.4 可重构数字孪生制造系统服务模型 |
| 2.4.1 服务功能块模型 |
| 2.4.2 执行控制图 |
| 2.5 本章小结 |
| 第3章 基于多智能体深度学习的数字孪生制造系统多级重构方法研究 |
| 3.1 数字孪生制造系统孪生体重构多级模型 |
| 3.1.1 数字孪生制造系统系统级布局拓扑模型 |
| 3.1.2 数字孪生制造系统单元级制造能力增强模型 |
| 3.1.3 数字孪生制造系统系统级制造能力增强模型 |
| 3.2 基于多智能体深度学习的数字孪生制造系统服务重构方法 |
| 3.2.1 基于深度学习的数字孪生制造系统单元级服务重构模型 |
| 3.2.2 基于专家知识的深度学习智能体生成模型 |
| 3.2.3 基于多智能体深度学习的数字孪生制造系统服务重构算法 |
| 3.3 仿真实验与结果分析 |
| 3.3.1 实验环境 |
| 3.3.2 结果分析 |
| 3.4 本章小结 |
| 第4章 工业机器人可重构数字孪生制造系统设计与实现 |
| 4.1 工业机器人可重构数字孪生制造系统总体设计 |
| 4.1.1 系统总体架构 |
| 4.1.2 系统开发及运行环境 |
| 4.1.3 系统开发关键技术 |
| 4.2 数据库设计 |
| 4.3 系统功能模块实现及运行分析 |
| 4.3.1 虚拟孪生体控制模块 |
| 4.3.2 数据交互及模型更新模块 |
| 4.3.3 系统重构模块 |
| 4.3.4 人机交互接口模块 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 附录一 研究生期间的研究成果 |
（3）基于领域知识的多无人平台自主协同规划技术研究及应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的研究背景及研究意义 |
| 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 领域知识表示与建模研究现状 |
| 1.2.2 多无人平台自主协同规划研究现状 |
| 1.3 研究内容 |
| 1.3.1 研究内容 |
| 1.3.2 创新点 |
| 1.4 论文章节安排 |
| 第二章 多无人平台自主协同规划总体技术框架 |
| 2.1 总体技术框架设计 |
| 2.1.1 现有的无人平台架构 |
| 2.1.2 本文总体技术框架 |
| 2.2 系统软硬件设计 |
| 2.2.1 软件系统 |
| 2.2.2 硬件平台 |
| 2.3 本体技术 |
| 2.3.1 本体的概念 |
| 2.3.2 本体描述语言OWL |
| 2.4 JESS专家系统 |
| 2.5 本章小结 |
| 第三章 无人平台典型作战领域知识表示与建模 |
| 3.1 知识表示与建模分析 |
| 3.1.1 知识表示与建模的目的与要求 |
| 3.1.2 无人平台作战任务 |
| 3.1.3 任务的形式化描述 |
| 3.2 本体知识构建 |
| 3.2.1 任务本体 |
| 3.2.2 环境本体 |
| 3.2.3 实体本体 |
| 3.2.4 状态本体 |
| 3.3 测试与评价 |
| 3.4 本章小结 |
| 第四章 基于规则的任务粗分解 |
| 4.1 推理规则库构建 |
| 4.1.1 基于规则的推理 |
| 4.1.2 SWRL规则的结构和语法 |
| 4.1.3 SWRL规则库构建 |
| 4.2 基于本体知识和规则库的推理 |
| 4.3 本章小结 |
| 第五章 基于时序规划的任务细分解 |
| 5.1 任务规划知识表示 |
| 5.2 基于任务规划知识的规划器领域文件的生成 |
| 5.3 基于POPF的任务细分解 |
| 5.4 基于能力匹配原则的行动分配 |
| 5.5 本章小结 |
| 第六章 多无人平台自主协同规划 |
| 6.1 多无人平台巡逻框架 |
| 6.2 基于MRPP的优化调度 |
| 6.3 实验验证 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 论文工作总结 |
| 7.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（4）城市轨道交通车站乘客微观行为分析与建模（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.3 国内外研究评述 |
| 1.3.1 行人交通行为研究 |
| 1.3.2 行人仿真模型研究 |
| 1.3.3 城市轨道交通客流控制研究 |
| 1.3.4 既有研究总结 |
| 1.4 研究范围和内容 |
| 1.4.1 研究范围 |
| 1.4.2 研究内容 |
| 1.5 论文结构及技术路线 |
| 2 乘客微观行为与集散过程分析 |
| 2.1 城市轨道交通客流分析 |
| 2.1.1 客流概述 |
| 2.1.2 客流特征分析 |
| 2.2 乘客微观行为分析 |
| 2.2.1 车站内主要设施 |
| 2.2.2 乘客微观行为描述 |
| 2.2.3 乘客微观行为特征 |
| 2.2.4 乘客微观行为影响因素分析 |
| 2.3 乘客集散过程分析 |
| 2.4 本章小结 |
| 3 乘客走行行为建模与仿真 |
| 3.1 走行行为分类描述 |
| 3.1.1 基本走行行为 |
| 3.1.2 其他三种走行行为 |
| 3.2 走行行为建模 |
| 3.2.1 走行行为模型 |
| 3.2.2 期望目标点 |
| 3.2.3 乘客与乘客之间的作用力 |
| 3.2.4 乘客到障碍物的距离 |
| 3.2.5 停止等待方案 |
| 3.2.6 社会力模型仿真流程图 |
| 3.3 走行行为模型的仿真实现及验证 |
| 3.3.1 通道仿真实现及验证 |
| 3.3.2 疏散仿真实现及验证 |
| 3.4 本章小结 |
| 4 乘客节点选择行为建模与仿真 |
| 4.1 决策理论 |
| 4.1.1 决策的概念 |
| 4.1.2 常见的三种决策理论 |
| 4.1.3 双系统理论 |
| 4.1.4 决策行为的研究方法 |
| 4.2 节点选择行为建模 |
| 4.2.1 分析系统 |
| 4.2.2 直觉系统 |
| 4.2.3 节点选择行为模型 |
| 4.3 节点选择行为仿真研究 |
| 4.3.1 仿真流程 |
| 4.3.2 虚拟场景的仿真实现及验证 |
| 4.3.3 闸机的仿真实现及验证 |
| 4.4 本章小结 |
| 5 乘客排队行为建模与仿真 |
| 5.1 排队行为建模 |
| 5.1.1 排队线的概念 |
| 5.1.2 排队行为模型 |
| 5.2 排队行为仿真研究 |
| 5.2.1 仿真流程图 |
| 5.2.2 虚拟场景的仿真实现及验证 |
| 5.3 安检处乘客微观行为分析 |
| 5.3.1 安检服务时间及其影响因素 |
| 5.3.2 多个安检机的选择 |
| 5.4 售票处及安检的仿真实现及验证 |
| 5.4.1 售票处仿真实现及验证 |
| 5.4.2 安检仿真实现及验证 |
| 5.5 本章小结 |
| 6 基于乘客微观行为模型的设施控制策略研究 |
| 6.1 客流控制 |
| 6.1.1 客流控制概述 |
| 6.1.2 设施的控制策略 |
| 6.2 设施客流控制策略分析 |
| 6.2.1 闸机的客流控制策略 |
| 6.2.2 安检的客流控制策略 |
| 6.2.3 出入口的客流控制策略 |
| 6.3 多智能体仿真模型及系统 |
| 6.3.1 多智能体仿真模型 |
| 6.3.2 仿真环境的抽象 |
| 6.3.3 乘客智能体的构建 |
| 6.3.4 多智能体仿真系统 |
| 6.4 动物园地铁站案例分析 |
| 6.4.1 设施有向图及仿真环境的搭建 |
| 6.4.2 设施客流控制策略 |
| 6.4.3 设施控制策略仿真系统 |
| 6.4.4 设施控制策略的分析 |
| 6.5 本章小结 |
| 7 研究结论和展望 |
| 7.1 主要研究工作及结论 |
| 7.2 论文主要创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）城市区域消防安全风险诊断与自适应机制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 引言 |
| 1.1 研究背景 |
| 1.1.1 火灾风险背景概述 |
| 1.1.2 城市发展与城市安全背景概述 |
| 1.1.3 应急管理与消防安全背景概述 |
| 1.2 研究目的及意义 |
| 1.2.1 研究动机与目的 |
| 1.2.2 理论与实践意义 |
| 1.3 研究内容与技术框架 |
| 1.3.1 主要研究内容 |
| 1.3.2 研究方法及技术路线 |
| 第2章 城市安全及消防问题研究分析与述评 |
| 2.1 城市灾害与安全研究现状分析 |
| 2.1.1 城市灾害研究 |
| 2.1.2 城市安全研究 |
| 2.1.3 智慧城市的安全实践研究 |
| 2.2 消防安全与应急管理研究现状分析 |
| 2.2.1 城市火灾机理研究 |
| 2.2.2 火灾影响因素及风险评估研究 |
| 2.2.3 消防安全管理研究 |
| 2.2.4 应急管理研究 |
| 2.3 研究评述与问题归纳 |
| 2.4 小结 |
| 第3章 城市系统安全结构与消防安全基础 |
| 3.1 城市的系统科学研究与本质结构分析 |
| 3.1.1 基于耗散结构理论的城市系统分析 |
| 3.1.2 城市空间结构功能分布与系统韧性 |
| 3.1.3 城市系统安全结构研究 |
| 3.2 城市火灾风险系统研究 |
| 3.2.1 城市火灾风险系统的要素及内涵 |
| 3.2.2 系统秩序性角度分析城市火灾演化规律 |
| 3.2.3 面向消防安全的城市应急管理需求体系 |
| 3.3 城市火灾风险影响要素研究 |
| 3.4 小结 |
| 第4章 城市区域网格化与风险要素信息化整备 |
| 4.1 面向消防安全的城市区域网格化研究 |
| 4.1.1 网格化火灾风险治理研究 |
| 4.1.2 城市地理网格单元规划 |
| 4.2 城市区域火灾风险要素信息化研究 |
| 4.2.1 信息归集与数据表示 |
| 4.2.2 消防安全信息情报分析 |
| 4.2.3 基于大数据的风险诊断框架 |
| 4.3 城市区域网格化与风险要素信息化应用实证 |
| 4.4 小结 |
| 第5章 城市区域火灾风险诊断模型研究 |
| 5.1 风险诊断模型相似关联算法 |
| 5.1.1 信息数据混合归类分析 |
| 5.1.2 要素参数的数字化与标准化 |
| 5.1.3 风险要素比重分析与权值计算 |
| 5.1.4 动态要素演化行为分析的时序相似关联度算法 |
| 5.2 风险诊断实践模型 |
| 5.2.1 综合要素加权相似关联计算与优势分析 |
| 5.2.2 诊断结果分析与实践路径规划 |
| 5.2.3 基于风险诊断的灰色灾变演化趋势预测 |
| 5.2.4 城市区域火灾风险分布预警云图 |
| 5.3 城市网格风险诊断模型应用实证 |
| 5.4 小结 |
| 第6章 城市消防安全自适应机制研究 |
| 6.1 自适应机制概念模型分析与构建 |
| 6.1.1 城市风险的自适应定性描述 |
| 6.1.2 “风险-能力”叠加效应分析 |
| 6.1.3 自适应机制的动力结构分析 |
| 6.1.4 适应性驱动的城市韧性增长 |
| 6.1.5 基于火灾情景的城市系统安全结构秩序管理 |
| 6.2 消防应急能力适应研究 |
| 6.2.1 消防应急能力成熟度模型 |
| 6.2.2 能力分析评价体系构建研究 |
| 6.2.3 能力成熟度分级评价 |
| 6.2.4 综合“风险-能力”分析的城市消防安全研究 |
| 6.3 综合“风险-能力”分析实证 |
| 6.4 城市区域火灾风险治理策略 |
| 6.4.1 风险治理组织重构与高可靠性组织建设 |
| 6.4.2 适应风险变化的动态应急准备 |
| 6.4.3 “三预控”任务框架 |
| 6.5 小结 |
| 第7章 结论与展望 |
| 7.1 结论成果归纳及创新点总结 |
| 7.1.1 主要研究结论与成果 |
| 7.1.2 创新点 |
| 7.2 研究展望 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
| 致谢 |
| 作者简介 |
（6）基于承诺的动态环境下异构Agent协作研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景 |
| 1.2 关键技术及研究现状 |
| 1.2.1 Agent协作研究进展 |
| 1.2.2 Agent承诺与规约 |
| 1.3 目前存在的不足 |
| 1.4 研究内容及创新点 |
| 1.5 论文组织结构 |
| 第2章 异构Agent协作相关理论概述 |
| 2.1 异构Agent系统协作机制 |
| 2.2 异构Agent协作体系 |
| 2.3 Agent协作模型简介与比较 |
| 2.3.1 Agent协作模型简介 |
| 2.3.2 Agent协作模型的特点及比较 |
| 2.3.3 异构Agent协作应用领域 |
| 2.4 小结 |
| 第3章 基于能力驱动的Agent承诺模型 |
| 3.1 承诺模型中的相关概念 |
| 3.2 基于能力驱动的承诺模型及其语义描述 |
| 3.2.1 承诺的生命周期 |
| 3.2.2 基于能力驱动的承诺模型 |
| 3.2.3 承诺模型的结构化描述 |
| 3.3 面向智能停车场的承诺模型 |
| 3.3.1 承诺模型的活动描述 |
| 3.3.2 承诺模型的能力建模 |
| 3.4 小结 |
| 第4章 基于能力的承诺协议动态生成算法 |
| 4.1 Agent能力匹配方法 |
| 4.2 Agent能力匹配过程 |
| 4.3 承诺协议的生成比较与最优选择 |
| 4.3.1 承诺协议的生成 |
| 4.3.2 经典定义与扩展定义下承诺的比较 |
| 4.3.3 承诺协议的最优选择 |
| 4.4 小结 |
| 第5章 实验设计与结果分析 |
| 5.1 实验场景描述 |
| 5.2 实验结果分析 |
| 5.2.1 承诺协议生成实验分析 |
| 5.2.2 承诺协议对比实验分析 |
| 5.2.3 承诺协议选择实验分析 |
| 5.3 仿真实验 |
| 5.4 小结 |
| 第6章 总结与展望 |
| 参考文献 |
| 攻读硕士期间已发表的论文 |
| 致谢 |
（8）拥塞条件下的城市轨道交通网络流量分配演化建模及疏导策略研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景、意义及目的 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义及目的 |
| 1.2 国内外研究现状 |
| 1.2.1 城市轨道交通网络流量分配 |
| 1.2.2 城市轨道交通拥塞管理和控制策略综述 |
| 1.3 论文主要研究内容及论文框架 |
| 1.3.1 主要研究内容 |
| 1.3.2 论文框架 |
| 2 城市轨道交通网络分析 |
| 2.1 城市轨道交通网络架构分析 |
| 2.2 城市轨道交通网络层次分析 |
| 2.2.1 城市轨道交通物理路网拓扑层 |
| 2.2.2 城市轨道交通列车运行网络层 |
| 2.2.3 城市轨道交通网络的时间依赖性 |
| 2.3 城市轨道交通网络建模 |
| 2.3.1 城市轨道交通物理拓扑网络建模 |
| 2.3.2 城市轨道交通时刻表扩展网络模型 |
| 2.4 小结 |
| 3 城市轨道交通乘客出行行为分析与建模 |
| 3.1 城市轨道交通乘客出行调查分析 |
| 3.2 城市轨道交通乘客路径选择行为分析及建模 |
| 3.2.1 乘客出行路径选择影响因素分析 |
| 3.2.2 乘客出行路径选择建模 |
| 3.3 城市轨道交通乘客出行自适应行为分析及建模 |
| 3.3.1 城市轨道交通乘客出行自适应行为分析 |
| 3.3.2 城市轨道交通乘客出行自适应行为建模 |
| 3.4 小结 |
| 4 基于时刻表的城市轨道交通网络流量分配模型 |
| 4.1 拥塞网络的流量特征 |
| 4.1.1 城市轨道交通网络拥塞状态 |
| 4.1.2 拥塞状态下的客流分配特征 |
| 4.2 有效时变扩展K短路径搜索 |
| 4.2.1 乘客出行有效路径判断 |
| 4.2.2 时刻表扩展网络的k短时变路径搜索算法 |
| 4.2.3 算例分析 |
| 4.3 时刻表扩展网络的随机均衡分配模型 |
| 4.3.1 时变扩展路径的广义费用函数 |
| 4.3.2 时刻表扩展网络的随机均衡分配模型 |
| 4.4 模型求解算法 |
| 4.5 模型实例分析 |
| 4.5.1 模型计算结果分析 |
| 4.5.2 参数分析 |
| 4.6 小结 |
| 5 城市轨道交通日变客流演化研究 |
| 5.1 城市轨道交通客流演化概述 |
| 5.1.1 客流日变演化问题提出 |
| 5.1.2 主要研究框架 |
| 5.2 基于联合分层选择行为的网络客流出行决策模型 |
| 5.2.1 模型基本概述 |
| 5.2.2 基于扩展Logit路径选择模型 |
| 5.2.3 基于序列过程的列车选择模型 |
| 5.3 城市轨道交通网络客流日变演化模型 |
| 5.3.1 城市轨道交通客流状态的日变演化机制 |
| 5.3.2 城市轨道交通乘客出行选择的日变学习过程 |
| 5.3.3 不同乘客理性条件下的日变出行建模 |
| 5.4 基于多智能体的客流日变演化仿真模型 |
| 5.4.1 系统仿真方法 |
| 5.4.2 网络客流演化仿真建模方法 |
| 5.4.3 基于多智能体的客流演化仿真模型 |
| 5.5 拥塞状态网络客流演化评估 |
| 5.5.1 网络流量演化评估 |
| 5.5.2 网络客流留乘延误评估 |
| 5.6 模型算例分析 |
| 5.6.1 仿真参数及仿真结果校验 |
| 5.6.2 系统演化分析 |
| 5.6.3 拥塞状态演化评估 |
| 5.7 小结 |
| 6 城市轨道交通客流拥塞疏导策略研究 |
| 6.1 城市轨道交通网络客流疏导策略内容 |
| 6.1.1 客流疏导概述 |
| 6.1.2 客流疏导组织策略 |
| 6.2 城市轨道交通网络运力优化配置模型 |
| 6.2.1 网络运力配置优化分析 |
| 6.2.2 日常高峰运营时段运力资源配置优化模型 |
| 6.2.3 平峰大客流进站的运力资源配置优化模型 |
| 6.3 城市轨道交通网络协调限流模型 |
| 6.3.1 限流控制基本概述 |
| 6.3.2 协调限流模型分析 |
| 6.3.3 网络协调限流模型构建 |
| 6.4 实例分析 |
| 6.4.1 高峰小时的运力配置优化策略 |
| 6.4.2 高峰小时的网络协调限流策略 |
| 6.5 小结 |
| 7 结论和展望 |
| 7.1 主要研究成果 |
| 7.2 主要创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 附录 |
| 作者简历及攻读博士期间取得的研究成果 |
| 学位论文数据集 |
（9）基于网络认知的无中心式系统交互的优化方法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 简介 |
| 1.2 国内外研究现状 |
| 1.2.1 通信策略研究 |
| 1.2.2 复杂网络的研究 |
| 1.3 研究内容 |
| 1.4 论文结构安排 |
| 第二章 问题描述 |
| 2.1 无中心式系统网络基本描述 |
| 2.2 无中心式系统网络交互模型 |
| 2.2.1 基于无线通信的广播模型 |
| 2.2.2 基于P2P的网络交互模型 |
| 2.3 网络协同交互过程及优化目标 |
| 2.3.1 网络中结点间交互过程描述 |
| 2.3.2 结点交互目标 |
| 2.3.3 基于broadcast的网络交互优化方法及目标 |
| 2.3.4 基于P2P的网络交互优化方法及目标 |
| 2.4 本章小结 |
| 第三章 复杂网络属性对网络协同交互的影响 |
| 3.1 复杂网络的统计描述 |
| 3.1.1 结点之间距离统计性质 |
| 3.1.2 环及完全图的统计性质 |
| 3.1.3 结点间连接统计特性 |
| 3.1.4 网络结构的其他描述 |
| 3.2 网络拓扑基本模型及性质 |
| 3.2.1 规则网络 |
| 3.2.2 ER随机网络模型 |
| 3.2.3 WS小世界网络模型 |
| 3.2.4 BA无标度网络模型 |
| 3.3 复杂网络对broadcast通信交互的影响 |
| 3.3.1 平均距离 |
| 3.3.2 度分布 |
| 3.3.3 聚类与介数 |
| 3.4 复杂网络对P2P通信交互的影响 |
| 3.4.1 聚类系数对结点交互的影响分析 |
| 3.4.2 小世界及无标度特性对网络协同的影响研究 |
| 3.4.2.1 基于马尔科夫链的多智能体系统信息传输 |
| 3.4.2.2 网络特性对多智能体协同性能的仿真研究 |
| 3.5 本章小结 |
| 第四章 基于broadcast通信传输的网络在线优化算法 |
| 4.1 结点的局部网络认知 |
| 4.1.1 复杂网络属性的维护 |
| 4.1.2 结点局部网络属性更新 |
| 4.1.2.1 网络属性的局部模型 |
| 4.1.2.2 结点局部属性更新算法 |
| 4.2 基于复杂网络属性的网络交互优化方法 |
| 4.3 本章小结 |
| 第五章 基于P2P通信传输的网络结构在线调整算法 |
| 5.1 结点的局部网络认知 |
| 5.1.1 结点的局部网络认知模型 |
| 5.1.2 局部网络认知模型更新 |
| 5.2 基于复杂网络属性的网络结构在线调整算法 |
| 5.2.1 降低结点的聚类系数 |
| 5.2.2 重连 |
| 5.2.3 小世界特性—添加捷径 |
| 5.2.4 降低hub结点度数 |
| 5.2.5 整合算法 |
| 5.3 本章小结 |
| 第六章 仿真与实验 |
| 6.1 基于broadcast的多机器人交互优化仿真实验 |
| 6.1.1 实验设计 |
| 6.1.1.1 实验基本设计 |
| 6.1.1.2 实验评估方法及对比算法 |
| 6.1.1.3 实验参数设计 |
| 6.1.1.4 实验分组设计 |
| 6.1.2 实验结果及分析 |
| 6.1.2.1 算法的有效性分析 |
| 6.1.2.2 不同密度下的算法有效性分析 |
| 6.1.2.3 不同网络规模下的可扩展性分析 |
| 6.1.2.4 动态网络中算法的有效性分析 |
| 6.2 基于P2P的MAS网络结构调整仿真实验 |
| 6.2.1 实验设计 |
| 6.2.1.1 实验基本设计 |
| 6.2.1.2 实验评估方法及对比算法 |
| 6.2.2 实验结果及分析 |
| 6.2.2.1 不同网络结构对网络调整算法的影响 |
| 6.2.2.2 不同的网络规模对算法的影响 |
| 6.2.2.3 不同结点平均度对算法的影响 |
| 6.3 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 攻硕期间的研究成果 |
（10）城市轨道交通网络动态客流分布及协同流入控制理论与方法（论文提纲范文）
| 致谢 摘要 ABSTRACT 目录 图目录 表目录 1 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 研究内容与技术路线 |
| 1.2.1 研究内容 |
| 1.2.2 技术路线 |
| 1.3 论文结构 |
| 1.4 本章小结 2 研究综述 |
| 2.1 动态O-D矩阵估计 |
| 2.1.1 O-D矩阵估计基本原理 |
| 2.1.2 O-D矩阵估计模型介绍 |
| 2.1.3 研究现状分析与总结 |
| 2.2 轨道交通客流分配 |
| 2.2.1 静态客流分配 |
| 2.2.2 动态客流分配 |
| 2.2.3 研究现状分析与总结 |
| 2.3 客流需求管理与控制 |
| 2.3.1 大客流运营组织 |
| 2.3.2 车站客流流入控制 |
| 2.3.3 研究现状分析与总结 |
| 2.4 本章小结 3 轨道交通网络客流O-D矩阵动态估计 |
| 3.1 动态O-D矩阵估计过程分析 |
| 3.1.1 动态O-D矩阵估计关键问题 |
| 3.1.2 轨道交通动态O-D矩阵估计分析 |
| 3.1.3 轨道交通流量基本关系构建 |
| 3.2 客流时空分布特征分析 |
| 3.2.1 O-D流波动性与相关性分析 |
| 3.2.2 分流率波动性与相关性分析 |
| 3.3 基于最小二乘理论的动态O-D矩阵估计方法 |
| 3.3.1 滑动平均策略分析 |
| 3.3.2 基于滑动平均策略的最小二乘估计模型 |
| 3.4 基于卡尔曼滤波算法的动态O-D矩阵估计方法 |
| 3.4.1 O-D矩阵估计状态空间模型 |
| 3.4.2 卡尔曼滤波递推算法 |
| 3.5 案例分析 |
| 3.5.1 案例基本信息 |
| 3.5.2 估计结果分析 |
| 3.6 本章小结 4 轨道交通网络动态客流分配 |
| 4.1 动态交通分配理论基础 |
| 4.1.1 动态交通分配问题分析 |
| 4.1.2 轨道交通动态客流分配分析 |
| 4.2 基于仿真的轨道交通动态客流分配模型与算法 |
| 4.2.1 仿真网络结构描述 |
| 4.2.2 仿真模型框架构建 |
| 4.2.3 仿真主体定义及生成 |
| 4.2.4 基于动态用户最优的乘客径路选择策略 |
| 4.2.5 基于队列模型的乘客站内走行过程 |
| 4.2.6 乘客上下车交互算法 |
| 4.3 动态客流分配仿真系统-SURPASS |
| 4.3.1 SURPASS系统介绍 |
| 4.3.2 仿真系统测试 |
| 4.3.3 仿真结果验证 |
| 4.4 基于仿真平台的轨道交通运营组织应用 |
| 4.4.1 动态客流分布状态显示 |
| 4.4.2 路网客流拥挤状态在线预测 |
| 4.4.3 线路列车时刻表优化评估 |
| 4.4.4 动态运营管理辅助决策系统框架 |
| 4.5 本章小结 5 轨道交通客流流入协同控制 |
| 5.1 客流流入控制问题分析 |
| 5.1.1 客流流入控制概述 |
| 5.1.2 客流流入控制措施 |
| 5.2 线路层客流流入协同控制 |
| 5.2.1 模型构建 |
| 5.2.2 线路层客流流入协同控制模型 |
| 5.2.3 案例分析 |
| 5.3 网络层客流流入协同控制 |
| 5.3.1 模型构建 |
| 5.3.2 网络层客流流入协同控制模型 |
| 5.3.3 案例分析 |
| 5.4 本章小结 6 结论与展望 |
| 6.1 主要研究工作 |
| 6.2 论文创新点 |
| 6.3 研究展望 参考文献 作者简历及攻读博士学位期间取得的研究成果 学位论文数据集 |
四、多智能体系统中基于A-Prolog的能力匹配机制（论文参考文献）
- [1]面向车联网的行车主动服务系统关键技术研究[D]. 丛森森. 江苏大学, 2020
- [2]工业机器人数字孪生制造系统可重构建模研究[D]. 张辰源. 武汉理工大学, 2020
- [3]基于领域知识的多无人平台自主协同规划技术研究及应用[D]. 孙晓磊. 国防科技大学, 2019(02)
- [4]城市轨道交通车站乘客微观行为分析与建模[D]. 郑勋. 北京交通大学, 2019(01)
- [5]城市区域消防安全风险诊断与自适应机制研究[D]. 张宇栋. 首都经济贸易大学, 2019(03)
- [6]基于承诺的动态环境下异构Agent协作研究[D]. 王晶. 武汉工程大学, 2018(08)
- [7]中国交通工程学术研究综述·2016[J]. 《中国公路学报》编辑部. 中国公路学报, 2016(06)
- [8]拥塞条件下的城市轨道交通网络流量分配演化建模及疏导策略研究[D]. 周玮腾. 北京交通大学, 2016(10)
- [9]基于网络认知的无中心式系统交互的优化方法[D]. 杨孟君. 电子科技大学, 2015(02)
- [10]城市轨道交通网络动态客流分布及协同流入控制理论与方法[D]. 姚向明. 北京交通大学, 2015(06)