多智能體系統(tǒng)的協(xié)作是人工智能研究的熱點。多智能體系統(tǒng)通過建立一種有效的協(xié)作模型,使得功能獨立的智能體能夠互相協(xié)作完成復(fù)雜的目標任務(wù)。目前,多智能體協(xié)作技術(shù)已經(jīng)廣泛應(yīng)用于智能機器人、交通控制、制造、網(wǎng)絡(luò)自動化與智能化、商業(yè)管理等領(lǐng)域。本文提出一種多智能體協(xié)作模型,并在RoboCup救援仿真平臺中研究了該協(xié)作模型的具體應(yīng)用,主要工作如下:第一,本文在對多智能體系統(tǒng)分析的基礎(chǔ)上,針對目前協(xié)作模型存在的問題提出了一種通用的多智能體協(xié)作模型,介紹了該協(xié)作模型的整體框架結(jié)構(gòu),并描述了其協(xié)作流程。第二,研究了多智能體協(xié)作模型的三個關(guān)鍵模塊:任務(wù)處理模塊,協(xié)商模塊,協(xié)調(diào)規(guī)劃模塊。分析了任務(wù)處理模塊對復(fù)雜任務(wù)的三個處理步驟:任務(wù)分解、任務(wù)關(guān)聯(lián)關(guān)系分析、任務(wù)重要屬性處理。確定了協(xié)商模塊中的協(xié)商模型及相應(yīng)的協(xié)商協(xié)議和協(xié)商流程,并在通用部分全局規(guī)劃的基礎(chǔ)上設(shè)計了符合本文協(xié)作模型的協(xié)調(diào)規(guī)劃模塊。第三,在RoboCup救援仿真平臺中研究了提出的多智能體協(xié)作模型的具體應(yīng)用。按照提出的多智能體協(xié)作模型構(gòu)建了執(zhí)行智能體和管理智能體結(jié)構(gòu)。按照任務(wù)處理的步驟對RoboCup救援仿真系統(tǒng)中的任務(wù)進行了任務(wù)分解、任務(wù)關(guān)聯(lián)關(guān)系分... 

【文章來源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【部分圖文】：

協(xié)商狀態(tài)轉(zhuǎn)換圖

基于 RCRSS 平臺的 Agent 結(jié)構(gòu)與任務(wù)處理本文采用 K-Means 算法[51-53]對仿真平臺中的城市模型分區(qū)。K-Means 算法是距離的間接聚類方法。該算法可以將相似的、距離較近的樣本自動歸到一個類以將仿真地圖中建筑物按距離聚集成一個個類，一個類可視為一個區(qū)域。K-具有時間復(fù)雜度低，運算速度較快，計算大數(shù)據(jù)集時有較高的的效率的優(yōu)點ns 算法如圖 4-4 所示：

東南大學(xué)碩士學(xué)位論文量不能過多。（2）區(qū)域內(nèi)救援智能體數(shù)量分配：在現(xiàn)實救援中，救援人員可以通過居民區(qū)、超市、商場等建筑預(yù)估不同區(qū)域可能救人員數(shù)量。同樣，雖然執(zhí)行 Agent 只有在仿真過程中才能通過搜索獲得任務(wù)信息在仿真前，執(zhí)行 Agent 可以通過各個區(qū)域內(nèi)建筑的密集程度和一些如氣站之類的特筑判斷各區(qū)域?qū)I(yè)任務(wù)可能的數(shù)量，專業(yè)任務(wù)較多的區(qū)域應(yīng)該在仿真初期分配較多行 Agent，以便更快的完成對該區(qū)域的搜索。RCRSS 平臺分區(qū)效果如圖 4-5 所示，不同區(qū)域用不一樣的色塊表示，可以看到整圖被均勻分成若干塊區(qū)域。

【參考文獻】：
期刊論文
[1]A Star算法在RoboCup救援仿真中路徑規(guī)劃的應(yīng)用[J]. 錢程,許映秋,談英姿.  指揮與控制學(xué)報. 2017(03)
[2]一種動態(tài)環(huán)境下多Agent的協(xié)作方法[J]. 吳坤,劉瑋,李爽,王晶.  武漢工程大學(xué)學(xué)報. 2017(02)
[3]K-means聚類算法的實例教學(xué)研究[J]. 王麗娟,郝志峰,蔡瑞初,溫雯,劉添添.  計算機教育. 2016(08)
[4]K-means聚類算法的一種改進方法[J]. 任青山,方逵.  福建電腦. 2016(05)
[5]災(zāi)難救援中應(yīng)用多智能機器人群體編隊研究[J]. 鄒海洋,陳沙沙,鄧利平.  軟件導(dǎo)刊. 2016(02)
[6]基于multi-agent的多任務(wù)分配問題研究[J]. 劉科,郭小和,周繼強,盧永樂.  計算機應(yīng)用研究. 2014(07)
[7]多Agent技術(shù)綜述[J]. 黃楠,劉斌.  微處理機. 2010(02)
[8]RoboCupRescue Agent仿真中的多智能體協(xié)作方法[J]. 黃小雨,談英姿,許映秋,孟慶法,陳科,管大琦.  系統(tǒng)仿真學(xué)報. 2009(11)
[9]基于狀態(tài)預(yù)測的多智能體動態(tài)協(xié)作算法[J]. 彭軍,劉亞,吳敏,蔣富,張曉勇.  系統(tǒng)仿真學(xué)報. 2008(20)
[10]基于遺傳算法的多邊多議題自動協(xié)商模型[J]. 翁鳴,梁俊斌,蘇德富.  計算機工程. 2005(16)

博士論文
[1]多智能體系統(tǒng)的一致性問題研究[D]. 徐曉樂.浙江工業(yè)大學(xué) 2014
[2]多Agent協(xié)商研究[D]. 姜麗.吉林大學(xué) 2007

碩士論文
[1]基于Multi-Agent的個性化產(chǎn)品供應(yīng)鏈多邊協(xié)商機制研究[D]. 王溪.鄭州大學(xué) 2017
[2]RoboCup Rescue救援智能體的行為建模研究[D]. 鈕偉.東南大學(xué) 2016
[3]動態(tài)演化博弈機制下的多個體協(xié)作控制研究[D]. 戚靜云.武漢科技大學(xué) 2016
[4]基于博弈論的多Agent協(xié)作研究[D]. 段領(lǐng)玉.河南師范大學(xué) 2015
[5]基于Multi-Agent技術(shù)的物流企業(yè)運輸調(diào)度系統(tǒng)優(yōu)化研究[D]. 席釕姿.南華大學(xué) 2014
[6]RoboCup機器人救援仿真中的多智能體協(xié)作[D]. 沈杰.南京郵電大學(xué) 2014
[7]Robocup救援仿真系統(tǒng)中的多Agent合作方法研究[D]. 張朝潮.廣東工業(yè)大學(xué) 2013
[8]多Agent協(xié)作機制的研究與應(yīng)用[D]. 劉榮.南京航空航天大學(xué) 2012
[9]基于GPGP機制的物聯(lián)網(wǎng)任務(wù)協(xié)調(diào)機制研究[D]. 黃磊.遼寧大學(xué) 2012
[10]基于黑板結(jié)構(gòu)的多智能體系統(tǒng)實現(xiàn)方法的研究[D]. 李昌平.東北大學(xué) 2011



本文編號：3041527