学位论文 > 优秀研究生学位论文题录展示

分布式智能系统中联盟机制研究

作　者: 夏娜
导　师: 蒋建国
学　校: 合肥工业大学
专　业: 信号与信息处理
关键词: 分布式智能系统多Agent系统(MAS) 联盟 KQML 敏捷供应链
分类号: TP18
类　型: 博士论文
年　份: 2005年
下　载: 545次
引　用: 7次
阅　读: 论文下载

内容摘要

在大规模复杂的分布式智能系统中,多个智能子系统之间的协调、合作尤为重要,也是难点问题。经典的大系统理论缺少有效的方法。本文基于Agent理论的联盟方法对上述问题进行了深入的理论研究,提出了一些有效的协作算法、策略,从而为实际应用系统的研制和开发提供理论指导和方法依据。论文研究的主要内容及创新之处: (1) 在计算资源受限环境下有效的Agent联盟生成算法。针对具体任务,动态选择和激活适当的Agent组成任务求解联盟,从而以最优的配置和最高的效率完成任务,这是多Agent系统(MAS)运作的重要方式。如何在计算资源受限的实际系统中快速生成面向任务的最优Agent联盟是需要解决的首要问题。本文提出了一种基于蚁群系统的Agent联盟生成算法。在求解过程中蚂蚁倾向于选择曾经合作过并且合作效果比较好的Agent组成联盟,充分实现了熟人机制;创新地引入第二种信息素“内激素”对蚁群算法进行改进,使之不再易于陷人局部极小,提高了解的质量,加快了收敛。另外,该算法在求解任务集的最优联盟序列时,基于蚁群系统的学习能力可以有效减少联盟生成的搜索时间和计算量,可实现性好!实验结果表明该算法可以在计算资源受限环境下较好地解决面向复杂任务分布式智能系统如何自组织,最优化协调、合作的问题。 (2) 有效的联盟形成的效用划分策略。联盟完成任务可以获得一定的效用,甚至可能有额外效用。在MAS中,管理者为鼓励Agent结盟,必须指定一种合适的效用划分规则。设计了基于利益均衡的联盟形成效用划分策略,在非减性效用分配等原则的基础上,提高了对额外效用划分的合理性,在面向任务的领域中有利于全局优化联盟的形成。同时,在本文策略下形成的联盟具有Nash平衡意义下的稳定性。该效用划分策略为设计分布式智能系统的进化机制提供了依据。 (3) 适合于分布式智能系统的通信模型。顺畅的通信是智能子系统之间协作的基础。设计了一种Agent分层命名与定位机制来解决位置透明通信问题;在KQML语言的基础上扩充其行为原语,构造了适合于联盟协作的内容层描述语言,以保证智能子系统对所传输的信息进行无歧义的语义理解,从而构建了适用于分布式智能系统的通信模型。 (4) 针对制造系统的两个关键问题:供应链伙伴选择、收益分配,应用Agent联盟生成算法以及效用划分策略,设计了相应的求解方案,并验证了其有效性。同时,采用Visual C++语言编制了敏捷供应链决策支持系统ASCDSS。

全文目录

摘要  7-8
Abstract  8-10
致谢  10-11
目录  11-14
插图清单  14-15
表格清单  15-16
第一章绪论  16-34
  1．1 Agent和多 Agent系统  16-22
    1．1．1 智能Agent  16-18
    1．1．2 多Agent系统  18-20
    l．1．3 Agent联盟机制  20-22
  1．2 分布式智能系统的研究现状  22-29
    1．2．1 分布式智能控制系统  22-26
    1．2．2 敏捷制造系统  26-29
  1．3 分布式智能系统中的关键问题  29-30
    1．3．1 协调合作算法  29-30
    1．3．2 效用划分策略  30
    1．3．3 通信机制  30
  1．4 课题来源及研究目的和意义  30-32
    1．4．1 课题来源  31-32
    1．4．2 本文的研究目的和意义  32
  1．5 论文组织  32-34
第二章计算资源受限环境下的联盟生成算法  34-55
  2．1 引言  34
  2．2 改进型蚁群算法求解单任务 Agent联盟  34-45
    2．2．1 问题描述  34-35
    2．2．2 相关工作  35-36
    2．2．3 蚁群算法  36-38
    2．2．4 基本蚁群算法求解Agent联盟  38-39
    2．2．5 算法的改进  39-41
    2．2．6 算法描述  41-42
    2．2．7 实验结果  42-45
  2．3 基于蚁群算法的多任务联盟串行生成算法  45-54
    2．3．1 相关工作  45-46
    2．3．2 多任务的调度  46-47
    2．3．3 算法描述  47-49
    2．3．4 与相关算法比较  49-54
  2．4 本章小结  54-55
第三章联盟形成的效用划分策略  55-70
  3．1 引言  55
  3．2 问题描述  55-56
  3．3 相关工作  56-58
    3．3．1 Shapley值法  56-57
    3．3．2 非减性效用分配法  57-58
  3．4 基于利益均衡的联盟形成策略  58-61
    3．4．1 新策略的理论基础  58-59
    3．4．2 基于利益均衡的联盟形成策略  59-60
    3．4．3 与相关方法的比较  60-61
  3．5 进一步改进方案  61-67
    3．5．1 方案设计  61-63
    3．5．2 性能分析  63-64
    3．5．3 模糊评判Agent能力贡献  64-67
  3．6 联盟形成的Nash平衡问题  67-68
    3．6．1 联盟的稳定性  67
    3．6．2 Nash平衡与稳定性  67-68
  3．7 本章小结  68-69
  3．8 联盟的生成、形成及任务完成  69-70
第四章分布式智能系统的通信  70-83
  4．1 引言  70
  4．2 Agent通信模式  70-73
    4．2．1 无通信模式  70-71
    4．2．2 消息模式  71
    4．2．3 方案传递模式  71
    4．2．4 黑板模式  71-72
    4．2．5 Agent通信语言模式  72-73
  4．3 分层命名与定位机制  73
  4．4 基于 KQML的Agent交互  73-75
  4．5 KQML行为原语的扩充  75-78
    4．5．1 新的KQML行为原语  75-76
    4．5．2 语义描述  76-78
  4．6 通信模型  78-80
  4．7 实验  80-82
  4．8 本章小结  82-83
第五章敏捷供应链决策支持系统  83-102
  5．1 引言  83-84
  5．2 伙伴选择  84-90
    5．2．1 决策模型  84-86
    5．2．2 求解方案设计  86-90
  5．3 收益分配  90-92
    5．3．1 决策模型  90-91
    5．3．2 求解方案设计  91-92
  5．4 敏捷供应链决策支持系统  92-94
    5．4．1 系统构成框架  92-93
    5．4．2 ASCDSS中对象属性定义  93-94
  5．5 系统简介  94-99
  5．6 实例分析  99-101
  5．7 本章小结  101-102
第六章结束语  102-104
  6．1 论文工作总结  102-103
  6．2 进一步工作的展望  103-104
参考文献  104-115
附录: ASCDSS数据库中企业信息  115-121
作者在攻读博士学位期间参加的项目  121-122
作者在攻读博士学位期间发表的论文  122

分布式智能系统中联盟机制研究

内容摘要

全文目录

相似论文