一种动态不确定环境下多主体系统决策模型

摘要

随着信息自动化科技发展,各种硬、软自主机器人的应用领域正在不断扩大,从而对机器人的能力提出了越来越高的要求.一方面,自主机器人的应用环境正由传统的静态、确定环境向实时动态、不确定的环境转化;另一方面,随着任务复杂程度的提高,单个机器人往往难以独立完成任务,需要多个机器人协调合作共同完成任务.因此,面向动态不确定环境的多主体系统的研究已经成为了一个重要的研究领域.动态不确定环境下,智能主体的设计者所面临的一个主要问题是如何使智能体在动态环境中对系统环境的发展变化及时的做出合理的决策.在这样的应用领域中,传统的搜索和规划方法往往需要比较长的时间,很难满足实时性的需求;并且实时环境中不断发生的突发事件容易造成系统不断的重新规划,导致整个决策系统产生抖动.而单纯的反应式结构又使得智能体的设计过于复杂,难以实现.为此该文提出一种智能体分层决策结构模型,试图通过分层决策技术有效地解决动态、不确定环境中的智能体的实时决策问题.该模型的高层采用BDI结构,以便为较长期任务的规划和推理提供充分的支持;模型的底层采用反应式结构,以保证对短期实时任务的及时响应.实验结果表明了这种分层模型在某些复杂任务领域中的有效性.对多主体团队行为的计划识别也是多主体系统研究领域的一个重要课题.传统的计划识别技术通常都建立在待识别计划存在于一个预先给定的计划库的假设之上.对此该文提出一种不需要类似前提库的计划识别算法.该算法通过分析观测的事件帧序列之间的统计相关性来有效的发现待建模团队的合作模式.

目录

文摘

英文文摘

第1章 绪论

1.1研究背景

1.2主体及多智能体系统的应用背景

1.3主体及多智能体系统的研究问题

1.4本文的目的和主要工作

1.4.1 智能主体的框架模型

1.4.2 基于BDI的实时推理规划系统

1.4.3 智能主体的建模以及计划识别

1.5本文章节安排

第2章相关工作综述

2.1智能主体概念

2.1.1 什么是主体

2.1.2 主体的形式化理论

2.2智能主体的体系结构

2.2.1慎思式主体

2.2.2反应式主体

2.2.3混合式主体

2.3多主体系统

2.3.1 MAS,DAI和DPS

2.3.2 多主体系统的主要研究内容

第3章 智能主体体系结构模型的设计

3.1层次式的混合式结构

3.1.1 层次决策结构类型的选择

3.1.2 主体层次结构框架逻辑模型

3.2反应式层次的设计

3.2.1 BP人工神经网络

3.2.2 Q-Learning强化学习

3.3慎思式层次的设计结构

3.3.1形式化描述

3.3.2 基于BDI的慎思式逻辑结构模型

3.3.3基于PRS的Means-End推理机

3.4多主体的协调与合作

3.4.1 合作模型

3.4.2通讯模型

3.4.3合作协议

3.4.4冲突解决

第4章 多主体团队规划识别

4.1模型的形式化定义

4.1.1 事件

4.1.2 帧

4.1.3 计划模型

4.2基于帧序列的计划识别算法

4.2.1 建立事件帧序列

4.2.2序列相关性检测

4.2.3 计划获取

第5章 应用实例及分析

5.1 RoboCup简介

5.1.1 RoboCup仿真机器人足球赛

5.1.2 Soccer Server简介

5.1.3 Client

5.1.4 Coach

5.2实验及分析

5.2.1 验证决策模型的有效性

5.2.2 验证规划识别算法的有效性

5.3结论

第6章 总结及工作展望

参考文献

附录

致谢