多Agent

摘要： 针对多类型多无人机协同作战时任务类型多、规划复杂的问题,提出了一种无人机分层族群任务规划方法。在现有的侦察、攻击和中继任务规划方法的基础上,结合各种任务需求,建立族群任务规划模型。利用多Agent的方法,对模型分层、分步进行求解,将大规模复杂问题转化为多个小规模问题,有效提高规划效率。进行仿真验证,结果表明,该方法能有效解决无人机族群对多区域多任务的实时规划问题。减少了时间成本,提高了规划效率,具有良好的工程实用性。

摘要： 受到调频死区影响,导致电网调频出现较大偏差。面对该情况,提出了基于多Agent的储能参与电网一次调频控制。依据基于多Agent调频控制原理,利用储能装置描述储能越限区域和调频死区。采用虚拟惯性控制,构建电网一次调频仿真模型。计算调节速度,确定频率偏差与负荷扰动之间的关系。设置区域控制误差信号,确定储能控制误差信号和频率偏差域,并设计电网一次调频控制流程。由实验结果可知,该方法在极端扰动场景和连续扰动场景下,频率偏差都低于0.020 Hz,为储能控制提供了技术支持。

摘要： 研究社会化营销中的信息传播对提出合理策略建议、提升企业竞争力有重要意义.信息传播是一个存在个体交互的复杂过程,多数信息传播模型中对现实情况做了较多的简化,没有考虑个体的异质属性对信息传播的影响,也无法体现个体间的交互,本文从复杂系统的角度研究信息传播过程,运用多Agent方法建立信息传播模型,并基于改进的Deffaunt模型建立多Agent交互机制,通过模拟仿真分析了不同因素对信息传播的影响,发现个体的异质属性、个体间的相互影响力以及外界环境的因素对信息传播的速度和范围均有一定的影响..

摘要： 针对传统试题库资源容易枯竭和命题效率低下的问题,结合操作系统课程的考核大纲,提出了基于多智能代理试题库的设计思想和利用可视化开发工具Visual FoxPro 9.0的实现方法.首先建立操作系统基本概念和算法的数学模型,然后定义并编写模型的Agent函数,从而实现自动生成试题及答案与评分标准的功能.通过引入动态难度系数和相似度,实现了难度、题型和算法相似的一试多卷或一人一卷的命题考试,有效地避免了考试作弊现象.数据库设计采用经典的企业建模工具PowerDesigner.实验结果表明,其在考试命题中具有方便、快速、长效、实用、一试多卷的特点.通过学生考试成绩统计分析,总分标准差为2.97,体现了考试的公平性.

摘要： 针对传统试题库资源容易枯竭和命题效率低下的问题,结合操作系统课程的考核大纲,提出了基于多智能代理试题库的设计思想和利用可视化开发工具Visual FoxPro 9.0的实现方法。首先建立操作系统基本概念和算法的数学模型,然后定义并编写模型的Agent函数,从而实现自动生成试题及答案与评分标准的功能。通过引入动态难度系数和相似度,实现了难度、题型和算法相似的一试多卷或一人一卷的命题考试,有效地避免了考试作弊现象。数据库设计采用经典的企业建模工具PowerDesigner。实验结果表明,其在考试命题中具有方便、快速、长效、实用、一试多卷的特点。通过学生考试成绩统计分析,总分标准差为2.97,体现了考试的公平性。

摘要： 为保证多源水电微网频率、电压的稳定输出,提出基于多Agent的多源水电微网负荷平衡控制方法.通过构建包括专业Agent团体与主管Agent的分布式集成智能控制系统,利用主管Agent实时监控多源水电微网的负荷与性能,根据不同需求与状况变换专业Agent团体中控制Agent的控制模式,控制负载、发电与储能设备的常规运行及关键开关;结合单Agent模型中的负荷平衡控制算法,运算多源水电微网内功率缺额,依据发电机调节性能、负荷调节效应及动态性能,平衡功率缺额,实现多源水电微网负荷平衡控制.实验结果表明,该方法可有效降低多源水电微网内各变流器的负序电流分配误差、切除微网内的多余功率缺额、恢复多源水电微网的频率和电压,且微网负荷平衡控制容错性能较好,使多源水电微网平稳运行.

摘要： 针对深度Q学习中单个Agent对行星齿轮箱进行故障诊断时出现的识别率低问题,利用多个Agent进行策略学习,结合模糊积分对多Agent的决策结果进行融合,提出了基于深度Q学习和模糊积分的行星齿轮箱故障诊断方法.对振动信号进行连续小波变换(continuous wavelet transform,CWT)、S变换(S transform,ST)得到相应的时频特征矩阵,随后利用原始时域数据和得到的时频特征矩阵构建多域环境状态空间,以与多个Agent交互;交互过程中将环境返回的原始时域特征、CWT时频特征,ST时频特征分别作为相应Agent的状态,通过深度Q学习算法最大化每个Agent的Q函数值,得到最优策略;采用模糊积分对多Agent的决策结果进行融合得到最终诊断结果.通过行星齿轮箱故障数据进行验证分析,经过模糊积分进行决策融合的诊断结果优于单个Agent,能够有效提高诊断精度.

摘要： 本文主要对一种多Agent学习系统进行了研究,设计并实现了一种智能协作学习原型系统,具体基于黑板模型完成了学习系统的构造,通过黑板模型和多Agent技术的综合运用实现了多个Agent间的通信与学习过程.运行测试结果表明该系统的基本协作学习功能均得以有效实现,具有较高的智能化水平,能够将更高质量、更高效的服务提供给学生.

摘要： HRMS终端存在配置不均衡,信息采集难度大的问题.提出基于多Agent的HRMS终端用户大数据信息获取模型.构建人力资源管理信息化建设的大数据信息库,采用HRMS终端用户大数据信息融合方法实现对人力资源管理信息化特征分析.构建信息分布式融合模型,引入多Agent分类识别方法实现数据信息自主智能分类,提取大数据的关键性特征参数,采用多参数辨识方法,实现对人力资源管理HRMS终端用户大数据挖掘和优化获取.仿真实验结果表明,所提方法的精度较高、特征辨识度较好,提高了人力资源信息化管理以及数据分析能力.

摘要： 由于现有财务风险预警信息辅助决策系统存在着响应时间长、财务风险发生率高等问题,提出了基于多Agent的财务风险预警信息辅助决策系统设计.引入多Agent设计财务风险预警信息辅助决策系统,其硬件单元为处理器单元、硬盘单元与光学阅读器单元;软件模块为数据库模块、功能Agent设计模块与多Agent协作模块.通过两者的设计,实现了财务风险预警信息辅助决策系统的运行.结果表明:应用设计系统后,可以有效的缩短系统响应时间,降低财务风险发生率,充分证实了设计财务风险预警信息辅助决策系统的性能更优质.

摘要： 在铁路信息化建设过程中积累了丰富的经验和知识，这些知识对于提升信息化建设的技术水平和管理水平具有极其重要的作用。本论文在分析铁路信息化的知识管理内涵和管理内容的基础上，采用多Agent的软件设计方法，提出了一个基于多Agent的知识管理系统模型，并阐述了模型实现的关键技术，以期为铁路信息化部门建立知识管理系统提供参考。

摘要： 在铁路信息化建设过程中积累了丰富的经验和知识，这些知识对于提升信息化建设的技术水平和管理水平具有极其重要的作用。本论文在分析铁路信息化的知识管理内涵和管理内容的基础上，采用多Agent的软件设计方法，提出了一个基于多Agent的知识管理系统模型，并阐述了模型实现的关键技术，以期为铁路信息化部门建立知识管理系统提供参考。

摘要： 在铁路信息化建设过程中积累了丰富的经验和知识，这些知识对于提升信息化建设的技术水平和管理水平具有极其重要的作用。本论文在分析铁路信息化的知识管理内涵和管理内容的基础上，采用多Agent的软件设计方法，提出了一个基于多Agent的知识管理系统模型，并阐述了模型实现的关键技术，以期为铁路信息化部门建立知识管理系统提供参考。

摘要： 在铁路信息化建设过程中积累了丰富的经验和知识，这些知识对于提升信息化建设的技术水平和管理水平具有极其重要的作用。本论文在分析铁路信息化的知识管理内涵和管理内容的基础上，采用多Agent的软件设计方法，提出了一个基于多Agent的知识管理系统模型，并阐述了模型实现的关键技术，以期为铁路信息化部门建立知识管理系统提供参考。

摘要： Web 服务发现，是自治实体在网络上搜寻所期望的Web 服务的技术，Web 服务协商位于服务发现与服务集成之间，是自治实体之间通过协商达到共识，满足双方需求的一种技术,Web 服务发现与协商模型以及在此基础上的架构的研究已经成为当前研究的热点问题。目前较新的服务发现模型是基于语义的Web 服务发现模型，该模型适用于能够对自己的服务请求构建WEB服务描述文件(WSDL)的用户,一般为企业用户，是重量级的模型，并不适用于普通用户。本文提出了面向普通用户的Web 服务发现与协商架构，该架构中，WEB 服务的发布和发现通过基于多Agent的JADE平台实现，协商方面先将WSDL 文件转为OWL-S 文件，接着解析OWL-S 文件以获得协商属性，最后进行协商，此架构更适应于普通用户以及当前WEB服务发展的趋势。

摘要： Web 服务发现，是自治实体在网络上搜寻所期望的Web 服务的技术，Web 服务协商位于服务发现与服务集成之间，是自治实体之间通过协商达到共识，满足双方需求的一种技术,Web 服务发现与协商模型以及在此基础上的架构的研究已经成为当前研究的热点问题。目前较新的服务发现模型是基于语义的Web 服务发现模型，该模型适用于能够对自己的服务请求构建WEB服务描述文件(WSDL)的用户,一般为企业用户，是重量级的模型，并不适用于普通用户。本文提出了面向普通用户的Web 服务发现与协商架构，该架构中，WEB 服务的发布和发现通过基于多Agent的JADE平台实现，协商方面先将WSDL 文件转为OWL-S 文件，接着解析OWL-S 文件以获得协商属性，最后进行协商，此架构更适应于普通用户以及当前WEB服务发展的趋势。

摘要： Web 服务发现，是自治实体在网络上搜寻所期望的Web 服务的技术，Web 服务协商位于服务发现与服务集成之间，是自治实体之间通过协商达到共识，满足双方需求的一种技术,Web 服务发现与协商模型以及在此基础上的架构的研究已经成为当前研究的热点问题。目前较新的服务发现模型是基于语义的Web 服务发现模型，该模型适用于能够对自己的服务请求构建WEB服务描述文件(WSDL)的用户,一般为企业用户，是重量级的模型，并不适用于普通用户。本文提出了面向普通用户的Web 服务发现与协商架构，该架构中，WEB 服务的发布和发现通过基于多Agent的JADE平台实现，协商方面先将WSDL 文件转为OWL-S 文件，接着解析OWL-S 文件以获得协商属性，最后进行协商，此架构更适应于普通用户以及当前WEB服务发展的趋势。

摘要： Web 服务发现，是自治实体在网络上搜寻所期望的Web 服务的技术，Web 服务协商位于服务发现与服务集成之间，是自治实体之间通过协商达到共识，满足双方需求的一种技术,Web 服务发现与协商模型以及在此基础上的架构的研究已经成为当前研究的热点问题。目前较新的服务发现模型是基于语义的Web 服务发现模型，该模型适用于能够对自己的服务请求构建WEB服务描述文件(WSDL)的用户,一般为企业用户，是重量级的模型，并不适用于普通用户。本文提出了面向普通用户的Web 服务发现与协商架构，该架构中，WEB 服务的发布和发现通过基于多Agent的JADE平台实现，协商方面先将WSDL 文件转为OWL-S 文件，接着解析OWL-S 文件以获得协商属性，最后进行协商，此架构更适应于普通用户以及当前WEB服务发展的趋势。

摘要： Web 服务发现，是自治实体在网络上搜寻所期望的Web 服务的技术，Web 服务协商位于服务发现与服务集成之间，是自治实体之间通过协商达到共识，满足双方需求的一种技术,Web 服务发现与协商模型以及在此基础上的架构的研究已经成为当前研究的热点问题。目前较新的服务发现模型是基于语义的Web 服务发现模型，该模型适用于能够对自己的服务请求构建WEB服务描述文件(WSDL)的用户,一般为企业用户，是重量级的模型，并不适用于普通用户。本文提出了面向普通用户的Web 服务发现与协商架构，该架构中，WEB 服务的发布和发现通过基于多Agent的JADE平台实现，协商方面先将WSDL 文件转为OWL-S 文件，接着解析OWL-S 文件以获得协商属性，最后进行协商，此架构更适应于普通用户以及当前WEB服务发展的趋势。

摘要： 高技术虚拟企业的协商目标不仅与参与个体的谈判行为紧密联系，还将受到谈判环境的外界约束以及成员企业在谈判过程中采用的协商策略等方面的作用。通过对高技术虚拟企业中Multi-Agent协商过程的形式化描述，构建多边多议题协商决策的粗规划和细规划模型。根据Multi-Agent谈判实力的强弱程度确定粗规划中的联合协议区域和基本协商点;并根据Multi-Agent采取的谈判策略确定细规划中的联合协商平衡点，最终达到联合效用的最佳状态和协议结果的均衡态势。实证结果表明，基于双规划的多边多议题协商决策是高技术虚拟企业冲突管理中的一项内容，分析其运行机理并建立运作模型是参与成员间协调合作系，降低冲突消耗以及实现合作目标的有效途径。

摘要： 本发明是公开了一种基于Agent和Agent UML的钢厂生产调度系统建模方法。建立模型步骤为：第一步，利用Agent和Agent UML完成对钢厂生产调度系统建模的系统分析，系统分析阶段完成对系统的静态建模，主要包括目标分析、应用用例、定义角色等；第二步，利用Agent和Agent UML完成对钢厂生产调度系统建模的系统设计，系统设计阶段完成对系统的动态建模，主要包括设计系统Agent类图、构建会话、组建Agent、构建系统部署图等。本发明与基于面向对象的建模方法相比，能够更好的满足系统的动态性、智能性、自治性、柔性和分布性，满足钢厂生产调度系统的需求。

摘要： 本发明公开了一种多Agent深度强化学习算法，包括：S1：学习的策略在执行时只使用本地信息，即它们自己的观察结果；S2：智能体之间的通信方法不做任何结构上的假设，即不假设一个可区分的通信渠道；S3：leader层网络只输入全局智能体的状态信息，只作用于每个智能体的输出动作值，并不参与每个智能体的策略执行，既保持每个智能体的独立性，又保证所有智能体群体之间的通信。本发明通过在分布式执行之前加入集中式预判分配权重，增强了智能体群体之间的决策通信，提高了Leader_MADDPG在多变的环境关系中智能体训练过程中的稳定性和训练后的鲁棒性。

摘要： 本发明提供一种openstack中基于流表的l3‑agent实现方法，属于云计算技术领域，本发明1)使用流表实现网关arp代答；2)使用流表实现网关ICMPv4代答；3)使用流表实现虚机间的三层路由；4)使用流表控制器实现FIP触发远端arp请求；5)使用流表实现FIP功能；6)使用流表实现FIP端口转发功能；7)本地更新内容缓存机制；8)通过配置实现功能开关。可以解决大规模云环境下网络性能问题。

摘要： 本发明公开了一种基于Agent的物流配送最优路线决策系统，包括Agent模块、决策支持库、黑板系统、地理信息系统、效益函数和最优配送路线6个组成部分。系统中的每个Agent均构建成功能不同的独立模块，系统模型M可以用一个六元组来表示，即M＝{Ag，D，B，G，U，L}。系统中负责完成各功能的模块均由担任不同角色的Agent进行控制和处理，通过人机交互界面向黑板系统提交相应的需求信息，黑板系统对这些信息进行分析并把提取的关键信息交由决策支持库进行数据处理，再把决策支持库所反馈的结果传递给总控Agent模块，进而再确定配送任务，并通过调用最优路径算法，在各Agent模块协商合作下选择出最优的配送路线。

摘要： 本发明公开了一种面向停车换乘的Agent仿真方法。本发明首先将仿真系统中涉及的出行者Agent、路段Agent以及停车场Agent定义为三个对象，分别为Traveller、Link和Parkinglot，并对三者进行仿真系统的参数设定及系统初始化。然后生成出行者投入路网，进行停车场决策、普通节点决策等具体的出行者决策行为，完成具体仿真流程，得到仿真结果。为验证仿真系统对交通管理政策短期效果的评估作用，以苏州观前街商圈路网为实例进行仿真，分析公共交通票价、发车频率、出行时间不确定性、停车预约、停车费定价策略等因素对出行者方式选择和社会效益的影响，并用遗传算法对停车场泊位配置进行了优化。

摘要： 本发明提供基于agent的智能化时钟对时装置及使用方法，涉及电力统计领域，包括通讯模块、巡检模块、对时模块和显示模块；所述巡检模块、分别与通讯模块、对时模块和显示模块连接；所述通讯模块连接服务器；所述巡检模块用于采集时钟数据信息，并且对信息进行统计分析；所述对时模块用于调整异常服务器的时间；所述显示模块用于显示用户交换界面。本方案相对于传统方案，本方案实现了智能化，一键式巡检及对时的功能。以提高对机房各分区时钟巡检及对时的工作效率，减少原来因人工操作复杂产生的失误。

摘要： 本发明公开了一种基于多Agent代理的海量数据平滑调度系统、方法及介质，方法包括：通过第一设备管理模块对第一物联网终端进行登录鉴权；通过第一设备接入模块接收第一物联网终端上传的第一数据并确定第一待调度数据和第一本地数据；通过第一设备管理模块对第一本地数据进行解码；通过第一Agent代理模块和第二Agent代理模块将第一待调度数据发送至第二设备管理模块；通过第二设备管理模块对第一待调度数据进行解码并根据解码结果返回第一命令至第一物联网终端。本发明降低了物联网设备管理平台单个集群节点的业务计算压力，保证了物联网设备管理平台的稳定性。本发明可广泛应用于物联网数据处理技术领域。

摘要： 本发明公开了一种基于评审任务的multi‑agent双随机分发的方法和系统，该方法包括以下步骤：步骤1：建立评审任务库和评审专家库；步骤2：随机从评审专家库抽取专家，组建评审组；步骤3：输入单项任务和需要评审的人数；步骤4：任务随机分发给评审组专家；步骤5：检查任务是否发放完毕，如任务分发完毕，则结束任务分发过程，专家开始评审；如任务还未分发完毕，则从任务库内移除该项任务，进入步骤4。双随机任务分发系统，从统计学上避免了专家主观性、任务分配规律性带来的个体认知差异的影响，令评审结果更加公平公正，准确合理。

摘要： 本发明公开基于agent技术的系统初始化方法及相关装置，通过agent节点扫描获取与agent节点通信连接的多个目标agent节点的节点信息，每个目标agent节点的节点信息至少包括节点标识；根据节点标识和预先建立的对照关系表，确定目标agent节点的系统需求信息；根据系统需求信息，复制相应的系统初始化程序至目标agent节点的设备，以对目标agent节点的设备进行相应的系统初始化操作。本发明可以以各个agent节点均作为分发中心，向与其通信连接的其它目标agent节点的设备分发相应的系统初始化程序，可以满足不同设备对于系统初始化的个性化需求，普适性较高且效率较高。

摘要： 本发明属于人工智能领域，具体涉及一种基于状态分类与指派的多agent深度强化学习框架及方法。包括：执行M1，对生成的环境虚拟状态样本进行分类，并求解一个指派问题，得到状态分类模型F和agent的指派规则A；设置Multi‑Agents中的所有agent的网络结构，以及它们的学习模式、行动选择策略、更新方式和reward的计算方法；执行M2，首先初始化多个符合上述步骤设置的同质agent，然后初始化环境，最后多个agent与环境交互，学习行动策略，并更新各自的网络。本发明中将复杂的环境状态分解为简单易学习多个状态空间，并可以将多个agent指派到多个状态空间，克服单个agent面对人工划分的局部状态或者全局状态时学习效率低的缺陷，最终实现MADRL整体学习效果的提升。