智能主体群体合作网络模型的研究

论文摘要

多智能体系统（MAS, Multi Agent System）由于其健壮、高效、自适应，可扩展性好、应用范围广、降低软件复杂性等优点，因此对于多智能主体系统的研究日益深入，其应用范围也几乎涵盖了经济、生物、化学、物理、社会学等等各方各面。对于多智能主体系统中的多智能主体技术，研究最多且最有前途的是多智能主体合作技术，智能主体之间的合作质量直接关系到系统的整体性能与完成任务的效率。虽然智能主体个体受制于诸多局限性因素，但是大量的智能主体通过通讯、协调、合作，却可以涌现出在宏观层次上具有智能的系统行为，该系统行为可以快速且高效的完成那些非常复杂的任务，这些复杂任务是那些用传统方法难以完成的，甚至是无法完成的。因此对于多智能主体合作的研究不但具有重大的理论意义，而且对于人类社会的进步具有巨大的推动作用。在多智能主体系统中，智能主体间的交互作用对于系统最终完成任务或者计算求解起着决定性的作用。智能主体间的交互作用主要包括两个方面，一个是智能主体间的直接交互作用，另外一个就是智能主体与环境之间的交互作用，通过作用于环境，从而与其他智能主体进行间接的交互作用。由于多智能主体系统的智能系统行为本质上是由智能主体个体之间的非线性的交互作用聚集而涌现出来的，所以本文的研究工作主要围绕着多智能主体系统中的非线性交互作用。针对智能主体之间直接交互作用的研究，本文构建了一个智能主体模型，提出了基于信任度与信用度的合作伙伴选择机制，详细阐述了智能主体的信任度与信用度更新机制，以帮助智能主体更好地选择合适的合作伙伴，探讨了智能主体之间如何相互通讯，提出了类似于广告牌、电话簿的通讯机制；针对智能主体与环境之间的交互作用的研究，本文提出了基于信息素的MAS合作网络自适应优化算法（PCNAO），智能主体根据当前环境的资源分布以及任务分布来自治地分泌类似信息素的数字信息（包括吸引因子与抑制因子），使得系统能够自适应优化自身的组织结构，提高多智能主体系统的资源利用率以及根据任务量合理分配智能主体资源，从而更好地适应当前的环境状态，并提高系统效率与性能。最后，基于Swarm仿真平台，本文通过实验证明了基于信任度与信用度的合作选择机制以及PCNAO算法的可行性与有效性。

论文目录

• 中文摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景
• 1.2 研究现状
• 1.3 研究内容
• 1.4 论文创新点
• 1.5 论文组织结构
• 第二章 相关理论与研究综述
• 2.1 多智能体系统（MAS）概述
• 2.1.1 自治智能主体
• 2.1.2 多智能主体系统概述
• 2.1.3 多智能主体合作
• 2.2 涌现
• 2.2.1 复杂适应系统（CAS）概述
• 2.2.2 智能群体行为的涌现
• 2.3 建模仿真工具介绍
• 第三章 智能群体合作涌现
• 3.1 智能主体间的合作
• 3.1.1 合作的定义
• 3.1.2 合作的目标
• 3.1.3 合作的方式
• 3.2 智能主体合作模型
• 3.2.1 智能主体模型 BSIEC
• 3.2.2 智能主体合作模型 MACM
• 3.2.3 模型框架图
• 3.3 合作的实现
• 3.3.1 智能主体的合作伙伴选择策略
• 3.3.2 对合作伙伴的优劣评估
• 3.3.3 智能主体的移动
• 3.3.4 信用度的更新
• 3.3.5 信任度的更新
• 3.3.6 智能主体间的通讯机制
• 3.4 实验模拟
• 3.4.1 实验设计
• 3.4.2 实验数据
• 3.4.3 实验结果及分析
• 3.5 本章小结
• 第四章 智能群体合作网络自适应优化
• 4.1 引言
• 4.2 多智能主体系统的合作网络
• 4.2.1 合作网络的定义
• 4.2.2 合作网络的自组织性
• 4.3 基于信息素的 MAS 合作网络自适应优化算法（PCNAO）
• 4.3.1 多智能主体系统动态环境
• 4.3.2 智能主体扩散-聚集行为选择
• 4.3.3 信息素反应-扩散-衰退规则
• 4.3.4 PCNAO 算法流程
• 4.4 实验模拟
• 4.4.1 实验设计
• 4.4.2 实验数据
• 4.4.3 实验结果及分析
• 4.5 本章小结
• 第五章 结论与展望
• 参考文献
• 致谢
• 个人简历及在学校期间的研究成果及发表的学术论文