動態(tài)環(huán)境下多智能體系統(tǒng)的任務分配與協(xié)作研究.pdf

1、多智能體系統(tǒng)(MAS)，已經(jīng)成為人工智能領域的重要研究方向之一。要發(fā)揮多智能體系統(tǒng)的優(yōu)勢，關鍵就是處理好智能體之間的協(xié)作問題，先進的體系結構及協(xié)作機制能夠使智能體系統(tǒng)表現(xiàn)出強大的任務處理能力。
　　 本文在智能體、多智能體的體系結構研究的基礎上，構建了一種面向任務級協(xié)作的分層式多智能體系統(tǒng)體系結構，并對多智能體系統(tǒng)協(xié)作與任務分配問題進行了研究:
　　 首先，本文詳細闡述了多智能體系統(tǒng)的協(xié)調協(xié)作機制，并針對多機器人避碰圍捕

2、問題，提出了一種基于協(xié)商和意愿強度的避碰圍捕策略。利用目標函數(shù)最優(yōu)化方法獲得“入侵者”邊緣的最佳捕獲點。機器人首先運動到這些捕獲點，再將其推至目標位置。通過協(xié)商將機器人奔向目標行為與避碰行為相結合，實現(xiàn)機器人無碰運動。
　　 其次，為了在個體機器人能力評價過程中兼顧到多方面不確定因素，引入集對分析的思想，建立了多智能體系統(tǒng)多指標綜合評價模型。通過同一度、差異度、貼近度對機器人完成任務能力進行了簡單有效的刻畫，并以由歐氏空間權距離

3、獲得的集對貼近度作為機器人對任務的適應度。該綜合評價模型為多機器人系統(tǒng)多任務分配決策提供了可靠依據(jù)。
　　 最后，簡單介紹了任務分配的基本方法，并提出了一種改進的基于竟拍合同網(wǎng)方式的任務分配機制以及基于適應度矩陣約簡的多任務分配方法。以往競價機制中，競價智能體單獨根據(jù)自己的情況直接給出競價值，難免帶有主觀臆斷性。改進的競拍機制中，參與競價的智能體只需在規(guī)定時間內將自己的能力信息發(fā)布給管理智能體，管理智能體獲得各智能體競標信息后，