多agent协作机制的研究和应用

《多agent协作机制的研究和应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、NanjingUniversityofAeronauticsandAstronauticsTheGraduateSchoolCollegeofComputerScienceandTechnologyResearchonCollaborativeMechanisminMulti-AgentSystemanditsApplicationAThesisinComputerScienceandTechnologybyLiurongAdvisedbyProf.ZhuangyiSubmittedinPartialFulfillmentoftheRequirementsfortheDe

2、greeofMasterofEngineeringDecember,2012承诺书本人声明所呈交的硕士学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京航空航天大学或其他教育机构的学位或证书而使用过的材料。本人授权南京航空航天大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本承诺书）作者签名：日期：南京航空航天大学硕士学位论文摘要多智能体系统（Multi-AgentSyste

3、m，MAS）通过建立一种有效的协作机制，使得相互独立、功能简单的智能个体协作完成复杂的目标任务。MAS技术已广泛应用于智能交通的建模、机器人足球比赛、多无人机协同侦察与作战等领域。协作机制是MAS的关键研究问题之一。因此，对MAS协作问题的研究具有重要的理论意义和应用价值。本文主要研究多智能体分布式情况下的动态协作机制，主要研究工作如下：1）通过对多Agent协作机制的研究，构建了适用于动态开放环境的基于规划和协商的多Agent协作模型；2）研究多Agent协作规划方法，对已有的局部规划方法进行改进，提出了结合规划预测的Agent规划方法，并进行相关算法设计；3）在多Ag

4、ent规划中，为了考察规划结果的优劣，给出了路径规划的行为效用评估方法，可作为解决路径规划后的冲突消解问题的依据；4）设计了多Agent协作规划框架，给出基于监听的冲突检测机制和冲突协商解决流程，通过典型冲突场景实验验证了冲突消解算法的有效性。本文采用Java编程语言，在Eclipse平台下了编写智能体的规划算法，以及冲突消解等算法；将论文研究成果应用于二维平面内无人控制设备的协作，构建协作模型仿真平台。在实验平台之上，多Agent状态预测、路径规划以及冲突消解都取得较好的实验结果，验证了所设计的模型和算法的有效性。论文研究工作的新颖之处在于给出了结合预测的智能体规划方法

5、，对已有局部路径规划算法进行了改进，在增加规划智能性的同时提高了反应速度；给出了基于监听的冲突检测方法，设计了冲突协商解决算法；设计路径规划的行为效用评估方法，可提高智能体冲突消解的能力。关键词：多Agent，协作规划，效用评估，冲突消解，协商模型I多Agent协作机制的研究与应用ABSTRACTMulti-AgentSystem(MAS)makesagentwithsimplefunctionstoreachcomplextaskgoalbyimplementingacollaborativemechanism.Intherealworld,manyapplicatio

6、nscanbeimplementedbyMAS,e.g.intelligenttransportationmodelsystem,multi-robotsoccer,multi-UAVcooperatestodetectorcombatwithenemyandsoon.CollaborativemechanismisoneofthemostimportantaspectsofMAS,soresearchoncollaborativeprobleminMASisofsignificantvalueintheoryandapplication.Thispaperresearc

7、hondynamiccollaborativemechanismunderthecircumstancethatagentsaredistributed,themainresearchworkincludes:1)ByanalyzingthecooperationprobleminMAS,designamulti-agentcollaborationmodelbasedonplanningandnegotiation;2)Researchonsomemulti-agentplanningmethodsandimproveexi