【摘要】：無(wú)中心式多智能體協(xié)同決策作為分布式人工智能一個(gè)的熱門(mén)經(jīng)典研究領(lǐng)域,一直以來(lái)都受到了多方關(guān)注,但作為一個(gè)典型的綜合前沿理論交叉方向,依然存在大量未解決的技術(shù)問(wèn)題。在當(dāng)前研究中,受到多智能體系統(tǒng)動(dòng)態(tài)性和智能體部分可觀測(cè)特征的約束,智能體無(wú)法觀(預(yù))測(cè)當(dāng)前系統(tǒng)的全局狀態(tài),進(jìn)而導(dǎo)致了多智能體協(xié)同規(guī)劃無(wú)法依賴(lài)于靜態(tài)預(yù)設(shè)信息和傳統(tǒng)經(jīng)典離線規(guī)劃方法。針對(duì)上述問(wèn)題,本文的研究將傳統(tǒng)多智能體協(xié)同研究視角,從宏觀的大規(guī)模多智能體系統(tǒng)的研究縮小至微觀,即聚焦在協(xié)同的根本-兩個(gè)智能體間的協(xié)同行為。研究智能體間的關(guān)聯(lián)、交互與協(xié)同等特征在時(shí)間演化尺度下的特性與效能分析。本文的研究以智能體間協(xié)同交互現(xiàn)象為研究的入手點(diǎn),以智能體間交互信息為主要研究對(duì)象。首先,通過(guò)構(gòu)建面向多智能體協(xié)同決策的信息演化網(wǎng)絡(luò)模型,研究智能體信息隨時(shí)間演進(jìn)的典型網(wǎng)絡(luò)化結(jié)構(gòu)表征與演化特征,并給出了相應(yīng)的數(shù)值實(shí)驗(yàn)與分析。然后進(jìn)一步將抽象的信息演化網(wǎng)絡(luò)模型實(shí)例化為多智能體關(guān)聯(lián)信息圖模型,并面向信息的部分可觀測(cè)約束,設(shè)計(jì)智能體特征關(guān)聯(lián)集成評(píng)估模型和特征信息結(jié)點(diǎn)搜索算法,實(shí)現(xiàn)每個(gè)決策周期內(nèi)智能體關(guān)聯(lián)集成與計(jì)算。在此基礎(chǔ)上,拓展傳統(tǒng)智能體狀態(tài)模糊模型,通過(guò)構(gòu)建模糊多屬性決策方法實(shí)現(xiàn)對(duì)智能體的狀態(tài)構(gòu)建與評(píng)估過(guò)程。在上述研究的基礎(chǔ)上,構(gòu)建部分可觀測(cè)條件下的多智能體局部協(xié)同交互決策模型。通過(guò)引入智能體間的局部交互行為特征拓展現(xiàn)有的無(wú)中心式多智能體協(xié)同決策模型,并設(shè)計(jì)相應(yīng)的優(yōu)化求解算法。在實(shí)驗(yàn)環(huán)節(jié),選取三個(gè)典型場(chǎng)景分析了智能體間的局部交互行為對(duì)智能體協(xié)同決策決策的影響,并對(duì)本文提出的啟發(fā)式局部交互算法進(jìn)行效能對(duì)比。上述研究揭示了多智能體協(xié)同決策的本質(zhì),通過(guò)分析在決策時(shí)間演進(jìn)尺度下的智能體間關(guān)聯(lián)變化、交互變化和信息變化,將信息的演化過(guò)程與多智能體協(xié)同進(jìn)行了有效的集成,為面向復(fù)雜應(yīng)用的多智能體協(xié)同決策和面向更高層語(yǔ)義需求的復(fù)雜狀態(tài)解析提供了有效的理論基礎(chǔ)和技術(shù)途徑。
【圖文】：

28圖 2-6 信息演化網(wǎng)絡(luò)在隨機(jī)參數(shù)下的度分布結(jié)果對(duì)比下面考慮兩種演化動(dòng)力發(fā)揮相同效力的情況，即 = =0.5。嘗試采取穩(wěn)定的新信息到達(dá)速率，，即服從速率 的泊松分布。同時(shí)考慮在不同信息建立連接邊的條件下度分布特征，參數(shù)設(shè)置如表 2-2 所示，相應(yīng)實(shí)驗(yàn)結(jié)果如圖 2-12 所示：表 2-2 無(wú)交互狀態(tài)下的 在不同加邊均值條件下的圖拓?fù)涮卣鹘y(tǒng)計(jì)參數(shù)設(shè)置 = =0.5, =4, =1結(jié)點(diǎn)總數(shù) 平均路徑長(zhǎng)度 聚類(lèi)系數(shù) 平均度 =6, =500 938 2.80 0.056 13.15

29圖 2-7 信息演化網(wǎng)絡(luò)在不同新信息增加連接邊條件下的度分布結(jié)果對(duì)比在上述結(jié)果中，雖然不斷增大新信息結(jié)點(diǎn)的連接邊增加率，但結(jié)點(diǎn)的度分布依然服從冪律分布。模型推導(dǎo)理論結(jié)果在不同參數(shù)設(shè)置下的最終擬合都可以與實(shí)際數(shù)據(jù)的統(tǒng)計(jì)結(jié)果保持一致，具有較典型的無(wú)標(biāo)度特征。下面依然考慮兩種演化動(dòng)力均存在的情況 = =0.5。嘗試采取穩(wěn)定的新信息到達(dá)速率和連接邊建立條件，即 =4， =4， =1。考慮在不同決策周期長(zhǎng)度條件的度分布特征，參數(shù)設(shè)置如表2-3 所示，相應(yīng)實(shí)驗(yàn)結(jié)果如圖 2-8 所示：表 2-3 無(wú)交互狀態(tài)下的 在固定參數(shù)設(shè)置條件下的圖拓?fù)涮卣鹘y(tǒng)計(jì)參數(shù)設(shè)置 = =0.5, =4, =4, =1
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：TP18


本文編號(hào)：2594706