有通信约束的多智能体一致性研究

西安电子科技大学

硕士学位论文

有通信约束的多智能体一致性研究

姓名：刘淑杰

申请学位级别：硕士

专业：运筹学与控制论

指导教师：李俊民

201112

多智能体技术

多智能体技术 [摘要]当今，分布式人工智能研究的一个热点是多智能体系统，它是分布式问题求解的进一步发展。随着多智能体理论与技术的发展，其应用范围也在不断扩大着，但是由于其理论与应用研究刚起步不久，还有不少问题有待解决。本论文回顾了多智能体技术的发展历史，指出了多智能体理论及应用的研究方向，介绍了多智能体技术的基本概念和特点，多智能体系统的体系结构，多智能体中的协调与协作方法等内容。 [关键词]多智能体系统；多智能体结构；多目标优化；协调协作 Multi-agent technology [Abstract] Nowadays, one of the hot points in distributed artificial intelligence research is multi-agent system, which is the further development in distributed problem solving. With the development of multi-agent theory and technology, its application is being expanded.As the theory and application is just starting, there are many issues to be resolved.In this paper, the thesis reviews the development of EGCS, points out the research directions of multi-agent theory and application, and introduces the basic concepts and characteristics, Multi-agent system architecture，the coordination and collaboration on Multi-agent system. [Keywords] Multi-agent systems；Multi-agent architecture；Multi-objective optimization；Coordination and collaboration 1.前言 目前的工业系统正向大型、复杂、动态和开放的方向转变，传统的工业系统和多机器人技术在许多关键问题上遇到了严重的挑战。分布式人工智能 (DAI，Distributed Artificial Intelligence)与多智能体系统(MAS, Multi-Agent System)理论为解决这些挑战提供了一种最佳途径。智能体系统是分布式人工智能的一个重要分支，是20世纪末至21世纪初国际上人工智能的前沿学科。研究的目的在于解决大型、复杂的现实问题，而解决这类问题已超出了单个智能体的能力，将DAT、MAS充分应用于工业系统和多机器人系统的结果，便产生了一门新兴的机器人技术领域一多智能体机器人系统(MARS，MultiAgent Robot System)。总的来说，多智能体系统领域正在蓬勃发展。 2.多智能体 2.1多智能体理论的发展历史 智能体—Agent的概念最早可以追溯到1977年的 Carl Hewitt的“Viewing Control Structure as Patterns of Passing Messages”一文。在此文中，Carl Hewitt 给出了一个称为“Actor”的对象，它具有自身的内在状态，又能与其他同类对象发送和反馈信息。而正式采用“Agent”一词可见于M. Minsky于1986年出版的“Society of Mind”一书，文中用“Agent”称呼一些具有特别技能的个体，它们存在于社会中，并通过竞争或协商求解矛盾[1]。 多智能体系统（简称 MAS）是由多个单Agent组成的集合，该系统可以协调一组Agent的行为（知识、目标、方法和规划），以协同完成一个任务或是求解问题，各个单

多智能体系统及其协同控制研究进展

多智能体系统及其协同控制研究进展 摘要：:对多智能体系统及其协同控制理论研究和应用方面的发展现状进行了简要概述.首先给出Agent及多Agent 系统的概念和特性等,介绍了研究多Agent系统协同控制时通常用到的代数图论;然后综述了近年来多Agent系统群集运动和协同控制一致性方面的研究状况,并讨论了其在军事、交通运输、智能机器人等方面的成功应用;最后,对多Agent系统未来的发展方向进行了探讨和分析,提出几个具有理论和实践意义的研究方向,以促使多Agent系统及其协同控制理论和应用的深入研究. 关键词：多Agent系统(MAS)；协同控制；代数图论；群集运动；一致性协议 Advances in Multi-Agent Systems and Cooperative Control Abstract: Progress in multi-Agent systems with cooperative controlwas reviewed in terms of theoretical research and its applications. Firs,t concepts and features used to define Agents and multi-Agents were analyzed. Then graph theory was introduced, since it is often used in research on cooperative control of multi-Agent systems. Then advances in swarming/flocking as well as the means used to derive a consensus among multi-Agents under cooperative control were summarized. The application of these abilitieswas discussed for the military, transportation systems,and robotics. Finally, future developments for multi-Agent systemswere considered and significant research problems proposed to help focus research on key questions formulti-Agent systemswith cooperative control. Key words:Multi-Agent system (MAS) ; Cooperative control; Graph theory; Swarming/ flocking; Consensus protocol 分布式人工智能是人工智能领域中一个重要的研究方向,而多Agent系统(multi-Agent systemMAS)则是其一个主要的分支. 20世纪90年代,随着计算机技术、网络技术、通信技术的飞速发展,Agent及MAS的相关研究已经成为控制领域的一个新兴的研究方向.由于Agent体现了人类的社会智能,具有很强的自治性和适应性,因此,越来越多的研究人员开始关注对其理论及应用方面的研究.目前,人们已经将MAS的相关技术应用到交通控制电子商务、多机器人系统、军事等诸多领域.而在MAS中,Agent之间如何在复杂环境中相互协调,共同完成任务则成为这些应用的重要前提.近年来,从控制的角度对MAS进行分析与研究已经成为国内外众多学术机构的关注热点,人们在MAS协同控制问题上做了大量的研究工作,特别是在MAS群集运动控制和协同控制一致性问题方面取得了很大的进展.目前对MAS的研究总体上来说还处于发展的初步阶段,离真正的实用化还有一定的距离;但其广泛的应用性预示着巨大的发展潜力,这必将吸引更多专家、学者投入到这一领域的研究工作中,对MAS的理论及应用做进一步探索.根据上述目的,本文主要概述了多智能体系统(MAS)在协同控制方面的研究现状及其新进展. 1Agent与MAS的相关概念 1.1Agent的概念 Agent一词最早可见于Minsky于1986年出版的《Social of Mind》一书中.国内文献中经常将Agent翻译为:智能体、主体、代理等,但最常见的仍是采用英文“Agent”；因为Agent的概念尚无统一标准,人们对于

多智能体系统一致性综述

多智能体系统一致性综述 一 引言 多智能体系统在20世纪80年代后期成为分布式人工智能研究中的主要研究对象。研究多智能体系统的主要目的就是期望功能相对简单的智能体系统之间进行分布式合作协调控制，最终完成复杂任务。多智能体系统由于其强健、可靠、高效、可扩展等特性，在科学计算、计算机网络、机器人、制造业、电力系统、交通控制、社会仿真、虚拟现实、计算机游戏、军事等方面广泛应用。多智能体的分布式协调合作能力是多智能体系统的基础，是发挥多智能体系统优势的关键，也是整个系统智能性的体现。 在多智能体分布式协调合作控制问题中，一致性问题作为智能体之间合作协调控制的基础，具有重要的现实意义和理论价值。所谓一致性是指随着时间的演化，一个多智能体系统中所有智能体的某一个状态趋于一致。一致性协议是智能体之间相互作用、传递信息的规则，它描述了每个智能体和其相邻的智能体的信息交互过程。当一组智能体要合作共同去完成一项任务，合作控制策略的有效性表现在多智能体必须能够应对各种不可预知的形式和突然变化的环境，必须对任务达成一致意见，这就要求智能体系统随着环境的变化能够达到一致。因此，智能体之间协调合作控制的一个首要条件是多智能体达到一致。 近年来，一致性问题的研究发展迅速，包括生物科学、物理科学、系统与控制科学、计算机科学等各个领域都对一致性问题从不同层面进行了深入分析，研究进展主要集中在群体集、蜂涌、聚集、传感器网络估计等问题。 目前，许多学科的研究人员都开展了多智能体系统的一致性问题的研究，比如多智能体分布式一致性协议、多智能体协作、蜂涌问题、聚集问题等等。下面，主要对现有文献中多智能体一致性协议进行了总结，并对相关应用进行简单的介绍。 1.1 图论基础 多智能体系统是指由多个具有独立自主能力的智能体通过一定的信息传递方式相互作用形成的系统；如果把系统中的每一个智能体看成是一个节点，任意两个节点传递的智能体之间用有向边来连接的话，智能体的拓扑结构就可以用相应的有向图来表示。 用)(A E,V,G =来表示一个有向加权图，其中}{n 21v ,,v ,v V =代表图的n 个顶

多智能体系统分布式协同控制

2016年教育部自然科学奖推荐项目公示材料 1、项目名称：多智能体系统分布式协同控制 2、推荐奖种：自然科学奖 3、推荐单位:东南大学 4、项目简介: 多智能体系统是20世纪末至21世纪初分布式人工智能领域的国际前沿研究课题，其核心支撑理论是人工智能、分布式控制和分布式计算。进入21世纪，人们在解决大型、复杂的工程问题时，发现单个智能体的能力已经无法胜任，需要多个智能体在网络环境下以信息通讯的方式组成多智能体系统协同地解决工程问题。典型的多智能体系统包括多机器人系统，多无人机系统，智能电网和分布式卫星系统等。本项目系统深入研究了多智能体系统协同控制的共性问题、网络结构控制、通讯受限等关键科学问题，取得的重要科学发现如下： (1)通过引入一致性区域的概念，把二阶和高阶系统一致性问题转化为研究一致性区域的稳定性范围，给出了具有固定网络拓扑的多智能体线性系统二阶和高阶一致性的充分必要条件，解决了长期困惑研究者的多智能体系统协同控制器设计的本质问题；提出有向网络的广义代数连通度作为有向网络收敛判别的基本依据，推广了无向网络的代数连通度。 (2)给出了牵制控制无向网络实现同步的一般条件；克服非对称网络拓扑结构的本质困难，解决了有向网络同步牵制控制的挑战问题；采用图分解引入匹配割点和割集，完善了矩阵分解的谱理论，解决网络牵制控制一个结点的最优控制的关键难题。 (3)利用非奇异M矩阵理论和切换系统稳定性分析方法，突破了通过求解闭环系统的解曲线，然后再进行稳定分析的技术性瓶颈，发现了具有间歇信息通讯的二阶多智能体系统一致性的实现与降阶后的低维切换系统全局稳定性的内在本质联系，解决了切换有向拓扑下多智能体系统的协同一致性的难题。 项目组近年来在IEEE、Automatica、SIAM等本领域著名期刊上发表多智能体系统协同控制SCI论文110篇。10篇代表性论文SCI他引1159次，WOS 他引1433次，Google Scholar他引2165次，全部为ESI工程领域前1%高被引论文，9篇论文Google Scholar他引超过100次，6篇论文发表至今在所在期刊的SCI引用排名居于前2位，被38位院士和IEEE Fellow在Nature、Nature Physics、IEEE汇刊等正面评价，相关成果获亚洲控制会议最佳论文奖、IEEE 电路与系统协会神经系统与应用技术委员会最佳理论论文奖、全国复杂网络学术会议最佳学生论文奖、IEEE国际电路与系统会议最佳学生论文奖提名等。

多智能体系统一致性综述

多智能体系统一致性综述 引言 多智能体系统在20世纪80年代后期成为分布式人工智能研究中的主要研究对象。研究多智能体系统的主要目的就是期望功能相对简单的智能体系统之间进行分布式合作协调 控制，最终完成复杂任务。多智能体系统由于其强健、可靠、高效、可扩展等特性，在科 学计算、计算机网络、机器人、制造业、电力系统、交通控制、社会仿真、虚拟现实、计 算机游戏、军事等方面广泛应用。多智能体的分布式协调合作能力是多智能体系统的基 础，是发挥多智能体系统优势的关键，也是整个系统智能性的体现。 在多智能体分布式协调合作控制问题中，一致性问题作为智能体之间合作协调控制的基础，具有重要的现实意义和理论价值。所谓一致性是指随着时间的演化，一个多智能 体系统中所有智能体的某一个状态趋于一致。一致性协议是智能体之间相互作用、传递 信息的规则，它描述了每个智能体和其相邻的智能体的信息交互过程。当一组智能体要 合作共同去完成一项任务，合作控制策略的有效性表现在多智能体必须能够应对各种不可预知的形式和突然变化的环境，必须对任务达成一致意见，这就要求智能体系统随着环 境的变化能够达到一致。因此，智能体之间协调合作控制的一个首要条件是多智能体达到一致。 近年来，一致性问题的研究发展迅速，包括生物科学、物理科学、系统与控制科学、计算机科学等各个领域都对一致性问题从不同层面进行了深入分析，研究进展主要集中在群体集、蜂涌、聚集、传感器网络估计等问题。 目前，许多学科的研究人员都开展了多智能体系统的一致性问题的研究，比如多智能体分布式一致性协议、多智能体协作、蜂涌问题、聚集问题等等。下面，主要对现有文 献中多智能体一致性协议进行了总结，并对相关应用进行简单的介绍。 1.1 图论基础 多智能体系统是指由多个具有独立自主能力的智能体通过一定的信息传递方式相互作用形成的系统；如果把系统中的每一个智能体看成是一个节点，任意两个节点传递的智 能体之间用有向边来连接的话，智能体的拓扑结构就可以用相应的有向图来表示。 用G (V,E,A)来表示一个有向加权图，其中V { v1,v2 , ,v n} 代表图的n个顶点； E V V 是边集合，如果存在从第 i 个顶点到第 j 个顶点的信息流，则有e ij (v i,v j) E； A 是非负加权邻接矩阵e ij E a ij 0；节点v i的邻居集定义为N i {v j|(v i,v j) E} 。如果对所 有的e ij E意识着e ji E，则称 G是无向图。

多智能体

分布式计算是一门计算机科学，一种计算方法，和集中式计算是相对的。它研究如何把一个需要非常巨大的计算能力才能解决的问题分成许多小的部分，然后把这些部分分配给许多计算机进行处理，最后把这些计算结果综合起来得到最终的结果。这样可以节约整体计算时间，大大提高计算效率。 分布式人工智能（Distributed Artificial Intelligence），简称DAI，它是人工智能和分布式计算相结合的产物。DAI的提出，适应了设计并建立大型复杂智能系统以及计算机支持协同工作（CSCW）的需要。目前，DAI的研究大约可划分为两个基本范畴：一是分布式问题求解（Distributed Problem Solving，DPS）；另一个是关于多智能体系统（Multi Agent System，MAS）实现技术的研究。 分布式问题求解：往往针对待解决的总问题，将其分解为若干子任务，并为每个子任务设计一个问题求解的子系统。这里，首先需要智能地确定一个分配策略：如何把总工作任务在一群模块（Module）或者节点（Node）之间进行子任务分配；其次需要智能地确定一个工作任务协同的策略：要在基于分散、松耦合知识源的基础上，实现对问题的合作求解。这里所谓“分散”的概念是指任务的控制操作和可利用的信息都是分布的，没有全局控制和全局数据；知识源分布在不同的处理节点上，数据、信息、知识和问题的答案可以按照某种规则予以共享。 （松耦合系统通常是基于消息的系统，此时客户端和远程服务并不知道对方是如何实现的。客户端和服务之间的通讯由消息的架构支配。只要消息符合协商的架构，则客户端或服务的实现就可以根据需要进行更改，而不必担心会破坏对方。）

多智能体系统一致性综述

多智能体系统一致性综述 一引言 多智能体系统在20世纪80年代后期成为分布式人工智能研究中的主要研究对象。研究多智能体系统的主要目的就是期望功能相对简单的智能体系统之间进行分布式合作协调控制，最终完成复杂任务。多智能体系统由于其强健、可靠、高效、可扩展等特性，在科学计算、计算机网络、机器人、制造业、电力系统、交通控制、社会仿真、虚拟现实、计算机游戏、军事等方面广泛应用。多智能体的分布式协调合作能力是多智能体系统的基础，是发挥多智能体系统优势的关键，也是整个系统智能性的体现。 在多智能体分布式协调合作控制问题中，一致性问题作为智能体之间合作协调控制的基础，具有重要的现实意义和理论价值。所谓一致性是指随着时间的演化，一个多智能体系统中所有智能体的某一个状态趋于一致。一致性协议是智能体之间相互作用、传递信息的规则，它描述了每个智能体和其相邻的智能体的信息交互过程。当一组智能体要合作共同去完成一项任务，合作控制策略的有效性表现在多智能体必须能够应对各种不可预知的形式和突然变化的环境，必须对任务达成一致意见，这就要求智能体系统随着环境的变化能够达到一致。因此，智能体之间协调合作控制的一个首要条件是多智能体达到一致。 近年来，一致性问题的研究发展迅速，包括生物科学、物理科学、系统与控制科学、计算机科学等各个领域都对一致性问题从不同层面进行了深入分析，研究进展主要集中在群体集、蜂涌、聚集、传感器网络估计等问题。 目前，许多学科的研究人员都开展了多智能体系统的一致性问题的研究，比如多智能体分布式一致性协议、多智能体协作、蜂涌问题、聚集问题等等。下面，主要对现有文献中多智能体一致性协议进行了总结，并对相关应用进行简单的介绍。 1.1图论基础 多智能体系统是指由多个具有独立自主能力的智能体通过一定的信息传递方式相互作用形成的系统；如果把系统中的每一个智能体看成是一个节点，任意两个节点传递的智能体之间用有向边来连接的话，智能体的拓扑结构就可以用相应的有向图来表示。 用)(A E,V ,G =来表示一个有向加权图，其中}{n 21v ,,v ,v V =代表图的n 个顶

多智能体

多智能体 1简介 说到“多智能体”，一般专指多智能体系统（MAS，Multi-AgentSystem）或多智能体技术（MAT，Multi-Agent Technology）。多智能体系统是分布式人工智能（DAI，DistributedArtificial Intelligence）的一个重要分支，是20世纪末至21世纪初国际上人工智能的前沿学科。研究的目的在于解决大型、复杂的现实问题，而解决这类问题已超出了单个智能体的能力。 1989年举行的第一届国际多智能体欧洲学术会议，标志着该技术受到了研究者的广泛重视。1993年首次召开了智能体形式化模型国际会议，1994年又召开了第一届智能体理论、体系结构和语言国际会议，表明多智能体技术日益获得了重视。 2 定义 多智能体系统是多个智能体组成的集合，它的目标是将大而复杂的系统建设成小的、彼此互相通信和协调的，易于管理的系统。 它的研究涉及智能体的知识、目标、技能、规划以及如何使智能体采取协调行动解决问题等。研究者主要研究智能体之间的交互通信、协调合作、冲突消解等方面，强调多个智能体之间的紧密群体合作，而非个体能力的自治和发挥，主要说明如何分析、设计和集成多个智能体构成相互协作的系统。 同时，人们也意识到，人类智能的本质是一种社会性智能，人类绝大部分活动都涉及多个人构成的社会团体，大型复杂问题的求解需要多个专业人员或组织协调完成。要对社会性的智能进行研究，构成社会的基本构件物——人的对应物——智能体理所当然成为人工智能研究的基本对象，而社会的对应物——多智能体系统，也成为人工智能研究的基本对象，从而促进了对多智能体系统的行为理论、体系结构和通信语言的深入研究，这极大的繁荣了智能体技术的研究与开发。 3优势特点 多智能体系统在表达实际系统时，通过各智能体间的通讯、合作、互解、协调、调度、管理及控制来表达系统的结构、功能及行为特性。 多智能体系统具有自主性、分布性、协调性，并具有自组织能力、学习能力和推理能力。采用多智能体系统解决实际应用问题，具有很强的鲁棒性和可靠性，并具有较高的问题求解效率。 多智能体系统是智能体技术应用及研究上的一个质的飞跃，不同行业的专家学者对之进行了深入的研究并从多个角度阐述了多智能体系统用于解决实际问题的优势，归纳起来，主要有以下几点： （1）在多智能体系统中，每个智能体具有独立性和自主性，能够解决给定的子问题，自主地推理和规划并选择适当的策略，并以特定的方式影响环境。

一个多智能体机器人协作装配系统

一个多智能体机器人协作装配系统① (1997年11月3日收到,1998年1月9日修回) 王越超②　谈大龙　黄　闪　栾　天　赵忆文 (中国科学院沈阳自动化研究所机器人学开放实验室　沈阳110015) 摘 要 介绍了一个基于多智能体概念实现的多机器人协作装配系统——M RCA S(M u lti2 Robo t Coop erative A ss m b ly System)。该系统由组织级计算机、三台工业机器人和一台 全方位移动小车(ODV)组成,采用分层递阶体系结构。利用M RCA S系统进行了多机 器人协作装配的实验:在ODV装配平台上,四台机器人合作装配一个大型桁架式工件。 该工件具有多种装配构型,但任何一台机器人不能独立完成装配。 关键词:智能体、多机器人系统、装配 一、引 言 近年来,人们对机器人学领域中多机器人系统的研究极为关注,对这种系统所具有的适应性、柔性、可扩展性、可靠性等产生了浓厚的兴趣。多机器人系统在自动装配作业、危险环境下材料处理以及外层空间作业等有着广泛应用前景。多机器人系统研究主要有两个问题:多机器人协调和多机器人合作。协调是研究如何控制多个机器人的运动和谐一致;而合作是研究如何组织多个机器人共同完成一个任务,即给定处于某一环境中的一组机器人一个任务时,合作行为将如何产生。 目前,基于分布式人工智能(DA I)中多智能体系统概念研究机器人协作问题十分活跃。DA I 主要包括两个研究领域:分布式问题求解(D PS)和多智能体系统(M A S)。DA I理论与协作机器人学密切相关,许多研究者将M A S概念应用于多机器人系统,对多智能体机器人系统进行了研究[1-3]。多智能体机器人系统(M A R S)中的每个机器人具有自治和协作能力,自治是指每个智能体机器人具有自我控制与决策的能力,协作则是指能与其它机器人一起完成某个任务。为促进多机器人系统和机器人智能的研究,国际机器人界还组织了微机器人足球比赛[4],这对协作机器人学及相关技术的研究提出了新的挑战。 基于多智能体思想,我们在多年从事多机器人协调研究的基础上[5,6]实现了一个多机器人协作装配系统——M RCA S。这项研究的主要目的是实现一个能适应使命变化、可重构的多智能体机器人实验系统。本文介绍了M RCA S系统的体系结构,以及利用M RCA S系统的四台机器人合作装配大型桁架工件的实验。 二、M RCA S系统的体系结构 为实现多机器人协作系统,必须建立合适的体系结构。群体结构不仅提供了合作行为的基础, ① 863计划资助项目(8632512222203)。 ②男,1960年生,研究生,研究员;研究方向:机器人控制;联系人。

多智能体的一致性问题报告

多智能体的一致性问题的研究报多智能体的一致性问题的研究报告 指导老师：唐斌 报告人：黄建安 多智能体技术应用综述多智能体系统是由多个可计算的智能体组成的集合，其中每一个智能体是一个物理或抽象的实体，并能通过感应器感知周围的环境和效应器作用于自身，并能与其他智能体进行通讯的实体。作用于自身，并能与其他智能体进行通讯的实体。多智能体技术是通过采用各智能体间的通讯、合作、协调、调度、管理以及控制来表述实际系统的结构、功能及行为特性。近年来，随着应用的需要和技术的发展，多智能体的协调控制在世界范围内掀起了研究的热潮。智能体的分布式协调控制能力是多智能体系统的基础，是发挥多智能体系统优势的关键，也是整个系础，是发挥多智能体系统优势的关键，也是整个系统智能性的体现。作为多智能体协调控制的问题的基础，一致性问题主要是研究如何基于多智能体系统中个体之间有限的信息交换，来设计的算法，使得所有的智能体的状态达到某同一状态的问题。一致性协议问题作为智能体之间相互作用、传递信息的规则，它描述了每个智能体和与其相邻的智能体的信息交换过程。 多智能体的一致性问题的发展：1995年，Vicsek等人提出了一个经典的模型来模拟粒子涌现出的一致性行为的现象，并且通过仿真得到了一些很实用的结果。之后，Jadbabaie等人首先应用矩阵方法对该模型进行了理论分析，发现只要再网络保持连通时，系统最终会趋于一致。然后，有理论最早提出了一致性问题的理论框架，设计了最一般的一致性算法，发现网络的代数连通度表征了系统收敛的速度，给出了算法达到平均一致性的条件，并将结果扩展到时滞的对称一致性算法。进一步，Ren与Beard等提出了一致性搜索问题并给出了理论分析。Moreeau应用凸性收敛进行了理论分析并给出了存在时滞的不对称一致性算法收敛结果。经过以上大量的研究分析表明，当网络为固定拓扑结构时，只要网络保持连通，连续一致性算法最终会趋于一致；当网络为切换拓扑结构时，如果在有限时间内，存在有网络拓扑结构的并组成的序列，并且所有这些图的并都保持连通，则一致性算法最终也会收敛到一致。对于离散一致性算法，当步长小于网络最大度的逆时，系统趋于一致的条件类似于连续系统。2005年Iain Couzin在《Nature》杂志上发表的文章指出，鱼群再排列成规则形状迁徙的过程中，一部分鱼扮演了“领导者”的角色。最近，Cortes提出了并分析了基于一般化连续一致性函数的任意分布式算法，并给出了趋于一致性充分必要条件，将一致性算法扩展到更为一般化的函数设计。 研究情况：在一致性问题的分析研究中，一致性协议是研究的重点。研究重点主要集中在对一致性协议模型的设计分析，一致性协议的收敛、平衡状态、应用分析。目前有向/无向通信网络、固定/动态拓扑、时滞系统、信息不确定以及异步通信中的相关问题，以形成相对完善的系统理论。一致性问题的分析：（1）基于连续时间的一致性问题（2）基于离散时间的一致性问题（3）基于切换拓扑结构的一致性问题（4）带时滞一致性问题a.对称时滞一致性问题（智能体本身接收和发送信息都有固定时滞）b.不对称时滞一致性问题（智能体本身接收信息有固定时滞，发送信息没有固定时滞）c.时变时滞一致性问题（时滞是随时间动态变化，不是固定常数）（5）一致性滤波问题未来几个重点关注的理论问题： （1）弱连通条件下的多智能体一致性理论。 目前的一致性理论大部分需要假设在动态变化过目前的一致性理论大部分需要假设在动态变化过程中拓扑结图是强连通或含有生成树结构，某种程度上限制了一致性理论的应用范围。联合联通和连通性概念的提出拓宽了人们对一致性理论的收敛条件的研究思路，一致性理论的应用需求使得弱连通条件下，特别是动态拓扑网络中的一致性问题必将成为未来的重点关注的理论问题之一。 （2）具有不对称时变时延的多智能体系统一致性算法。

智能体和多智能体系统研究

文章指出，算法博弈论是博弈论和算法设计的交叉领域，热点研究问题包括算法机制设计、计算社会选择理论、（社交）网络分析、均衡分析等。博弈论在安全领域的资源分配及调度方面的理论得到了成功应用。多智能体学习、分布式问题求解、分布式规划，以及“多智能体图灵测试”问题也都是挑战性的研究论题。 多智能体系统由一组交互协同的自主智能体构成，以自主智能体和多智能体系统的理论和技术为基础，提供相应的原理、方法、语言和工具来支持软件系统的工程化开发。国防科学技术大学教授毛新军撰写的《面向智能体软件工程》，提出了与具有自适应、自组织、自我管理、持续演化等特点的软件系统研究相融合和交叉的问题，以推动此研究向纵深发展。 智能体所具有的感知性、适应性、自治性、主动性和协作性等使得其能够根据环境的变化，灵活、自主地采取行动以满足设计要求，也为软件自适应动态演化的研究提供了一个全新的思路。西安电子科技大学教授李青山等撰写的《基于智能体的在线演化机制及支撑环境》，介绍了基于智能体的在线演化机制及支撑环境，可保证系统在不中断运行的情况下，根据用户需求和环境信息的变化，对智能体之间的协作关系进行调整，以提高软件的自适应演化能力、生命力等，降低软件开发、维护和运行成本。 多智能体系统是复杂问题求解与复杂系统建模的一种有效工具，采用自底向上的方法对个体及个体间的局部交互进行建模，模拟系统的全局行为，实现系统的宏观目标。吉林大学教授杨博等撰写的文章《网络理论与多智能体系统研究》，介绍了网络结构分析的研究背景、主要进展，分析了其发展趋势，并在此基础上讨论了国内外有关复杂网络与多智能体系统研究的主要工作，尝试从网络理论的视角，审视多智能体系统研究的新思路和新方法。 社会网络主要由自治的社会 智能体，又称主体，是指通过传感器感知环境、效应器作用于环境，并主动执行动作的实体。经过近30年的发展，智能体和多智能体系统已经逐渐成熟，成为国际人工智能领域的前沿和研究热点。在近年来的AAAI人工智能会议(AAAI)和国际人工智能联合会议(IJCAI)上，录用数量最多的也是这方面的文章。 为了交流智能体和多智能体系统的最新研究成果，更好地推动其在我国的研究发展，今年3月，中国科学院计算技术研究所在北京召开了智能体和多智能体系统研讨会，与会专家围绕这一主题，进行了深入探讨。大家认为，智能体和多智能体系统当前的研究热点、面临的挑战和发展趋势值得让更多的人了解，于是，我们组织了本期专题。 新加坡南洋理工大学南洋助理教授、中科院计算所副研究员安波等撰写的《多智能体系统研究的历史、现状及挑战》，介绍了多智能体系统的起源、发展、当前的研究热点和未来发展趋势。特邀编辑：史忠植1　安　波1,2　1中国科学院计算技术研究所 2新加坡南洋理工大学 智能体和多智能体系统研究关键词：智能体　多智能体系统

多智能体系统在电力行业中的应用

龙源期刊网 https://www.wendangku.net/doc/8a4524865.html, 多智能体系统在电力行业中的应用 作者：贺廷柱胡琳 来源：《科技与创新》2017年第09期 摘要：多智能体系统（MAS）起源于分布式AI研究领域，其自有特性决定了它在电力行业有广阔的应用前景。重点介绍了多智能体系统在电网故障诊断、继电保护、配电领域和电力市场中的运用情况，这也是现阶段多智能体系统所运用的主要领域。随着智能电网的发展，多智能体系统在电力行业中的应用必然大放光彩。 关键词：多智能体系统；电力行业；工程领域；故障诊断 中图分类号：TM76 文献标识码：A DOI：10.15913/https://www.wendangku.net/doc/8a4524865.html,ki.kjycx.2017.09.005 1 多智能体系统简介 多智能体系统（MAS，Multi-Agent System）起源于分布式人工智能系统，早在20世纪70年代就对该系统进行了研究。20世纪80年代后期，基于MAS的研究已成为分布式人工智能 研究的一个重要分支，对应的研究成果也开始被运用于工程领域。随着计算机网络技术的发展，越来越多的学者加入了多智能体系统的研究领域。 但是，与AI中许多术语并无准确定义一样，多智能体系统也没有准确或统一的定义。目前，绝大部分人接受的定义是：多智能体系统是具有一系列的目标，确定的能力和知识，能够推理环境，生成相应的规划并执行规划，以实现目标的功能实体。每个单一智能体必然具有自发性、分布性、唯一性、移动性、诚实性和理性。因此，由各个单一智能体所组成的多智能体系统通常具有3大特性，即可变性与适应性、交互性与合作性、自发性。多智能体系统的基本构成模型如图1所示。 图1 MAS的基本构成模型 多智能体系统的3大特性决定了其可以有效完成全局目标，并且可以与周围环境互动，还可以消除任务学习和规划决策等方面的弊端。多智能体系统能够支持分布式应用，所以，具有良好的模块性和优异的扩展性，也能有效降低系统的总成本。作为处理分布式系统问题的新方法，其通信语言相同、各个智能体分工明确，解决了智能体与智能体之间的决策冲突问题。正是多智能体系统在解决实际问题时具有诸多优点，使其在诸多工程领域得到了广泛应用。 2 多智能体系统在电力行业中的应用 2.1 在电网故障诊断中的应用

多智能体系统文献综述

多智能体系统文献综述 摘要：对多智能体系统及其协同控制理论研究和应用方面的发展现状进行了简要概述.首先给出Agent及多Agent系统的概念和特性等,介绍了研究多Agent系统协同控制时通常用到的代数图论;然后综述了近年来多Agent系统群集运动和协同控制一致性方面的研究状况,并讨论了其在军事、交通运输、智能机器人等方面的成功应用;最后,对多Agent系统未来的发展方向进行了探讨和分析,提出几个具有理论和实践意义的研究方向,以促使多Agent系统及其协同控制理论和应用的深入研究. 关键词：多Agent系统(MAS)；协同控制；代数图论；群集运动；一致性协议 分布式人工智能是人工智能领域中一个重要的研究方向,而多Agent系统(multi-Agent systemMAS)则是其一个主要的分支. 20世纪90年代,随着计算机技术、网络技术、通信技术的飞速发展,Agent及MAS的相关研究已经成为控制领域的一个新兴的研究方向.由于Agent体现了人类的社会智能,具有很强的自治性和适应性,因此,越来越多的研究人员开始关注对其理论及应用方面的研究.目前,人们已经将MAS的相关技术应用到交通控制电子商务、多机器人系统、军事等诸多领域.而在MAS中,Agent之间如何在复杂环境中相互协调,共同完成任务则成为这些应用的重要前提.近年来,从控制的角度对MAS进行分析与研究已经成为国内外众多学术机构的关注热点,人们在MAS协同控制问题上做了大量的研究工作,特别是在MAS群集运动控制和协同控制一致性问题方面取得了很大的进展.目前对MAS的研究总体上来说还处于发展的初步阶段,离真正的实用化还有一定的距离;但其广泛的应用性预示着巨大的发展潜力,这必将吸引更多专家、学者投入到这一领域的研究工作中,对MAS的理论及应用做进一步探索.根据上述目的,本文主要概述了多智能体系统(MAS)在协同控制方面的研究现状及其新进展 1 Agent与MAS的相关概念 1.1 Agent的概念 Agent一词最早可见于Minsky于1986年出版的《Social of Mind》一书中.国内文献中经常将Agent翻译为:智能体、主体、代理等,但最常见的仍是采用英文“Agent”；因为Agent 的概念尚无统一标准,人们对于汉语中哪个词能更好地表达其含义还没有达到共识.介绍两种引用较多的定义形式: ①：Maes在文献[1]中将Agent定义为:试图在复杂的动态环境中实现一组目标的计算机统②：Wooldrige和Jennings在文献[2]中,从Agent的特性方面给出其弱定义和强定义Agent接受从环境中感知的输入,并产生输出动作作用于环境,这种交互通常是一个连续不断的过程.Agent不能完全控制它周围的环境,只能通过动作输出影响环境. 1.2 MAS的概念 概念：MAS是由多个Agent组成的集合,Agent之间以及Agent与环境之间通过通讯、协商与协作来共同完成单个Agent所不能解决的问题. 优点：更广泛的任务领域、更高的效率、改良的系统性能、错误容忍、鲁棒性、分布式的感知与作用、内在的并行性、对社会和