一、移动agent系统基准模型的研究（论文文献综述）
王鑫[1]（2020）在《电子商务中虚假评分检测与信誉评估方法研究》文中进行了进一步梳理近年来,随着全球电子商务产业迅猛发展,产业规模不断扩大,电子商务在国民经济中占据着越来越重要的地位。然而,许多不良商家受商业利益的驱使,利用电子商务平台信息不对称和信誉体系发展滞后的弱点,使用多种手段破坏信誉系统,误导消费者和电商平台,给电子商务产业的健康发展造成了不良影响。针对电子商务平台信誉系统脆弱和虚假评分屡禁不止的问题,本文从买家（评分者）的评分行为入手,在买家分类方法、电子商务平台信誉评估和买家虚假评分检测等方面展开研究。主要完成了以下几个方面的工作:1.基于印象理论对买家的评分行为进行了建模,给出了宽松型和严苛型买家的定义,并依据买家的行为特征设计了基于最近邻搜索的买家筛选方法。该方法改进了最近邻搜索算法,无须在剩余买家的聚类上花费额外的聚类时间,提高了分类的速度。实验结果表明,本文的分类方法优于传统的分类方法。2.提出了基于买家行为的无监督卖家信誉评估方法（Impression-Based Strategy,IBS）。首先,依据严苛型和宽松型买家的行为特征,提出了卖家是否诚信的评判规则。其次,运用卖家属性评判规则,预分类出一部分诚实和不诚实的卖家;以这部分卖家作为基准,把买家再分成诚实的、不诚实的和不确定的三类。最后,加权聚合诚实和不确定买家群组对卖家的评分,对卖家信誉进行评估。在模拟数据集和Yelp数据集上的实验表明,IBS方法不仅能准确估计卖家的信誉,而且能够防御各种常见的和未知的信誉攻击。即使在不诚实的买家比例很高的极端环境下,IBS也能有效地工作。3.基于深度学习理论,提出了一种半监督的买家虚假评分检测算法。该算法用马尔可夫决策过程来建模买家的评分序列,根据买家的评分特征设计了一个深度Q网络,用于学习买家的评分行为。为了能够更快地感知环境的变化,在深度Q网络中引入了 IBS的卖家信誉评估方法。基于真实数据的实验表明,这种融合卖家信誉评估方法的深度Q网络经过大约2万样本的训练学习后,可以作为一个过滤器来检测同一平台中其它评分的真伪。4.设计并实现了一个基于多Agent系统的电子商务信誉仿真平台。平台考虑了信誉和价格因素,交易和选择策略,市场中各参与方的行为模式等。研究者可以加载自己的分布式或集中式的信誉模型,以方便各信誉模型之间进行比较。
陈宝通[2]（2020）在《面向个性化定制的智能生产线预防性维护研究》文中研究表明智能生产线通过物联感知和网络协同技术,实现信息物理深度融合。其特征是制造设备高度互联、制造数据深度集成与产线动态重构,以满足多品种、小批量、个性化定制产品的混流生产要求。个性化定制生产模式下,智能生产线对设备可靠性、运行稳定性与生产适应性等提出了更高要求,常规的被动运维模式已不能满足智能生产线的复杂运维需求。本文聚焦于智能生产线预防性维护的关键技术研究,以保证个性化定制生产线效率与设备利用率为前提,对设备的劣化状态进行早期评估,通过可重构预防性维护避免生产线意外停机造成的生产中断,旨在实现生产过程的自主感知、状态评估、自适应运行及负载均衡。本文的研究工作可以具体地概括为以下五点:（1）探讨了设备信息物理深度融合为基础的智能生产线预防性维护系统架构。在智能生产线设备信息传输方面,实现了基于OPC UA的信息传输,Machine to Machine通信,软件定义工业异构网络;在多源异构传感数据深度融合方面,提出了边缘计算使能的数据融合方法与边-云合作的数据融合机制。架构涵盖了基于心电机理的设备运行状态监测方法与深度的设备健康状况评估理论,实时反馈设备亟需的运维情况。为保障智能生产线稳定运行,提出了面向个性化定制生产线的可重构运维机制,以实现生产过程自适应管控的系统运维。（2）基于设备动作时长的细粒度划分,将设备作业状态下的节拍类比为人类的心脏跳动,以设备心电图（equipment electrocardiogram,EECG）的方式揭示设备的性能衰退过程。阐明了设备心电图的构建机理,涵盖工序的细粒度划分方法,时序周期的动态匹配方法,基线、公差、Hotspot等重要工作特征的确定方法。基于设备心电机理,分别提出了生产线节拍优化方法和设备性能衰退的在线监测方法。在智能生产线上对智能设备心电图的性能进行了测试,结果表明智能心电机理能够很好地支持智能设备心电图的实施,智能生产线设备心电（Automatic Production Line EECG,APL-EECG）系统能够实时监测设备作业状态,为设备的维护提供科学指导。（3）基于时间序列设备传感数据,提出了深度的设备性能预测方法。引入流行的机器学习框架—Tensor Flow,搭建了Tensor Flow使能的深度学习模型架构;利用Keras搭建了汽车装配生产线的小台车气缸可靠性分析的深度神经网络模型,并阐述了其中关键的实现技术;进一步地制定了气缸工作性能评估策略,预测准确率达到工业应用标准。研究发现在不完全观测丰富数据集的环境下,运用深度神经网络能够实现“弱关联”多源异构设备传感数据的分析。（4）基于领域本体的形式化语义模型,构建了面向预防性维护的可重构运维方法。首先,根据对智能生产线制造资源与生产过程的系统分析,利用领域本体方法构建生产线形式化语义模型,以一种语义网结构对生产线的制造资源进行抽象化与统一描述;其次,利用数据驱动的语义模型促进了生产线信息物理资源的动态融合,为生产线状态感知与自组织重构等提供基础模型,进一步构建了基于多智能系统的智能生产线自组织自适应运行机制;最后,面向预知的设备状态衰退与性能失衡,构建路径动态规划与任务切换的可重构方法,实现混流产线的不停机动态重构。（5）针对智能生产线设备集群自组织自适应作业过程中的负载不均衡现象,探究了基于边缘计算理念的智能生产线可重构运维方法,制定基于能量感知的负载均衡与调度（Energy-aware Load Balance and Scheduling,ELBS）策略。具体地,在边缘节点建立工作负载相关的能耗模型,相应地确立以作业集群负载均衡为目标的优化函数;利用改进的粒子群算法求得优化解,对任务相关的作业集群进行任务优先级排序;采用Multi-agent系统对车间作业集群进行分布式的优化调度。结果表明,在多批量个性化定制糖果的包装产线上,在考虑能耗和工作负载的情况下,该策略实现了混流生产作业机器人的负载均衡和优化运行。综上所述,以底层信息交互为基础,提出了由单机设备到集群设备的自下而上的可重构运维方法,实现了涵盖产线自主感知、状态监测、预防维护与负载均衡等的关键运维技术,为个性化定制生产线的预防性维护关键点提供技术支撑与理论依据。
梁爽[3]（2020）在《基于多Agent仿真的可变线路式公交调度研究》文中指出自国务院发布《国务院关于城市优先发展公共交通的指导意见》以来,城市公共交通建设进入新时期。地铁、轻轨、BRT、公交专用道的建设有效提升了城市公共交通的平均运行时速,提高了公交分担率,但仍旧面临服务区域有限,仅能满足乘客在交通廊道出行需求的问题。可变线路式公交是指车辆在一般情况下沿基准路线行驶,在固定站点停靠,在收到乘客乘车请求后,偏离基准路线接送乘客。这类公交形式很早就出现在欧美低密度出行区域并经过理论和实例验证,其在低密度出行区域可以为乘客提供更优质的服务,为公交公司提供更多的运营收益。在国内也有许多与可变线路式公交形式类似的公共交通运营方式,如定制线路公交、旅游网预约巴士、拼车出行。虽然国内暂时没有可变线路式公交,但可以预见在信息实现实时交互,居民出行难以通过步行或骑行满足的今天,可变线路式公交在中国发展的前景广阔。本文旨在完成更加贴合实际的可变线路式公交调度研究,证明可变线路式公交在中国运行的可行性。为达成研究目的,本文引入多Agent概念用于仿真,以单个Agent所具有的智能性,赋予每辆可变线路式公交、每位乘客和可变线路式公交调度中心一定的思维能力,使模拟可变线路式公交在实际路网和实际乘客需求下调度成为可能,使可变线路式公交调度问题由系统最优分解为公交和乘客的分别最优问题,简化模型的同时,使仿真结果更贴合实际。本文首先对可变线路式公交调度问题与多Agent仿真相关性进行了详细说明,分别介绍了多Agent理论和可变线路式公交调度要素,并据此完成了对可变线路式公交关键Agent的设计和通信,包括乘客Agent、可变线路式公交Agent和调度中心Agent。乘客Agent与可变线路式公交Agent将自身信息发送给调度中心,调度中心Agent综合信息完成对可变线路式公交的调度。然后,本文以此为框架展开了对乘客Agent、可变线路式公交Agent、调度中心Agent涉及模型的研究,具体包括对乘客Agent核心行为——交通方式选择行为设计,对调度中心Agent运行前提——初始行车计划编制,对调度中心Agent运行核心行为——动态调度模型构建。为完成乘客Agent的交通方式选择行为设计,实现由可变线路式公交潜在乘客需求向实际乘客需求的转换,本文构建了乘客交通方式选择的多项Logit模型,并设计了调查问卷,完成了模型的参数标定。通过多项Logit模型计算乘客Agent在获取信息下的交通方式选择概率,完成了乘客Agent的交通方式选择行为设计。为完成调度中心Agent所需的初始行车计划表,明确可变线路式公交行驶基线、途径固定站点、发车时刻,本文提出将改进的K-means算法用于确定可变线路式公交固定站点,将常规公交时刻表编制办法用于确定可变线路式公交发车时刻表。为完成调度中心Agent的动态调度模型构建,实现可变线路式公交在乘客Agent反馈下的由调度中心Agent完成对初始路线的调整,本文将乘客按是否预约进行划分,据此提出预调度模型和实时调度策略。在预调度模型部分为提高可变线路式公交收益,构建了基于均值-方差理论的预调度模型,考虑了过往潜在乘客出行信息所代表的乘客出行规律对于可变线路式公交调度的影响,并提出了两阶段求解算法。第一阶段求解算法主要为提升第二阶段运算效率设计,采用遍历算法,第二阶段求解算法采用经典的遗传算法。在实时调度策略部分提出根据乘客出行需求变化实时改变可变线路式公交Agent运动轨迹的策略。接着,在完成各个Agent构建和各个Agent涉及模型的研究后,借助JADE平台和百度地图API平台,完成了乘客Agent、可变线路式公交Agent和调度中心Agent的集成,实现了Agent同类及不同类间的通信,并建立数据库导入或记录运行数据,运用可视化窗口完成对于调度结果的可视化显示,完成了可变线路式公交仿真平台开发。最后,以成都市一环以北区域乘客滴滴出行需求数据为可变线路式公交潜在乘客出行信息为例,借助搭建的仿真平台和对可变线路式公交初始行车计划编制的计算,实现了可变线路式公交调度,并就调度结果进行了分析。分析表明在实际路网环境、多种交通方式下,可变线路式公交在中国城郊区域具有强大的竞争力。
樊潇[4]（2020）在《基于混合存储的多Agent铁路雨棚健康监测系统研究》文中研究指明铁路站台雨棚作为保障旅客行车安全的重要设施,其结构健康日渐受到关注,随着传感技术和计算机技术的发展,传统的监测系统已无法满足大型结构监测的复杂需求,存在监测系统智能化不高、可扩展性不强以及系统中海量监测数据的存储等问题,因此本文设计了一种基于混合存储的多Agent铁路雨棚健康监测系统,通过混合存储模式解决数据存储问题,利用多Agent技术完成监测系统的构建和实现。本文的主要研究工作如下:（1）通过对铁路雨棚钢结构健康的监测流程进行分析,结合多Agent系统的设计方法将系统分为数据采集层、数据解析层、数据管理层、数据处理层、损伤诊断层和用户交互层六个层次,分配给相应的Agent实现,并详细设计了各Agent的具体功能和结构,采用消息传递的Agent通信机制,构建了智能化、模块化的多Agent铁路雨棚健康监测系统模型。（2）针对监测系统数据的不同业务需求,设计了关系型数据库（SQL Server）和No SQL数据库（Mongo DB）相结合的数据混合存储架构,将海量的监测数据存入No SQL数据库,其他数据存放到关系型数据库中,并设计了相应数据库的详细存储方案和数据访问接口,解决了系统中数据的存储问题。另外,针对系统中某些经常进行运算的“热数据”的快速存取需求设计了系统初始化时内部存入部分数据的存储优化方案,进一步提升系统性能。（3）根据本文所设计的基于混合存储的多Agent铁路雨棚健康监测系统模型,研究了监测系统的具体实现技术,采用现代先进传感设备构成系统硬件部分,通过面对对象技术对Agent功能及其通信机制进行详细程序设计,并将文中所研究的系统应用于海口东站站台雨棚的健康监测中,实现了铁路雨棚健康监测系统的开发和应用。本文研究的基于混合存储模式的多Agent健康监测系统解决了海量监测数据的存储问题,实现了铁路雨棚钢结构的状态监测和健康诊断,在实际的应用过程中具有良好的鲁棒性、可扩展性和可维护性,为大型结构类健康监测系统的研发提供借鉴意义。
吴美金[5]（2019）在《基于Multi-Agent的第三方逆向物流服务商选择研究》文中研究表明随着各界对保护环境与经济可持续发展的高度重视,逆向物流的战略价值和经济价值逐渐显现。逆向物流的开展不仅可以为企业与社会节约资源,同时也能提高企业的市场竞争力与供应链的绩效水平。然而逆向物流所具有的复杂性、缓慢性、不确定性等自身特性,对于企业本身发展逆向物流业务,会有很大的困难和风险,为了实现低成本、高质量、柔性生产,出于综合考虑,将部分或全部的逆向物流业务实施外包给专业的第三方逆向物流服务商,对企业发展带来巨大优势,尤其是集中企业优质资源致力于核心业务。与企业相比,专业、规范的第三方逆向物流服务商能够集中有效地处理逆向物流业务,以此降低企业运营成本与物流成本、提高供应链运作效率、提升顾客整体服务水平。因此,对第三方逆向物流服务商的合理有效选择,是企业战略发展的一项重要决策。本文以雇主企业为视角,研究基于Multi-Agent的第三方逆向物流服务商选择,构建了基于Multi-Agent的第三方逆向物流服务商选择体系框架,通过参考相关学者文献,建立第三方逆向物流服务商选择指标体系,通过模糊层次分析法FAHP完成对第三方逆向物流服务商的初选过程。并应用Multi-Agent系统的合作协调机制,结合博弈论的思想,构建基于Multi-Agent的动态博弈合作机制模型,并提出信任基准指标控制各服务商Agent博弈决策的自私性与盲目性,以此形成服务商合作联盟协作完成雇主企业的逆向物流任务,理性合理地进行第三方逆向物流服务商的选择,完成逆向物流任务的分配过程,最终完成第三方逆向物流服务商的复选。鉴于逆向物流带来的环境与经济双重效益,第三方逆向物流服务商的专业化、规范化作业受到越来越多企业的关注与依赖,能够有效进行第三方逆向物流服务商的评价选择对企业的发展至关重要。本文所提出的选择方法能有效帮助企业选择出合适的第三方逆向物流服务商,集中精力致力于核心业务,降低企业运营及物流成本,提高逆向物流运作效率,从而实现企业和第三方逆向物流服务商的双赢。
王林林[6]（2019）在《动态环境下的多Agent路径规划方法研究》文中研究说明现阶段对于多Agent系统的研究已经能够成功应用于实际生活中的很多领域,而路径规划技术是其研究的关键问题之一,对此研究者也提出了很多解决多Agent路径规划的方法。但是在实际生活应用中,多Agent往往是处在动态环境中的,Agent对周围环境的信息掌握的也是有限的,对于动态障碍物的位置也是未知的,因此就需要使用有效的算法来为多Agent规划出有效的路径,从而使Agent能够在安全无碰的情况下快速找到从起点到终点的最短路径。另外,路径规划过程中对于多Agent之间的碰撞问题也是不可忽略的。针对多Agent在动态环境下的路径规划中所存在的问题,本文主要在原始蚁群算法上作出了相应的改进,另外结合博弈论方法来解决路径规划过程中的多Agent之间的碰撞性问题。所做主要工作如下:（1）首先在多Agent进行路径搜索的前期需要根据其掌握的周围环境信息进行环境建模,对环境建模方法进行优劣对比,选择简单的栅格法对环境信息进行处理并建立多Agent运行的二维环境地图,为后面路径规划算法的实施奠定了基础。（2）利用蚁群算法来为每个Agent规划出全局有效的路径,但是对于蚁群算法中存在的如收敛速度慢和易于陷入局部最优等的缺点,本文作出了以下对蚁群算法的两种方式的改进方法,第一种方法为:首先在原始蚁群算法中引入反向学习方法来对蚂蚁位置进行初始化分布,增加了算法的全局搜索能力;其次利用粒子群算法中的自适应惯性权重因子来调节信息素强度Q值,使其自适应地变化,避免陷入局部最优;最后为了加快算法的迭代速度本文采用对信息素挥发因子值进行自适应的调节。第二种方法为:首先使信息素强度值自适应变化;其次以信息素每轮更新结束后所有的信息素平均值为基准引入信息素缩减因子,从而加快算法的迭代速度;最后利用烟花算法中的爆炸算子来解决死锁问题,从而扩大蚂蚁的搜索范围,快速找到下一步的路径,避免陷入死锁。通过在Matlab中实验进行验证了所提方法的有效性,实验结果表明,改进的蚁群算法明显克服了传统蚁群算法的如收敛速度慢、容易陷入局部最优的缺点。（3）在多Agent路径规划过程中,Agent在行走过程中难免会遇到如静态、动态的障碍物,对于动态环境下的多Agent的路径规划问题,Agent会存在动态避障,本文主要是解决Agent之间的动态避障问题。具体方法为,如果Agent之间存在碰撞,即利用博弈论来为多Agent之间构建动态的避障模型,并且针对博弈的求解问题和多Nash均衡的选择问题采用虚拟行动法来解决,从而确保每个Agent能够快速学习到最优的Nash均衡,最终,算法能够最大限度地发挥整体利益,并成功避开障碍。Matlab仿真实验结果表明所提的方法能够减少Agent路径规划的从起点到终点的路径长度并且提高了收敛速度。
胡宇涵[7]（2019）在《基于Agent的立体仓库可视化建模仿真研究》文中研究表明随着物流业的快速发展,现代化立体仓库作为其中最为重要的一环,如何科学合理地进行立体仓库建设,提高仓库整体作业效率,成为众多企业开源节流,降低企业成本的一大关键性问题。由于我国现代化立体仓库起步较晚,存在系统自动化程度较低,设计不规范,设备利用率低,整体作业效率不高等问题,基于Agent的三维建模仿真技术作为信息时代一项具备辅助参考价值的新研究方法,利用Agent在描述系统微观层面的优越性,对提高立体仓库系统建设水平,提升整体作业效率,消除系统瓶颈,促进立体仓库智能化、集成化、信息化具有十分重要的意义。本文以立体仓库系统为研究对象,主要完成了以下研究:（1）基于参数化针对系统中的静态设备（立体仓库）提出参数化建模设计流程,基于拓扑结构对系统中的动态设备（堆垛机、机械手）进行运动建模并设计求解算法;（2）把Agent建模思想引入立体仓库系统以实现功能分层抽象和定义,使用Petri网和形式化语言相结合的方式对每个Agent进行行为建模,阐述系统各组成要素之间相互作用的机制,以及这些要素与外界环境间的物料、信息交互机制,实现立体仓库系统动态运行模拟和逻辑分析;（3）提出由物理层、模型层、逻辑层和服务层组成的立体仓库系统仿真四层架构,建立堆垛机Agent路径规划算法,立体库Agent货位分配算法和三维可视化场景搭建三种基于MAS的仿真关键技术,设计基于MAS的出入库仿真流程;（4）基于OSG和MFC设计与实现立体仓库可视化建模仿真原型系统,通过仿真实例验证系统设计的有效性和可行性。利用本文建模仿真方法可快速构建立体仓库系统模型,指导实际仓库建设,验证方案可行性、消除系统瓶颈。立体仓库的智能化是一个长期、持续的过程,本文仅进行了初步的探索,实现自动化向智能化的真正跨越还有待进一步的研究。
田德红[8]（2018）在《航空弹药供应保障模型及决策支持系统的设计研究》文中研究指明随着军事技术的发展,现代化战争逐渐展现出多样化的和全方面的趋势,空军将担负起攻击重要敌对目标以及与海、陆军协同作战等重要攻坚任务。其表现出的参战机种之多、战争时间之短、弹药消耗之大,显着增加了航空弹药供应保障的强度和难度。为适应信息化战争,有效地发挥出空军的作战能力,需要及时、准确、充足的航空弹药供应保障。本文对航空弹药供应保障模型及决策支持系统进行了研究,分别从航空弹药消耗、存储、调运三个维度构建航空弹药保障系统,在此基础上,本文进一步研究了航空弹药保障决策支持系统的总体设计框架。首先,本文结合航空弹药训练消耗的特点,将邻域粗糙集（NRS）与变异粒子群算法（MPSO）融入深度神经网络（DNN）研究航空弹药消耗预测问题。通过邻域粗糙集属性约简消除冗余信息,并以此训练集运用深度神经网络进行回归学习。通过变异粒子群算法参数寻优得到网络各层最优的权值和阈值,进而构建NRS-MPSO-DNN融合的航空弹药消耗预测模型。在对航空弹药训练消耗的实证研究表明,本文构建的NRS-MPSO-DNN组合模型预测结果与实际数据吻合度较高,且与其它预测模型相比具有更好的预测性能。其次,本文针对航空弹药存储布局优化问题,综合考虑到航空弹药保障Agent和作战部队需求Agent的独立性以及指挥Agent的协同作用,基于Multi-Agent方法建立同时考虑多种因素共同影响的航空弹药存储布局优化模型,并通过合作竞争博弈理论得到了各种因素对目标问题的影响权重。最后,本文通过染色体分段编码并结合优序数法对传统遗传算法进行改进,从而满足对不同量纲的多目标优化问题的求解。本文构建的模型能够同时确定航空弹药储存点布局最优组合以及每个储存点的航空弹药储备量,并且针对平时和战时环境的不同,对平时常用储存点和战时备用储存点进行区分。仿真结果表明,本文提出的航空弹药储存点布局优化模型可以协同各部门的意见,从成本、安全和时间多个角度为航空弹药保障提供更加合理的布局决策。再次,本文针对航空弹药调运决策问题,综合考虑交通状况和敌方攻击情况等不确定性因素以及各航空弹药保障部门之间的协同作用,通过贝叶斯决策网络模型结合Multi-Agent方法建立具有动态特征的航空弹药调运决策模型。将道路的交通状况和敌方攻击的情况转化为路段通行时间的大小,通过Floyd-Warshall算法基于多源最时间短路径问题对模型进行求解,得到了航空弹药最优运输路径以及参与调配的储存点组合。仿真结果表明,与传统的模型相比,本文提出的航空弹药动态调运决策模型可以根据作战情况及时调整调运决策,并且根据具体的环境和调运决策确定不同的航空弹药运输供应方式,从而为作战部队提供及时的保障。最后,依据航空弹药保障研究内容的特点,从设计背景、设计目标、设计原则、设计内容,系统组成与结构等角度给出航空弹药保障决策支持系统的总体框架,并着重研究数据库设计、模型库设计以及人机交互界面设计。对于数据库设计,采用大数据挖掘技术构建航空弹药大数据中心,包括弹药消耗预测数据库、存储方案数据库以及调运方案数据库。对于模型库设计,通过对传统模型从选择流程的角度进行调整,以提高模型搜索效率,实现模型的自动选择。最后,针对人机交互界面的研究现状,归纳总结其设计理念,在此基础上制定人机交互界面的总体技术架构。总之,本文对航空弹药供应保障模型及决策支持系统进行了深入研究,建立了航空弹药消耗预测模型、存储布局优化模型以及调运决策优化模型,并深入探讨了决策支持系统数据库的构建、模型库的改良以及人机交互界面的设计。本文对于切实提高航空弹药保障效率具有较高的理论参考意义和实践指导价值。
吴成海[9]（2018）在《基于复杂适应系统范式的战斗随机协同控制方法研究》文中进行了进一步梳理复杂适应系统是由适应性主体（Agent）相互作用、共同演化、并层层涌现出来的系统,是复杂性科学领域的研究热点和前沿。复杂适应系统的适应性主要体现在系统中的Agen可以与环境或其它Agent相互协作、并能够主动适应外部环境条件的变化。作战系统是一种基于多Agent行为和任务的多Agent系统,它的交互机制以及非线性、聚集与解聚性、动态性、多样性等特点,具备了复杂适应系统的显着特征。复杂适应系统范式是指运用复杂适应系统理论开展系统分析与设计的研究模式,是研究作战系统战斗随机协同控制的有效方法。本文基于该范式,探究战斗系统多Agent鲁棒一致性及编队控制、智能协同控制、信息交互、协同任务分配和随机协同控制仿真等问题,主要研究内容和贡献如下:针对多Agent系统的具有时变时滞、参数不确定性和外部扰动的鲁棒一致性控制问题,提出了实现鲁棒一致性的控制器综合算法。首先,考虑具有参数不确定性和外部扰动的线性Agent的一般模型,基于每个Agent行为,设计包含时变时滞因素的分布式控制协议;然后,利用矩阵理论工具,推导出时滞相关鲁棒一致性控制器综合准则;最后,基于一种圆锥补线性化算法,提出了一种实现鲁棒一致性的时滞相关控制器综合算法。通过此准则和算法,确保了多Agent系统动态行为达到协同一致性且满足期望的H∞指标,保证了系统能够稳定运行。针对具有时变时滞和外部扰动的多Agent系统的鲁棒时变编队控制问题,提出了实现鲁棒时变编队的控制器综合算法。首先,基于每个Agent行为,明确给出多Agent系统的鲁棒时变编队的定义,设计了包含时变时滞因素的分布式控制协议;进而利用带自由权矩阵的Newton-Leibniz公式Lyapunov-Krasovskii泛函和Jensen不等式等数学方法,推导了一种时滞相关条件的鲁棒时变编队控制器综合准则;最后,基于一种圆锥补线性化算法,提出了一种实现鲁棒时变编队控制的时滞相关控制器综合算法,实现了对多Agent系统执行编队行为的相互协调和控制,达到最终实现某一特定编队形式的既定任务。针对多Agent系统的智能协同控制问题,提出了一种基于狼群智能捕猎行为的协同控制算法。首先,利用分布式搜索算法优化空间中的点来模拟自然界中的狼群个体,然后,通过利用领导者策略以及狼群体现出来的社会分工和协同合作机制,提出一种基于改进型狼群搜索算法的智能协同算法。此算法基于无线传感器网络原理进行相互沟通,加入了全局更新策略和步长加速网络,并通过引入个体密度描述狼群分布密度的概念,解决传统狼群算法参数过多的问题;另外,此算法加入相互迁移方式,增加了狼与狼之间的沟通,有效提升多Agent系统的智能协同控制问题的自主性。针对目前战斗系统通信网络、感知网络和战斗武器系统无法自主协同控制的问题,考虑感知与战斗打击有机融合需求,基于无线移动自组织网络,提出了“感知战斗网”的概念。设计了感知战斗网平面对等拓扑结构和网络规划,提出了一种适用于协同控制的动态路由协议实现策略和方法。构建了在同一战斗梯队内的感知器和射手间建立动态火力瞄准数据链,从而将传感信息与目标打击有机地融合在一起,实现高速、实时、动态和可靠地数据传递。针对战斗系统随机协同控制任务问题,构建了战斗系统多Agent体系结构、协同控制模型和战斗协同控制Agent模型类及其功能类,提出了多Agent协同任务分解和任务分配的基本方法,开展了战斗系统随机协同控制关键因素及复杂性分析、协同关系建立和过程研究,基于空地联合战斗系统背景下协同控制方法、过程,重点建立了空中探测器引导地面火力联合打击目标的协同控制模型及其协同控制算法、空地联合指挥的协同控制模型及其协同控制算法,实现了对空地联合战斗随机协同控制方法模型进行了仿真验证,为新型战斗系统随机协同控制方式提供了成功范例。
冯蕾[10]（2018）在《基于Multi-Agent的运费政策对货运系统能耗影响的仿真研究》文中指出近年来,中国交通运输的能源消耗量快速增长,现己超过38317.66万吨标准煤,占全社会能源消费总量的8.91%以上。货物运输作为实体运输的重要组成部分,其能源消耗和比重不断上升,己经节能减排的关键。从着眼未来发展的角度看,合理的货物运输结构能在满足社会经济发展的条件下最大程度的减少货物运输系统的能源消耗量。而理顺运输费用体系,可以有效的提高低能耗运输方式在货物运输市场上的竞争力,引导货物运输结构的向更节能合理的方向发展,达到减少货物运输能源消耗量的目的。本文从宏观层面分析了货物运输能源消耗的三个影响因子——货物周转量、能耗强度和运输结构。对运输周转量和能耗强度的变化趋势进行分析和预测,二者的预测值作为仿真实验的环境参数参与到货物运输能耗总量的计算中;提出优化运输结构是降低货物运输能耗量的有效手段,同时揭示了运输费用对研究货物运输能源消耗有重要意义。此外还介绍了货物运输广义费用的计算方法,并基于需求均衡模型计算出铁路、水路、公路和航空四种货运方式的价格弹性系数值。构建了基于价格弹性的货主需求响应模型,为构建仿真系统中货主主体与运输企业主体之间的数学模型打好基础。基于Multi-Agent系统的仿真理论,在货物运输能源消耗系统中建立运输费用调整仿真模型,抽象出系统中三类主体——政府Agent、运输企业Agent以及货主Agent,确定货主Agent对于运输费用信号的需求响应准则,提出系统的总目标为减少货物运输能源消耗量。利用Netlogo仿真软件进行仿真实验,模拟主体与主体,主体与环境之间的交互关系。设计了四种运输方式的运输费用调整的仿真情景,对各个主体的变化、运输结构的变化以及货物运输能源消耗总量的变化进行分析,根据仿真实验结果为货物运输实现节能减排的目标提供了政策评估和决策支持。本文利用Multi-Agent仿真技术分析货物运输费用对能源消耗量的影响,仿真结果表明,制定合理的运输费用体系,以真实的运费信号引导货主选择能耗较低的铁路运输和水路运输,对于推进运输结构优化和进一步降低货运系统的能源消耗有着显着的正向促进作用。同时也为探究货运能耗系统影响因素的研究创造了一个实验平台,Multi-Agent仿真技术对于可视化研究复杂的货物运输能耗系统下的各个主体的特征,弥补观测数据不足等方面都有着无可比拟的优势,也填补了目前研究货物运输节能政策在可视化、动态化及形象化方面的空白。因此,利用Multi-Agent技术研究货物运输能耗影响因素的问题,对于实现货物运输系统节能减排和能源可持续发展的目标具有重要意义。
二、移动agent系统基准模型的研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、移动agent系统基准模型的研究（论文提纲范文）
（1）电子商务中虚假评分检测与信誉评估方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的研究内容 |
| 1.4 论文结构 |
| 2 相关基础理论 |
| 2.1 信誉及相关概念 |
| 2.2 无监督学习概述 |
| 2.3 Agent和MAS相关理论 |
| 2.4 马尔可夫决策过程概述 |
| 2.5 社会心理学印象理论 |
| 2.6 小结 |
| 3 基于印象理论的买家分类方法 |
| 3.1 基于印象理论的买家分类 |
| 3.2 买家属性的形式化定义 |
| 3.3 宽松型和严苛型买家的筛选算法 |
| 3.4 实验 |
| 3.5 小结 |
| 4 基于评分者印象的无监督信誉评估模型 |
| 4.1 模型形式化定义 |
| 4.2 卖家诚信属性判定规则 |
| 4.3 基于评分者印象的信誉评估方法 |
| 4.4 实验 |
| 4.5 小结 |
| 5 基于深度学习的虚假评分检测方法研究 |
| 5.1 DQN回顾 |
| 5.2 基于深度学习的虚假评分检测算法 |
| 5.3 实验 |
| 5.4 小结 |
| 6 基于多Agent的电子商务信誉仿真平台设计与实现 |
| 6.1 传统信誉仿真平台回顾 |
| 6.2 基于MAS的电商信誉仿真实验平台 |
| 6.3 小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 附件 |
（2）面向个性化定制的智能生产线预防性维护研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 设备状态监测与评估方法研究现状 |
| 1.2.2 面向可重构运维的系统模型研究现状 |
| 1.2.3 预防性维护的可重构方法研究现状 |
| 1.3 本文研究内容 |
| 1.4 本文创新之处 |
| 1.5 本文组织结构 |
| 第二章 个性化定制生产线预防性维护的系统框架 |
| 2.1 引言 |
| 2.2 预防性维护的系统架构 |
| 2.3 智能生产线设备信息融合 |
| 2.3.1 基于工业异构网络的信息交互 |
| 2.3.2 多源异构传感数据深度融合 |
| 2.4 智能生产线设备状态评估机制 |
| 2.4.1 基于心电机理的设备状态监测 |
| 2.4.2 基于深度学习的设备状态评估 |
| 2.5 智能生产线的可重构运维策略 |
| 2.6 本章小结 |
| 第三章 智能生产线设备心电机理研究 |
| 3.1 引言 |
| 3.2 EECG系统架构 |
| 3.3 设备心电图实现机理 |
| 3.3.1 工序时长细粒度划分方法 |
| 3.3.2 时序周期匹配策略 |
| 3.3.3 重要工作特征的确定 |
| 3.4 基于EECG的设备性能监测方法 |
| 3.4.1 生产节拍提升 |
| 3.4.2 设备性能衰退在线监测 |
| 3.5 实验验证 |
| 3.5.1 实验场景 |
| 3.5.2 运行结果 |
| 3.5.3 结果讨论 |
| 3.6 本章小结 |
| 第四章 基于时序数据的设备性能预测方法研究 |
| 4.1 引言 |
| 4.2 设备性能预测的系统架构 |
| 4.3 设备性能预测机制 |
| 4.3.1 基于Tensor Flow的设备状态的多分类模型 |
| 4.3.2 模型构建关键实现技术 |
| 4.3.3 基于深度模型的设备性能评估 |
| 4.4 案例—小台车气缸状态预测 |
| 4.4.1 神经网络监测器 |
| 4.4.2 模型效果 |
| 4.4.3 模型评估 |
| 4.5 本章小结 |
| 第五章 面向预防性维护的可重构方法研究 |
| 5.1 引言 |
| 5.2 可重构运维的形式化语义模型架构 |
| 5.3 基于领域本体的形式化语义模型构建 |
| 5.3.1 领域本体知识库构建方法与建模技术 |
| 5.3.2 生产过程知识体系分析 |
| 5.3.3 语义知识库模型构建 |
| 5.4 可重构产线的数据与语义集成 |
| 5.4.1 关系型数据映射 |
| 5.4.2 语义模型更新 |
| 5.5 基于语义推理的可重构运维方法 |
| 5.5.1 Multi-agent的自组织协商机制 |
| 5.5.2 设备状态语义推理的可重构策略 |
| 5.5.3 负载均衡的可重构运维策略 |
| 5.6 基于语义推理的可重构运维应用案例 |
| 5.7 本章小结 |
| 第六章 个性化定制生产线的预防性维护平台验证 |
| 6.1 引言 |
| 6.2 原型平台概况 |
| 6.3 设备状态监测与评估平台验证 |
| 6.3.1 智能生产线设备心电图的实施效果 |
| 6.3.2 设备可靠性评估方法平台验证 |
| 6.4 智能生产线可重构运维验证实施 |
| 6.4.1 平台设置 |
| 6.4.2 性能衰退的可重构运维平台验证 |
| 6.4.3 负载均衡的可重构运维平台验证 |
| 6.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（3）基于多Agent仿真的可变线路式公交调度研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 交通方式选择 |
| 1.2.2 可变线路式公交调度研究现状 |
| 1.2.3 可变线路式公交仿真现状 |
| 1.2.4 进一步需要解决的问题 |
| 1.3 研究内容 |
| 1.4 技术路线 |
| 第二章 可变线路式公交调度问题与多Agent仿真 |
| 2.1 多Agent理论 |
| 2.1.1 Agent的定义和体系结构 |
| 2.1.2 多Agent系统理论及应用 |
| 2.1.3 JADE体系框架简述 |
| 2.2 可变线路式公交调度要素分析 |
| 2.2.1 可变线路式公交运行特征 |
| 2.2.2 可变线路式公交调度流程 |
| 2.3 关键Agent设计及通信 |
| 2.3.1 乘客Agent的设计 |
| 2.3.2 可变线路式公交Agent的设计 |
| 2.3.3 调度中心Agent的设计 |
| 2.3.4 多Agent网络通信设计 |
| 2.4 本章小结 |
| 第三章 乘客Agent交通方式选择行为设计 |
| 3.1 调查问卷设计 |
| 3.1.1 RP调查内容 |
| 3.1.2 SP调查内容 |
| 3.2 描述性统计分析 |
| 3.2.1 个体特征 |
| 3.2.2 出行特征 |
| 3.3 模型构建 |
| 3.3.1 基础假设和原理 |
| 3.3.2 模型参数标定 |
| 3.3.3 出行时间价值与时间价值系数 |
| 3.4 交通方式选择行为实现 |
| 3.5 本章小结 |
| 第四章 调度中心Agent初始行车计划编制 |
| 4.1 可变线路式公交固定站点规划 |
| 4.1.1 K-means算法理论 |
| 4.1.2 改进的K-means算法设计 |
| 4.2 可变线路式公交时刻表编制 |
| 4.2.1 单线路时刻表编制 |
| 4.2.2 多线路时刻表耦合 |
| 4.3 本章小结 |
| 第五章 调度中心Agent动态调度模型构建与算法设计 |
| 5.1 预调度模型构建 |
| 5.1.1 均值-方差风险理论 |
| 5.1.2 模型符号定义及基本假设 |
| 5.1.3 模型构建 |
| 5.2 预调度模型算法设计 |
| 5.2.1 第一阶段算法设计 |
| 5.2.2 第二阶段算法设计 |
| 5.3 实时调度策略 |
| 5.4 本章小结 |
| 第六章 基于多Agent可变线路式公交运行仿真平台构建 |
| 6.1 仿真环境构建 |
| 6.1.1 开发环境 |
| 6.1.2 数据库设计 |
| 6.1.3 可视化窗口设计 |
| 6.2 多Agent模块集成构建仿真平台 |
| 6.2.1 多Agent结构集成 |
| 6.2.2 多Agent行为实现 |
| 6.3 仿真平台功能介绍 |
| 6.4 本章小结 |
| 第七章 案例分析 |
| 7.1 数据预处理 |
| 7.1.1 数据结构处理 |
| 7.1.2 数据筛选与抽样 |
| 7.2 调度中心Agent初始行车计划编制 |
| 7.2.1 可变线路式公交固定站点规划 |
| 7.2.2 可变线路式公交单时刻表编制 |
| 7.2.3 可变线路式公交多线路时刻表耦合 |
| 7.3 基于仿真平台的可变线路式公交动态调度仿真 |
| 7.3.1 仿真参数设定 |
| 7.3.2 仿真平台内部运行流程 |
| 7.3.3 仿真结果分析 |
| 7.4 本章小结 |
| 第八章 结论与展望 |
| 8.1 结论 |
| 8.2 研究创新点 |
| 8.3 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 附录 A 可变线路式公交固定站点计算结果 |
| 附录 B 可变线路式公交时刻表编制结果 |
| 作者简介 |
（4）基于混合存储的多Agent铁路雨棚健康监测系统研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 国内外发展现状 |
| 1.2.1 铁路雨棚钢结构健康监测技术的研究现状 |
| 1.2.2 多Agent技术在结构健康监测中的研究现状 |
| 1.2.3 数据混合存储模式的研究现状 |
| 1.3 课题来源及主要研究内容 |
| 1.3.1 课题来源 |
| 1.3.2 主要研究内容 |
| 1.4 论文组织结构 |
| 1.5 本章小结 |
| 第2章 铁路雨棚健康监测系统分析 |
| 2.1 铁路雨棚健康监测系统总体描述 |
| 2.2 监测系统问题分析 |
| 2.2.1 总体设计要求 |
| 2.2.2 系统数据的存储要求 |
| 2.3 监测系统关键技术分析 |
| 2.3.1 多Agent健康监测系统 |
| 2.3.2 系统数据的混合存储 |
| 2.4 系统总体解决方案 |
| 2.5 本章小结 |
| 第3章 多Agent铁路雨棚健康监测系统构建 |
| 3.1 铁路雨棚健康监测流程 |
| 3.2 多Agent铁路雨棚健康监测系统模型设计 |
| 3.2.1 多Agent系统设计的一般流程 |
| 3.2.2 监测系统任务分解及Agent分配 |
| 3.2.3 系统总体结构模型 |
| 3.2.4 各Agent结构模型 |
| 3.3 面向铁路雨棚健康监测的Agent通信机制设计 |
| 3.4 本章小结 |
| 第4章 监测系统数据的混合存储研究 |
| 4.1 数据混合存储架构 |
| 4.2 监测系统数据分库存储设计 |
| 4.2.1 关系型数据库存储设计 |
| 4.2.2 No SQL数据库存储设计 |
| 4.3 数据混合存储访问接口设计 |
| 4.4 监测系统数据存储的优化 |
| 4.4.1 数据存取速度分析 |
| 4.4.2 数据存储优化原理和方法 |
| 4.5 本章小结 |
| 第5章 铁路雨棚健康监测系统的实现和应用 |
| 5.1 系统技术架构 |
| 5.2 多Agent系统的具体实现 |
| 5.2.1 Agent硬件设备构成 |
| 5.2.2 Agent软件实现 |
| 5.2.3 Agent通信机制的实现 |
| 5.3 系统应用实例 |
| 5.3.1 海口东站站台雨棚简介 |
| 5.3.2 系统功能及界面 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的成果 |
（5）基于Multi-Agent的第三方逆向物流服务商选择研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 第三方逆向物流服务商选择的国外研究现状 |
| 1.2.2 第三方逆向物流服务商选择的国内研究现状 |
| 1.2.3 Multi-Agent系统在物流领域的国外研究现状 |
| 1.2.4 Multi-Agent系统在物流领域的国内研究现状 |
| 1.3 研究内容和研究方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 本文主要创新点 |
| 第2章 相关概念与理论概述 |
| 2.1 Multi-Agent系统 |
| 2.1.1 Agent的概念与特征 |
| 2.1.2 Multi-Agent系统理论 |
| 2.1.3 Multi-Agent的体系结构 |
| 2.1.4 Multi-Agent间的合作与协调 |
| 2.2 逆向物流 |
| 2.2.1 逆向物流的概念 |
| 2.2.2 逆向物流的特点 |
| 2.3 第三方逆向物流 |
| 2.3.1 第三方逆向物流的概念 |
| 2.3.2 逆向物流外包的优势 |
| 第3章 基于Multi-Agent的第三方逆向物流服务商选择系统框架 |
| 3.1 基于Multi-Agent的第三方逆向物流服务商选择体系结构 |
| 3.2 体系结构中各Agent模块的功能 |
| 3.2.1 调度Agent |
| 3.2.2 服务商Agent |
| 3.2.3 企业Agent |
| 3.3 第三方逆向物流服务商选择流程 |
| 3.4 本章小结 |
| 第4章 第三方逆向物流服务商的初选 |
| 4.1 第三方逆向物流服务商评价指标的选择及设定 |
| 4.2 第三方逆向物流服务商评价指标权重值的确定 |
| 4.2.1 构建AHP模型 |
| 4.2.2 评价指标的权重值的计算 |
| 4.3 第三方逆向物流服务商的评价选择 |
| 4.4 本章小结 |
| 第5章 第三方逆向物流服务商的复选 |
| 5.1 基于Multi-Agent的合作与协调结构 |
| 5.2 基于Multi-Agent的动态博弈合作机制模型 |
| 5.2.1 基于无限次重复博弈的Agent合作机制 |
| 5.2.2 基于信任基准的动态博弈合作机制 |
| 5.2.3 算法描述 |
| 5.3 数值实验分析 |
| 5.4 本章小结 |
| 第6章 结论 |
| 参考文献 |
| 在学研究成果 |
| 致谢 |
（6）动态环境下的多Agent路径规划方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 多Agent路径规划研究现状 |
| 1.3 避障算法研究现状 |
| 1.3.1 传统避障算法研究 |
| 1.3.2 智能避障算法研究 |
| 1.3.3 博弈避障方法研究 |
| 1.4 本文主要研究内容 |
| 1.5 文章结构安排 |
| 第二章 相关理论基础 |
| 2.1 环境建模方法 |
| 2.1.1 基于栅格法的环境建模 |
| 2.1.2 基于可视图法的环境建模 |
| 2.1.3 基于拓扑图法的环境建模 |
| 2.2 蚁群算法基础知识 |
| 2.2.1 栅格间转移概率 |
| 2.2.2 信息素更新规则 |
| 2.3 粒子群算法相关知识 |
| 2.3.1 自适应惯性权重值 |
| 2.4 反向学习相关知识 |
| 2.4.1 反向学习策略 |
| 2.5 烟花算法相关知识 |
| 2.5.1 爆炸算子 |
| 2.6 博弈论相关知识 |
| 2.6.1 博弈论思想 |
| 2.7 本章总结 |
| 第三章 改进蚁群算法的多Agent路径规划方法 |
| 3.1 环境建模 |
| 3.2 粒子群-蚁群算法的多Agent路径规划方法 |
| 3.2.1 种群初始化 |
| 3.2.2 自适应信息素强度值 |
| 3.2.3 信息素挥发因子 |
| 3.2.4 信息素更新规则 |
| 3.2.5 基于改进蚁群算法的多Agent路径规划算法 |
| 3.2.6 路径规划实验分析 |
| 3.3 烟花-蚁群算法的多Agent路径规划方法 |
| 3.3.1 自适应信息素强度值 |
| 3.3.2 信息素缩减因子 |
| 3.3.3 解决死锁问题 |
| 3.3.4 改进蚁群算法路径规划算法 |
| 3.3.5仿真实验 |
| 3.4 本章小结 |
| 第四章 多Agent路径规划避障方法 |
| 4.1 基于博弈论的多Agent动态避碰方法 |
| 4.1.1 多Agent之间的碰撞检测 |
| 4.1.2 多Agent动态避障博弈模型 |
| 4.1.3 基于博弈论的多Agent动态避碰算法 |
| 4.2 实验仿真分析 |
| 4.2.1 多Agent动态避障分析 |
| 4.3 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 未来展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间的科研成果 |
（7）基于Agent的立体仓库可视化建模仿真研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 立体仓库可视化建模研究现状 |
| 1.2.2 基于Agent的立体仓库建模方法研究现状 |
| 1.2.3 基于Agent的立体仓库仿真方法研究现状 |
| 1.2.4 现状小结 |
| 1.3 论文主要研究内容 |
| 第2章 基于参数化的立体仓库可视化建模 |
| 2.1 基于参数化的立体仓库建模流程 |
| 2.2 基于拓扑结构的立体仓库动态设备建模 |
| 2.2.1 拓扑结构及拓扑链 |
| 2.2.2 基于拓扑结构的六自由度机械手建模 |
| 2.2.3 基于拓扑结构的堆垛机建模 |
| 2.3 本章小结 |
| 第3章 基于Agent的立体仓库逻辑建模 |
| 3.1 Agent及多Agent系统 |
| 3.1.1 Agent的定义与结构 |
| 3.1.2 多Agent系统(MAS) |
| 3.1.3 基于Agent的立体仓库建模流程 |
| 3.2 立体仓库Agent设计 |
| 3.3 基于Petri网和形式化描述的Agent行为建模 |
| 3.3.1 接口Agent |
| 3.3.2 管理Agent |
| 3.3.3 任务Agent |
| 3.3.4 单元Agent |
| 3.3.5 立体库Agent |
| 3.3.6 堆垛机Agent |
| 3.3.7 机械手Agent |
| 3.4 本章小结 |
| 第4章 基于Agent的立体仓库仿真技术研究 |
| 4.1 立体仓库系统仿真架构 |
| 4.2 基于MAS的仿真关键技术 |
| 4.2.1 堆垛机Agent路径规划算法 |
| 4.2.2 立体库Agent货位分配算法 |
| 4.2.3 可视化仿真环境搭建 |
| 4.3 基于MAS的立体仓库作业仿真 |
| 4.3.1 立体仓库作业流程分析 |
| 4.3.2 基于MAS的入库仿真 |
| 4.3.3 基于MAS的出库仿真 |
| 4.4 本章小结 |
| 第5章 立体仓库可视化建模仿真原型系统设计与实现 |
| 5.1 系统总体设计 |
| 5.2 系统关键模块设计与实现 |
| 5.2.1 基于参数化的可视化建模与布局模块 |
| 5.2.2 基于Agent的逻辑建模模块 |
| 5.2.3 基于Agent的仿真模块 |
| 5.3 仿真实例验证 |
| 5.4 本章小结 |
| 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间作者的科研成果 |
（8）航空弹药供应保障模型及决策支持系统的设计研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要缩略词、符号变量注释表 |
| 第1章 绪论 |
| 1.1 .研究背景及意义 |
| 1.2 .相关研究现状 |
| 1.3 .现有研究的不足 |
| 1.4 .论文的研究内容、框架体系与创新点 |
| 第2章 相关理论基础 |
| 2.1 .邻域粗糙集 |
| 2.2 .深度神经网络 |
| 2.3 .Multi-Agent系统 |
| 2.4 .决策支持系统 |
| 2.5 .本章小结 |
| 第3章 航空弹药消耗预测模型 |
| 3.1 .航空弹药消耗方式分类 |
| 3.2 .航空弹药消耗预测模型 |
| 3.3 .案例分析 |
| 3.4 .本章小结 |
| 第4章 航空弹药存储布局优化模型 |
| 4.1 .问题描述及解决思路 |
| 4.2 .基于Multi-Agent的航空弹药存储布局优化模型 |
| 4.3 .航空弹药布局优化模型求解 |
| 4.4 .案例仿真分析 |
| 4.5 .本章小结 |
| 第5章 航空弹药调运决策优化模型 |
| 5.1 .问题描述及解决思路 |
| 5.2 .基于Multi-Agent的航空弹药调运策略优化模型 |
| 5.3 .航空弹药调运决策优化模型求解 |
| 5.4 .仿真案例分析 |
| 5.5 .本章小结 |
| 第6章 航空弹药供应保障决策支持系统设计 |
| 6.1 .设计背景 |
| 6.2 .设计目标 |
| 6.3 .设计原则 |
| 6.4 .设计内容 |
| 6.5 .系统组成与结构 |
| 6.6 .本章小结 |
| 第7章 结论与展望 |
| 7.1 .结论 |
| 7.2 .展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的论文及参加的科研项目 |
（9）基于复杂适应系统范式的战斗随机协同控制方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 基于复杂适应系统范式的战斗随机协同控制研究历史与现状 |
| 1.2.1 复杂适应性作战主体建模方面的研究历史与现状 |
| 1.2.2 基于多AGENT行为的协同一致性鲁棒控制研究历史与现状 |
| 1.2.3 基于多AGENT行为的协同一致性编队控制研究历史与现状 |
| 1.2.4 基于狼群行为的智能协同控制的研究历史与现状 |
| 1.2.5 多AGENT协同作战系统的感知战斗网的研究历史与现状 |
| 1.2.6 多AGENT协同作战系统的战斗后勤保障研究现状 |
| 1.2.7 基于复杂适应系统范式的战斗随机协同控制研究现状 |
| 1.3 数学引理 |
| 1.3.1 代数图论 |
| 1.3.2 矩阵理论 |
| 1.4 本论文的主要研究内容及结构安排 |
| 第二章 基于多AGENT行为的协同一致性的鲁棒控制 |
| 2.1 问题描述 |
| 2.2 基于局部信息反馈的分布式控制协议 |
| 2.3 协同一致性的鲁棒控制 |
| 2.3.1 一些必要的引理 |
| 2.3.2 时滞相关H∞控制器综合准则 |
| 2.3.3 时滞相关H∞控制器综合算法 |
| 2.4 数值仿真 |
| 2.5 本章小结 |
| 第三章 基于多AGENT行为的协同编队的鲁棒控制 |
| 3.1 问题描述 |
| 3.2 基于局部信息反馈的分布式控制协议 |
| 3.3 协同编队的鲁棒控制 |
| 3.3.1 一些必要的引理 |
| 3.3.2 时滞相关H∞控制器综合准则 |
| 3.3.3 时滞相关H∞控制器综合算法 |
| 3.4 数值仿真 |
| 3.5 本章小结 |
| 第四章 基于狼群行为的智能协同控制 |
| 4.1 群体智能仿生计算狼群算法机理 |
| 4.2 ILWCA描述和方法 |
| 4.2.1 初始化狼群 |
| 4.2.2 向三头领导狼移动(奔袭) |
| 4.2.3 包围猎场(围攻) |
| 4.2.4 更新决策 |
| 4.2.5 ILWCA算法伪代码 |
| 4.3 数值仿真 |
| 4.3.1 实验设计 |
| 4.3.2 实验结果与讨论 |
| 4.3.3 收敛行为分析 |
| 4.4 本章小结 |
| 第五章 多AGENT协同作战系统的感知战斗网设计 |
| 5.1 感知战斗网拓扑结构设计 |
| 5.1.1 感知战斗网平面对等拓扑结构设计 |
| 5.1.2 感知战斗网平面对等拓扑结构稳定区域算法设计 |
| 5.2 感知战斗网网络规划设计 |
| 5.3 感知战斗网动态路由协议设计 |
| 5.3.1 感知战斗网节点状态路由的―平‖状态 |
| 5.3.2 感知战斗网知节点路由的―峰‖状态 |
| 5.3.3 感知机动蜂窝路由 |
| 5.3.4 感知战斗网的链路延时模型 |
| 5.4 数值仿真 |
| 5.4.1 数值仿真系统搭建 |
| 5.4.2 数值仿真场景设计 |
| 5.4.3 数值仿真参数设置 |
| 5.4.4 仿真结果与分析 |
| 5.5 本章小结 |
| 第六章 复杂适应性战斗系统随机协同控制任务建模 |
| 6.1 复杂适应性战斗系统任务背景及随机协同控制组织 |
| 6.1.1 实体及其关系 |
| 6.1.2 战斗行为任务模型及其关系 |
| 6.2 多主体战斗协同控制交互机制与协同方法研究 |
| 6.3 复杂适应系统范式战斗协同控制主体模型 |
| 6.3.1 战斗协同控制Agent模型基本结构 |
| 6.3.2 战斗协同控制主体模型类及其功能类 |
| 6.4 战斗随机协同控制过程建模 |
| 6.4.1 情况突变分析及协同请求过程分析 |
| 6.4.2 随机协同关系建立 |
| 6.4.3 战斗随机协同控制复杂性 |
| 6.4.4 战斗随机协同过程模型 |
| 6.5 任务分解与分配 |
| 6.5.1 任务分解 |
| 6.5.2 任务分配 |
| 6.6 数值仿真 |
| 6.7 本章小结 |
| 第七章 随机协同控制方法在空地联合战斗系统中的应用 |
| 7.1 空地联合战斗协同控制假设条件及方法 |
| 7.1.1 空地战斗协同控制假设条件 |
| 7.1.2 战斗系统随机协同控制基本内容和方法和新特点 |
| 7.1.3 基于ILWCA算法实现空地联合战斗协同控制 |
| 7.2 空地联合战斗协同控制方法建模 |
| 7.3 空地联合战斗随机协同控制仿真 |
| 7.3.1 空地联合战斗随机协同控制仿真实验基本假设 |
| 7.3.2 实验方案一策略及仿真运行 |
| 7.3.3 实验方案二策略及仿真运行 |
| 7.3.4 空地联合战斗随机协同控制仿真结果分析 |
| 7.4 本章小结 |
| 第八章 总结与展望 |
| 8.1 全文总结 |
| 8.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
（10）基于Multi-Agent的运费政策对货运系统能耗影响的仿真研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.3 论文主要内容、技术路线图 |
| 1.3.1 主要内容 |
| 1.3.2 技术路线图 |
| 2 货运系统能耗影响因素分析 |
| 2.1 影响因素分析 |
| 2.1.1 能耗分解模型 |
| 2.1.2 货物周转量分析及预测 |
| 2.1.3 货物运输能源消耗强度分析及预测 |
| 2.1.4 运输结构影响因素分析 |
| 2.2 货物运输费用分析及计算 |
| 2.2.1 货物运输费用、运输结构以及能源消耗的关系 |
| 2.2.2 货物运输广义费用的计算 |
| 2.3 本章小结 |
| 3 基于价格弹性的货主需求响应模型 |
| 3.1 弹性系数 |
| 3.1.1 弹性系数理论综述 |
| 3.1.2 弹性系数的主要应用 |
| 3.1.3 货物运输的价格弹性系数 |
| 3.2 价格弹性系数的计算方法 |
| 3.2.1 需求均衡分析 |
| 3.2.2 构建价格弹性系数的数学模型 |
| 3.2.3 相关数据分析 |
| 3.2.4 价格弹性系数的计算 |
| 3.3 基于价格弹性的需求响应模型 |
| 3.3.1 需求价格函数 |
| 3.3.2 基于价格弹性的需求响应 |
| 3.3.3 基于价格弹性的系统目标 |
| 3.4 本章小结 |
| 4 基于Multi-Agent的货物运输能源消耗系统 |
| 4.1 Multi-Agent系统 |
| 4.1.1 Multi-Agent系统介绍 |
| 4.1.2 Multi-Agent系统中Agent的特性 |
| 4.1.3 Multi-Agent系统的研究思路 |
| 4.2 货物运输能源消耗系统研究 |
| 4.2.1 货物运输能源消耗系统简介 |
| 4.2.2 货物运输能源消耗系统的原则 |
| 4.2.3 货物运输能源消耗的机制 |
| 4.3 适用性评价 |
| 4.3.1 货物运输费用调整系统适应性特征 |
| 4.3.2 货物运输能源消耗系统的适应性机制 |
| 4.4 基于Multi-Agent的货物运输能源消耗系统仿真建模 |
| 4.4.1 模型综述 |
| 4.4.2 仿真目标 |
| 4.4.3 Agent的属性和行为规则设定 |
| 4.4.4 Agent系统的演化机制 |
| 4.5 本章小结 |
| 5 基于Netlogo平台的运输费用调整模型的仿真研究 |
| 5.1 Netlogo平台概述 |
| 5.1.1 系统、模型、仿真三者之间的关系 |
| 5.1.2 Netlogo的约定的程序结构 |
| 5.1.3 Netlogo的功能特点 |
| 5.2 Netlogo平台上的运输费用调整系模型的设计 |
| 5.2.1 Netlogo系统设置 |
| 5.2.2 基于时序流程和强化学习的选择运输方式行为 |
| 5.2.3 仿真界面及功能 |
| 5.3 仿真实验运行结果与分析 |
| 5.3.1 基准模式设定 |
| 5.3.2 不同参数设定下的仿真输出 |
| 5.3.3 系统输出的结论与政策建议 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 不足与展望 |
| 6.2.1 本文研究存在的不足 |
| 6.2.2 未来研究展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
四、移动agent系统基准模型的研究（论文参考文献）
- [1]电子商务中虚假评分检测与信誉评估方法研究[D]. 王鑫. 山东科技大学, 2020
- [2]面向个性化定制的智能生产线预防性维护研究[D]. 陈宝通. 华南理工大学, 2020(01)
- [3]基于多Agent仿真的可变线路式公交调度研究[D]. 梁爽. 东南大学, 2020(01)
- [4]基于混合存储的多Agent铁路雨棚健康监测系统研究[D]. 樊潇. 武汉理工大学, 2020(09)
- [5]基于Multi-Agent的第三方逆向物流服务商选择研究[D]. 吴美金. 沈阳工业大学, 2019(08)
- [6]动态环境下的多Agent路径规划方法研究[D]. 王林林. 河南师范大学, 2019(09)
- [7]基于Agent的立体仓库可视化建模仿真研究[D]. 胡宇涵. 西南交通大学, 2019(04)
- [8]航空弹药供应保障模型及决策支持系统的设计研究[D]. 田德红. 东南大学, 2018(05)
- [9]基于复杂适应系统范式的战斗随机协同控制方法研究[D]. 吴成海. 电子科技大学, 2018(10)
- [10]基于Multi-Agent的运费政策对货运系统能耗影响的仿真研究[D]. 冯蕾. 北京交通大学, 2018(12)