一种多agent系统框架与协商机制研究

来源 :计算机应用研究 | 被引量 : 1次 | 上传用户:zhanghui1860
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
从基于动态、异构网络上快速构建稳健的多agent系统出发,设计了多agent远程过程调用通信模型,定义了三种基本类型的agent,对KQML消息规范进行扩展,增加了对消息生存周期的控制,设计了双缓存消息推送器以实现agent消息的主动推送,并在WCF的基础上实现了该通信框架。针对同目标多agent协作系统提出了基于开销均衡的agent系统交互协商策略,通过实例证明相对于独立运行和基于正交互协商策略的agent系统,本协商策略可有效降低系统总开销,并可使运行负载更为均衡。
其他文献
利用Si’lnikov定理构造一个含有平方项的三维混沌系统,且系统有两个平衡点,有一个是鞍焦平衡点,构造的过程表明该混沌具有Smale马蹄(同宿轨混沌)。在满足同宿轨道Si’lnikov定理条件下可以找出大量的参数值,使得系统处于混沌状态。数值仿真验证了该方法的有效性。最后,用待定系数法找到系统中存在Smale马蹄,因而是Si’lnikov意义下的混沌。
针对传统大规模模拟电路故障诊断方法在多故障条件下的故障定位过程复杂、测前工作量大等问题,提出了一种新的故障诊断方法———成组撕裂法。将大规模模拟电路按照拓扑特性和成组撕裂准则进行撕裂,得到低维度的故障特征向量;基于模式识别思想,选用具有高度并行分类能力的神经网络作为分类器,隐含层传递激发函数选择具有快速收敛特性的小波函数。经仿真验证该方法能实现故障特征向量的快速分类并得出故障诊断结果。与目前已有的
针对传统演化算法在求解函数优化,特别是多峰函数优化问题中出现的早熟现象以及演化后期收敛速度慢等问题,提出了一种新的反序小生境演化算法。该算法采用小生境反序交叉算子,以进一步增强局部寻优的能力;引入一种并行演化算法机制,加强群体寻优能力;同时,根据定义域划分初始种群,增加初始种群的覆盖面积。通过仿真实验表明,与传统的小生境演化算法相比较,利用该算法求解复杂多峰函数优化问题能够明显提高问题的求解精度和
为提升无线传感器网络在能耗、时延以及动态适应负载方面的综合性能,对几种典型MAC协议进行了分析,提出了一种带冲突避免和流量自适应的LCT-MAC协议。在该协议中,长前导码被划分为多个小前导码,并嵌入目的节点地址信息,避免了串音;节点可以根据网络流量调整睡眠周期,减少了时延;在重负载时,节点能基于优先级信息选择退避时长,避免冲突。仿真结果表明,与S-MAC协议和LPL协议相比,LCT-MAC协议降低
为了防止数据敏感属性的泄露,需要对数据敏感属性进行匿名保护。针对l-多样性模型当前已提出的算法大多是建立在概念层次结构的基础上,该方法会导致不必要的信息损失。为此,将基于属性泛化层次距离KACA算法中的距离度量方法与聚类结合,提出了一种基于聚类的数据敏感属性匿名保护算法。该算法按照l-多样性模型的要求对数据集进行聚类。实验结果表明,该算法既能对数据中的敏感属性值进行匿名保护,又能降低信息的损失程度
针对代谢通量评估问题属于带约束的优化问题,其目标函数是一个非线性、不可微的并且存在多个局部最小点的复杂函数,提出了使用自适应罚函数的量子粒子群优化算法来解决这个问题。通过自适应罚函数的方法解决约束条件,然后使用QPSO算法最小化内部代谢通量。用此算法评估谷氨酸棒杆菌的内部代谢通量并与传统的优化算法来比较,实验结果证明了该算法的可行性和有效性。
针对实时性和鲁棒性要求比较高的海关卡口车辆视频监控问题,提出了一种基于改进的均值漂移算法和粒子滤波算法的两步跟踪算法。对海关车辆监控的目标图像采用YCbCr颜色空间建立初始帧目标模型,利用改进后的均值漂移算法找出候选目标,在跟踪相似度小于设定的阈值时再利用改进后的粒子滤波算法进行后续的跟踪。通过实验分析,验证了提出的算法既能保证均值漂移算法跟踪的实时性,也能保证粒子滤波算法跟踪的鲁棒性,具有较好的
为了缩短组合导航故障检测的时间,提高检测准确性,在残差χ2检验法理论基础上,对无迹卡尔曼滤波(UKF)进行研究。采用一种基于混合滤波思想的UKF,该算法在时间更新步骤分为两个阶段,利用线性方程得到状态的一步预测值并由此构造Sigma点,通过求取Sigma点加权和来实现对量测值的一步预测,降低了计算量。采用改进算法和标准UKF算法对含有故障的GPS/INS组合导航模型进行故障检测。仿真实验表明,改进
为了提高多跳无线网络的带宽利用率,引入了辅助节点来帮助其他链路进行数据传输并重新定义了协作式路由的概念。在此基础上,提出了协作式路由算法,并且在实际平台上进行了实验。结果表明,协作式路由能够显著提高网络传输带宽。
针对NDOD(outlier detection algorithm based on neighborhood and density)算法在判断具有不同密度分布的聚类间过渡区域对象时存在的不足,以及为了降低算法时间复杂度,提出一种基于方形对称邻域的局部离群点检测方法。该算法改用方形邻域,吸收基于网格的思想,通过扩张方形邻域快速排除聚类点及避免"维灾";通过引入记忆思想,使得邻域查询次数及范围成