CN108259250A - 一种多智能体一致性采样方法 - Google Patents
一种多智能体一致性采样方法 Download PDFInfo
- Publication number
- CN108259250A CN108259250A CN201810169434.2A CN201810169434A CN108259250A CN 108259250 A CN108259250 A CN 108259250A CN 201810169434 A CN201810169434 A CN 201810169434A CN 108259250 A CN108259250 A CN 108259250A
- Authority
- CN
- China
- Prior art keywords
- agent
- load
- netlogo
- matlab
- communication
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000005070 sampling Methods 0.000 title claims abstract description 11
- 230000006854 communication Effects 0.000 claims abstract description 28
- 238000004891 communication Methods 0.000 claims abstract description 24
- 238000005259 measurement Methods 0.000 claims abstract description 8
- 239000003795 chemical substances by application Substances 0.000 claims description 92
- 238000004088 simulation Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 3
- 230000007246 mechanism Effects 0.000 abstract description 2
- 238000012986 modification Methods 0.000 abstract 1
- 230000004048 modification Effects 0.000 abstract 1
- 206010040007 Sense of oppression Diseases 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/50—Testing arrangements
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种多智能体一致性采样方法，包括以下步骤：根据多智能体系统的拟人类社会特征，通过对压迫模式的分析，选取通信过程中智能体工作周期内的收发通信率作为度量指标，将通信失衡状态下的智能体个体映射到压迫行为模式的分类概念中，得到压迫行为模式下的各智能体的角色类型；根据多智能体系统不良通信检测的复杂性特征，分别计算系统级、角色级、和独立智能体级的通信状态度量标准，并判断各智能体的角色类型。本发明通过不同角度的度量，不仅能够对系统中各智能体个体和群体类型进行划分，而且能够准确定位引起压迫行为的不良通信结构，通过修改引起通信压迫行为不良通信选择机制能够有效提升系统的整体服务质量。
Description
技术领域
本发明涉及一种采样方法，具体是一种多智能体一致性采样方法。
背景技术
多智能体系统是近年来发展起来的一门新兴的复杂系统科学，同时它也是一门涉及生物、数学、物理、控制、计算机、通信以及人工智能的综合性交叉学科。目前多智能体系统的协调控制问题已经得到来自这些领域的科研工作者的广泛关注。
我们对多智能体系统的分布式协同控制进行研究，不仅仅是为了揭示自然界中许多物理现象的内在规律，更重要的是利用所获得的对其内在规律的认识更好地指导我们的活动，更好地服务于人类社会。如今，多智能体系统的分布式协同控制已经应用到许多领域，如群集、聚集、蜂拥、编队控制、分布式传感器网络、通信网络的拥塞控制、无人驾驶航空器的协同控制及姿态协调等等。
在实际中，用多智能体系统取代目前的人工操作系统可以很大程度的节省生产成本，并且更加安全；此外，群体通过局部协作而获得群体优势的特点也刺激了多智能体系统在工程中的应用。在军事领域，采用空中无人驾驶机系统进行作战和侦察，可以减少人员的伤亡，还能具有超高过载的机动能力，有利于攻击和摆脱威胁；在民用领域，多智能体系统可以完成资源勘测、灾情侦察、通信中继、环境监测等繁重、重复或具有一定危险性的任务，例如自治移动小车系统，自动高速公路系统，空间开发与探测，海洋勘探，传感器网络等。而且，据专家们推测，“21世纪可能成为无人战争时代”，也就是说，未来战场上自动化技术将得到大规模的运用，各种自治的和半自治的地面、空中和海上的作战平台将通过多智能体系统联系在一起，与作战人员共同完成任务，这将是一种无可争议的发展趋势。
发明内容
本发明的目的在于提供一种多智能体一致性采样方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种多智能体一致性采样方法，包括以下步骤：根据多智能体系统的拟人类社会特征，通过对压迫模式的分析，选取通信过程中智能体工作周期内的收发通信率作为度量指标，将通信失衡状态下的智能体个体映射到压迫行为模式的分类概念中，得到压迫行为模式下的各智能体的角色类型；根据多智能体系统不良通信检测的复杂性特征，分别计算系统级、角色级、和独立智能体级的通信状态度量标准，并判断各智能体的角色类型，每个智能体建立用于位置估计的状态变量，状态变量包含该智能体的本体位置矢量以及与它邻近的普通智能体的他体位置矢量，每个智能体初始化状态变量的估计值及其对应的误差协方差矩阵，每个智能体初始化预测过程中的系统噪声矩阵和测量噪声矩阵。
作为本发明进一步的方案：所述压迫行为模式下的各智能体的角色类型包括：压迫智能体，向其他智能体发送超过其处理能力的信息量；被压迫智能体，接收超过其自身处理能力的信息量的智能体；双向压迫智能体，接收和发送的信息量均超过自身能力的智能体；孤立智能体，既不接收任务信息也不发送任何信息的智能体；常规智能体，接收和发送均在自身能力范围内的信息量的智能体，属于理想的智能体类型。
作为本发明进一步的方案：还包括：根据电力系统网络结构，建立基于MATLAB与NETLOGO的联合仿真平台，其中，在MATLAB中建立系统模型，在NETLOGO中定义代表系统元件的智能体通用模块，同时，搭建MATLAB和NETLOGO之间的数据交换接口模块实现信息交互；针对各种负荷类型，分别根据负荷基准量，以及对应负荷的各目标的目标倾向度，建立分别对应于各种负荷响应特性模型；所述的负荷包括刚性负荷和柔性负荷；根据建立的分别对应各种负荷类型的负荷响应特性模型，分别获得各个负荷的各个目标的目标函数；并且分别针对各个负荷，将负荷的各个目标的目标函数进行加权处理，分别获得对应各个负荷的总目标函数。
作为本发明再进一步的方案：所述的建立基于MATLAB与NETLOGO的联合仿真平台，是指：一种由MATLAB与NETLOGO构成的智能电网多智能体仿真平台，其中利用MATLAB的计算功能和编程技术，来建立电力系统元件的模型和建立复杂的电力网络仿真模型；而NETLOGO是一个对自然和社会现象进行仿真的可编程建模环境，适于对随时间演化的复杂系统进行建模；所述的NETLOGO完成电力系统元件通用模块的搭建，MATLAB进行电力系统的各项计算，求解得到的网络参数通过MATLAB和NETLOGO之间的接口程序实现信息交互。
与现有技术相比，本发明的有益效果是：本发明能够准确定位引起不良通信的原因：通过不同角度的度量，不仅能够对系统中各智能体个体和群体类型进行划分，而且能够准确定位引起压迫行为的不良通信结构，通过修改引起通信压迫行为不良通信选择机制能够有效提升系统的整体服务质量。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例中，一种多智能体一致性采样方法，包括以下步骤：根据多智能体系统的拟人类社会特征，通过对压迫模式的分析，选取通信过程中智能体工作周期内的收发通信率作为度量指标，将通信失衡状态下的智能体个体映射到压迫行为模式的分类概念中，得到压迫行为模式下的各智能体的角色类型；根据多智能体系统不良通信检测的复杂性特征，分别计算系统级、角色级、和独立智能体级的通信状态度量标准，并判断各智能体的角色类型，每个智能体建立用于位置估计的状态变量，状态变量包含该智能体的本体位置矢量以及与它邻近的普通智能体的他体位置矢量，每个智能体初始化状态变量的估计值及其对应的误差协方差矩阵，每个智能体初始化预测过程中的系统噪声矩阵和测量噪声矩阵。
所述压迫行为模式下的各智能体的角色类型包括：压迫智能体，向其他智能体发送超过其处理能力的信息量；被压迫智能体，接收超过其自身处理能力的信息量的智能体；双向压迫智能体，接收和发送的信息量均超过自身能力的智能体；孤立智能体，既不接收任务信息也不发送任何信息的智能体；常规智能体，接收和发送均在自身能力范围内的信息量的智能体，属于理想的智能体类型。
还包括：根据电力系统网络结构，建立基于MATLAB与NETLOGO的联合仿真平台，其中，在MATLAB中建立系统模型，在NETLOGO中定义代表系统元件的智能体通用模块，同时，搭建MATLAB和NETLOGO之间的数据交换接口模块实现信息交互；针对各种负荷类型，分别根据负荷基准量，以及对应负荷的各目标的目标倾向度，建立分别对应于各种负荷响应特性模型；所述的负荷包括刚性负荷和柔性负荷；根据建立的分别对应各种负荷类型的负荷响应特性模型，分别获得各个负荷的各个目标的目标函数；并且分别针对各个负荷，将负荷的各个目标的目标函数进行加权处理，分别获得对应各个负荷的总目标函数。
所述的建立基于MATLAB与NETLOGO的联合仿真平台，是指：一种由MATLAB与NETLOGO构成的智能电网多智能体仿真平台，其中利用MATLAB的计算功能和编程技术，来建立电力系统元件的模型和建立复杂的电力网络仿真模型；而NETLOGO是一个对自然和社会现象进行仿真的可编程建模环境，适于对随时间演化的复杂系统进行建模；所述的NETLOGO完成电力系统元件通用模块的搭建，MATLAB进行电力系统的各项计算，求解得到的网络参数通过MATLAB和NETLOGO之间的接口程序实现信息交互。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (4)
1.一种多智能体一致性采样方法，其特征在于，包括以下步骤：根据多智能体系统的拟人类社会特征，通过对压迫模式的分析，选取通信过程中智能体工作周期内的收发通信率作为度量指标，将通信失衡状态下的智能体个体映射到压迫行为模式的分类概念中，得到压迫行为模式下的各智能体的角色类型；根据多智能体系统不良通信检测的复杂性特征，分别计算系统级、角色级、和独立智能体级的通信状态度量标准，并判断各智能体的角色类型，每个智能体建立用于位置估计的状态变量，状态变量包含该智能体的本体位置矢量以及与它邻近的普通智能体的他体位置矢量，每个智能体初始化状态变量的估计值及其对应的误差协方差矩阵，每个智能体初始化预测过程中的系统噪声矩阵和测量噪声矩阵。
2.根据权利要求1所述的多智能体一致性采样方法，其特征在于，所述压迫行为模式下的各智能体的角色类型包括：压迫智能体，向其他智能体发送超过其处理能力的信息量；被压迫智能体，接收超过其自身处理能力的信息量的智能体；双向压迫智能体，接收和发送的信息量均超过自身能力的智能体；孤立智能体，既不接收任务信息也不发送任何信息的智能体；常规智能体，接收和发送均在自身能力范围内的信息量的智能体，属于理想的智能体类型。
3.根据权利要求1所述的多智能体一致性采样方法，其特征在于，还包括：根据电力系统网络结构，建立基于MATLAB与NETLOGO的联合仿真平台，其中，在MATLAB中建立系统模型，在NETLOGO中定义代表系统元件的智能体通用模块，同时，搭建MATLAB和NETLOGO之间的数据交换接口模块实现信息交互；针对各种负荷类型，分别根据负荷基准量，以及对应负荷的各目标的目标倾向度，建立分别对应于各种负荷响应特性模型；所述的负荷包括刚性负荷和柔性负荷；根据建立的分别对应各种负荷类型的负荷响应特性模型，分别获得各个负荷的各个目标的目标函数；并且分别针对各个负荷，将负荷的各个目标的目标函数进行加权处理，分别获得对应各个负荷的总目标函数。
4.根据权利要求1所述的多智能体一致性采样方法，其特征在于，所述的建立基于MATLAB与NETLOGO的联合仿真平台，是指：一种由MATLAB与NETLOGO构成的智能电网多智能体仿真平台，其中利用MATLAB的计算功能和编程技术，来建立电力系统元件的模型和建立复杂的电力网络仿真模型；而NETLOGO是一个对自然和社会现象进行仿真的可编程建模环境，适于对随时间演化的复杂系统进行建模；所述的NETLOGO完成电力系统元件通用模块的搭建，MATLAB进行电力系统的各项计算，求解得到的网络参数通过MATLAB和NETLOGO之间的接口程序实现信息交互。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810169434.2A CN108259250A (zh) | 2018-02-28 | 2018-02-28 | 一种多智能体一致性采样方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810169434.2A CN108259250A (zh) | 2018-02-28 | 2018-02-28 | 一种多智能体一致性采样方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108259250A true CN108259250A (zh) | 2018-07-06 |
Family
ID=62744493
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810169434.2A Pending CN108259250A (zh) | 2018-02-28 | 2018-02-28 | 一种多智能体一致性采样方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108259250A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113391556A (zh) * | 2021-08-12 | 2021-09-14 | 中国科学院自动化研究所 | 基于角色分配的群体分布式控制方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104537178A (zh) * | 2014-12-31 | 2015-04-22 | 南京邮电大学 | 一种基于Matlab和Netlogo的电力系统联合仿真建模方法 |
| CN104536304A (zh) * | 2014-12-31 | 2015-04-22 | 南京邮电大学 | 一种基于Matlab和Netlogo的电力系统负荷多智能体控制方法 |
| CN104636582A (zh) * | 2013-11-12 | 2015-05-20 | 中国科学院沈阳计算技术研究所有限公司 | 多智能体系统通信不良检测方法 |
| CN105391090A (zh) * | 2015-11-10 | 2016-03-09 | 南京邮电大学 | 一种智能电网多智能体多目标一致性优化方法 |
| CN105635963A (zh) * | 2015-12-25 | 2016-06-01 | 中国空间技术研究院 | 多智能体分布式协同定位方法 |
-
2018
- 2018-02-28 CN CN201810169434.2A patent/CN108259250A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104636582A (zh) * | 2013-11-12 | 2015-05-20 | 中国科学院沈阳计算技术研究所有限公司 | 多智能体系统通信不良检测方法 |
| CN104537178A (zh) * | 2014-12-31 | 2015-04-22 | 南京邮电大学 | 一种基于Matlab和Netlogo的电力系统联合仿真建模方法 |
| CN104536304A (zh) * | 2014-12-31 | 2015-04-22 | 南京邮电大学 | 一种基于Matlab和Netlogo的电力系统负荷多智能体控制方法 |
| CN105391090A (zh) * | 2015-11-10 | 2016-03-09 | 南京邮电大学 | 一种智能电网多智能体多目标一致性优化方法 |
| CN105635963A (zh) * | 2015-12-25 | 2016-06-01 | 中国空间技术研究院 | 多智能体分布式协同定位方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113391556A (zh) * | 2021-08-12 | 2021-09-14 | 中国科学院自动化研究所 | 基于角色分配的群体分布式控制方法及装置 |
| CN113391556B (zh) * | 2021-08-12 | 2021-12-07 | 中国科学院自动化研究所 | 基于角色分配的群体分布式控制方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lv | The security of Internet of drones | |
| Li et al. | Neural-network-based path planning for a multirobot system with moving obstacles | |
| CN112560332B (zh) | 一种基于全局态势信息的航空兵体系智能行为建模方法 | |
| Wang et al. | Wireless sensor network deployment of 3D surface based on enhanced grey wolf optimizer | |
| CN110175773A (zh) | 基于贝叶斯网络的侦查无人机作战效能评估方法 | |
| CN104049639B (zh) | 一种基于支持向量回归机的无人艇抗浪涌控制装置和方法 | |
| CN112817318B (zh) | 一种多无人艇协同搜索控制方法及系统 | |
| CN103869698A (zh) | 多智能体系统一致性的采样控制方法 | |
| CN114117926A (zh) | 一种基于联邦学习的机器人协同控制算法 | |
| CN117472083A (zh) | 一种多无人机协同海上搜索路径规划方法 | |
| CN116449863A (zh) | 一种基于信息素的强化学习的无人机集群多目标搜索方法 | |
| CN114518772A (zh) | 一种拒止环境下无人机蜂群自组织方法 | |
| Li et al. | Multi-AUV cooperative task allocation based on improved contract network | |
| Yu et al. | A cooperative mission planning method considering environmental factors for UUV swarm to search multiple underwater targets | |
| CN114637741B (zh) | 一种基于张量及神经网络的动态电磁频谱姿势方法及系统 | |
| CN108259250A (zh) | 一种多智能体一致性采样方法 | |
| Hu et al. | Wireless Multi-Robot Collaboration: Communications, Perception, Control and Planning | |
| Huang et al. | A bi-layer joint training reinforcement learning framework for post-disaster rescue | |
| CN107657314A (zh) | 一种基于区间算法的神经网络卷积层设计方法 | |
| CN112926729B (zh) | 人机对抗智能体策略制定方法 | |
| Lamrani et al. | A formal definition of metrics for object oriented design: Mood metrics | |
| Li et al. | Dynamic task allocation for heterogeneous multi-robot system under communication constraints | |
| CN115047892B (zh) | 一种基于群体智能的水下无人集群编队关键节点识别方法 | |
| Díaz-Muñoz et al. | Cooperative chaotic exploration with UAVs combining pheromone dispersion and hopfield chaotic neural network | |
| Li et al. | Study on collaborative task assignment of sphere multi-robot based on group intelligence algorithm |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180706 |
|
| WD01 | Invention patent application deemed withdrawn after publication |