CN112184400A - 一种基于局部信息的异构多智能体多阶段分布式拍卖算法 - Google Patents
一种基于局部信息的异构多智能体多阶段分布式拍卖算法 Download PDFInfo
- Publication number
- CN112184400A CN112184400A CN201910592007.XA CN201910592007A CN112184400A CN 112184400 A CN112184400 A CN 112184400A CN 201910592007 A CN201910592007 A CN 201910592007A CN 112184400 A CN112184400 A CN 112184400A
- Authority
- CN
- China
- Prior art keywords
- task
- agent
- auction
- heterogeneous
- information
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000004891 communication Methods 0.000 claims abstract description 31
- 230000008859 change Effects 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 22
- 230000008901 benefit Effects 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 2
- CLOMYZFHNHFSIQ-UHFFFAOYSA-N clonixin Chemical compound CC1=C(Cl)C=CC=C1NC1=NC=CC=C1C(O)=O CLOMYZFHNHFSIQ-UHFFFAOYSA-N 0.000 claims description 2
- 238000006073 displacement reaction Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/08—Auctions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Pure & Applied Mathematics (AREA)
- Accounting & Taxation (AREA)
- Mathematical Optimization (AREA)
- Finance (AREA)
- Computational Mathematics (AREA)
- Computing Systems (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- Educational Administration (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明公开了一种基于局部信息的异构多智能体多阶段分布式拍卖算法。主要解决智能体具有通讯约束以及任务与智能体类型具有多样化特点时的多任务分配问题。包括:异构智能体之间的局部信息通讯以及数据库的更新;考虑任务与智能体类型以及任务状态变化模型,以整体任务完成时间最短为优化目标的利益函数的设计;拍卖智能体对任务最优执行能力的计算以及拍卖智能体与竞拍智能体之间拍卖信息的传递;在分布式拍卖算法思想和局部信息条件下的异构多智能体任务分配。本发明的任务分配方法以整体任务完成时间最短为目标,实现了异构多智能体的动态任务分配,提高了智能体利用率,减少了整体任务的完成时间。
Description
技术领域
本发明涉及智能机器人任务分配算法技术领域,更具体地,涉及一种基于局部信息的异构多智能体多阶段分布式拍卖算法。
背景技术
近年来,人们对人工智能和复杂系统研究越来越深入,多智能体的相关研究在理论探索和实际应用等方面都有了很大突破。多智能体机器人进行协同工作,能够代替人完成一些超出人类所能承受极限的任务。
国内外提出了很多种分布式算法针对多智能体调度问题进行了求解,但在当前的多智能体系统中,所要完成的任务数量较多,任务类型不一,任务状态存在动态变化的特点,而且智能体之间存在通讯约束以及结构类型多样化的问题,使得任务分配需要考虑局部信息以及动态调整。传统算法在解决此类局部信息下的多类型动态任务分配问题时可能陷入局部最优状态、死锁状态以及无法实现动态再分配等问题,不仅浪费了多智能体的资源,降低了多智能体资源利用率,而且延长了整体任务完成时间,降低了任务完成度。
发明内容
本发明提供一种克服上述问题或至少部分地解决上述问题的基于局部信息的异构多智能体多阶段分布式拍卖算法,该算法在以上问题的基础上可以实现对动态多阶段的任务分配,可以提高智能体的利用率,减少整体任务完成时间。
本发明根据多点动态集结任务(MPDA)问题背景、任务与智能体类型、以及任务状态变化模型,以整体任务完成时间最短为优化目标,合理设计了利益函数;考虑了智能体的通讯约束、任务与智能体类型的多样化,基于分布式拍卖算法思想,在局部信息条件下对异构多智能体进行任务分配;根据动态任务分配问题的特点,依据任务完成情况对异构智能体进行了任务的多阶段分配。
为达到以上目的,本发明提供一种基于局部信息的异构多智能体多阶段分布式拍卖算法,包括以下步骤:
S1:异构智能体对局部信息进行获取、交换和处理,决定自身是否成为拍卖智能体;
S2:拍卖智能体主持任务拍卖过程;
S3:竞拍智能体参与任务竞拍过程。
所述步骤S1中,进一步包括:
S11:异构智能体统计通讯范围内的任务信息,向通讯范围内的其他异构智能体发送自身获得的局部信息,并对获得的数据进行处理,对数据库进行更新;
S12:异构智能体根据数据库局部信息计算出异构智能体与任务之间的距离,找出距离自身最近的任务,同时判断自身是否是距离该任务最近的异构智能体,如果自身为该任务最近的异构智能体,则异构智能体决定自身成为该任务的拍卖智能体;
S13:异构智能体每间隔一定的时间进行一次通讯,若发现任务被完成,则进行下一阶段的拍卖,跳转至步骤S11,直至所有任务被完成。
进一步,所述的步骤S11中,所述的环境为异构多智能体工作环境,假设环境中的异构多智能体、任务点都处于同一平面,建立笛卡尔直角坐标系对环境进行建模,并确定每个任务点和智能体的坐标,所述环境为多智能体的工作环境,环境中分布M(M∈Z+)个具有任务执行能力的智能体以及N(N∈Z+)个属性和状态量随时间变化的任务点。
任务点tj(j=1,2,…,N)的特征参数包括:初始任务状态量sj(0)、径向增长速度αj以及在工作环境中的坐标位置(xj,yj);
智能体ri(i=1,2,…,M)的能力参数包括:移动速度vi、单位时间内完成的任务量βi以及在工作环境中的坐标位置(xi,yi)。
设定所有任务的位置信息和初始任务量信息在任务分配之前所有智能体都能获得,其他信息属于局部信息,考虑智能体通讯约束,假设异构智能体的通讯范围是一个正圆,以智能体的位置为中心,智能体的最长直线通讯距离为通讯半径,智能体只能获得其通讯范围内的任务信息,然后通过与其他智能体通讯获得通讯范围之内的其他智能体的信息,智能体将获取的局部信息储存在自身数据库中。
智能体ri通过智能体信息矩阵储存所有智能体的信息,信息矩阵的每一行分别储存一个智能体的信息,包括智能体的编号Noi、智能体在工作环境中的位置坐标、执行能力βi、移动速度vi、目标任务编号Goal以及该智能体信息的数据更新时间,智能体ri的智能体信息矩阵可表示为:
智能体通过任务信息矩阵储存所有任务的信息,按照任务编号,任务信息矩阵的每一行储存一个任务的全部信息,包括任务编号Noj、任务在环境中的位置坐标、径向任务量增长速度αj、初始任务量sj(0)、实时任务量sj(t)、是否完成Isfinish以及数据更新时间。
当智能体检测到任务完成则Isfinish等于1,未完成则Isfinish等于 -1,每次更新任务信息时记录该任务的数据更新时间,智能体ri的任务信息矩阵可表示为:
在局部信息交换及处理过程中,智能体首先处理数据包中的任务信息矩阵,智能体将数据包中的任务信息矩阵按照任务编号与自身数据库中的任务信息矩阵逐条对比,比较编号相同的任务的数据更新时间,如果智能体发现数据包中存在某个任务的数据更新时间晚于自身数据库中对应的数据更新时间,则将数据库中该任务的信息存入数据库中,覆盖掉原有的信息,数据更新时间记为数据包中该任务的数据更新时间,如果智能体发现自身数据库中任务信息矩阵中该任务的数据更新时间更晚,则不更改数据库中的信息,智能体信息矩阵的局部信息交换过程与任务信息矩阵方法相同。
设编号为1的智能体对比任务信息矩阵发现任务2的数据更新时间晚于自身数据库中的任务2信息,且任务2未完成,则智能体1经过局部信息交换后的任务信息矩阵更新为:
在以上工作环境的基础上,分析任务分配所需要考虑的任务点特征参数和智能体能力参数等因素,根据任务点特征参数及任务状态量变化的特点,建立任务点状态变化模型。
假设任务的任务状态量是变化的,且近似为一个半径为r的正圆的面积,Δt时间内任务的任务量以径向位移Δr向外增长,设任务tj在 t时刻的周长为lj(t),则周长lj(t)可表示为:
其中任务量径向增长速度可表示为:
任务的周长与任务tj的t时刻状态量sj(t)的平方根的比值为k,在无外界干预下,可以得到在智能体作用下的任务tj的任务状态变化模型为:
已知智能体ri的运动速度为vi,则智能体ri在执行任务tj的移动过程中消耗的时间Tij为:
异构智能体若接收到对应类型任务的拍卖信息且没有任务目标,则该异构智能体成为该任务的竞拍智能体,如果拍卖智能体主持的拍卖任务为自身对应类型的任务,则拍卖智能体也作为竞拍智能体参加拍卖过程。
所述步骤S2中,进一步包括:
S21:各任务的拍卖智能体计算拍卖任务的最优执行能力,同时向通讯范围的其他异构智能体发送拍卖信息;
S22:拍卖智能体整理投标信息,选出投标价格最高的异构智能体,向投标价格最高的异构智能体发送中标信息;
S23:拍卖智能体统计拍卖任务的执行智能体的执行能力总和,如果拍卖任务的执行智能体的执行能力总和大于任务的最优执行能力,拍卖智能体发送向通讯范围内的其他异构智能体发送该任务停止拍卖的信息;
S24:拍卖智能体统计拍卖任务的执行智能体的执行能力总和,如果拍卖任务的执行智能体的执行能力总和小于最优执行能力,拍卖智能体继续向通讯范围内的其他智能体发送拍卖信息,并跳转至步骤 S21。
进一步,所述步骤S21中,拍卖任务tj的必要执行能力βj min为:
设定任务tj的最优执行能力βj max为必要执行能力的两倍,则最优执行能力βj max可表示为:
每个任务对应一个拍卖智能体负责该任务的拍卖,拍卖智能体发布任务的拍卖信息给通讯范围内的其他异构智能体,拍卖信息包括拍卖任务的任务编号、任务类型、实时任务量、径向任务量增长速度、坐标位置、是否满足最优执行能力情况以及拍卖智能体的编号。
进一步,所述步骤S23中,当拍卖智能体接收到竞拍智能体的投标信息后,将会选择投标价格最高的竞拍智能体作为中标智能体,拍卖智能体在发送中标信息给竞拍智能体后整理拍卖任务信息,决定是否继续拍卖。
所述步骤S3中,进一步包括:
S31:所有异构智能体接收各任务的拍卖信息,筛选出自身对应类型的任务的拍卖信息,根据自身收益函数计算执行各个自身对应类型任务的收益,选择收益最大的任务作为投标任务,竞拍智能体计算投标价格并将投标信息发送至投标任务的拍卖智能体;
S32:竞拍智能体得到中标信息,将中标任务作为目标任务,不再参与拍卖过程;
S33:若异构智能体在一定的时间内没有接收到拍卖信息,则选择与自身类型对应的距离最近的未完成任务作为目标任务,当所有智能体都有目标任务后,本阶段任务分配方案形成。
进一步,所述步骤S31中,任务tj在t+Tij时刻的任务量为sj(t+Tij),若在t+Tij时刻智能体ri未执行任务tj,则任务tj的任务增长速度为:
因此智能体ri执行任务tj可获得的利益为:
其中k1和k2是可变权重参数,可根据实际条件的不同取不同值。
由此可得利益函数为:
在拍卖算法中竞拍智能体可以利用利益函数计算出完成各个任务的收益,选择收益最大的任务作为该智能体的投标任务,然后根据所得的局部信息计算出对投标任务的投标价格。竞拍智能体将投标信息发送至投标任务的拍卖智能体,投标信息包括投标任务编号、投标价格以及智能体自身的编号、类型、在环境中的位置、执行能力、移动速度。
在异构多智能体系统中,设定竞拍智能体的投标价格为竞拍智能体执行拍卖任务可获得的真实最大价值,即异构智能体执行拍卖任务获得的收益,因此智能体ri对投标任务tj的投标价格Pij为:
进一步,所述的步骤S33中,为了防止智能体长时间空闲导致浪费资源,设定一个固定的时间Twait,如果智能体在时间Twait内没有接收到任务拍卖信息,则智能体选择距离最近的未完成任务作为目标任务。
通过上述技术方案,本发明生成一套完整的执行方案,基于分布式拍卖算法思想,在局部信息条件下对异构多智能体进行任务分配,并根据任务完成情况对异构多智能体进行多阶段任务分配,并得到所有任务及异构多智能体的多阶段分配方案,本发明能够充分调动系统中的异构多智能体,提高了智能体的利用率,缩短了整体任务的完成时间。
附图说明
图1为本发明的整体流程图。
图2为本发明方案的异构多智能体实例环境模型图。
图3为本发明方案的异构多智能体实例仿真图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
在一个优选实施例中,请参阅图1,一种基于局部信息的异构多智能体多阶段分布式拍卖算法,本发明考虑异构多智能体之间的通讯约束以及智能体和任务点类型的不同,在局部信息条件下,通过分布式拍卖算法思想解决异构多智能体多阶段动态任务分配问题。
如图2所示,实例设置了一个二维平面中基于笛卡尔坐标系建立的环境地图,在给定的环境地图中,存在一些异构智能体、任务和障碍物,实例设置10个不同类型的任务和17个不同类型的异构智能体,任务和智能体的编号分别用阿拉伯数字表示,不同的类型用不同的字母表示。
实例设定用包含数字和字母的小方块来表示不同类型的任务点,数字代表任务编号,字母代表任务类型;用包含字母和数字的小圆圈来表示不同类型的异构智能体,数字代表智能体编号,字母代表智能体类型;用只包含数字的大方块表示障碍物,数字代表障碍物编号。
各类型任务的初始任务属性参数皆为已知,并储存在各异构智能体的任务信息矩阵中,包括任务编号No、任务在环境中的位置横坐标X、任务在环境中的位置纵坐标Y、初始任务量s(0)、任务量增长速度α和任务类型Type,具体参数如表1所示。
表1异构任务参数
异构智能体的属性参数已知且储存在各智能体的智能体信息矩阵中,包括异构智能体编号No、在环境中的位置横坐标X、在环境中的位置纵坐标Y、执行能力β、移动速度v以及异构智能体类型Type,具体参数如表2所示。
表2异构智能体参数
实例仿真结果如图3所示,为了对整个异构多智能体系统的执行方案进行仿真,实例利用A*算法对异构智能体进行路径规划,图3 中显示了各个类型智能体的行驶路径。实例设置的任务状态是随时间动态变化的,本发明提出的基于局部信息的异构多智能体多阶段分布式拍卖算法,对异构智能体进行多阶段任务分配。
仿真实例得到的各个阶段的任务分配方案如表3所示,异构智能体编号为No,设定异构智能体每个拍卖阶段的目标任务用其任务编号表示,每个智能体完成目标任务后将重新参与拍卖,对下一拍卖阶段重新分配的目标任务编号用带下划线的加粗字体标记,当智能体没有目标任务时目标任务编号用-1表示。
表3异构智能体任务分配方案
在局部信息条件下,依据分布式拍卖算法思想,实例完成了对异构智能体的多阶段动态任务分配,每个智能体都参与进了任务的执行过程,提高了智能体资源的利用率。
最后,本申请的方法仅为较佳的实施方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于局部信息的异构多智能体多阶段分布式拍卖算法,其特征在于,包括以下步骤:
S1:异构智能体对局部信息进行获取、交换和处理,决定自身是否成为拍卖智能体;
S2:拍卖智能体主持任务拍卖过程;
S3:竞拍智能体参与任务竞拍过程。
2.根据权利要求1所述的方法,其特征在于,所述步骤S1中,进一步包括:
S11:异构智能体统计通讯范围内的任务信息,向通讯范围内的其他异构智能体发送自身获得的局部信息,并对获得的数据进行处理,对数据库进行更新;
S12:异构智能体根据数据库局部信息计算出异构智能体与任务之间的距离,找出距离自身最近的任务,同时判断自身是否是距离该任务最近的异构智能体,如果自身为该任务最近的异构智能体,则异构智能体决定自身成为该任务的拍卖智能体;
S13:异构智能体每间隔一定的时间进行一次通讯,若发现任务被完成,则进行下一阶段的拍卖,直至所有任务被完成。
3.根据权利要求2所述的方法,其特征在于,所述步骤S11中,建立笛卡尔直角坐标系对多智能体的工作环境进行建模,并确定每个任务点和智能体的坐标,设定环境中分布M(M∈Z+)个具有任务执行能力的智能体以及N(N∈Z+)个属性和状态量随时间变化的任务点。
任务点tj(j=1,2,…,N)的特征参数包括:初始任务状态量sj(0)、径向增长速度αj以及在工作环境中的坐标位置(xj,yj);
智能体ri(i=1,2,…,M)的能力参数包括:移动速度vi、单位时间内完成的任务量βi以及在工作环境中的坐标位置(xi,yi)。
设定所有任务的初始信息在任务分配之前所有智能体都能获得,其他信息属于局部信息,考虑智能体通讯约束,智能体只能获得其通讯范围内的任务信息。
假设异构智能体的通讯范围是一个正圆,以智能体的位置为中心,智能体的最长直线通讯距离为通讯半径,
智能体ri通过智能体信息矩阵储存所有智能体的信息,信息矩阵的每一行分别储存一个智能体的信息,智能体通过任务信息矩阵储存所有任务的信息,按照任务编号,任务信息矩阵的每一行储存一个任务的全部信息。
在局部信息交换及处理过程中,智能体首先处理数据包中的任务信息矩阵,将其中的任务信息矩阵按照任务编号与自身数据库中的任务信息矩阵逐条对比。
如果智能体发现数据包中存在某个任务的数据更新时间晚于自身数据库中对应的数据更新时间,则将数据库中该任务的信息存入数据库并覆盖原有信息,如果智能体发现自身数据库任务信息矩阵中该任务的数据更新时间更晚,则不更改数据库中的信息。
6.根据权利要求1所述的方法,其特征在于,所述步骤S2中,进一步包括:
S21:各任务的拍卖智能体计算拍卖任务的最优执行能力,同时向通讯范围的其他异构智能体发送拍卖信息;
S22:拍卖智能体整理投标信息,选出投标价格最高的异构智能体,向投标价格最高的异构智能体发送中标信息;
S23:拍卖智能体统计拍卖任务的执行智能体的执行能力总和,如果拍卖任务的执行智能体的执行能力总和大于任务的最优执行能力,拍卖智能体发送向通讯范围内的其他异构智能体发送该任务停止拍卖的信息;
S24:拍卖智能体统计拍卖任务的执行智能体的执行能力总和,如果拍卖任务的执行智能体的执行能力总和小于最优执行能力,拍卖智能体继续向通讯范围内的其他智能体发送拍卖信息,并跳转至步骤S21。
8.根据权利要求1所述的方法,其特征在于,所述步骤S3中,进一步包括:
S31:所有异构智能体接收各任务的拍卖信息,筛选出自身对应类型的任务的拍卖信息,根据自身收益函数计算执行各个自身对应类型任务的收益,选择收益最大的任务作为投标任务,竞拍智能体计算投标价格并将投标信息发送至投标任务的拍卖智能体;
S32:竞拍智能体得到中标信息,将中标任务作为目标任务,不再参与拍卖过程;
S33:若异构智能体在一定的时间内没有接收到拍卖信息,则选择与自身类型对应的距离最近的未完成任务作为目标任务,当所有智能体都有目标任务后,本阶段任务分配方案形成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910592007.XA CN112184400B (zh) | 2019-07-03 | 2019-07-03 | 一种基于局部信息的异构多智能体多阶段分布式拍卖算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910592007.XA CN112184400B (zh) | 2019-07-03 | 2019-07-03 | 一种基于局部信息的异构多智能体多阶段分布式拍卖算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112184400A true CN112184400A (zh) | 2021-01-05 |
CN112184400B CN112184400B (zh) | 2024-04-02 |
Family
ID=73914881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910592007.XA Active CN112184400B (zh) | 2019-07-03 | 2019-07-03 | 一种基于局部信息的异构多智能体多阶段分布式拍卖算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112184400B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113313411A (zh) * | 2021-06-17 | 2021-08-27 | 中国人民解放军国防科技大学 | 基于拍卖机制的图节点任务分配方法、装置和设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6976005B1 (en) * | 2000-09-21 | 2005-12-13 | International Business Machines Corporation | Methods, systems, and computer program products for dynamically bidding in and conducting multiple simultaneous online auctions located across multiple online auction sites |
GB201515201D0 (en) * | 2014-08-29 | 2015-10-14 | Guy Carpenter & Company Llc | Computerised method and system for placing reinsurance |
CN106875090A (zh) * | 2017-01-09 | 2017-06-20 | 中南大学 | 一种面向动态任务的多机器人分布式任务分配形成方法 |
CN109407680A (zh) * | 2018-12-28 | 2019-03-01 | 大连海事大学 | 无人船编队重构的分布式目标协同分配方法 |
-
2019
- 2019-07-03 CN CN201910592007.XA patent/CN112184400B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6976005B1 (en) * | 2000-09-21 | 2005-12-13 | International Business Machines Corporation | Methods, systems, and computer program products for dynamically bidding in and conducting multiple simultaneous online auctions located across multiple online auction sites |
GB201515201D0 (en) * | 2014-08-29 | 2015-10-14 | Guy Carpenter & Company Llc | Computerised method and system for placing reinsurance |
US20160063641A1 (en) * | 2014-08-29 | 2016-03-03 | Guy Carpenter & Company, Llc | Computerised method and system for placing reinsurance |
CN106875090A (zh) * | 2017-01-09 | 2017-06-20 | 中南大学 | 一种面向动态任务的多机器人分布式任务分配形成方法 |
CN109407680A (zh) * | 2018-12-28 | 2019-03-01 | 大连海事大学 | 无人船编队重构的分布式目标协同分配方法 |
Non-Patent Citations (1)
Title |
---|
许可等: "基于分布式拍卖算法的多无人机分组任务分配", 《信息与控制》, vol. 47, no. 3, pages 341 - 346 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113313411A (zh) * | 2021-06-17 | 2021-08-27 | 中国人民解放军国防科技大学 | 基于拍卖机制的图节点任务分配方法、装置和设备 |
CN113313411B (zh) * | 2021-06-17 | 2024-03-01 | 中国人民解放军国防科技大学 | 基于拍卖机制的图节点任务分配方法、装置和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112184400B (zh) | 2024-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106875090B (zh) | 一种面向动态任务的多机器人分布式任务分配形成方法 | |
CN107168267B (zh) | 基于改进粒子群与启发式策略的生产排产方法及系统 | |
CN110308740B (zh) | 一种面向移动目标追踪的无人机群动态任务分配方法 | |
CN110533301A (zh) | 一种基于动态约束矩阵的粒子群调度方法 | |
CN107831685B (zh) | 一种群体机器人的控制方法和系统 | |
CN113792924A (zh) | 一种基于Deep Q-network深度强化学习的单件作业车间调度方法 | |
CN113448703B (zh) | 一种基于感知阵型的无人机蜂群动态侦察任务调度系统及方法 | |
CN108882256A (zh) | 一种无线传感器网络节点覆盖优化方法和装置 | |
CN108876086A (zh) | 一种基于粒子群算法的多无人机任务分配方法 | |
CN111798097B (zh) | 一种基于市场机制的自主移动机器人任务分配处理方法 | |
CN110659745A (zh) | 一种具有动态学习速率边界的分布式自适应矩估计方法 | |
CN111401611B (zh) | 一种化工厂设备巡检点路线优化方法 | |
CN108009012B (zh) | 一种基于任务模型的多智能体动态任务分配方法 | |
CN112184400A (zh) | 一种基于局部信息的异构多智能体多阶段分布式拍卖算法 | |
CN116933939A (zh) | 基于改进浣熊优化算法的柔性车间协同生产方法及系统 | |
CN112181608B (zh) | 一种基于局部信息的多点动态集结任务分布式分配方法 | |
CN107423810B (zh) | 基于骆驼群算法的作业车间调度排产方法及系统 | |
CN108446455A (zh) | 一种基于烟花算法的多目标软硬件划分方法 | |
CN109886574B (zh) | 一种基于改进阈值法的多机器人任务分配方法 | |
CN116642498A (zh) | 一种基于改进樽海鞘群模型的机器人路径规划方法 | |
CN111160654A (zh) | 一种基于模糊c均值-模拟退火算法减小总成本的运输路径优化方法 | |
CN110825092A (zh) | 一种多智能体系统的编队控制方法 | |
CN116089083A (zh) | 一种多目标数据中心资源调度方法 | |
CN115689116A (zh) | 基于改进多目标粒子群的资源-工期-成本综合优化方法 | |
CN108805463A (zh) | 一种支持削峰型电力需求响应的生产调度方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |