CN112347636A - 一种基于Multi-Agent技术的装备保障仿真建模方法 - Google Patents
一种基于Multi-Agent技术的装备保障仿真建模方法 Download PDFInfo
- Publication number
- CN112347636A CN112347636A CN202011215360.5A CN202011215360A CN112347636A CN 112347636 A CN112347636 A CN 112347636A CN 202011215360 A CN202011215360 A CN 202011215360A CN 112347636 A CN112347636 A CN 112347636A
- Authority
- CN
- China
- Prior art keywords
- agent
- guarantee
- task
- equipment
- intelligent
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明的一个实施例公开了一种基于Multi‑Agent技术的装备保障仿真建模方法,包括:S103、根据武器装备系统的作战功能及维修保障功能确定主要智能体,并且确定所述主要智能体的工作原理与组成,分析其子智能体的功能,通过定义各个智能体的属性及智能体之间的动态交互关系进行封装;S104、根据所述各个智能体之间的动态交互关系和合同网协议定义交互规则,构建基于Multi‑Agent技术的柔性仿真模型;S105、根据武器装备的作战使用功能及维修保障功能对模型进行初始化配置,根据拟定的保障方案运行仿真模型,结合仿真结果,对保障方案进行优化。
Description
技术领域
本发明涉及复杂装备智能化保障领域。更具体地,涉及一种基于Multi-Agent技术的装备保障仿真建模方法。
背景技术
在高技术局部战争的背景下,作战环境的复杂性和动态性不断增长,武器装备信息化、智能化和功能集成化水平越来越高,这使得装备保障的地位和作用空前提高,技术难度急剧增加。为了适应信息化、智能化作战条件下的装备保障需求,以信息技术为牵引,更新和发展保障方式和手段,实现保障模式的智能化和信息化已成为现代化作战的核心要求,装备保障仿真建模研究在实现智能化保障领域尤为迫切。
由于现代战争条件下装备综合保障的信息化和智能化水平急剧增加,传统方法所建立的装备保障模型缺乏各实体的动态重塑性以及实体间的动态交互性,不能及时更新装备的保障状态,达不到现代化战争的实时化、精确化保障要求。
发明内容
本发明目的在于提供一种基于Multi-Agent技术的装备保障仿真建模方法,解决传统方法所建立的装备保障模型缺乏动态性和可重塑性,不能实时更新装备及其保障状态,无法构建精准的武器装备保障仿真模型,影响装备保障方案的决策等问题中的至少一个。为达到上述目的,本发明采用下述技术方案:
本发明提供一种基于Multi-Agent技术的装备保障仿真建模方法,包括:
S103、根据武器装备系统的作战功能及维修保障功能确定主要智能体,并且确定所述主要智能体的工作原理与组成,分析其子智能体的功能,通过定义各个智能体的属性及智能体之间的动态交互关系进行封装;
S104、根据所述各个智能体之间的动态交互关系和合同网协议定义交互规则,构建基于Multi-Agent技术的柔性仿真模型;
S105、根据武器装备的作战使用功能及维修保障功能对模型进行初始化配置,根据拟定的保障方案运行仿真模型,结合仿真结果,对保障方案进行优化。
在一个具体实施例中,所述S103包括
S1030、分析武器装备系统的作战功能及维修保障功能,确定重要组成单元,确定该组成单元在所述武器装备系统中的作用;
S1032、根据确定的所述组成单元在所述武器装备系统中的作用,将重要组成单元转化为智能体,并根据其功能定义属性及行为规则。
在一个具体实施例中,所述重要组成单元包括:任务接收单元、决策单元、发送单元、求解单元、数据存储单元、监控单元和侦察单元。
在一个具体实施例中,
所述智能体包括:任务接收智能体、决策智能体、发送智能体、求解智能体、数据存储智能体、监控智能体和侦察智能体。
在一个具体实施例中,所述各个智能体属性及行为规则包括:
所述任务接收智能体接受装备保障机构下达的装备保障指令,选取适合当前保障机构执行的保障任务;
所述决策智能体是执行核心决策功能的Agent,它调用相关系统资源对接受的保障任务进行处理,生成具体的保障方案和保障计划,供装备指挥官进行参考和决策;
所述发送智能体是高层装备保障决策支持系统的决策者,能分解出一系列保障子任务,由发送智能体下达;
所述求解智能体调用各类保障规划算法,对装备保障问题进行优化求解;
所述数据存储智能体访问系统资源数据库,获取求解装备保障问题所需的信息;
所述监控智能体与保障任务执行系统进行通信,监控保障任务的实施情况,并将有关信息实时反馈给决策智能体;
所述侦察智能体负责与情报侦察系统通信,侦测环境的变化。
在一个具体实施例中,所述各个智能体的属性包括
智能体的空间、时间和状态信息;
智能体的位置
L={l/l=[x,y]T,0≤x≤X,0≤y≤Y}
其中,X,Y分别表示行坐标与列坐标的最大值;
智能体的状态
C={-1,0,1}
-1表示故障状态,进入该状态后产生维修资源请求;0表示空闲状态;1表示工作状态。
在一个具体实施例中,所述各个智能体之间进行动态交互且分为不同的任务阶段;
所述阶段包括:接收并下达保障任务阶段、求解并调配保障资源阶段和调整保障方案阶段;
在所述接收并下达保障任务阶段,当所述任务接收智能体接受装备保障机构下达的装备保障指令时,在任务群中选取适合当前保障机构执行的保障任务,并通过所述发送智能体下达保障任务指令;
在所述求解并调配保障资源阶段,所述数据存储智能体访问系统资源数据库获取求解装备保障问题所需的信息并将该信息传输给所述求解智能体,所述求解智能体调用各类保障规划算法,对装备保障问题进行优化求解并将结果传给所述决策智能体,随后生成保障计划,调用所需的维修资源;
在所述调整保障方案阶段,所述监控智能体与任务执行系统进行通信,监控任务的实施情况,并将有关信息实时反馈给所述数据存储智能体;在整个任务执行过程中,所述侦察智能体负责与情报侦察系统通信,侦测环境的变化,当发生变化,也将相关信息反馈给所述数据存储智能体,实时更新保障计划。
在一个具体实施例中,所述指令包括:保障资源需求、保障资源种类及保障任务等待时间。
本发明的有益效果如下:
本发明公开了一种基于Multi-Agent技术的装备保障仿真建模方法,以Multi-Agent技术为支撑,可实现装备、保障资源与保障环境间的动态交互,有力支撑保障过程的智能化,弥补了传统方法在装备保障建模方面的局限性和片面性;本发明提出的综合保障仿真模型采用基于Agent构件的分布式体系结构,主要Agent可由子Agent组装而成,新开发的Agent也可不断地集成到原有的体系结构中,从而使系统具有较强的重构能力;基于Multi-Agent技术的装备保障仿真模型可进行多次仿真试验,保证保障方案的精确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出根据本发明一个实施例的基于Multi-Agent技术的装备保障仿真建模方法的流程图。
图2示出根据本发明一个实施例的基于Multi-Agent技术的装备保障仿真模型的智能体组成图。
图3示出根据本发明一个实施例的使用合同网协议来表达智能体的动态交互的示意图。
具体实施方式
为使本发明的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。本领域技术人员应当理解,下面所具体描述的内容是说明性的而非限制性的,不应以此限制本发明的保护范围。
如图1所示,本发明的一个实施例公开了一种基于Multi-Agent技术的装备保障仿真建模方法,包括:
S103、根据武器装备系统的作战功能及维修保障功能确定主要智能体,并且确定所述主要智能体的工作原理与组成,分析其子智能体的功能,通过定义各个智能体的属性及智能体之间的动态交互关系进行封装;
S104、如图2所示,根据所述各个智能体之间的动态交互关系和合同网协议定义交互规则,构建基于Multi-Agent技术的柔性仿真模型;
S105、根据武器装备的作战使用功能及维修保障功能对模型进行初始化配置,根据拟定的保障方案运行仿真模型,结合仿真结果,对保障方案进行优化。
根据装备的作战功能及维修保障流程进行模型的初始化参数配置,并根据运行情况实时调整参数值,常用的参数如表2所示。武器装备组成如表1所示。
表1武器装备组成(按LRU构建)
表2基本参数
在一个具体实施例中,所述S103包括
S1030、分析武器装备系统的作战功能及维修保障功能,确定重要组成单元,确定该组成单元在所述武器装备系统中的作用;
S1032、根据确定的所述组成单元在所述武器装备系统中的作用,将重要组成单元转化为智能体,并根据其功能定义属性及行为规则。
在一个具体实施例中,所述重要组成单元包括:任务接收单元、决策单元、发送单元、求解单元、数据存储单元、监控单元和侦察单元。
在一个具体实施例中,所述智能体包括:任务接收智能体、决策智能体、发送智能体、求解智能体、数据存储智能体、监控智能体和侦察智能体。
在一个具体实施例中,所述各个智能体属性及行为规则包括:
所述任务接收智能体接受装备保障机构下达的装备保障指令,选取适合当前保障机构执行的保障任务;
所述决策智能体是执行核心决策功能的Agent,它调用相关系统资源对接受的保障任务进行处理,生成具体的保障方案和保障计划,供装备指挥官进行参考和决策;
所述发送智能体是高层装备保障决策支持系统的决策者,能分解出一系列保障子任务,由发送智能体下达;
所述求解智能体调用各类保障规划算法,对装备保障问题进行优化求解;
所述数据存储智能体访问系统资源数据库(如地理数据、库存设备和器材数据等),获取求解装备保障问题所需的信息;
所述监控智能体与保障任务执行系统进行通信,监控保障任务的实施情况,并将有关信息实时反馈给决策智能体;
所述侦察智能体负责与情报侦察系统通信,侦测环境的变化。
在一个具体实施例中,所述各个智能体的属性包括
智能体的空间、时间和状态信息;
智能体的位置
L={l/l=[x,y]T,0≤x≤X,0≤y≤Y}
其中,X,Y分别表示行坐标与列坐标的最大值;
智能体的状态
C={-1,0,1}
-1表示故障状态,进入该状态后产生维修资源请求;0表示空闲状态;1表示工作状态。
在一个具体实施例中,所述各个智能体之间进行动态交互且分为不同的任务阶段;所述阶段包括:接收并下达保障任务阶段、求解并调配保障资源阶段和调整保障方案阶段;
在所述接收并下达保障任务阶段,当所述任务接收智能体接受装备保障机构下达的装备保障指令时,在任务群中选取适合当前保障机构执行的保障任务,并通过所述发送智能体下达保障任务指令;在一个具体实施例中,所述指令包括:保障资源需求、保障资源种类及保障任务等待时间。
在所述求解并调配保障资源阶段,所述数据存储智能体访问系统资源数据库获取求解装备保障问题所需的信息并将该信息传输给所述求解智能体,所述求解智能体调用各类保障规划算法,对装备保障问题进行优化求解并将结果传给所述决策智能体,随后生成保障计划,调用所需的维修资源。
在所述调整保障方案阶段,所述监控智能体与任务执行系统进行通信,监控任务的实施情况,并将有关信息实时反馈给所述数据存储智能体;在整个任务执行过程中,所述侦察智能体负责与情报侦察系统通信,侦测环境的变化,当发生变化,也将相关信息反馈给所述数据存储智能体,实时更新保障计划。
在一个具体实施例中,本发明使用合同网协议来表达智能体的动态交互,如图3所示,具体的交互关系如下所述,当所述任务接收智能体接受装备保障机构下达的装备保障指令时,在任务群中选取适合当前保障机构执行的保障任务,并通过所述发送智能体下达保障任务指令;在一个具体实施例中,所述指令包括:保障资源需求、保障资源种类及保障任务等待时间。所述数据存储智能体访问系统资源数据库获取求解装备保障问题所需的信息并将该信息传输给所述求解智能体,所述求解智能体调用各类保障规划算法,对装备保障问题进行优化求解并将结果传给所述决策智能体,随后生成保障计划,调用所需的维修资源。所述监控智能体与任务执行系统进行通信,监控任务的实施情况,并将有关信息实时反馈给所述数据存储智能体;在整个任务执行过程中,所述侦察智能体负责与情报侦察系统通信,侦测环境的变化,当发生变化,也将相关信息反馈给所述数据存储智能体,实时更新保障计划。
本发明公开了一种基于Multi-Agent技术的装备保障仿真建模方法,以Multi-Agent技术为支撑,可实现装备、保障资源与保障环境间的动态交互,有力支撑保障过程的智能化,弥补了传统方法在装备保障建模方面的局限性和片面性;本发明提出的综合保障仿真模型采用基于Agent构件的分布式体系结构,主要Agent可由子Agent组装而成,新开发的Agent也可不断地集成到原有的体系结构中,从而使系统具有较强的重构能力;基于Multi-Agent技术的装备保障仿真模型可进行多次仿真试验,保证保障方案的精确性。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定,对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无法对所有的实施方式予以穷举,凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (8)
1.一种基于Multi-Agent技术的装备保障仿真建模方法,其特征在于,包括:
S103、根据武器装备系统的作战功能及维修保障功能确定主要智能体,并且确定所述主要智能体的工作原理与组成,分析其子智能体的功能,通过定义各个智能体的属性及智能体之间的动态交互关系进行封装;
S104、根据所述各个智能体之间的动态交互关系和合同网协议定义交互规则,构建基于Multi-Agent技术的柔性仿真模型;
S105、根据武器装备的作战使用功能及维修保障功能对模型进行初始化配置,根据拟定的保障方案运行仿真模型,结合仿真结果,对保障方案进行优化。
2.根据权利要求1所述的方法,其特征在于,所述S103包括
S1030、分析武器装备系统的作战功能及维修保障功能,确定重要组成单元,确定该组成单元在所述武器装备系统中的作用;
S1032、根据确定的所述组成单元在所述武器装备系统中的作用,将重要组成单元转化为智能体,并根据其功能定义属性及行为规则。
3.根据权利要求2所述的方法,其特征在于,
所述重要组成单元包括:任务接收单元、决策单元、发送单元、求解单元、数据存储单元、监控单元和侦察单元。
4.根据权利要求3所述的方法,其特征在于,
所述智能体包括:任务接收智能体、决策智能体、发送智能体、求解智能体、数据存储智能体、监控智能体和侦察智能体。
5.根据权利要求4所述的方法,其特征在于,所述各个智能体属性及行为规则包括:
所述任务接收智能体接受装备保障机构下达的装备保障指令,选取适合当前保障机构执行的保障任务;
所述决策智能体是执行核心决策功能的Agent,它调用相关系统资源对接受的保障任务进行处理,生成具体的保障方案和保障计划,供装备指挥官进行参考和决策;
所述发送智能体是高层装备保障决策支持系统的决策者,能分解出一系列保障子任务,由发送智能体下达;
所述求解智能体调用各类保障规划算法,对装备保障问题进行优化求解;
所述数据存储智能体访问系统资源数据库,获取求解装备保障问题所需的信息;
所述监控智能体与保障任务执行系统进行通信,监控保障任务的实施情况,并将有关信息实时反馈给决策智能体;
所述侦察智能体负责与情报侦察系统通信,侦测环境的变化。
6.根据权利要求1所述的方法,其特征在于,所述各个智能体的属性包括
智能体的空间、时间和状态信息;
智能体的位置
L={l/l=[x,y]T,0≤x≤X,0≤y≤Y}
其中,X,Y分别表示行坐标与列坐标的最大值;
智能体的状态
C={-1,0,1}
-1表示故障状态,进入该状态后产生维修资源请求;0表示空闲状态;1表示工作状态。
7.根据权利要求4所述的方法,其特征在于,所述各个智能体之间进行动态交互且分为不同的任务阶段;
所述阶段包括:接收并下达保障任务阶段、求解并调配保障资源阶段和调整保障方案阶段;
在所述接收并下达保障任务阶段,当所述任务接收智能体接受装备保障机构下达的装备保障指令时,在任务群中选取适合当前保障机构执行的保障任务,并通过所述发送智能体下达保障任务指令;
在所述求解并调配保障资源阶段,所述数据存储智能体访问系统资源数据库获取求解装备保障问题所需的信息并将该信息传输给所述求解智能体,所述求解智能体调用各类保障规划算法,对装备保障问题进行优化求解并将结果传给所述决策智能体,随后生成保障计划,调用所需的维修资源;
在所述调整保障方案阶段,所述监控智能体与任务执行系统进行通信,监控任务的实施情况,并将有关信息实时反馈给所述数据存储智能体;在整个任务执行过程中,所述侦察智能体负责与情报侦察系统通信,侦测环境的变化,当发生变化,也将相关信息反馈给所述数据存储智能体,实时更新保障计划。
8.根据权利要求7所述的方法,其特征在于,
所述指令包括:保障资源需求、保障资源种类及保障任务等待时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011215360.5A CN112347636A (zh) | 2020-11-04 | 2020-11-04 | 一种基于Multi-Agent技术的装备保障仿真建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011215360.5A CN112347636A (zh) | 2020-11-04 | 2020-11-04 | 一种基于Multi-Agent技术的装备保障仿真建模方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112347636A true CN112347636A (zh) | 2021-02-09 |
Family
ID=74356434
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011215360.5A Withdrawn CN112347636A (zh) | 2020-11-04 | 2020-11-04 | 一种基于Multi-Agent技术的装备保障仿真建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112347636A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112883586A (zh) * | 2021-03-15 | 2021-06-01 | 中国人民解放军国防科技大学 | 一种基于双逻辑层Agent的模拟仿真系统及方法 |
CN112989697A (zh) * | 2021-03-11 | 2021-06-18 | 中国人民解放军空军工程大学航空机务士官学校 | 一种基于任务的维修保障设备优化方法 |
CN113283124A (zh) * | 2021-07-21 | 2021-08-20 | 中国人民解放军国防科技大学 | 基于多智能体的自治USoS参与模型构建方法及其系统 |
CN114118757A (zh) * | 2021-11-20 | 2022-03-01 | 中国人民解放军32181部队 | 一种以保障性为中心的武器六性协同优化方法和系统 |
CN117421889A (zh) * | 2023-10-19 | 2024-01-19 | 北京归一科技有限公司 | 用于装甲装备的保障效能仿真建模方法、系统及存储介质 |
-
2020
- 2020-11-04 CN CN202011215360.5A patent/CN112347636A/zh not_active Withdrawn
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112989697A (zh) * | 2021-03-11 | 2021-06-18 | 中国人民解放军空军工程大学航空机务士官学校 | 一种基于任务的维修保障设备优化方法 |
CN112883586A (zh) * | 2021-03-15 | 2021-06-01 | 中国人民解放军国防科技大学 | 一种基于双逻辑层Agent的模拟仿真系统及方法 |
CN113283124A (zh) * | 2021-07-21 | 2021-08-20 | 中国人民解放军国防科技大学 | 基于多智能体的自治USoS参与模型构建方法及其系统 |
CN113283124B (zh) * | 2021-07-21 | 2021-10-15 | 中国人民解放军国防科技大学 | 基于多智能体的自治USoS参与模型构建方法及其系统 |
CN114118757A (zh) * | 2021-11-20 | 2022-03-01 | 中国人民解放军32181部队 | 一种以保障性为中心的武器六性协同优化方法和系统 |
CN117421889A (zh) * | 2023-10-19 | 2024-01-19 | 北京归一科技有限公司 | 用于装甲装备的保障效能仿真建模方法、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112347636A (zh) | 一种基于Multi-Agent技术的装备保障仿真建模方法 | |
CN115051926B (zh) | 一种数字孪生装置、模型评价系统以及模型运行方法 | |
Tang et al. | Efficient auto-scaling approach in the telco cloud using self-learning algorithm | |
CN104734915B (zh) | 一种复合多进程多线程的多网络并发动态仿真方法 | |
CN111064633B (zh) | 一种云边协同电力信息通信设备自动化测试资源分配方法 | |
CN108632365A (zh) | 服务资源调整方法、相关装置和设备 | |
CN114340016B (zh) | 一种电网边缘计算卸载分配方法及系统 | |
CN113806018B (zh) | 基于神经网络和分布式缓存的Kubernetes集群资源混合调度方法 | |
CN113157422A (zh) | 基于深度强化学习的云数据中心集群资源调度方法及装置 | |
Jia et al. | Reliability-aware dynamic service chain scheduling in 5G networks based on reinforcement learning | |
CN110109756A (zh) | 一种网络靶场构建方法、系统及存储介质 | |
Huang et al. | Enabling DNN acceleration with data and model parallelization over ubiquitous end devices | |
CN110333941A (zh) | 一种基于sql的大数据实时计算平台及方法 | |
CN107992392A (zh) | 一种用于云渲染系统的自动监控修复系统和方法 | |
CN116614385A (zh) | 基于数字孪生的业务调度路径规划方法、装置和设备 | |
CN111324460B (zh) | 一种基于云计算平台的电力监测控制系统及方法 | |
CN113848752B (zh) | 一种分布式实时仿真方法 | |
CN115543582A (zh) | 超算算力网络统一调度方法、系统及设备 | |
CN114880079A (zh) | 基于强化学习的Kubernetes集群规模调整方法、系统及设备 | |
CN114792045A (zh) | 一种边缘计算的数字孪生方法和系统 | |
CN113220400A (zh) | 基于软件定义的云桌面系统质量控制方法 | |
CN113420419A (zh) | 一种微服务场景下的业务流程模型分析方法 | |
CN112764883A (zh) | 一种基于软件定义的云桌面系统的能源管理方法 | |
CN115941504B (zh) | 一种面向微服务系统运行及治理的建模与仿真方法 | |
Xiao et al. | Learning task allocation for multiple flows in multi-agent systems |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210209 |
|
WW01 | Invention patent application withdrawn after publication |