多智能体协调控制-修改.ppt

多智能体系统协调控制; ;关于复杂系统的界定 关于复杂系统的基本推论;复杂系统的要素 1.模型：系统的模型通常用主体（agent）及其相互作用来描述，或者用演化的变结构描述。 2.目标：以系统的整体行为，如涌现（emergence）等作为主要研究目标和描述对象。 3. 规律：以探讨一般的演化动力学规律为目的。例如，幂律(power low），遗传规则，自组织临界性（Self-Organized Criticality）等。 ;弱定义 智能体是用来完成某类任务的能作用于自身和环 境、有生命周期的一个物理的或抽象的计算实体。 (2) 强定义 智能体在弱定义基础上,还要包括人类的情感特征, 甚至具备诸如通信能力和理性等，而且这些特性 会随着环境变化而不断地进行能动的自我更新。 ;自治性(Autonomy) 在没有外界干预的情况下自主完成任务的能力。 通讯能力(Communication Capability) 智能体必须具有与其他智能体或环境通讯以便 获取信息的能力。 协作能力(Capacity for Cooperation) 智能体必须具有协作精神以便共同合作。 任务分解能力(Task Decomposition) 机器人个体应该能够对当前的任务做出判定(任务是大是小, 是简单是复杂) ,并根据做出的判定,决定是单独执行任务还是同其它个体协作执行任务。;自适应性(Adaptive Behavior) 为了维护自治和推理能力,智能体必须能评估外部环境的当前状态并将其融入有关下一步行动的决策之中。 推理能力(Capacity for Reasoning) 推理能力是智能体区别于其他软件的关键所在。 总而言之,智能体是设计用来完成某类任务的， 能在一定环境中自主发挥作用、有生命周期的 计算实体， 是在带有过程性的、动态连续的进 程中的发展智能。;;研究对象：以智能体（agent）作为子系统 的模拟对象 研究内容：研究智能群体的若干类协调行 为的动态特性 研究目的：如何对多智能体动态合作行为 进行数学建模，并将其应用于人工世界 （多机器人、多无人机等的协作编队控制）;;多智能体系统的控制结构;分散式 各Agent 具有高度的自治能力，自行处理信息、规划 与决策、执行指令，与其它Agent 相互通讯以协调各 自行为，而没有集中控制单元。分散式结构有较好的 容错能力和扩展性，但对通讯要求较高，且多边协作 效率较低，无法保证全局目标的实现。;分布式 分布式控制结构介于上述两种结构之间，是一种全 局上各Agent 等同的分层、局部集中的结构。这种 结构是分散式的水平交互和集中式的垂直控制相结 合的产物， 既提高了协调效率，又不影响系统的实 时性、动态性、容错性。;多智能体系统的协作方式;显式通信 智能体之间根据固定的网络地址，使用相应的通信协议，进行消息的传输。其优点是可以实现任意点之间的信息交换，但当系统中Agent 的数量增加时， 通信的负担将使系统的运行效率下降，限制了应用范围。 ; 多智能体系统的体系结构;异构多智能体系统 系统通常由几个到几十个能执行特定任务的异 构机器人组成，关键问题是如何在它们之间进行 有意识的合作。主要的研究问题是具有适应性的 行动选择，通信和冲突的解决，它们对系统的性 能具有决定性的作用。 ;多智能体系统的研究意义;多智能体系统的应用;多智能体系统协调控制的研究热点;一.生物群体的群集行为(Flocking Behavior) 群集行为是指一群自主的运动个体能够保持成 团队的形式向某一目标地迈进。在对个体行为建模 的时候一方面需要有使得群体保持集聚在一起的能 力，另一方面也要使得个体具有对环境所施于的刺 激(跟踪的目标物的位置信息)做出适当反应的能力。 ;群集行为研究的三个阶段： 1.生物学家大量的研究和探索阶段 (1)雁群迁徙行为 排成整齐的一字形或人字形队列，有利于大雁的 自我调整以避开天敌或障碍等;(2)鹿群逃避行为 以合理的队形统一行动，而不是作胡乱分散，某只鹿可能没有看到天敌，但其可以根据邻近的其它鹿的奔跑方向来决定自己的行动方式。 ;(3)蜜蜂筑巢行为 在没有可供参考的设计蓝图或领导者的 指导的情形下，蜂群能构建具有结构强度最优 的蜂巢;; 此外，有些群集行为可以展示很好的流动性和 均匀性。;2.实验物理学家和计算机专家的仿真和实验阶段 普遍采用模拟仿生的方法证明生物群集现象可 以由个体的简单行为规律获得。 目前由大规模的简单、同类型的个体自组织