一种改进的基于多Agent协作的任务分解算法.pdfVIP

中国电机工程学会第十届青年学术会议 ·吉林 一种改进的基于多 Agent 协作的任务分解算法 李玉 党德玉 （东北电力大学 信息工程学院 吉林 吉林 132012 ） 摘要：多Agent系统中，常常需要Agent之间的相互协作来完成动态环境中的复杂任务。本文分析了基于多Agent协作 中任务分解的原则，提出了一种进行任务分解的与或树和启发式算法相结合的方法，并对算法过程进行了详细的描述。这些 工作为加强多Agent间的相互协作，提高任务完成效率奠定了基础。 关键词：多Agent系统；任务分解；协作 1 引 言 在 MAS 系统中，高效合理的任务分配机制不仅能使系统中各 Agent 最大限度地发挥自身的能力，避免 占用更多的资源，而且当单个 Agent 没有能力完成当前任务时，在现有机制的基础上，通过有效的对话、 协商使多 Agent 合作完成此项任务。为达到这种目的,除了改善任务执行的硬件环境外，还可以改进任务 执行的软件系统，通过软件方式对任务进行分解再分配协同解决，以提高任务的效率。 Agent 接到用户的任务请求后，会根据知识领域决定是否直接执行该任务或委托其它 Agent 执行或是 将任务分解后再由多个 Agent 合作完成。任务分配过程的目的就是要使系统在完成某个任务时的执行和通 信开销尽量小。目前已有的几种任务分配机制有：排队论调度算法、Tribase 模型和启发式任务分配算法 等[1]。任务分解是任务分配的首要条件，任务分解是否合理适当直接影响到任务分配的优化和执行效率。 典型的任务分解是分层的，也就是将任务进一步分解为更小的子任务，直到子任务具有合适的粒度并可以 由单个 Agent 求解为止。此时，需要考虑以下几个问题：一是如何判定子任务的划分粒度。极端的观点 是一直分解到子任务属于不能进一步划分的“原子”动作为止，然而大量的子任务也大大增加了它们之间 相互通信及管理的费用。二是如何完成分解。可能由单个 Agent 或多个 Agent 共同完成问题的分解，这种 情况就要求 Agent 要有较强的能力来做这个工作，它要具有较全面的任务结构方面的知识，分解过程本身 也可以作为合作方式来更好的处理。针对以上问题，本文着重对任务分解进行讨论，提出了一种基于多 Agent 协作，将与或树和启发式算法相结合的任务分解算法，并对求解算法和过程进行了分析与研究。 2 任务分解问题的形式化描述 任务分解的主要功能是将提交的任务分解成多个具有尽可能高并行度的子任务，并选取合理的分配调 度策略，决定由哪些 Agent 执行它们[2]。任务的分解需要考虑任务是如何表示的、分解的方式、完成任务 的组织、资源以及子任务之间的联系。在 MAS系统中还存在如下问题: ①每个 Agent 对系统中其他 Agent 的信息认知不完整。 ②将分解后的子任务指派给多个 Agent 中的任意一个 Agent，需要花费一定的开销。因此,必须考虑这种选 择对执行效率的影响。 首先，给出任务分解问题的一种形式化描述，对任务的描述要求定义问题的范围，明确已知条件及未 知条件，然后根据这个形式化的描述提出一个求解此问题的近似最优解的启发式算法。 根据任务的性质和属性，将任务分解问题定义为如下结构: 〈K,A,E,I,G〉 K 是问题中的知识集，包括任务的初始条件，目标和中间结果。A 是操作集，其中的操作接收相应的 输入信息，经过计算，得出相应的结果，给定的任务将通过这些操作来完成。E 是执行单元集，其中每个 执行者具有不同的能力，并能以一定的开销完成操作集中的操作(如果开销为无穷大，就意味着这个执行 者不能完成此操作)。I 为初始条件集，是 K 的子集，包含任务提出时已拥有的知识。G 是目标集，也是 K 的子集，包含完成任务所必须得到的知识。I 和 G 定义了要完成的任务。K,A,E 定义了完成任务所依赖的 环境。 因此，可定义任务的可行最优分解为下列条件的实现: ①所有的操作在执行前都得到了其必要的输入信息 ②G 中的所有知识都将得