- 1、本文档共12页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
多Agent排队系统结沟墓研究
多Agent排队系统结构研究
摘 要 协调与协作是多Agent研究的核心之一。排队是实现多Agent协调与协作的关键技术。所谓多Agent排队系统是指由多个申请服务的顾客Agent和多个提供服务的服务台Agent组成的一个较为松散的组织,由协调Agent通过调度来协调它们的行为。多Agent服务台休假排队系统是在经典排队系统的基础上再添加一个休假策略,针对不同的应用背景,引人各种各样的休假行为和多Agent群集的思想,而形成的计算机系统。 关键字 agent;排队;MAS1 基本概念 多Agent系统的混合式结构一般是由集中式和分布式两类结构组成,它包含一个或多个管理服务机构,此结构只对部分成员Agent以某种方式进行统一管理,参与解决Agent之间的任务划分和分配、共享资源的分配和管理、冲突的协调等。其他Agent之间是平等的,它们的所有行为由自身做出决策。此种结构平衡了集中式和分布式两种结构的优点和不足,适应分布式MAS复杂、开放的特性,因此是目前MAS普遍采用的系统结构。[2] 鉴于多Agent系统的混合式体系结构,我们设计多Agent排队系统。在多Agent排队系统中主要由两类Agent组成,分别是顾客Agent和服务台Agent。由于系统中服务台数量是有限的,而顾客数是无限的,怎样来协调顾客Agent的行为呢?为了防止在申请服务台的时候发生冲突以及减少顾客与服务台交互的负担,在多Agent排队系统中,我们设置了一个队列Agent和一个协调Agent[3]。多Agent排队系统结构如图1。协调Agent主要承担调度任务,协调顾客Agent和服务台Agent的行为,以及管理服务台Agent。队列Agent是连接顾客Agent和协调Agent的纽带,主要管理队列中的顾客Agent,以及代替顾客向协调Agent申请服务台。服务台Agent主要提供服务给顾客Agent。图1 多Agent排队系统体系结构 在我们设计的多Agent排队系统中,约定:只有一个队列Agent;顾客遵循以λ 的到达率到达系统;服务台Agent的能力是相同的,都能够服务任何的顾客;服务台之间是并联关系,服务台的服务率遵循指数分布;协调Agent采取先到先服务(FCFS)的调度策略。顾客Agent是分散的,而且是平等的,它们的行为由自身做出决策。 在多Agent排队系统中,Agent为了实现自己的目标的同时,必须相互协调,以至达到协作,那么必须以通信为基础。顾客Agent与队列Agent之间、服务台Agent与队列Agent之间,协调Agent和服务台Agent之间,我们采用消息传送的方式。为了减轻过多的通信给系统带来的负担,我们暂且不支持顾客之间的通信。 由此可知,构造Agent的基本要素要有:Agent的心智状态、Agent的知识库、Agent的感知器、Agent的通信。下面给出这几个要素的基本相关理论。2 单Agent的构造 在多Agent排队系统中,顾客Agent、队列Agent、服务台Agent以及协调Agent都需要一个基本的Agent为基础来建造。每个Agent都存在自己的心智状态、知识库、感知器以及通信模块等。为了适应环境的动态变化和协调各自的行为,Agent必须利用知识,修改内部状态,即心智状态(mental state)。知识需要感知器感知环境以及通过通信器与其它Agent进行交互而获得。2.1 Agent心智状态的形式化描述 在我们的多Agent排队系统中,Agent需要和其它Agent或环境交互,因此,Agent需要表示和维护环境的当前状态,这些信息可以根据新的信息的获取而改变,并且可以以Agent的信念或知识的形式存在。另外Agent的存在是为了实现自己的目标或问题的解决,而目标的实现需要多个Agent相互协调。因此,我们在构造Agent心智状态的时候,主要考虑Agent的信念(B)、愿望(D)、意图(I)、目标(G)等因素。单个Agent心智状态可以用下面的六元组表示: Agent={B,D,I,G,brf,drf,irf} 其中: B:信念,描述的是Agent关于环境和自身的信息,这些信息可能不完整,甚至是不正确的。可以分为确定的客观事实和不确定的主观态度。例如“Tom的父亲是Jim”,“我相信明天会下雨”,前者是确定的客观事实,而后者的正确性是不确定的。 Belief::=FactBasedBelief|AttitudeBasedBelief; FactBasedBelief::=fact(x) |aboutfact(x); aboutfact::=fact; AttitudeBasedBelief::=believe(id,t,s); 含义是Agent的信念含有客观事实类信念和主观态度类信念,客观事实类信念包括事实以及有
您可能关注的文档
- 基于JDBC的数据库连的接池技术的研究与设计.doc
- 基于Linux的软件测实脑技术及测试工具应用.doc
- 基于LOD的三维地形康纳视化.doc
- 基于JXTA和P2P的资缘拇发布系统研究.doc
- 基于MapX的多字段专的题饼图的设计.doc
- 基于MAS的虚拟企业康尿架结构设计.doc
- 基于Matlab和VC联合的编程的数据处理系统.doc
- 基于LonWorks现场总的线的机房监控系统.doc
- 基于MO(MapObjects的)的GIS工作空间的研究与开发.doc
- 基于MPLS VPN构建合的肥市电子政务专网.doc
- 数据仓库:Redshift:Redshift与BI工具集成.docx
- 数据仓库:Redshift:数据仓库原理与设计.docx
- 数据仓库:Snowflake:数据仓库成本控制与Snowflake定价策略.docx
- 大数据基础:大数据概述:大数据处理框架MapReduce.docx
- 实时计算:GoogleDataflow服务架构解析.docx
- 分布式存储系统:HDFS与MapReduce集成教程.docx
- 实时计算:Azure Stream Analytics:数据流窗口与聚合操作.docx
- 实时计算:Kafka Streams:Kafka Streams架构与原理.docx
- 实时计算:Kafka Streams:Kafka Streams连接器开发与使用.docx
- 数据仓库:BigQuery:BigQuery数据分区与索引优化.docx
文档评论(0)