信息演化网络在分布式协同决策中的研究与应用

发布时间：2020-03-22 07:14

【摘要】：无中心式多智能体协同决策作为分布式人工智能一个的热门经典研究领域,一直以来都受到了多方关注,但作为一个典型的综合前沿理论交叉方向,依然存在大量未解决的技术问题。在当前研究中,受到多智能体系统动态性和智能体部分可观测特征的约束,智能体无法观(预)测当前系统的全局状态,进而导致了多智能体协同规划无法依赖于静态预设信息和传统经典离线规划方法。针对上述问题,本文的研究将传统多智能体协同研究视角,从宏观的大规模多智能体系统的研究缩小至微观,即聚焦在协同的根本-两个智能体间的协同行为。研究智能体间的关联、交互与协同等特征在时间演化尺度下的特性与效能分析。本文的研究以智能体间协同交互现象为研究的入手点,以智能体间交互信息为主要研究对象。首先,通过构建面向多智能体协同决策的信息演化网络模型,研究智能体信息随时间演进的典型网络化结构表征与演化特征,并给出了相应的数值实验与分析。然后进一步将抽象的信息演化网络模型实例化为多智能体关联信息图模型,并面向信息的部分可观测约束,设计智能体特征关联集成评估模型和特征信息结点搜索算法,实现每个决策周期内智能体关联集成与计算。在此基础上,拓展传统智能体状态模糊模型,通过构建模糊多属性决策方法实现对智能体的状态构建与评估过程。在上述研究的基础上,构建部分可观测条件下的多智能体局部协同交互决策模型。通过引入智能体间的局部交互行为特征拓展现有的无中心式多智能体协同决策模型,并设计相应的优化求解算法。在实验环节,选取三个典型场景分析了智能体间的局部交互行为对智能体协同决策决策的影响,并对本文提出的启发式局部交互算法进行效能对比。上述研究揭示了多智能体协同决策的本质,通过分析在决策时间演进尺度下的智能体间关联变化、交互变化和信息变化,将信息的演化过程与多智能体协同进行了有效的集成,为面向复杂应用的多智能体协同决策和面向更高层语义需求的复杂状态解析提供了有效的理论基础和技术途径。
【图文】：

28图 2-6 信息演化网络在随机参数下的度分布结果对比下面考虑两种演化动力发挥相同效力的情况，即 = =0.5。尝试采取稳定的新信息到达速率，，即服从速率 的泊松分布。同时考虑在不同信息建立连接边的条件下度分布特征，参数设置如表 2-2 所示，相应实验结果如图 2-12 所示：表 2-2 无交互状态下的 在不同加边均值条件下的图拓扑特征统计参数设置 = =0.5, =4, =1结点总数 平均路径长度 聚类系数 平均度 =6, =500 938 2.80 0.056 13.15

29图 2-7 信息演化网络在不同新信息增加连接边条件下的度分布结果对比在上述结果中，虽然不断增大新信息结点的连接边增加率，但结点的度分布依然服从幂律分布。模型推导理论结果在不同参数设置下的最终拟合都可以与实际数据的统计结果保持一致，具有较典型的无标度特征。下面依然考虑两种演化动力均存在的情况 = =0.5。尝试采取稳定的新信息到达速率和连接边建立条件，即 =4， =4， =1。考虑在不同决策周期长度条件的度分布特征，参数设置如表2-3 所示，相应实验结果如图 2-8 所示：表 2-3 无交互状态下的 在固定参数设置条件下的图拓扑特征统计参数设置 = =0.5, =4, =4, =1
【学位授予单位】：电子科技大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：TP18


本文编号：2594706