一、一种基于分布对象技术的Agent计算框架(论文文献综述)
李和壁[1](2021)在《高速铁路列车群运行仿真系统技术研究》文中研究说明针对我国高速铁路成网条件下固定设施跨越式发展与移动装备运行速度高、车型种类多,运营组织复杂、调度指挥难度高之间不平衡的协同难题,为明确高、中速列车共线运行、多类行车闭塞方式和列控方式共存的复杂模式与我国铁路设计规划、运营调度间的接口关系,挖掘铁路线路设计方案与车站拓扑结构对线路通过能力的影响,满足铁路运输组织的理论研究、工程运用对高速铁路网络系统基础设施分析规划的要求,量化列车时刻表适应性并分析突发事件和列车晚点对时刻表与后续行车波动影响,有必要利用相关理论构建关键技术仿真模型,开展我国高速铁路列车群运行仿真技术研究,进而为我国高速铁路路网规划设计、列车运行图调整优化、列控平台测试验证提供科学支撑。作者在阅读研究国内外学者相应研究成果基础上,梳理了列车群行车仿真理论方法,以我国高速铁路运输组织特点为基础,构建了高速铁路列车群运行仿真系统技术理论框架,并综合基础设施数据、动车组数据与列车时刻表数据等仿真基础数据,实现了信号系统模型、相关控车逻辑、列车车站运行模型以及多并发仿真算法,通过调度集中控制系统仿真模块构建CTC功能,从系统架构搭建、基础数据管理、列控系统建模等方面详细论述了列车群行车仿真技术。主要研究内容包含以下6个方面:(1)以实现单一列车在区间运行仿真为目的,对高速动车组不同工况下的受力进行分析研究,构建运动模型底层抽象类,具体化各型号列车牵引制动模式并予以分类,以此为基础构建高速铁路动车组运动模型并进行仿真研究。(2)以实现多列车区间运行追踪仿真为目的,针对高速铁路安全防护超速控车实际场景,建立应用于仿真体系的列控模型,基于此实现列控核心算法,通过模拟紧急制动曲线以及常用制动曲线触发逻辑,结合基础设备模型底层抽象类,开展高速铁路列车群多列车追踪列控模型仿真研究。(3)以实现高速铁路列车群路网仿真运行为目的,利用同异步仿真原理,探究同步异步仿真策略在高速铁路动车组仿真过程中的具体运用逻辑,基于线程池动态管理机制,实现列车群运营周期覆盖、CTCS-2/3信号系统逻辑以及CTC调度集中控制仿真,构建同异步架构下的多并发列车群运行控制仿真模型。(4)以实现高速铁路列车群动态显示仿真为目的,将路网基础设施结构作为底层数据框架,通过路网实际LKJ数据与设计施工数据多种方式存取,以同异步架构下的多并发列车群控制仿真模型为基础,开展高速铁路列车群动态显示仿真技术研究。(5)以计算铁路通过能力为目的,结合既有技术及框架,以真实铁路路网数据为基础,首先分析目标线路列车追踪间隔方案是否可行,进而搭建大型枢纽站通过能力、区段通过能力以及既有线改造需求下车站通过能力的计算场景,设计相关模型及算法,通过高速铁路列车群运行仿真技术验证其有效性。(6)以分析高速铁路晚点传播影响为目的,以真实行车数据为基础,构建服从随机系统事故分布以及CDF累计分布的铁路基础设备疲劳度概率模型,并据此开发设备随机故障模块,建立行车仿真随机干扰集,搭建列车晚点传播模型及场景,通过模拟设备失效分析其对运输秩序的影响程度及波动范围,探究晚点影响传播特性,进而为非正常行车组织方案优选提供手段与支撑。高速铁路列车群运行仿真平台涉及列车运动模型、路网结构搭建、路网里程转换、列车群并行、列车牵引计算、信号系统调优、列控计算、列控参数调整等一系列问题,属于铁路多学科多领域的交叉问题。开展融合多种模型技术的列车群运行仿真研究,不仅可以通过微观运动仿真实现验算制动能力、提高行车密度与通过能力,同时在宏观上进行辅助路网的规划设计,为深层次提高铁路路网运营服务水平提供有力支撑。
范怡帆[2](2021)在《基于强化学习的人机谈判系统》文中研究表明随着人工智能的兴旺,电子商务行业迎来了新的发展机遇。随着在线交易的频率和规模的增加,商家与客户之间的在线协商和沟通变得越来越频繁。因为它们无法实现谈判,也无法分析用户,因此难以针对特定用户更好地达成交易。在线交易谈判流程的自动化已逐渐成为商家和消费者的潜在需求。但是,现有的在线对话系统(例如淘宝上的阿里小蜜和京东的在线客户服务)无法很好地满足这样的需求。目前,一方面,自动谈判的研究者主要集中在计算机对计算机的谈判上,而对人机谈判的研究不多。另一方面,对话系统的研究人员很少关注自动谈判。因此,在本文中,我们将对话系统的体系结构与自动谈判集成在一起,研发了一个人机谈判系统。它可以代替人工客服来处理许多重复性和多样化的谈判。它可以随时随地与多方进行谈判,从而显着提高谈判效率,并减少企业使用人工客服的成本。具体来说,我们基于微信小程序平台,研发了一个基于强化学习的人机谈判系统。我们的系统能够应对不同的用户或同一用户的不同出价方式,并采用动态谈判策略,提高谈判的效率。本文的主要贡献如下:我们综述了对话系统和自动谈判系统领域中的最新技术,比较了它们的优点和缺点,并建议了进一步研究的方向;我们将强化学习与用户行为建模相结合,设计了一种新颖的谈判策略,这个策略让我们的谈判系统在谈判中可以根据用户的行为来调整谈判策略;我们编写了对话语料和谈判语料库,采用fast Text算法训练识别人类意图的分类器,并且我们用基于特征词抽取的匹配算法来提取谈判对话中与价格相关的结构化信息;我们在微信小程序平台上实现人机谈判系统,该系统包括了分别从用户界面,对话理解,对话谈判管理和对话回应生成四个模块,并使用中文的自然语言与用户进行多轮谈判;我们进行了大量实验来分析我们的系统,通过分析意图识别模型的性能评估对话理解模块的性能,从系统谈判效率、对话成功率和公平性三个方面分析谈判策略的有效性,采用问卷调查的方式分析用户对系统的满意度。实验结果表明,我们研发的系统可以很准确地识别人类对手的意图,与人类对手进行谈判的效率、成功率以及公平性,大部分人类对手对我们的系统表示满意。本文设计和实现的人机谈判对话系统为研究对话系统和自动谈判的学者们提供了一个新的研究方向。
潘昭天[3](2021)在《基于博弈论和多智能体强化学习的城市道路网络交通控制方法研究》文中研究说明信号交叉口交通流的受控过程对城市道路网络性能具有重要影响。然而,现有城市道路网络交通控制方案优化设计仍处于优化-性能改善-需求增加-性能恶化-再优化的循环困境。当经济、技术、城市建设程度迅速发展引发交通需求变化加速、交通流动态性增强,优化困境面临周期缩短的问题。交通控制方案频繁迭代优化将造成城市交通建设成本增加。抑制相应随机性诱发交通拥堵能力不足是现有交通控制方法面临的主要问题。因此,有必要针对城市道路网络交通流动态、随机性展开城市道路网络控制方法研究。此外,网络节点失效扩增交通拥堵蔓延引发路网性能下降也需要考虑。围绕城市道路网络交通控制方法研究:(1)在城市道路网络分布式的交通控制方法与交通分配、信号控制耦合方法之间,对交通信号控制领域理论体系中作进一步补充完善;(2)使交通信号控制系统具备自适应改进能力,能够随路网拓扑关系及交通需求共同演化,避免迭代优化的循环困境。论文从随机出行需求下的分布式动态交通分配、应对随机出行需求影响的分布式交通信号控制、应对网络节点失效的信号控制系统鲁棒性增强三个方面展开研究。(1)分布式动态交通分配方法,对随机出行需求分配,从根源抑制路网交通拥堵产生,为后续研究的关键基础。构建异构建议者多智能体团体,耦合异构建议者建议约束决策者动作空间,使其在有限动作空间内采用混合策略形式分配出行需求,提升多智能体强化学习在动态交通分配任务方面的运行效率;构建差异化回报函数机制,使智能体在学习中实现用户均衡原则;设计自适应学习率机制,提升方法对随机出行需求以及交通状态变化的敏感性,增强其再学习能力。经验证分析,分布式动态分配方法有效改善城市道路网络中个体出行者平均出行时间、提升网络整体吞吐量水平,且出行需求分配结果满足用户均衡原则。此外,研究也表明,与分布式交通信号控制方法相耦合,能够有效降低路网内出行延误水平。(2)分布式交通信号控制方法,从应对出行需求随机性影响出发维持城市道路网络性能稳定、进而缓解抑制交通拥堵发生、蔓延,是研究中的重要核心。引入博弈中混合策略纳什均衡概念,改进多智能体强化学习决策过程,使智能体隐式获取全局信息,增强其在不同随机出行需求状态下维持路网性能稳定的能力;在混合策略纳什均衡解基础上,引入Jensen-Shannon散度构建自适应学习率机制,增强信号控制智能体对局部交通流状态变化的敏感性,使其具备收敛后再学习能力。经验证分析,分布式交通信号控制方法在应对出行需求骤增、起讫点间出行需求分布骤变以及路网中出行需求分布不均衡、到达率随机引发随机性影响方面具有良好控制效果,将城市道路网络出行延误维持在较低水平。然而,验证也表明其仅适用于城市道路网络流量输入适中的情况下,是一种对城市道路网络时空资源深度挖掘的方法。(3)应对网络节点失效的信号控制鲁棒性增强方法,侧重于在路网结构受损时,强化信号控制方法维持路网性能的能力,是对重要核心的补充。立足于多智能体系统,构建对城市道路网络节点等级度量方法,实现对路网关键节点判别;引入路网节点交通状态,构建节点各向异性影响力传播机制,实现节点交互关系动态演化;根据节点交互结构差异,修正相应信号控制智能体混合策略纳什均衡求解决策过程及回报函数机制。经验证分析,在少量节点失效情况下,论文方法能够较好的将城市道路网络出行延误维持在较低水平,且在节点失效时间增加时有效抑制路网性能下降速度。然而,当路网拓扑结构严重受损、承载能力无法满足出行需求时,该鲁棒性增强机制难以提升信号控制方法性能。综上所述,论文构建动态交通分配方法出行需求分配从根源抑制交通拥堵的形成,该方法可独立执行交通分配任务,与分布式控制耦合使用可以有效抑制拥堵,还是信号控制鲁棒性增强机制的关键接口。针对随机出行需求影响构建的分布式交通信号控制方法,能够在局部交互过程中隐式地感知全局信息,有效缓解、抑制随机出行需求诱发的交通拥堵。而信号控制鲁棒性增强机制,构建节点间交互关系,实现信号控制方法网络节点失效鲁棒性提升。将分布式动态交通分配、分布式交通信号控制、信号控制鲁棒性增强机制相融合,使交通控制系统能够有效应对频繁的优化困境且具跟随城市道路网络共演化的能力。
赵毓[4](2021)在《多智能体系统自主规避任务决策方法研究》文中研究指明随着航空航天事业的高速发展,越来越多的飞行器采用群体或多体协同的方式执行任务,呈现出典型的多智能体特征,适于使用多智能体理论对其进行分析和建模,对分布式自主决策技术的需求日益突出。飞行器自主规避是确保其安全性最直接有效的方法,但是当前对相关技术的研究多是基于静态全局规划算法,难以满足动态场景中多实体间实时协同需求。为了解决多实体协同规避问题,本文引用多智能体系统思想对其进行规避任务决策技术研究。多智能体系统有着自主、高效和可扩展的优点,本文将其与强化学习技术相结合,用以设计飞行器决策算法。本文以航天器反拦截、无人机避碰和空间机械臂轨迹规划等典型任务为研究背景,对多智能体自主规避任务决策问题进行研究,结合真实约束条件,实现智能体的实时决策。本文取得主要研究成果如下:在运动分析基础上给出智能体与环境交互的数学模型。针对多智能体系统规避决策问题,建立部分可观马尔科夫决策模型,考虑部分可观的约束条件,结合博弈理论研究了多智能体马尔科夫博弈问题,分析常规回报函数的设计方法,并给出了求解序列决策的三种典型方式。在多智能体强化学习方面,分析了航天器规避机动场景和空间机械臂捕捉场景的决策流程;将策略梯度方法向多智能体系统进行改进研究;提出一种基于策略协调和信度分配的Actor-Critic强化学习方法,用于解决全局可观条件下决策器的训练和策略提升问题,并给出相关收敛性分析;根据任务需求设计各关键环节的神经网络结构和算法流程。分别在航天器反拦截和空间机械臂避障规划等多种任务场景中进行了强化学习训练,通过对累积回报值和成功率的结果对比分析验证了所提方法的正确性和有效性。在强化学习算法应用方面,分析典型任务场景对决策效率的约束情况;针对问题场景设计了进行任务决策的神经网络结构,并对其不同部分设计压缩方法;在神经网络权值聚类和量化的基础上,提出一种自适应分层重构剪枝方法,该方法以重训练的方式对目标神经网络进行动态剪枝和压缩,用于提高决策器运行速度,并压缩其存储空间;对部分可观条件下的任务场景进行强化学习系统设计,详细给出了回报函数的设计方法。分别在有限空域大量无人机场景和多航天器反拦截场景对提出方法进行仿真验证,从决策运行速度、累计回报值和成功率等方面对算法性能进行分析和讨论,并验证了所提强化学习方法对实体数量可变环境的适应性。在任务环境稀疏奖励问题上,对任务场景约束和常规强化学习算法局限性进行分析,设计了案例评价机制;提出逆值法强化学习算法,解决了奖励延迟分配和无奖励引导系统学习效率低的问题;基于马尔科夫博弈理论设计了自学习系统,并结合启发式搜索思想分析了所提算法的收敛性;分析了有扰动状态输入情况,并设计了用于对比分析的有限状态机;分析了算法优势和改进方向。在仿真验证中与前文章节训练所得决策器进行了对比分析,验证了所提算法的正确性和相关性能优势。本文对多智能体决策技术进行探索,研究了信度分配、策略协调、执行提速和稀疏奖励等重要方向,提高了航空航天硬件设备在执行任务中的存活率,所得研究成果对航空航天安全保障技术的发展具有一定的参考价值。
朱本飞[5](2019)在《干散货码头系统分合机理及仿真建模方法研究》文中提出经济的快速发展带来对干散货需求量不断增加,同时由于煤炭和矿石等资源分布的不均匀性,形成了目前大宗干散货的跨区域运输局面。干散货码头是干散货水路运输网络中的重要节点,发挥着不可替代的作用。干散货码头是一个涵盖海侧、堆场和陆侧等多个作业环节的物流系统,呈现出多输入、多输出、动态性、非线性等复杂特征。对于干散货码头设计、建设和运营等过程中出现的工程实际问题,依靠传统方法来解决变得越来越困难。对此,论文将系统仿真方法引入到干散货码头物流系统,讨论了干散货码头系统分合机理及其模块化建模方法与应用。论文的工作主要包括两方面:其一,站在复杂系统建模思想体系的层面,提出了一个基于系统分合机理的模块化仿真建模方法,搭建面向干散货码头的仿真子模块库和建模框架库,为模块化建模方法的实现提供了基础。其二,从工程应用角度出发,针对传统方法在解决码头工程问题的局限性,结合所提的基于系统分合机理的建模方法,将改造HLA建模法、分块-集成建模法、MAS建模法等应用到这些工程问题中,以提供可行的定量化解决方案。总的来看,论文的主要研究内容和创新点如下:(1)通过分析码头系统的耦合关系和分合机理,提出了一个基于系统分合机理的模块化仿真建模方法,并开发了子模块库和建模框架库。基于DEVS的层次化模型的构建过程,将DEVS离散事件系统规范中耦合模型的组合过程迁移到干散货码头仿真模型的建立过程中,分析了干散货码头的系统分合机理及其模块化建模方法。它的核心是基于标准化的子模块,以特定的模块组合的方式形成仿真模型。建模框架库和子模块库是基于系统分合机理的建模方法的两大基础。为推动这种建模方法的应用,开发了一个子模块库和一个建模框架库。(2)提出了基于改造HLA建模的散货码头通过能力分析方法。目前码头通过能力的计算往往采用经验公式。它将海侧区域的通过能力直接作为码头的综合通过能力。而事实上码头通过能力受到码头的海侧、堆场、陆侧三个环节的影响。论文结合干散货码头的系统分合机理的成果,将改造HLA建模方法应用到散货码头建模过程中,建立了一个考虑干散货码头全部生产环节的仿真模型。基于流程和规则,通过模拟码头的运营过程来分析码头的通过能力。(3)提出了基于分块-集成建模法的散货码头生产效能评估方法。码头的生产效能受到多种复杂因素的非线性综合影响。目前生产效能评估更多的是基于专家经验的静态评估和事后评估。论文将分块-集成建模法应用到生产效能评估过程中。它通过建立干散货码头全部作业环节的仿真模型,研究生产效能指标与输入因素之间的动态变化关系,实现了生产效能的事前评估和动态评估。(4)提出了基于MAS建模法的水水中转码头设计方案定量化比选方法。以往的方案比选主要依靠工程人员的经验进行定性和静态地比较。论文提出了一种基于MAS建模法的定量化分析评价方法。它以系统分合机理的建模方法为基础,所建立的MAS模型特点是模型体系中既覆盖了码头不同环节的诸多功能性实体Agent,又包括很多管理决策Agent。基于这种综合性MAS的仿真模型分析获得不同方案的生产作业性能,实现对不同设计方案的定量化比选。综上所述,论文通过分析干散货码头装卸工艺系统的分合机理,提出了基于系统分合机理的建模方法。该方法是一种基础性方法,它提供了建模所需的子模块和建模框架。基于系统分合机理的建模法可以与改造的HLA建模、分块-集成建模、MAS建模法等进行结合,作为这些建模方法开发仿真模型的基础。
吕建,马晓星,陶先平,徐锋,胡昊[6](2006)在《网构软件的研究与进展》文中提出随着Internet的快速发展与普及,如何在开放、动态、难控的网络环境下实现各类资源的共享和集成已经成为计算机软件技术面临的重要挑战之一,为了应对挑战,许多新理念、新概念、新模型、新方法和新技术应运而生.在系统分析以面向对象方法与技术为代表的经典软件方法与技术体系不足的基础上,从软件方法学及其技术支撑的角度,通过对软件技术发展趋势与挑战的思考与分析,初步凝练出了网构软件的概念框架、基本特征、逻辑内涵与关键技术.然后,在此总体构架之下,对近年来出现的各种相关的软件新概念、新模型、新方法和新技术从基本理念开放化、软件实体主体化、软件协同分离化、运行机制自适应、开发方法群体化、外部环境显式化、安全保障可信化、系统管理自治化、技术体系系统化等多个侧面加以系统的综述与介绍;最后,在综合分析的基础上提炼出进一步的研究问题.
邓超[7](2005)在《面向Agent的智能化分布式计算及其应用研究》文中研究说明本文研究的重点是探讨利用Agent技术构造智能化分布式系统的方法,在此研究基础上构建智能分布式GIS服务平台和智能优化计算平台及相关应用系统。 基于Internet的分布式计算模式是当今分布式系统发展的必然趋势,随着Internet的快速发展,分布式系统的应用环境跟传统的应用环境区别很大,随着用户访问系统使用的网络终端设备的多样性和差异性,访问系统所使用的网络带宽的差异,再加上个性化的需求和使用倾向及习惯,综合这些因素,在构建分布式系统时候所要求的智能性,互用性,重用性和可靠性等等都增加了问题解决的复杂度和困难程度。然而现有的分布式系统解决方案却存在很大的局限性,需要新的技术方法和手段来支持。Agent技术是一种全新的分布式计算技术,Agent是分布式环境下持续自主运行的计算实体,具有主动性、交互性、反应性、自主性等特点。一方面Agent技术为解决新的分布式应用问题提供了有效的途径,另一方面,Agent技术为全面准确地研究分布计算系统的特点提供了合理的概念模型。基于Agent的构建的智能化分布式系统是解决当前分布式计算所面临挑战的有效的方法。 本文首先分析和讨论了Internet计算模式下分布式计算面临的问题和新要求,提出新的面向Agent的智能化分布式计算框架,建立框架的分层模型,将智能Agent引入框架结构的各层中并详细论述模型中各层次的功能和组成,同时设计定义了Internet计算模式下基于XML和SOAP协议的Agent通信语言X-ACL; 结合我们的面向Agent的智能化分布式计算框架,将Agent技术运用于分布式GIS服务的建设中来,通过分析分布式GIS服务的特点,构造一个基于Agent技术的分布式GIS服务系统框架模型,不仅为了解决GIS的数据共享和服务共享,设计了标准化的空间数据模型和空间元数据模型,更着重于深层次的GIS应用协作和智能GIS信息服务;最后基于研究成果,构建了863项目“杭州数字地籍空间数据统一获取、建库平台及其重大应用示范”,作为数字杭州的核心组成部分; 结合我们的面向Agent的智能分布式计算框架,将Agent技术运用于分布式智能优化计算平台中,为各领域的智能优化计算提供高性能的计算服务以及灵活、方便的二次开发服务。提出新的分布式计算资源分配的算法,为智能优化计算在工业界的实际应用提供基础平台; 针对电力行业的实际工程问题,我们提出了电力机组组合优化问题和混煤优化
李建华[8](2005)在《GIS动态集成框架及其UIB核心相关问题研究》文中认为分布式地理信息系统的运作过程以资源共享、任务分担和协同工作为主要目标,突出的问题是异构系统的集成、资源共享和群体协作,而有效的解决以上问题的途径是遵循开放的原则,采用标准化技术,建立集成软件环境。开放性、标准化、构件化的软件开发思路也是面向复用的软件工程化开发和工业化生产的必然趋势。目前主流软件开发技术支持这一目标的实现,并且制定了较为全面的规范和接口标准。但是由于实现厂商的差别,事实上他们产品之间集成与互操作的实现存在很多问题。另外他们可能无法满足众多领域所需的多类服务需求,因此用于特定领域的工业级公用集成总线的研究被提出并被认为是解决领域集成的可行技术。 本文拟通过GIS领域分析和多类使能技术的性能比较,将软件体系结构原理、方法与基于构件的软件开发方法相结合,从两个不同层次,探讨开放式GIS公用集成总线(GUIB:GIS Utility Integration Bus)的软件体系结构和实现技术。在此基础上,提出建立以GUIB为核心,融Agent开发策略、Web应用于软构件/软总线技术之中的分布式自适应动态集成框架,将紧耦合集成和松耦合协作的设计集成。并进一步分析了框架内GIS领域设施建设的关键技术问题(如:通信、信息交换模型、分布式空间事务管理、并发模型与并行控制等),研究建立在框架基础上的应用集成技术,解决分布式GIS系统集成的底层公共业务逻辑功能,使得GIS的开发者只关心面向不同应用领域的特定功能部件或代理的开发,从而降低系统集成的复杂度,试图为分布式GIS集成提供一种支持动态配置、支持演化、与平台无关的公共业务逻辑服务级框架,实现基于软件体系结构的更高层次的软件复用。论文主要内容如下: 1.利用领域分析方法,在详细讨论GIS环境模型、需求模型和系统模型的基础上,指出了分布式GIS领域设施建设的重点研究所在,提出了GUIB的软件体系结构。分析了建立基于GUIB核心的动态框架所面临的问题并给出了解决方法。 2.研究了以GUIB为核心构建动态框架并最终实现分布式集成应用的核心支持技术。主要成果包括四方面内容: ⅰ.以共享领域本体论为前提,参考OGC的信息交换规范,利用XML/GML等信息描述工具,建立了框架内的一致性信息交换模型,并在此基础上研究了基于GUIB的框架内及框架间的分布式GIS互操作模型。 ⅱ.在综合分析ADL、CDL、WSDL及OGC提出的地理空间服务元数据模型的基础上,提出了一种扩展的地理空间服务元数据模型。以期达到GIS软件体系结构及构件描述语意上的一致性。从而支持构件的描述、检索、
彭德巍[9](2004)在《移动Agent中间件平台及其测试模型研究》文中认为Agent是指分布式系统或协作系统中能持续自主发挥作用的计算实体,它具有自主性,交互性,反应性,主动性,可移动性,合理性等特征。其中可移动性Agent以其自主性、节约网络带宽、平台无关性等优势受到大家特别的关注,目前已经有大量这方面的研究,并且提出了一些移动Agent平台。但从目前的研究情况看,移动Agent本身的应用并未如预期的那样理想。诸多的问题阻碍了基于移动Agent系统的广泛应用,其中安全性问题,集成问题,互操作问题是最大的影响。要想提出一个完美的解决方案并非易事。将移动Agent技术和其它已经成熟的技术相结合,利用成熟技术的市场优势,弥补自身的不足,尽快成为业界的主流,占据市场的主导地位,是移动Agent技术发展的一个策略和趋势。 CORBA(Common Object Request Broker Architecture)是OMG(Object Management Group)提出的一套分布式对象技术标准。CORBA没有从根本上脱离RPC(远程过程调用)的局限,只能将数据移动到计算端。但CORBA有其独特的优越性,ORB(Object Request Broker)是CORBA的核心,它作为转发消息的中间件,实现了对象间的无缝集成和互操作,具有平台无关性、安全性、可重用性、集成遗留系统等优点,而且CORBA/IIOP具有强大的技术和市场优势,尤其是在解决遗留系统的互操作问题上。如果移动Agent能够作为CORBA对象或服务器进行调用或提供服务,使CORBA具有将计算移动到数据端的功能,将会极大地提高CORBA应用系统的效率和灵活性,那么我们能够很容易解决移动移动Agent与遗留系统的互操作以及在遗留系统中引入移动Agent的问题。 标准的建立是移动Agent技术走向成熟的前提,也是目前解决移动Agent系统之间互操作问题主要方法。目前,商业化和实验性的移动Agent系统多达近百种之多,这些系统在体系结构和系统实现上都存在着较大的差异,严重阻碍了移动Agent系统的互操作和移动Agent技术的推广。为此,很多公司向OMG(Object Management Group)提交了有关移动Agent的规范建议书。其中最有影响的是Open Group、IBM、General Magic等多家单位和公司共同提出的“移动Agent系统互操作草案”MASIF(Mobile Agent System Interoperability Facility),它可以看作是目前移动Agent系统的一个标准。MASIF定义了Agent系统之间、以及Agent系统与原有非Agent系统(1egacy system)之间的接口MAFAgentSystem和MAFFinder,它主要从移动Agent系统的命名、移动Agent系统类型和定位、移动Agent的移动以及移动Agent的管理等几个方面制订了一系列标准。但MASIF也存在着如下的不足之处:它没有有关语言互操作的内容,MASIF只限于用相同语言实现的移动Agent系统间的互操作;另外,MASIF也没有不同区域间的移动Agent定位机制以及安全互操作等内容进行标准化。Agent的另一个标准化组织智能物理Agent基金FIPA(Foundation of Intelligent Physical Agent)组织也在致力于Agent技术和互操作规范的制定和推广,使不同公司和组织开发的Agent系统进行最大限度的互操作,与OMG不同的是,该组织制定的规范主要针对智能Agent系统。该组织已经开发出FIPA97、FIPA97 V2.0、FIPA2000等一系列规范,目前仍在不断的修正和推出新的规范。
李荷华[10](2003)在《面向智能体的化工过程运行系统信息集成模型研究》文中研究表明流程工业自动化水平较高,但信息化水平不足,造成了自动化孤岛的存在。探索实现自动化孤岛之间信息集成的理论和方法,解决流程工业广泛存在的自动化孤岛问题,是本论文的研究目的。本文首次提出了用XML建立流程工业运行系统的数据模型,并运用智能体(Agent)技术实现对过程运行系统中运行任务建模,在此基础上提出了一个基于XML(Extensible Markup Language)和多Agent的用于过程运行系统信息集成的开发式集成平台。为了实现与现有网络技术的融合,采用浏览器/服务器(B/S)模式实现该平台与Intranet的集成。 对于流程工业来说,为了最终实现企业联盟达到敏捷制造的目的,必须在企业内部实现集成(数据集成->信息集成->过程集成->企业集成->企业联盟->……)。为了实现上层系统的集成,首先必须实现下层数据的集成。但是对于流程工业来说,尤其是对于流程工业的运行系统来说,数据集成非常困难。一方面是数据结构复杂;另外一方面是数据之间关系复杂。采用传统的数据库集成技术以及STEP标准,不能满足运行系统数据集成的需要。本文提出用XML和STEP标准结合的方式建立运行系统的数据模型,能够解决过程运行系统中数据结构复杂、相关性强这个难题。同时采用XML建立的数据模型,具有良好的可重用性。 智能体技术非常适合处理结构复杂、耦合性强的系统。能够根据所处的环境作出反应,同时具有自学习功能。本文运用Agent方法分析过程运行系统,并建立了运行子系统的Agent模型。针对过程运行系统的特点,提出用多智能体协作和竞争来描述运行系统中各子系统之间复杂关系。根据运行系统的实际情况,采用了两种多智能体结构结合的方式。同时根据粒度不同,功能不同的特点,把运行系统中的运行任务设计为不同粒度的智能体。 不同智能体之间的通信采用XML,XML同时用来建立智能体的知识库和历史库。在此基础上,开发出流程工业运行系统的开方式集成平台,实现不同运行任务的集成。并重点针对目前企业界普遍存在的遗留系统问题作了深入地研究,提出了针对遗留系统接口开发规范。实现集成平台对遗留系统的开放性。 为了实现集成平台与网络技术融合,最后在Intranet的基础上,用B/S模式实现了本文提出的信息集成平台。针对甲苯脱烷基化制苯(HDA)的设计过程的研究和TE过程中遗留系统及新开发系统的集成研究表明,信息集成平台在实现不同子系统的数据集成、信息集成以及任务集成具有优势。同时系统在开放性和拓展性方面也具有良好的性能。
二、一种基于分布对象技术的Agent计算框架(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种基于分布对象技术的Agent计算框架(论文提纲范文)
(1)高速铁路列车群运行仿真系统技术研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 研究背景 |
1.2 研究内容 |
1.3 研究意义 |
1.4 论文结构 |
1.5 论文资助 |
2 国内外研究综述 |
2.1 国外研究现状 |
2.1.1 仿真系统维度综述 |
2.1.2 模型构建维度综述 |
2.1.3 设备仿真与扰动调整综述 |
2.2 国内研究现状 |
2.2.1 列车运行控制维度综述 |
2.2.2 调度运营仿真维度综述 |
2.3 既有研究借鉴及总结 |
2.4 小结 |
3 高速铁路列车群运行仿真技术 |
3.1 高速铁路动车组运动模型 |
3.1.1 动车组受力分析 |
3.1.2 动车组运动模型 |
3.2 高速铁路动车组列控模型 |
3.2.1 动车组ATP列控模型 |
3.2.3 动车组ATO列控模型 |
3.3 同异步架构下的多并发列车群运行控制模型 |
3.3.1 多并发列车集群运行框架 |
3.3.2 CTCS-2/3 信号系统逻辑 |
3.3.3 多并发列车集群运营周期 |
3.3.4 CTC调度集中控制仿真实现 |
3.4 高速铁路列车群动态显示仿真技术 |
3.4.1 仿真底层基础数据输入 |
3.4.2 仿真线程池动态管理机制 |
3.4.3 仿真基础路网图构建策略 |
3.5 小结 |
4 高速铁路列车群运行仿真系统 |
4.1 列车群运行仿真架构 |
4.1.1 系统整体架构 |
4.1.2 数据架构 |
4.2 列车群运行仿真基础数据模块 |
4.2.1 底层数据输入模块 |
4.2.2 路网铺画模块 |
4.3 列车群运行仿真动车组模块 |
4.3.1 列控配置模块 |
4.3.2 动车组配置模块 |
4.3.3 列车配置模块 |
4.4 列车群运行仿真运营模块 |
4.4.1 时刻表模块 |
4.4.2 进路编排模块 |
4.4.3 计划运行图模块 |
4.5 列车群运行仿真输出模块 |
4.6 小结 |
5 高速铁路列车群运行仿真系统运用实证 |
5.1 区段追踪间隔方案可行性分析 |
5.1.1 区段追踪间隔方案仿真原理 |
5.1.2 可行性分析仿真实现 |
5.2 改进Rotor模型的区段通过能力计算仿真应用 |
5.2.1 数据处理及Rotor模型 |
5.2.2 改进Rotor模型通过能力计算方法 |
5.3 高速铁路列车群仿真晚点传播 |
5.3.1 正常真实行车数据场景仿真 |
5.3.2 突发事件对后行列车产生的影响 |
5.3.3 列车群运行晚点传播影响 |
5.4 小结 |
6 结论 |
6.1 主要研究工作 |
6.2 主要创新点 |
6.3 研究展望 |
参考文献 |
附录 |
作者简历及攻读博士学位期间取得的科研成果 |
学位论文数据集 |
(2)基于强化学习的人机谈判系统(论文提纲范文)
摘要 |
Abstract |
第1章 引言 |
1.1 研究背景 |
1.2 研究的动机 |
1.3 技术路线 |
1.4 本文主要贡献 |
1.5 本文结构 |
第2章 文献综述 |
2.1 引言 |
2.2 对话管理 |
2.2.1 对话行为识别 |
2.2.2 对话状态跟踪 |
2.2.3 对话策略 |
2.2.4 本节小结 |
2.3 对话回应生成 |
2.3.1 基于规则的方法 |
2.3.2 基于知识的方法 |
2.3.3 基于深度学习的方法 |
2.3.4 基于生成式的特殊模型 |
2.3.5 基于知识和深度学习的混合方法 |
2.3.6 本节小结 |
2.4 对话系统的评估 |
2.4.1 评估基于任务的对话系统 |
2.4.2 评估开放域对话系统 |
2.4.3 基于学习的评估 |
2.4.4 挑战 |
2.4.5 本节小结 |
2.5 强化学习 |
2.5.1 简介 |
2.5.2 Q学习算法 |
2.5.3 本节小结 |
2.6 人机谈判 |
2.6.1 人机谈判必要性 |
2.6.2 人机谈判策略 |
2.6.3 谈判的相关方法 |
2.6.4 基于强化学习的人机谈判 |
2.6.5 本节小结 |
2.7 本章小结 |
第3章 系统结构 |
3.1 引言 |
3.2 人机谈判对话系统框架 |
3.3 系统模型定义 |
3.4 系统主函数 |
3.5 本章小结 |
第4章 人机谈判系统的用户界面 |
4.1 引言 |
4.2 用户界面的设计 |
4.2.1 基于微信小程序的前端输入 |
4.2.2 基于Flask框架的后台输出 |
4.3 用户界面的实现 |
4.4 本章小结 |
第5章 谈判对话理解 |
5.1 引言 |
5.2 对话理解的方法 |
5.2.1 基于特征词抽取的匹配算法 |
5.2.2 基于fast Text的意图识别 |
5.3 对话理解的实现 |
5.4 本章小结 |
第6章 基于强化学习的对话谈判管理 |
6.1 引言 |
6.2 对话谈判管理的原理 |
6.2.1 用户行为建模 |
6.2.2 基于Q学习的谈判策略 |
6.2.3 基于Q学习与用户行为建模的谈判策略 |
6.3 对话谈判管理的实现 |
6.4 本章小结 |
第7章 谈判回应生成 |
7.1 引言 |
7.2 基于模板匹配的回应生成方法 |
7.3 对话回应生成的实现 |
7.4 本章小结 |
第8章 谈判示例与分析 |
8.1 引言 |
8.2 谈判示例展示 |
8.3 谈判成功示例分析 |
8.4 谈判破裂示例分析 |
8.5 本章小结 |
第9章 系统评估 |
9.1 引言 |
9.2 意图识别模型的性能 |
9.3 价格谈判的衡量指标 |
9.4 用户满意度 |
9.5 本章小结 |
第10章 结束语 |
10.1 总结 |
10.2 展望 |
参考文献 |
附录A 意图识别模型的部分训练语料 |
A.1 问候意图类部分语料 |
A.2 商品询问意图类部分语料 |
A.3 谈判破裂意图类部分语料 |
A.4 谈判成功意图类部分语料 |
附录B 部分回复模板 |
B.1 问候类部分回复模板 |
B.2 商品询问类部分回复模板 |
B.3 谈判成功类部分回复模板 |
B.4 谈判破裂类部分回复模板 |
B.5 价格谈判类部分回复模板 |
读硕期间获得的成果与奖励 |
致谢 |
(3)基于博弈论和多智能体强化学习的城市道路网络交通控制方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题来源 |
1.2 研究背景 |
1.3 研究现状综述 |
1.3.1 城市道路网络交通控制 |
1.3.2 城市道路网络动态交通分配 |
1.3.3 城市道路网络中的多智能体强化学习 |
1.3.4 研究现存问题 |
1.4 研究目的及意义 |
1.5 研究内容框架 |
第2章 城市道路网络分布式动态交通分配方法 |
2.1 动态交通分配 |
2.1.1 动态交通分配问题 |
2.1.2 用户均衡和系统最优 |
2.1.3 动态交通分配的主要数学形式 |
2.1.4 动态交通分配模型的缺陷 |
2.2 多智能体强化学习 |
2.2.1 多智能体系统 |
2.2.2 强化学习机制 |
2.2.3 多智能体强化学习算法 |
2.3 动态交通分配决策者智能体架构 |
2.3.1 决策者智能体状态空间 |
2.3.2 决策者智能体动作空间 |
2.3.3 决策者智能体回报函数 |
2.3.4 决策者智能体的学习率机制 |
2.4 动态交通分配空间约束建议者智能体架构 |
2.4.1 建议者智能体的状态空间 |
2.4.2 建议者智能体的动作空间 |
2.4.3 建议者智能体的回报函数 |
2.4.4 建议者智能体的学习率机制 |
2.5 异构建议者多智能体强化学习 |
2.5.1 HAB-MARL 框架的应用 |
2.5.2 HAB-MARL 算法 |
2.6 本章小结 |
第3章 城市道路网络分布式交通信号控制方法 |
3.1 城市道路网络交通信号控制 |
3.1.1 URNTSC优化目标选取 |
3.1.2 URNTSC方法主要形式 |
3.1.3 多智能体强化学习在URNTSC中的应用 |
3.1.4 当前URNTSC方法可改进性 |
3.2 交通管控中的博弈论 |
3.2.1 博弈论形式及基本分类 |
3.2.2 博弈中的均衡解 |
3.2.3 博弈论在交通系统中的应用形式 |
3.3 分布式交通信号控制智能体架构 |
3.3.1 信号控制智能体状态空间 |
3.3.2 信号控制智能体动作空间 |
3.3.3 信号控制智能体决策过程 |
3.3.4 信号控制智能体回报函数 |
3.3.5 信号控制智能体的学习率机制 |
3.4 混合策略纳什均衡多智能体强化学习 |
3.4.1 MSNE-MARL 框架的应用 |
3.4.2 MSNE-MARL 算法 |
3.5 本章小结 |
第4章 城市道路网络交通信号控制鲁棒性增强方法 |
4.1 复杂网络关键节点判别技术 |
4.1.1 图论基础 |
4.1.2 复杂网络理论 |
4.1.3 关键节点判别技术 |
4.1.4 现有关键节点判别技术局限性 |
4.2 节点影响力传播机制 |
4.2.1 社会网络影响力传播机制 |
4.2.2 基于 MAS 的节点影响力传播机制 |
4.2.3 影响力传播机制改进关键点 |
4.3 MAS-AITM的URNTSC鲁棒性增强框架 |
4.3.1 MAS-AITM中节点等级度量及关键节点判别机制 |
4.3.2 MAS-AITM节点交互关系的分类 |
4.3.3 MAS-AITM节点交互关系的各向异性自择机制 |
4.3.4 MAS-AITM节点交互机制 |
4.3.5 URNTSC中鲁棒性增强构建的其他事项 |
4.4 本章小结 |
第5章 数值模拟框架及验证测试 |
5.1 城市道路网络数值模拟框架 |
5.1.1 元胞传输模型 |
5.1.2 基于CTM-DNL的数值模拟框架 |
5.1.3 城市道路网络交叉口转弯比动态构建方法 |
5.2 HAB-MARL分布式动态交通分配方法验证分析 |
5.2.1 出行成本函数选用 |
5.2.2 验证方法选用 |
5.2.3 验证网络选用 |
5.2.4 验证输入值设置 |
5.2.5 HAB-MARL验证分析 |
5.2.6 本节小结 |
5.3 MSNE-MARL分布式交通信号控制方法验证分析 |
5.3.1 验证指标选用 |
5.3.2 验证方法选用 |
5.3.3 验证网络选用 |
5.3.4 验证输入值设置 |
5.3.5 验证方法参数标定 |
5.3.6 MSNE-MARL验证分析 |
5.3.7 本节小结 |
5.4 MAS-AITM的URNTSC鲁棒性增强方法验证分析 |
5.4.1 验证方法选用 |
5.4.2 验证网络选用 |
5.4.3 验证输入值设置 |
5.4.4 MAS-AITM验证分析 |
5.4.5 本节小结 |
5.5 本章小结 |
第6章 总结与展望 |
6.1 工作总结 |
6.2 主要创新点 |
6.3 研究展望 |
参考文献 |
作者简介及在学期间所取得的科研成果 |
致谢 |
(4)多智能体系统自主规避任务决策方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题背景与研究意义 |
1.2 典型多智能体系统技术发展 |
1.2.1 无人机集群避碰技术研究现状 |
1.2.2 多自由度空间机械臂避障技术研究现状 |
1.2.3 航天器规避机动算法发展现状 |
1.3 基于自学习理论的决策方法国内外研究现状 |
1.3.1 多智能体深度强化学习方法研究现状 |
1.3.2 深度神经网络压缩及加速方法研究现状 |
1.3.3 稀疏奖励强化学习方法研究现状 |
1.4 主要研究内容及论文结构 |
1.4.1 存在问题及技术难点 |
1.4.2 研究内容及章节安排 |
第2章 多智能体系统决策模型 |
2.1 引言 |
2.2 动力学相关描述 |
2.2.1 多智能体系统运动模型 |
2.2.2 空间拦截器制导律 |
2.3 多智能体部分可观决策模型 |
2.3.1 马尔科夫决策过程理论基础 |
2.3.2 分布式部分可观马尔科夫博弈 |
2.3.3 常规回报函数设计思路 |
2.4 序列决策问题求解方法 |
2.4.1 模糊系统 |
2.4.2 有限状态机 |
2.4.3 蒙特卡洛树搜索 |
2.5 本章小结 |
第3章 基于ACTOR-CRITIC架构的自主决策算法 |
3.1 引言 |
3.2 问题场景描述 |
3.2.1 航天器规避机动问题场景描述 |
3.2.2 空间机械臂轨迹规划场景描述 |
3.2.3 多智能体系统决策流程分析 |
3.3 多智能体策略梯度强化学习方法 |
3.3.1 算法基础理论框架 |
3.3.2 策略梯度算法收敛性分析 |
3.3.3 策略梯度方法在多智能体系统中应用 |
3.4 基于信度分配的多智能体强化学习框架 |
3.4.1 航天器规避决策方法 |
3.4.2 案例优选的空间机械臂决策方法 |
3.4.3 基于信度分配的算法收敛性分析和改进 |
3.4.4 网络结构设计及算法流程 |
3.5 仿真及结果分析 |
3.5.1 基于最优控制理论的对比算法 |
3.5.2 航天器规避机动仿真 |
3.5.3 空间机械臂轨迹规划仿真 |
3.5.4 强化学习算法仿真结果简析 |
3.6 本章小结 |
第4章 多智能体分布式协同避碰决策方法研究 |
4.1 引言 |
4.2 有限空域无人机集群避碰问题分析 |
4.2.1 求解策略的训练方法 |
4.2.2 在线协调和沟通机制 |
4.3 多智能体强化学习系统设计 |
4.3.1 状态空间和动作空间选取 |
4.3.2 系统体系结构和流程分析 |
4.3.3 回报函数设计 |
4.4 仿真及结果分析 |
4.4.1 仿真条件设定 |
4.4.2 训练曲线及场景案例仿真 |
4.4.3 结果分析 |
4.5 本章小结 |
第5章 基于优化神经网络的分布式规避决策方法 |
5.1 引言 |
5.2 多航天器对多拦截器协同规避问题研究 |
5.2.1 状态空间和动作空间选取 |
5.2.2 系统体系结构和流程分析 |
5.2.3 回报函数设计 |
5.3 基于自适应重构方法的深度神经网络优化方法 |
5.3.1 神经网络结构设计 |
5.3.2 权值聚类及量化 |
5.3.3 自适应分层重构剪枝 |
5.4 仿真及结果分析 |
5.4.1 基于微分对策理论的对比算法 |
5.4.2 神经网络优化算法试验及数值仿真 |
5.4.3 强化学习训练及场景案例仿真 |
5.4.4 结果分析 |
5.5 本章小结 |
第6章 基于逆值法的多航天器自学习规避算法 |
6.1 引言 |
6.2 稀疏奖励强化学习算法分析 |
6.2.1 规避任务分析 |
6.2.2 常规强化学习方法局限 |
6.2.3 逆值法强化学习算法 |
6.2.4 算法核心逻辑流程 |
6.3 多智能体稀疏奖励自学习系统设计 |
6.3.1 自学习系统结构设计 |
6.3.2 信念状态估计方法 |
6.3.3 逆值法在案例中的收敛性简析 |
6.3.4 网络结构和算法流程 |
6.4 仿真及结果分析 |
6.4.1 基于有限状态机的对比算法 |
6.4.2 仿真条件设定 |
6.4.3 结果对比分析 |
6.4.4 算法优势及改进分析 |
6.5 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
致谢 |
个人简历 |
(5)干散货码头系统分合机理及仿真建模方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 干散货码头的国内外研究现状与趋势 |
1.2.1 海侧资源分配 |
1.2.2 堆场资源优化 |
1.2.3 陆侧资源调度 |
1.2.4 多环节整体分析 |
1.3 复杂系统建模方法的国内外研究现状与趋势 |
1.3.1 模型的定义及分类 |
1.3.2 面向复杂系统建模的方法 |
1.3.3 HLA建模方法研究现状 |
1.3.4 分块-集成建模法研究现状 |
1.3.5 MAS建模方法的研究现状 |
1.3.6 DEVS建模的研究现状 |
1.3.7 其他复杂系统建模方法的研究现状 |
1.4 现状总结与存在的问题 |
1.4.1 干散货码头研究存在的问题 |
1.4.2 复杂系统建模方法研究存在的问题 |
1.5 主要研究内容 |
第2章 专业化干散货码头装卸工艺系统的DEVS分合机理 |
2.1 专业化干散货码头装卸工艺系统 |
2.1.1 码头的装卸工艺 |
2.1.2 码头的平面与工艺布置 |
2.2 复杂系统的DEVS分析思想 |
2.2.1 系统的形式化描述 |
2.2.2 DEVS原子模型及耦合模型 |
2.2.3 DEVS层次化模型的构造方式 |
2.3 干散货码头的DEVS原子模型与耦合模型 |
2.3.1 码头模型的层级 |
2.3.2 码头的DEVS原子模型 |
2.3.3 码头的DEVS耦合模型 |
2.4 干散货码头的DEVS分合机理建模 |
2.4.1 码头系统的分合机理 |
2.4.2 基于分合机理的建模思路 |
2.4.3 基于分合机理的码头建模方法 |
2.5 干散货码头DEVS分合机理建模的基础 |
2.5.1 码头模型的子模块库 |
2.5.2 码头模型的建模框架库 |
2.5.3 子模块库与建模框架库的关系 |
2.6 基于DEVS分合机理的建模方法的扩展 |
2.7 本章小结 |
第3章 基于分合机理的干散货码头建模的子模块库 |
3.1 引言 |
3.2 子模块库概述 |
3.2.1 干散货码头物料流 |
3.2.2 子模块库的主要元素 |
3.3 仿真子模块库构成 |
3.3.1 计划管理子模块 |
3.3.2 卸车子模块 |
3.3.3 装船子模块 |
3.3.4 卸船子模块 |
3.3.5 装车子模块 |
3.3.6 堆场子模块 |
3.3.7 统计子模块 |
3.3.8 全局变量子模块 |
3.4 校验与验证方法 |
3.5 本章小结 |
第4章 基于分合机理的干散货码头建模的建模框架库 |
4.1 引言 |
4.2 建模框架概述 |
4.3 干散货码头信息流 |
4.3.1 基于需求与供应的划分 |
4.3.2 基于海侧与陆侧的划分 |
4.4 仿真建模框架库 |
4.4.1 需求驱动型 |
4.4.2 供应驱动型 |
4.4.3 堆场与需求驱动型 |
4.4.4 堆场与供应驱动型 |
4.4.5 需求与供应双驱动型 |
4.5 校验与验证方法 |
4.6 本章小结 |
第5章 基于改造HLA建模的出口型散货码头通过能力研究 |
5.1 问题描述 |
5.2 基于改造HLA的码头建模架构 |
5.2.1 标准HLA建模框架 |
5.2.2 基于标准HLA的码头模型架构 |
5.2.3 基于改造HLA的码头建模架构 |
5.3 基于改造HLA的码头仿真模型 |
5.3.1 基于改造HLA的模型分合关系 |
5.3.2 计划管理联邦成员 |
5.3.3 火车卸车联邦成员 |
5.3.4 装船作业联邦成员 |
5.3.5 堆场管理联邦成员 |
5.3.6 信息统计联邦成员 |
5.3.7 全局变量联邦成员 |
5.4 模型参数及模型校验 |
5.4.1 模型参数 |
5.4.2 模型校验 |
5.5 案例研究 |
5.5.1 参数输入 |
5.5.2 仿真结果 |
5.5.3 敏感性分析 |
5.6 本章小结 |
第6章 基于分块-集成建模法的散货码头生产效能评估方法 |
6.1 问题描述 |
6.1.1 卸车区域 |
6.1.2 堆场区域 |
6.1.3 装船区域 |
6.1.4 生产效能评估问题 |
6.2 关键性生产效能指标 |
6.2.1 评估指标体系 |
6.2.2 关键评估指标的选择方法 |
6.3 基于分块-集成建模的效能评估方法 |
6.3.1 分块-集成建模方法 |
6.3.2 基于分块-集成建模的效能评估法 |
6.3.3 基于分块-集成建模的模型转化 |
6.4 仿真模型及结构 |
6.4.1 基于分块-集成建模的模型分合关系 |
6.4.2 计划管理子系统 |
6.4.3 船舶到达子系统 |
6.4.4 火车到达子系统 |
6.4.5 堆场作业子系统 |
6.4.6 指标统计子系统 |
6.5 模型校验与确认 |
6.6 仿真实验 |
6.6.1 基于堆存期和船舶到港时间间隔的场景 |
6.6.2 基于堆存期和船舶装载量的场景 |
6.6.3 基于生产线作业效率的场景 |
6.7 结果分析 |
6.7.1 场景一的仿真结果分析 |
6.7.2 场景二的仿真结果分析 |
6.7.3 场景三的仿真结果分析 |
6.7.4 仿真分析结论 |
6.8 本章小结 |
第7章 基于MAS建模法的水水中转散货码头方案定量评价研究 |
7.1 问题描述 |
7.1.1 海船卸船区域 |
7.1.2 堆场区域 |
7.1.3 内河驳船装船区域 |
7.1.4 设计方案评价问题 |
7.2 基于MAS的建模方法 |
7.2.1 基于MAS的建模思路 |
7.2.2 基于MAS的码头模型框架 |
7.2.3 基于MAS的模型依赖关系 |
7.3 基于MAS的码头仿真模型 |
7.3.1 基于MAS建模的模型分合关系 |
7.3.2 计划管理智能体 |
7.3.3 海船卸船智能体 |
7.3.4 堆场作业智能体 |
7.3.5 驳船装船智能体 |
7.3.6 性能统计智能体 |
7.4 模型校验与验证 |
7.4.1 模型校验 |
7.4.2 模型验证 |
7.5 案例研究 |
7.5.1 设计方案 |
7.5.2 仿真实验 |
7.5.3 场景假设 |
7.5.4 场景分析的结果 |
7.5.5 方案比选的结论 |
7.6 方法对比 |
7.7 本章小结 |
第8章 总结 |
8.1 研究结论 |
8.2 研究展望 |
致谢 |
参考文献 |
攻读博士学位期间发表的论文和参与的科研项目 |
(7)面向Agent的智能化分布式计算及其应用研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 引言 |
1.2 分布式计算技术 |
1.2.1 早期分布计算技术 |
1.2.2 分布式对象技术 |
1.2.3 基于Web Service的分布式计算技术 |
1.2.4 基于网格的分布式计算技术 |
1.2.5 基于Agent的分布式计算技术 |
1.2.6 分布式计算优点及面临的问题 |
1.3 智能AGENT技术 |
1.3.1 基本理论 |
1.3.2 Agent实现方法 |
1.3.3 Agent技术的优越性 |
1.3.4 Agent的应用 |
1.4 论文研究内容及组织 |
1.4.1 研究目标及成果 |
1.4.2 论文组织 |
参考文献 |
第2章 面向AGENT智能化分布式计算框架 |
2.1 引言 |
2.2 面向AGENT开发的适用范围 |
2.3 面向AGENT开发的分析和设计 |
2.4 面向AGENT的框架结构ABFDS |
2.4.1 ABFDS框架Agent理论模型 |
2.4.2 ABFDS的整体架构 |
2.4.3 框架中Agent的通信 |
参考文献 |
第3章 智能化分布式GIS服务的研究与实现 |
3.1 GIS的发展历程及现状 |
3.2 分布式GIS |
3.2.1 GIS体系结构的变化 |
3.2.2 WebGIS的开发方法 |
3.2.3 分布式GIS面临的问题 |
3.2.4 从GIS系统到GIS服务 |
3.3 地理空间数据模型 |
3.3.1 空间数据模型 |
3.3.2 空间数据组织 |
3.3.3 空间数据表示 |
3.3.4 空间元数据 |
3.4 智能化分布式GIS服务 |
3.4.1 用户接口层 |
3.4.2 应用开发层 |
3.4.3 服务层 |
3.5 应用案例 |
参考文献 |
第4章 分布式智能优化计算平台的研究与实现 |
4.1 智能计算 |
4.1.1 神经网络 |
4.1.2 演化计算 |
4.2 优化计算 |
4.2.1 函数优化问题 |
4.2.2 组合优化问题 |
4.2.3 传统优化算法 |
4.3 智能优化计算平台研究概述 |
4.4 资源分配 |
4.4.1 相关工作 |
4.4.2 基于Agent优化平台资源管理方案 |
4.4.3 任务映射算法 |
4.4.4 classad语言 |
4.5 智能优化计算平台实现 |
4.5.1 框架结构模型 |
4.5.2 工作流程图 |
4.5.3 基本算法Agent库 |
参考文献 |
第5章 电厂分布式智能优化系统研究与实现 |
5.1 引言 |
5.2 背景意义 |
5.3 优化问题 |
5.3.1 机组组合优化问题 |
5.3.2 改进的遗传算法 |
5.3.3 锅炉混煤优化问题 |
5.4 电厂分布式智能优化决策系统实现 |
参考文献 |
第6章 总结与展望 |
6.1 总结 |
6.2 下一步的工作及展望 |
攻博期间发表论文和科研项 目 |
致谢 |
(8)GIS动态集成框架及其UIB核心相关问题研究(论文提纲范文)
摘要 |
Abstract |
目录 |
第1章 绪论 |
§1.1 分布式计算技术的发展 |
§1.2 地理信息系统的发展与演化 |
1.2.1 地理信息系统发展概述 |
1.2.2 亟待解决的问题 |
§1.3 GUIB概念的提出 |
§1.4 GUIB相关研究现状 |
§1.5 本文的主要工作 |
1.5.1 研究的目标 |
1.5.2 主要研究的方法 |
1.5.3 研究的内容 |
§1.6 小结 |
第2章 软件体系结构理论与方法概述 |
§2.1 软件体系结构的概念 |
§2.2 体系结构设计方法 |
2.2.1 领域驱动的体系结构设计方法 |
2.2.2 模式驱动的体系结构设计方法 |
§2.3 软件体系结构描述语言(ADL) |
§2.4 DSSA的设计方法 |
§2.5 小结 |
第3章 GUIB软件体系结构 |
§3.1 GIS应用环境模型分析 |
§3.2 GIS需求模型分析 |
3.2.1 OpenGIS基础地理信息服务框架 |
3.2.2 GIS领域公共设施(GIS Common Facilities GCF) |
3.2.3 GUIB服务层次结构 |
§3.3 GIS的系统模型分析 |
3.3.1 GIS体系结构分析 |
3.3.2 共性构件抽取 |
§3.4 GUIB体系结构的建立与表达 |
§3.5 小结 |
第4章 GUIB核心技术探讨 |
§4.1 GUIB核心支持技术 |
4.1.1 GIS互操作与信息交换模型 |
4.1.2 对服务元数据模型的扩展 |
4.1.3 构件的描述 |
4.1.4 构件容器与工具集 |
4.1.5 遗留系统的包装与适配 |
§4.2 GUIB的设计演化与求精实现 |
4.2.1 GUIB体系结构的层次性演化特点 |
4.2.2 求精过程 |
§4.3 小结 |
第5章 基于GUIB的动态框架技术研究 |
§5.1 框架技术概述 |
5.1.1 框架概念 |
5.1.2 框架分类 |
5.1.3 GUIB实例化框架的组织形式 |
§5.2 支撑技术分析 |
5.2.1 中间件(Middleware)技术 |
5.2.2 三类主流分布式对象技术简介 |
5.2.3 Web Service技术 |
§5.3 Agent技术的引入 |
5.3.1 Agent概念与特点 |
5.3.2 Agent技术在GUIB实例化框架中的作用 |
§5.4 GUIB实例化框架结构 |
5.4.1 基于消息中间件的GUIB实例化框架 |
5.4.2 基于ORB的实例化框架 |
5.4.3 两种机制的融合应用 |
§5.5 GUIB的通讯框架 |
§5.6 基于GUIB的分布式GIS动态框架 |
5.6.1 动态框架技术 |
§5.7 小结 |
第6章 GUIB的事务处理系统 |
§6.1 事物处理的基本概念 |
6.1.1 事务 |
6.1.2 事务的特性 |
§6.2 分布式事务 |
6.2.1 分布式事务概念 |
6.2.2 分布式事务的2PC协议 |
6.2.3 CORBA的分布式事务处理模型 |
§6.3 GIS事务类型及特征分析 |
§6.4 GUIB的事务并发模型研究 |
6.4.1 典型ORB并发模型分析 |
6.4.2 适合GIS事务特点的并发模型研究 |
6.4.3 长事务处理模型的优化 |
§6.5 GUIB的事务并发控制方法 |
6.5.1 并行控制方法简述 |
6.5.2 并行控制方法选择与优化 |
§6.6 面向R树的并行控制方法研究 |
6.6.1 R树 |
6.6.2 面向R树并行控制方法 |
6.6.3 基于R-link树的并行控制方法 |
6.6.4 分布式事务R-link树并行控制方法的实施 |
§6.7 小结 |
第7章 基于GUIB的分布式GIS集成与验证 |
§7.1 设计目标 |
§7.2 实现环境概述 |
7.2.1 硬件环境 |
7.2.2 软件环境 |
7.2.3 ORB产品VisiBroker简介[189] |
7.2.4 Trolltect Qt简介 |
§7.3 GUIB服务框架的建立 |
7.3.1 GUIB服务端程序部署 |
7.3.2 GUIB客户端程序部署 |
7.3.3 VisiBroker的部署 |
7.3.4 基于VisiBroker的GUIB服务框架 |
§7.4 基于构件的环境构造与动态集成 |
7.4.1 构件的注册与检索 |
7.4.2 构件容器 |
7.4.3 集成测试 |
7.4.4 协作支持 |
7.4.5 本节总结 |
§7.5 空间事务服务的实验研究 |
7.5.1 空间事务服务的实现方法 |
7.5.2 并发模型测试 |
7.5.3 基于R-link树的并行控制方法的实施 |
§7.6 小结 |
第8章 总结与展望 |
参考文献 |
攻读博士学位期间论文与科研情况 |
致谢 |
(9)移动Agent中间件平台及其测试模型研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究领域概述 |
1.2 国内外研究现状 |
1.3 移动Agent中间件研究面临的主要问题 |
1.4 论文的主要工作和研究方法 |
1.5 论文的组织形式 |
第2章 移动Agent系统综述 |
2.1 传统分布系统与移动Agent系统 |
2.2 移动Agent系统的基本特性分析 |
2.2.1 移动机制 |
2.2.2 执行机制 |
2.2.3 通信机制 |
2.2.4 安全机制 |
2.3 移动Agent的技术优势 |
2.4 典型移动Agent系统概述 |
2.5 小结 |
第3章 移动Agent系统的互操作 |
3.1 移动Agent系统互操作草案MASIF |
3.1.1 MASIF术语 |
3.1.2 MASIF标准对互操作性的要求 |
3.2 FIPA标准(Foundation for Intelligent Physical Agents) |
3.3 Agent系统与非Agent系统间的互操作 |
3.4 CORBA技术与对象互操作性 |
3.5 互操作及其相关技术 |
3.6 互操作面临的问题 |
3.7 小结 |
第4章 移动Agent中间件平台 |
4.1 移动Agent中间件MMA的结构 |
4.1.1 移动Agent中间件MMA结构的特点与相关接口 |
4.1.2 开发语言的选择 |
4.2 MASIF扩展 |
4.2.1 MASIF定位机制分析 |
4.2.2 MASIF定位机制扩展 |
4.2.3 MASIF互操作安全性扩展 |
4.3 移动Agent中间件应用 |
4.4 相关工作比较 |
4.5 小结 |
第5章 一致性测试模型 |
5.1 一致性测试的基本概念 |
5.2 移动Agent领域的一致性测试模型 |
5.2.1 移动Agent的理论模型 |
5.2.2 移动Agent领域的一致性测试模型 |
5.2.2.1 移动性框架 |
5.2.2.2 移动Agent系统抽象模型 |
5.2.2.3 执行环境及其观察 |
5.2.2.4 移动Agent一致性关系 |
5.2.3 移动Agent观测和一致性关系 |
5.2.3.1 移动Agent观测 |
5.2.3.2 移动Agent观测与一致性关系 |
5.2.3.3 测试的执行 |
5.3 互操作性测试 |
5.3.1 互操作性测试的概念和分类 |
5.3.2 互操作性测试和一致性测试的比较 |
5.3.2.1 互操作性测试和一致性测试的区别 |
5.3.2.2 互操作性测试和一致性测试的相同点 |
5.3.3 互操作性测试方法 |
5.4 相关工作比较 |
5.5 小结 |
第6章 实验 |
6.1 实验基础平台 |
6.1.1 Grasshopper |
6.1.2 JADE |
6.1.3 SMI |
6.2 实验设计 |
6.3 实验结果与分析 |
6.4 相关工作比较 |
第7章 结论与展望 |
7.1 现有研究工作的缺陷 |
7.2 结论 |
7.3 展望 |
参考文献 |
附录Ⅰ图表索引 |
附录Ⅱ常见移动Agent平台 |
附录Ⅲ常用资源链接与名词术语 |
附录ⅣMAFFinder接口和MAFAgentSystem接口层次定义 |
附录Ⅴ在读期间科研情况 |
致谢 |
(10)面向智能体的化工过程运行系统信息集成模型研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 流程工业集成技术研究 |
1.1 流程工业集成技术发展 |
1.2 计算机集成技术(CIMS) |
1.2.1 一种现代化企业模式--CIMS |
1.2.2 CIMS研究内容 |
1.2.3 CIMS的发展现状 |
1.3 流程工业CIMS |
1.3.1 流程工业CIMS研究内容 |
1.3.2 流程工业CIMS与制造行业CIMS的差别 |
1.3.3 遗留系统的集成 |
1.4 计算机集成运行系统(CIPOS) |
1.4.1 从计算机辅助运行到集成过程运行系统 |
1.4.2 CIPOS包括的内容 |
1.4.3 CIPOS的集成目标 |
1.4.4 CIPOS集成核心是信息集成 |
1.5 运行系统信息集成相关技术 |
1.5.1 XML技术 |
1.5.2 UML统一建模语言 |
1.5.3 中间件 |
1.5.4 软构件技术 |
1.6 论文的研究目标、内容 |
第二章 流程工业CIMS建模理论与方法研究 |
2.1 CIMS建模理论研究进展 |
2.1.1 CIMS的参考模型 |
2.1.2 CIMS建模领域相关问题 |
2.1.3 企业传统的建模方法的特点 |
2.2 面向对象/智能体的过程企业多视图建模方法 |
2.2.1 面向对象方法学基本原理 |
2.2.2 面向对象的分析过程和发展趋势 |
2.2.3 面向对象技术过程建模的特点 |
2.2.4 流程企业集成化多视图建模体系简介 |
2.3 流程工业运行系统三层次信息集成平台 |
2.3.1 数据集成层 |
2.3.2 模型集成层 |
2.3.3 任务集成层 |
2.3.4 集成平台特点 |
2.4 本章小结 |
第三章 基于STEP和XML的过程运行系统数据模型 |
3.1 企业数据标准 |
3.1.1 企业数据标准的发展 |
3.1.2 流程工业数据集成技术 |
3.2 基于STEP和XML过程运行系统集成数据模型 |
3.2.1 STEP标准 |
3.2.2 过程数据标准对CIPOS的影响 |
3.3 结合STEP和XML特点的CIPOS数据模型 |
3.3.1 XML用来建立数据模型特点研究 |
3.3.2 用EXPRESS建立操作单元模型 |
3.3.3 XML与STEP结合的优点 |
3.3.4 EXPRESS与XML结合方法研究 |
3.4 STEP和XML应用实例 |
3.4.1 操作单元信息模型 |
3.4.2 XML、STEP在过程综合中的应用 |
3.5 本章小结 |
第四章 智能体方法分析过程运行系统 |
4.1 面向智能体的分析方法 |
4.1.1 用多智能体方法分析过程运行系统 |
4.1.2 智能体技术 |
4.1.3 智能体的理论模型 |
4.2 过程运行系统中的智能体模型 |
4.2.1 过程运行系统中的单智能体模型 |
4.2.2 过程运行系统中的多智能体结构 |
4.2.3 多智能体架构中几个关键智能体研究 |
4.3 本章小结 |
第五章 基于XML和Agent的过程操作任务集成框架 |
5.1 代表性的集成框架的分析 |
5.1.1 分布对象参考模型 |
5.1.2 基于分布对象的集成框架 |
5.1.3 分布对象集成框架的缺点 |
5.2 基于Agent和XML的过程运行系统集成框架 |
5.2.1 集于Agent和XML技术集成框架的系统结构 |
5.2.2 集成模型的目标和特点 |
5.2.3 Agent功能 |
5.3 模型中多Agent的协作过程 |
5.3.1 Agent的交互模型 |
5.3.2 交互模型设计要解决的问题 |
5.3.3 服务器请求管理模型 |
5.3.4 过程规划模型 |
5.3.5 服务管理模型 |
5.3.6 Agent的通信协议 |
5.3.7 Agent的通信语言 |
5.4 本章小结 |
第六章 基于Web的过程运行系统信息集成平台研究 |
6.1 基于Web的多智能体信息集成平台 |
6.1.1 平台的主要功能 |
6.1.2 平台结构 |
6.1.3 平台设计说明 |
6.2 实例应用 |
6.2.1 HDA综台过程 |
6.2.2 运行结果及结果分析 |
6.3 实例分析二 |
6.3.1 集成遗留系统的重要性 |
6.3.2 TE过程信息集成平台 |
6.3.3 结果分析 |
6.4 遗留系统接口开发 |
6.5 本章小结 |
结论与展望 |
主要字母缩写表 |
参考文献 |
附录 |
攻读学位期间发表的论文 |
致谢 |
四、一种基于分布对象技术的Agent计算框架(论文参考文献)
- [1]高速铁路列车群运行仿真系统技术研究[D]. 李和壁. 中国铁道科学研究院, 2021
- [2]基于强化学习的人机谈判系统[D]. 范怡帆. 广西师范大学, 2021(09)
- [3]基于博弈论和多智能体强化学习的城市道路网络交通控制方法研究[D]. 潘昭天. 吉林大学, 2021(01)
- [4]多智能体系统自主规避任务决策方法研究[D]. 赵毓. 哈尔滨工业大学, 2021(02)
- [5]干散货码头系统分合机理及仿真建模方法研究[D]. 朱本飞. 武汉理工大学, 2019(07)
- [6]网构软件的研究与进展[J]. 吕建,马晓星,陶先平,徐锋,胡昊. 中国科学E辑:信息科学, 2006(10)
- [7]面向Agent的智能化分布式计算及其应用研究[D]. 邓超. 浙江大学, 2005(04)
- [8]GIS动态集成框架及其UIB核心相关问题研究[D]. 李建华. 武汉大学, 2005(05)
- [9]移动Agent中间件平台及其测试模型研究[D]. 彭德巍. 武汉大学, 2004(11)
- [10]面向智能体的化工过程运行系统信息集成模型研究[D]. 李荷华. 华南理工大学, 2003(11)