基于协作协进化的多机器人协作机制研究.doc

浙江工业大学硕士学位论文基于协作协进化的多机器人协作机制研究姓名：汤琼申请学位级别：硕士专业：计算机应用技术指导教师：杨东勇20040401婴圭兰竺笙兰二二苎王垫堡堡丝垡塑兰垫壁垒塑堡垫！堡壅一，；，、，吐，一堡主堂堡笙苎二墨堕堡堡些些堕童垫壁塑堡垫型旦塞，硕士学位论文基于协作协进化的多机器人协作机制研究符号说明多系统基于协调的协作协议基于帮助的协作协议进化计算协进化计算遗传算法协作协进化遗传算法硕士学位论文基于坍作协进化的多机器人协作机制研究研究背景及意义第一章前言多机器人技术是机器人研究中一个新的领域，它在计算机集成制造系统、柔性制造系统、具有繁重、复杂装配作业的系统和自动化工厂有着十分广泛的应用前景，是新一代制造系统智能制造系统中的关键技术之一“”。自主机器人组成的多机器人群体协作行为的研究之所以越来越受到关注，一方面因为某些任务，用一台机器人去完成显然过于复杂，甚至不能实现，人们希望通过多个机器人协作来完成；另一方面，人们希望通过多机器人间的协调与合作，来提高机器人系统在作业过程中的效率，进而当机器人工作环境发生变化或系统局部发生故障时，多机器人仍然可以通过自身具有的协调与合作关系完成预定的任务；另外，多个机器人协作完成任务，还可以简化机器人个体的设计，降低成本。目前，自主多机器人协作的主要研究内容和方向为：多机器人群体的体系结构（），资源冲突（），协作根源（），学习（），几何问题（）等。其中如何组织多个机器人群体，在群体中如何实现多机器人的协作（）是当前多机器人学研究领域的前沿和新课题，具有重要的理论和现实意义汹。当前，在多机器人系统的协作理论研究中，协作效果不错的有基于协调的协作协议（，）和基于帮助的协作协议（，）。这两个协作协议各具有其局限性，因而，国内外科学家在该领域展开了更深入的研究“”。”跏。其中，借鉴人工智能领域中的多系统（，）的系统理论，来研究多机器人的理论是当前的一种研究方法，其要点是把系统中的每一个机器人看作独立的。多系统的核心是把整个系统分成若干智能、自治的子系统，它们在物理和地理上分散，可独立的执行任务，同时又可通过通信交换信息，相互协调，从而共同完成整体任务。仿生机器人的研究是在对传统机器人进行改进的基础上提出来的，主要体现在两个方面，机器人群体中个体结构的可重构仿生进化设计和多机器人系统协作硕士学位论文基于协作协进化的多机器人协作机制研究行为的进化。在机器人个体的进化设计方面，日本名古屋大学的进行了十多年的研究：美国马萨诸塞州布兰代斯大学的等发表于自然杂志的论文“代表该领域研究的最新、最高水平。但是，由于研究的问题太多，难度太大，在多机器人系统协作行为的进化研究方面，没有取得令人满意的成果。本论文提出的基于协作协进化算法（）的多机器人协作机制，将该机制应用在协作搬运物体上，有效提高了多机器人系统的协作效率，它的提出，不仅丰富和发展了多机器人协作理论，而且为多机器人群体协作行为的研究提供了一种新的思路。课题的研究目的与所作工作本课题提出了实现多系统协作机制的一种方法：协作协进化方法。它是浙江省自然科学基金支持的项目自主多机器人群体协作机制的协进化研究（项目批准号）的一部分。主要作了以下工作：通过阅读大量文献，对协进化算法的基本思想、基本方法和应用进行了介绍，对多系统的国内外研究状况进行综述，分析已有系统的优缺点，并针对这些缺点，提出了一种新的基于协作协进化方法的多系统。通过计算机仿真与已有的协作效果较好的协议进行了比较。论文的组织本论文全文一共章。第一章为引言，介绍了多系统协作机制的研究背景及意义、本论文研究所做工作以及论文的组织结构。第二章详细介绍了协进化当前的研究状况、基本思想和算法实现第三章介绍了多系统的理论知识、研究的现状及存在的问题。第四章介绍了在本课题中所着重讲述的基于协进化的基本体系结构和协作机制的实现。第五章介绍了计算机仿真及结果分析。第六章对本文作了总结，并且对多协作的进一步作了展望。硕士学位论文基于协作协进化的多机器人协作机制研究本章小结本章主要介绍了多协作机制的研究背景及意义。并提出了本课题的研究目的与所作的工作，最后介绍了本论文的组织结构。硕士学位论文基于怫作协进化的多机器人协作机制研究第二章进化计算及其相关知识进化计算领域存在多种类型的算法。年，德国的受组织进化方法（）的启发，提出了在空气动力学中将随机变异运用于实值形式定义参数的矢量来解决优化问题的思想。这类算法被称为进化决策（）。同时，美国的等对人工智能自动控制的进化方法进行了研究，该研究以有限状态机（）为代表，使用了一种称为进化规划（）的方法；则对生殖计划类问题进行了分析，这就是我们现在称之为遗传算法（）的前身。随后，出现了称之为的第四类进化算法，也就是目前我们所说的遗传规划（）。尽管这四类算法有些不同，但是它们都是基于达尔文进化论的基本原理。这些原理可描述如下：生物生命有限，因此，繁殖是种群延续所必需：子代与其父代在某种程度上存在差异；生物生存在一定的环境中，在该环境中，生存就是斗争，并且它们之间的差异是它们能更好的适应更恶劣的环境；通过自然选择，适应性强的生物能生存得更长，并繁殖出更多的后代；子代有可能从父代中继承有益的特征，使种群的个体能随着时间的推移更好的适应它们所生存的环境。总而言之，进化计算是通过计算机模拟达尔文进化论原理来解决技术性问题。遗传算法遗传算法（）是一种借鉴自然选择和进化机制发展起来的高度并行、随机、自适应搜索算法。简单而言，它使用了群体搜索技术，用种群代表一组问题解，通过对当前种群施加选择、交叉和变异等一系列遗传操作，从而产生新一代的种群，并逐步使种群进化到包含近似最优解的状态。由于其思想简单、易于实现以及表现出来的健壮性，遗传算法在许多领域得到了应用，特别是近年来在问题求解、优化和搜索、机器学习、智能控制、模式识别和人工生命等领域取得了许多硕士学位论文基于协作协进化的多机器人协作机制研究令人鼓舞的成就。基本思想遗传算法是从代表问题可能解（）集的一个种群（）开始的，而一个种群则由经过基因编码的一定数目的个体（）组成。每个个体实际上是染色体（）上带有特征信息的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现（即基因型）是某种基因组合，它决定了个体形状的外部表现。因此，在一开始需要实现从表现型到基因型的映射即编码工作。由于仿照基因编码的工作复杂。往往需要进行简化，如二进制编码。第一代种群产生之后，按照适者生存和优胜劣汰的原理，逐代（）演化产生出越来越好的近似解。在每一代，根据问题域中个体的适应度（）大小挑选（）个体，并借助于自然遗传学的遗传算子（）迸行组合交叉（）和变异（）产生出代表新的解集的种群。这个过程导致后代种群比前代更加适应于环境，末代种群中的最优个体经过解码（），可以作为问题的近似最优解。遗传算法采纳了自然进化模型，如选择、交叉、变异等。计算开始时，随机初始化一定数目的个体，并计算每个个体的适应度函数，第一代就产生了。如果不满足优化准则，则开始产生新一代的计算。为了产生下一代，按照适应度选择个体，父代按要求进行基因重组而产生子代，接着所有的子代按照一定的概率变异。计算子代的适应度，然后用子代中适应度高的个体取代父代中适应度低的个体组成新一代种群。这一过程循环执行，直到满足优化准则为止。遗传算法是一种以有限代价解决搜索和优化问题的通用方法。其特点如下：、自组织、自适应和自学习（智能性）。应用遗传算法求解问题时，在编码方案、适应度函数及遗传算子确定后，算法将利用进化过程中获得的信息进行自行组织搜索。由于基于自然的选择策略为“适者生存，不适应者被淘汰”，因而适应度大的个体具有较高的生存概率。通常，适应度大的个体具有更适应环境的结构，再通过基因重组和基因突变等遗传操作，就有可能产生更适应环境的后代。进化算法的这种自组织、自适应特征，使它同时具有根据环境变化来自动发现环境的特性和规律的能力。硕士学位论文基于掷作协进化的多机器人协作机制研究、遗传算法的本质并行性。遗传算法按照并行方式搜索种群中一定数目的个体，而不是单个个体。它的并行性表现在两个方面，一是遗传算法是内在并行性的，即遗传算法本身非常适合大规模并行。二是遗传算法的内含并行性。由于遗传算法采用种群的方式组织搜索，因而可同时搜索解空间内的多个区域，并相互交流信息。使用这种搜索方式，虽然每次只执行与种群规模成比列的计算，但实质上已经进行了大约（）次有效搜索。、遗传算法不需要求导，只需要影响搜索方向的目标适应度函数。、遗传算法强调概率转换规则，而不是确定的转换规则。、遗传算法对给定问题，可以产生许多潜在解，最终选择可以由使用者确定。基本操作遗传算法有三个基本操作算子：选择、交叉和变异。这些操作又有许多不同的方法，具体如下。、选择（）选择是的基本操作之一，即根据个体的适应度，在群体中按照一定的概论选择可以作为父本的个体，选择依据是适应度大的个体被选中的概率高。选择操作体现了适者生存，优胜劣汰的进化规则。首先计算适应度，其方法有：按比例的适应度计算（）和基于排序的适应度计算（）。适应度计算之后是实际的选择，按照适应度进行父代个体的选择。也可选用以下算法：（）轮盘赌选择（）；（）随机遍历抽样（）；（）局部选择（）；（）截断选择（）；（）锦标赛选择（）。、交叉或基因重组（）基因重组是结合来自父代交配种群中的信息产生新的个体。依据个体编码表硕士学位论文基于协作协进化的多机器人协作机制研究示方法的不同，可以有以下的算法：（）实值重组（）。包括离散重组（）、中间重组（）、线性重组（）和扩展线性重组（）。（）二进制交叉（）。它包括单点交叉（）、多点交叉（）、均匀交叉（）、洗牌交叉（）和缩小代理交叉（）。、变异（）交叉之后子代经历的变异，实际上是子代基因按小概率扰动产生的变化。依据个体编码表示方法的不同，可以有实值变异和二进制变异两种方法。基本流程图根据上述原理，遗传算法一般的流程框图如图所示（见下一页）。开始将代数置，并产生初始种群；然后，按一定的概率和方法选择个体进行交叉和变异操作：接着对新个体遵循某一方法进行适应度评估；从新产生的个体中挑选出一定数目的个体来取代父代中的个体，形成新一代种群：计算目标条件是否满足，如果满足，则计算终止，否则，进化代数加，进入下一代计算。协进化方法协进化算法（，）是模仿自然界中物种间的协进化机制而得到的进化计算思想，是进化理论近年来发展的一个热点。协进化方法在细胞自动机（），竞赛游戏（）嘲、分类网络（）川以及机器人（）“”领域的应用研究都取得了可喜的成就，这些成就表明，运用协进化方法来获得更进一步的更有意义的研究成果具有很大的潜力。硕士学位论文基于协作协进化的多机器人协作机制研究基本思想图算法框图协进化啪手旨在多个种群中，当一个种群的基因组成发生变化时，为适应其变化，其它种群的基因也发生相应的变化。更一般地说，就是交互种群中的互利共生的进化变化。协进化方法的核心要素是，群体之间关系既有竞争又有合作，因此，不论协硕士学位论文基于协作协进化的多机器人协作机制研究作型协进化方法还是竞争型协进化方法，群体中的个体适应度评价都与其他群体相关，这种相关既可以是正面影响（合作），也可以是负面影响（竞争），或者是两者共同作用、更为复杂的相互关联关系。协作中的关键问题是对于个体适应度的评价方法，个体的适应度不仅与个体的环境适应性有关，还必须考虑它与其他群中的个体相交互时竞争、合作等表现，的适应度，而不利的则赋予较低的适度，适应的方向进化，从而产生协作行为。基本模型对那些有利于群体协调的个体赋予较高这样各个群体就会朝着有利于相互协调目前已经发展了多种不同的协进化模型，如基于自然界的共生现象衍生得来的合作型协进化（）模型，基于“捕食者猎物”问题得到的竞争型进化（）模型，还有基于各种群独立进化形成的孤岛（）模型以及基于优化所产生的优良食物（）模型。下面对这四种作简单的介绍。、孤岛模型（）早在多年以前，人类学家曾经假设相互间偶尔迁移的隔离的子群体更能维持多样性，并且比单个自由交配群体更能达到更高的适应度高峰。这种称之为的思想在年被“”用遗传算法得到证实。同时，也发现该模型对迁移的速率敏感过于频繁的迁移导致其结果与单个自由交配的种群相类似，而过于稀少的迁移则可维持其多样性，但其适应度却不再合理。等对这些思想进行了进一步的研究，他们对理论进行了深入的研究，该研究表明，予群体经历快速进化和停滞的交替阶段后保持停滞状态；等用频繁迁移来使得分布在多个处理器上小的种群的协作行为能像单个大的种群所表现出的协作行为一样。此外，和“”运用该技术将分布的子种群遗传算法运用在很多问题上，都能用较少的参数优化较大的问题。虽然模型通过维持生态系统中的多样性以及提供更清晰的并行性来改善进化算法的性能，但它没有涉及与相互适应子部分进化相关的其它问题。等通过将模型与其系统的分布式版本中的全体投票操硕士学位论文基于协作协进化的多机器人协作机制研究作算子结合对该模型进行了更进步的研究。在系统的分布式版本中，每个由一个种群构成，该种群代表进化为可归类的正面实例的子集。在每个种群中使用全体投票操作算子来确保所有它所分配的实例都被覆盖。间的个体迁移发生在每一代的末尾。由监督过程决定分配给每个的实例，并且偶尔将之再分配以促进每个和分类理论中形态的一对一对应。换一句话说，每个最终都将产生一个连续的种群，当该种群与每一个其它的连续种群进行非连续的结合时，就将所有正面和反面的实例进行正确归类。这种方式在问题分解方面能取得良好的效果。、优良食物方式（）种群的多样性也可以靠并行方式得以维持，在该方式中，个体或小的子种群分布在许多处理器中，并允许使用匹配规则进行交互”。运用该技术，种群多样性是处理器通信拓扑的函数。两个处理器之间的通信距离越长，其代表的子群体间存在差异就越有可能。然而，仅通过拓扑来维持的多样性是稍纵即逝的，也就是说，如果系统运行了许多代，种群将会融合。进一步说。仅用方式来进化相互适应的子种群是不够的。、竞争模型（）生物学家们已经从理论上证明，大多数多细胞生物对病原体如寄生虫的出现的反应之一就是增加遗传的多样性。采用遗传算法将寄主和寄生虫的模型应用到有序网络的进化上。一个种群（寄主种群）代表有序两络，另一个种群（寄生虫种群）代表以被排序的数字的顺序的形式表示的测试用侧。在处理元素的维环形网格上进化的个体中采用了并行方式。同一种群中的成员按照替换规则进行交配，而寄主种群与寄生虫种群的交互仅局限于占据同一网格位置的配对个体。种群间的交互采用补充的适应度函数形式，也就是说，有序网络的评估是基于其排列那些共存于网格上的测试用例的效果，而测试用例的评估是基于它们被排序的效果有多差。寄主与寄生虫的种群一般来说是被隔离开来的，他们只能通过它们的适应度函数才能进行交互。由于寄主和寄生虫的种群是不能进行交配的，因此，从生物学意义上说，它们是完全进化的种群。和“也运用了竞争模型来解决一系列的竞赛（）学习问题。在他们的模型中，两个种群代表竞赛中的部件。在其研究中没有使用网格拓扑来决定种群间的交互，而是使用了一个称之为的算法。简单地说，硕士学位论文基于协作协进化的多机器人协作机制研究在算法中，一个种群中的每个个体都与另一个种群的上一代部件样本相对应。部件样本的选择是基于其赢得竞赛的能力。进一步说，样本的选择更趋向于那些有能力击败竞争对手的部件，而那些竞争对手在其所代表的种群中很少被击败。和所使用的他们称之为的适应度评估过程奖励某个个体是基于它所击败的部件样本个数。每次获胜所得到的奖励数量是种群中那些能击败同一部件其它个体数量的函数。以上所述的两个竞争模型都已经展示了种群间的这种交互方式有助于保存基因的多样性，同时也表明了与非协进化方式相比，使用协进化方法可以获得更好的最终结果。该模型也可以获得计算更高效的适应度函数，例如，在的研究中，每个有序网络只需要基于以小部分协进化的测试样本来进行评估。竞争模型中的这些特定方式存在两个局限，其一是其需要将问题进行手工分解，其二是它们的应用范围比较窄。协作协进化最先提出协作协进化方法的是和“该思想来自于自然界中协作物种的协进化机制。在过去的十几年里，国内外学者对其进行了广泛的深入的研究。用协作的两个种群模型来求解等提出的欺骗性问题；王文涛等用该方法构建模糊系统呻；等运用协进化方法来完成两个协作刷墙“、等将该方法运用在飞机各部件设计中嘲；薛宏涛对该方法进行了数学建模“。在复杂系统如完成多搬运任务中。就可以遵循协作协进化方法：将原来的系统分解成几个相互关联的子系统，然后让各子系统并行进化。协作协进化方法描述多群体协作协进化算法中存在多个迸化群体，每个群体都按照传统的遗传算法并行进化。根据定义，只有同种群的个体才存在交叉匹配的可能，因而，每个种群代表一个单独的物种。虽然一般来说，各物种是独立的，但是它们都是在其它物种共同存在的背景下进行进化的。特别是，每种物种都会与其它物种的成员硕士学位论文基于协作协进化的多机器人协作机制研究进行临时合作，并在合作成功的基础上获得回报。因此，各物种被认为是同域的（），即它们存活在同一空间里，而不是异域的（），即地理位置上相互隔离；并且，它们的生态关系是互助，也即是在进化的领域里，它们是互利共生的（）“”。标准的协作协进化算法如图所述。首先，初始化一定数目的种群，每个种群代表一个独立的种类；然后，每个种群的个体的适应度通过与其它种群的个体形成合作而得到评估。如果开始所求问题的满意解没有找到，那么，所有种群作进一步的进化。对每个种群而言，进行遗传操作的个体的选择是建立在其适应度的基础上的，比如，通过适应度来合理选择个体；然后运用遗传操作如交叉和变异来产生后代：评估后代的适应度；用新产生的个体取代旧的种群个体。协作协进化算法的关键在于对个体进行适应度评价时，加入对群体间交互协调的处理。对于那些有利于群体间协作的个体赋予较高的适应度，而不利的个体则赋予较低的适应度，这样各个群体就会朝着有利于相互协调适应的方向进化，从而产生协作行为。在进行个体适应度评价时，一种典型方法是先从其它群体中选择代表个体，将选出的代表个体与要评估个体组成协作行为应用到目标领域，根据协作行为的表现评价个体的适应度。如图所示。代表个体的选择方法一般有随机选择法、最优选择法以及混合选择法。所谓随机选择法指从其它群体中随机选取一个个体作为该种群的代表；最优选择法则是指选择当前适应度最好的个体作为代表：混合选择法则指对某一种群中的某一个体进行适应度评估时，分别采用前两种方法从其它种群中选出代表个体参与该个体的适应度评估，然后选择适应度评估结果较好的所对应的代表个体作为评价该个体时种群的最终的代表个体。图显示了种群之间所发生的交互行为。从该图可以看出所选代表仅参与适应度评价，并不从中获得任何适应度评估。虽然该模型的执行运用了同步交互的方式，但这并非是必须的。也就是说。各种群可以在其处理器上异步地进化，只需属于同一种群的个体评价环境是相同的。此外，各种群代表无需修改其进化周期。同时，图也表明对于某领域模型环境中的个体，实际上其交互行为中关于合作是怎样构成的是不明确的。含糊的原因是因为合作的形成取决于种群所代表的意义，而种群所代表的意义取决于问题所涉及的领域。硕士学位论文基于协作协进化的多机器人协作机制研究图协作协进化方法从其它种群中选择代表个体；对于本群体中每个需要评价的个体，进行如下操作：将个体与从其它种群中挑选出的代表个体组合形成协作行为；通过将这种协作行为应用到目标问题而评价其适应度：对个体赋予协作的适应度。；图个体适应度评价方法硕士学位论文基于协作协进化的多机器人协作机制研究图三个种群的交互模型协作协进化主要特征根据上述描述我们可以得出，协作协进化算法主要有如下特征：、在中有多个子种群，每个子种群代表可能解的一部分。对任意两个个体而言，当他们处于不同子种群时，便协作；当处于同一子种群时，则竞争。、由于每个个体仅代表了可能解的一部分，因此我们不能直接计算个体的适应度。为计算出其适应度，该个体必须与其他子种群的个体结合组成一个可能解，然后通过可能解的适应度来定义该个体的适应度。在对某个子种群的个体进行个体适应度评估时，参与评估的其它子种群的代表性成员应视为常量。、选择子种群的代表性成员的方法有多种，例如随机选择和选择最佳。、各子种群采用标准的算法进行进化。硕：学位论文基于协作协进化的多机器人伽作村，究小结本章主要介绍了本研究所采用的算法。首先介绍了标准的遗传算法，然后对协进化算法的思想和目前发展的模型进行了阐述，最后详细描述了本论文的算法基础协作协进化算法。倾士学位论文基于协作协进化的多机器人协作机制研究第三章多系统协作的概念出现于世纪年代的人工智能领域，现在已被广泛应用。多系统是由多个可计算的组成的集合，它能协调一组自治主体的行为（如知识、目标、方法和规划等），以协调动作和求解问题。随着机器人技术的发展，机器人的能力不断提高，应用范围也不断扩大。但是对于复杂的作业，单一机器人很难甚至不能独自完成，需要多机器人协作完成。在多机器人系统中。”每个机器人都视为一个具有基本行为的，单个不仅仅只处理与自身相关的局部目标，还动态地规划各自的动作序列，充分发挥其智能和自主行为，与其它机器人协作共同完成机器人群体的总目标。是一个运行在动态环境中的具有一定功能和特性的实体。具有一定的基本结构，根据应用环境的需要，可归纳出几种典型的模型。概念及特性、概念是运行于动态环境中具有较高自治能力的实体。目前，由于对研究侧重点不同，尚没有一个统一和权威的定义，但在有关的特性方面，由等人提出的的“强定义”和“弱定义“”最经典并广为接受，即一个最基本的特性应包括：自治性、反应性、社会性、能动性、其行为符合理性要求，这五条判定准则构成了的弱定义，而强定义下的还应具有如移动性、自适应性、通信能力（包括协作和协调等）等特性以及一些如知识、信念、承诺、意图、义务等人类才具有的特性。从哲学上对行为意图进行了研究，提出了关于特性的形式表示方式理论即：信念）、愿望（）和意（），被公认为的理论基础之一、特性硕学位论文基于协作拂进化的多机器人协作机制研究根据上述的定义，结合国内外其它学者的研究成果”，可以得出，一个至少应具有如下特性：（）自主性（）：能根据其意图、愿望、信念或习性，在没有人或其他直接干预和指导的情况下，采取一定的行为，并能控制其内部状态和动作。（）社会性（）：能实时地与人或其他的通讯、分工合作，以完成自身问题的求解任务，并为其他提供力所能及的帮助。（）独立性：独立于其他同时执行任务，而不需要人或其他的干预。（）主动。（）：不只是简单地对环境变化作出反应，而是主动地根据内部状态和外部环境产生目标，并为其目标而动作。（）反应。生（）：能感知环境，并能对环境中发生的事件作出反应。基本结构的基本结构”如图所示：厂；磊信息处理模块、环剧冈。夕通信境网甲，知识库一模资，形块源尺竺銎卜一决策与智能控制模块图基本结构它由环境感知模块、执行模块、通讯模块、信息处理模块、决策和智能控制模块以及知识库和任务表组成。环境感知模块、执行模块和通讯模块负责与系统环境和其他进行交互，任务表为该所要完成的功能和任务。信息处理模块负责对感知和接收到的信息进行初步的加工、处理和存储，决策和智能控制模块是赋予智能的关键部件；它运用知识库中的知识对信息处理模块处理所得到的外部环境信息和其他的通讯信息进行进一步的分析、推理，为硕十学位论文基于协作协进化的多机器人协作机书研究进一步的通讯或从任务表中选择适当的任务供执行模块执行做出合理决策。模型纵观近十年的研究状况，适应不同的应用环境而从不同角度产生过多种不同类型的多模型和应用系统这些模型包括：理性的模型、协商模型、协作规划模型和自协调模型”。、理性理性模型是一个概念和逻辑上的理论模型，它渗透于其它模型之中。自从提出信念、愿望、意图的理性平衡的观点后，模型成为研究理性和推理机制的基础。“。在将模型扩展到多的研究中，提出了联合意图，社会承诺，合理性行为等描述或约束协作行为的形式化定义。以联合意图为协作基础建立复杂动态环境下的协作框架。联合意图对共同目标和共同承诺进行描述，当所有个体都同意这个共同目标则每个成员就承诺去达到目标。联合意图上的联合责任机制为行动的完成建立达到目标的行动序列和共同协定，并实时修改或重建协定，以确保系统的可靠性。分析了联合承诺问题，用以描述合作推理和协商。就社会承诺阉题作了探讨，给出几种社会承诺机制。多的模型广泛用于联合监控系统、工业制造和计算机控制领域“”、协商模型协商的思想产生于经济活动中的理论，它主要用于资源竞争、任务分配和冲突消解等问题。多协作行为通常是通过协商产生的。尽管是自利的，其行动目标就是使自己的效用最大化，但当要完成全局目标时，就需要在全局目标上建立一致关系。在资源不足的多动态环境中，任务分解，任务分配，任务监管，任务评价即是一种必要的协商策略。合同网协议是协商模型的典型代表“，它是一种简单但应用广泛的协议，合同网包括三类节点：管理者（），投标者（），合同者（）。整个过程类似于招标投标过程，最终中标者成为合同者，这样就建立起合同关系。合同完成后合同者将结果返回管理者，管理者发出中止信文，合同结束。该模型主要解决任务分布、资源冲突和知识冲突咖“，如将其应用于分布式车辆派货和多计算机协作计算等。硕士学位论文基于协作协进化的多机器人协怍机制研究此外，等用多级协商协议解决分布式约束满足问题中的任务分布和资源分配冲突”，多级协商是对传统合同网的扩充，在投标和中标的过程中允许反复协商；以劳资协商为背景对非协作类的多相互作用进行了研究，结合基于推理和多属性效用理论提出“劝说性辩论”模型“。等用对策论和博弈论方法研究无通信情况下的协作”“。等研究协作或非协作在只有部分信息的情况下进行协商和冲突消解的理论“”。提出一种基于知识的协商方法来消解冲突晗等。、协作规划模型规划模型主要用于为多个制定协调一致的问题求解规划。具有自己的求解目标，并且每个都考虑其它的行动和约束，并进行独立的规划，称为部分规划。网络节点上的部分规划可以通信方式在所有节点之间进行协调，以达到所有都接受的全局规划。提出的部分全局规划（亩方法州允许各动态合作。的相互作用以通讯规划和目标的形式抽象表述。通过以通讯元语描述规划目标，相互告知对方自己的行为期望，利用规划信息调节自身的局部规划，达到共同目标。指出方法在建立实时和全局控制问题一般框架是存在一些局限性，并在他的系统中“”完善和强化了这种方法。共享规划模型是另一种协作规划模型。它将不同心智状态下的期望（这种期望考虑了一个群体的联合行动）定义成一个公理集合来指挥群体中成员采取行动去完成分配的任务。共享规模型最早应用在空中交通管理上。将联合意图和部分共享规划结合起来提出一种混合的系统“”，建立在一种由多个独立增量法则形成的集合确定的增量结构基础上，系统在军事演习的仿真和机器人世界杯足球赛的设计中得到了应用。、自协调模型自协调模型是适应复杂控制系统的动态实时控制和优化而提出的。复杂系统的实时控制，要求控制系统能根据环境和被控对象的动态变化自适应地改变控制结构，调整控制策略，修改控制参数。因而完成实时控制任务的多系统应具有相互间自动协调控制任务和行为的能力。自协调模型是随环境变化自适应调整行为的动态模型，是建立在开放、动态环境下的多模型。该模型的动态特性表现在两方面：一是系统组织结构的分化重组，包括对完成共同任务的硕士学位论文基于协作协进化的多机器人协作机制研究的选择，协作结构的动态生成和在线调整。另一方面是多系统内部以新的控制任务或新的平衡状态为目标进行联合行动的自主协调。多的自协调模型主要基于分布式环境下的学习能力。和“”根据行动产生效果的预测来建立和修正信念过程，提出一种对其它响应进行建模的多系统，试验结果表明通过对模型的学习能使协作达到更好的效果。“”等提出的协调模型则是通过的相互作用进行学习，学习的结果通过整个系统和单个的效益显示出来。其结论是如果所有都采用学习，则联合系统的效益接近最优，单个的效益相近；如果无相互学习，的单个效益几乎相当，但联合效益则大大低于学习的情况。这种模型广泛用于过程控制、多机器人协调、空中交通控制和城市交通控制中。多系统（，）所谓。是指由多个组成的一个较为松散的多联邦，这些成员之间相互协同，相互服务，共同完成一个任务。各成员的活动是自治和独立的，其自身的目标和行为不受其它成员的限制，它通过竞争或磋商等手段协调和解决各成员的目标和行为之间的矛盾和冲突。的资源是分散的，每个对于所要完成的任务拥有不全面的信息或能力，任务的执行和计算是异步的。多系统的体系结构基于协作中，各的体系结构、领域知识、意图、能力等均相同，我们称之为同构；否则，则称之为异构。一般来说，多系统的体系结构是指各之间的通信和控制模式，它的选取影响至整个系统的性能。从运行控制的角度来看，多系统的体系结构可分为种：集中式、分布式和混合式。、集中式结构集中式结构将系统分成多个组，每个组采取集中式管理，即每一组提供一个具有全局知识的控制，通过它来实现多合作的局部控制，如任颂：学位论文基于协作协进化的多机器人协作机制研究务规划和分配