多智能体系统及其协同控制研究进展

1、- -多智能体系统及其协同控制研究进展摘要：对多智能体系统及其协同控制理论研究和应用方面的发展现状进行了简要概述.首先给出Agent及多Agent系统的概念和特性等，介绍了研究多 Agent系统协同控制时通常用到的代数图论 ；然后综述了近年来多 Agent系统群集运动和协同控制一致性方面的研究状况 ，并讨论了其在军事、交通运输、智能机器人等方面的成功应用；最后,对多Agent系统未来的发展方向进行了探讨和分析 ，提出几个具有理论和实践意义的研究方向 ，以促使多Agent系 统及其协同控制理论和应用的深入研究 .关键词：多Agent系统(MAS);协同控制；代数图论；群集运动；一致性协议Adva

2、nces in Multi-Agent Systems and Cooperative ControlAbstract: Progress in multi-Age nt systems with cooperative con trolwas reviewed in terms of theoretical research and its applicati ons. Firs,t con cepts and features used to defi ne Age nts and multi-Age nts were an alyzed. Then graph theory was in

3、 troduced, since it is ofte n used in research on cooperative con trol of multi-Age nt systems. Then adva nces in swarm in g/flock ing as well as the means used to derive a consensus among multi-Agents under cooperative control were summarized. The application of these abilitieswas discussed for the

4、 military, tran sportatio n systems,a nd robotics. Fin ally, future developme nts for multi-Agent systemswere considered and significant research problems proposed to help focus research on key questi ons formulti-Age nt systemswith cooperative con trol.Key words: Multi -Agent system (MAS) ; Coopera

5、tive control; Graph theory; Swarming/ flocking; Consen sus protocol分布式人工智能是人工智能领域中一个重要的研究方向，而多Age nt系统(multi-Age nt systemMAS)则是其一个主要的分支.20世纪90年代，随着计算机技术、网络技术、通信技术的飞速发展,Agent及MAS的相关研究已经成为控制领域的一个新兴的研究方向.由于Age nt体现了人类的社会智能，具有很强的自治性和适应性，因此，越来越多的研究人员开始关注对其理论及应用方面的研究.目前，人们已经将 MAS的相关技术应用到交通控制电子商务、多机器人系统、军

6、事等诸多领域.而在MAS中,Agent之间如何在复杂环境中相互协调，共同完成任务则成为这些应用的重要前提.近年来，从控制的角度对MAS进行分析与研究已经成为国内外众多学术机构的关注热点，人们在MAS协同控制问题上做了大量的研究工作，特别是在MAS群集运动控制和协同控制一致性问题方面取得了很大的进展.目前对MAS的研究总体上来说还处于发展的初步阶段，离真正的实用化还有一定的距离；但其广泛的应用性预示着巨大的发展潜力，这必将吸引更多专家、学者投入到这一领域的研究工作中，对MAS的理论及应用做进一步探索.根据上述目的，本文主要概述了多智能体系统(MAS)在协同控制方面的研究现状及其新进展.1 Age

7、 nt与MAS的相关概念Age nt的概念Agent 词最早可见于 Min sky于1986年出版的Social of Mi nd一书中.国内文献中经常将 Age nt翻 译为:智能体、主体、代理等，但最常见的仍是采用英文“ Age nt；因为Age nt的概念尚无统一标准，人们对于汉语中哪个词能更好地表达其含义还没有达到共识介绍两种引用较多的定义形式：Maes在文献1中将Age nt定义为:试图在复杂的动态环境中实现一组目标的计算机统：Wooldrige和Jennings在文献2中，从Age nt的特性方面给出其弱定义和强定义Age nt接受从环境中感知的输入,并产生输出动作作用于环境，这种

8、交互通常是一个连续不断的过程.Agent不能完全控制它周围的环境，只能通过动作输出影响环境.图1环境中的AgentFigi the agent in environment图1给出了一个环境中 Age nt的抽象示意图从图中可知,Age nt接受从环境中感知的输入，并产生输出动 作作用于环境，这种交互通常是一个连续不断的过程.Agent不能完全控制它周围的环境，只能通过动作输出影响环境.1.2 MAS的概念概念：MAS是由多个Age nt组成的集合,Age nt之间以及Age nt与环境之间通过通讯、协商与协作来 共同完成单个Age nt所不能解决的问题.优点：更广泛的任务领域、更高的效率、改

9、良的系统性能、错误容忍、鲁棒性、分布式的感知与作 用、内在的并行性、对社会和生命科学的观察等显著特性。图2描述了Fig2 Multi-Agent system in environment1.3 MAS的组织结构MAS的组织结构可以是集中式的或分布式的，也可以是这2种形式都存在的混合式组织结构.不同的组织结构行为方式不同，因此性能也会有所不同.一般地,MAS的组织结构主要分为以下 3种类型3:1）行政管理组织结构（集中式）.2）完全自治式组织结构（分布式）.3）问题求解组织结构（混合式）.2 MAS协同控制研究进展经过20多年的发展，MAS的研究已经在理论和应用方面取得了很大的进展.MAS 一

10、个显著特征是：系统中每个Age nt的能力有限，而大量这样的个体聚集到一起，通过相互作用会产生有意义的社会活动或完成单个Age nt所不能完成的任务因此,MAS研究领域中一个重要的问题就是设计正确的控制策略,使MAS完成 TOC o 1-5 h z 给定任务，即MAS的协同控制问题近年来,MAS的协同控制已经成为国内外诸多研究人员关注的热点问题,本节先简要介绍研究协同控制问题通常使用的代数图论，然后从MAS群集运动和协同控制一致性问题2个方面，论述近年来国内外在多Age nt协同控制方面的研究发展状况2.1代数图论有向图G=(V,E,A)由一个有限顶点(或结点集合 V=v1,v2,vn、一个有

11、向边的集合E属于V X V和权重矩阵A所构成.eij=(vi,vj) E叫做边，第个元素vi称为边的起点 第2个元素vj称为边的终点，边的方向 从vi指向vj.连接权值矩阵为 A=aij且对于i 1(1=1,2,，n)有：i丰j, aij0,对于i l:aii=O.类似地可以定义无 向图，无向图是由一个有限顶点(或结点)集合、一个无向边集合和权重矩阵构成的。MAS群集运动及控制研究MAS群集(Swarming/Flocking)行为是复杂性科学的一个焦点问题例如：如鸟群迁徙时会整齐编队，在遇到障碍时，这种队形还可以自动调整。如野生动物群和鱼群在遇到攻击时会形成一个合理的编队逃跑，而不是一哄而散

12、。如蚁群在觅食时能够在食物与居住地之间选取一条最优路径，并且，当环境变化时，它们会对路径进行重新选。这些是群集行为极具代表性的例子1987年,Reynolds提出一个模仿动物聚集的计算机模型 4,这个基本的群集模型包括 3条规则1)聚集 (cohesio n):所有Age nt改变当前位置并向其邻近成员的平均位置运动；2)分离(separati on):运动过程中，相邻的Age nt避免发生碰撞；3)调整(lig nmen t):所有Age nt速度大小和方向改变基于其邻近成员的平均值MAS-致性问题研究一致性(con se nsus)是指在一个 MAS中,所有的Age nt最终状态能够趋于一

13、致.一致性协议(算法)则是 MAS中 ,使个体状态最终趋于一致的Age nt之间的信息传递规则。下面介绍两种一致性协议(算法) ：设系统中有n个多Age nt用xi表示第i个Age nt的状态，这个状态可以是位置、速度、振幅等连续时间线性一致性协议离散时间线性一致性协议上述两种研究工作都是假设 Age nt信息交换渠道是非常理想化的 ，即每个Age nt能从与它邻近的 Age nt 那里得到准确的信息.而在实际应用中,Agent发送、接收信息及信息传输过程中经常会受到干扰，例如：热干扰、信道衰减等。3多Agent协同控制的应用3.1 军事方面Li等对一种对话模式的坦克智能体之间的通讯机制进行了

14、构建，为在坦克分队仿真开发中通讯机制有效性、可靠性、透明性的提高提供了有力的参考Parker已经在早期的工作中对飞机编队飞行问题进行了研究，他利用局部信息和全局信息相结合的方式设计控制率以保持编队文献4还利用MAS技术构建火力分配模型，实现火力模型通用化、智能化，使火力分配更精确、高效.3. 2交通运输控制方面文献5采用多Age nt协调控制方法来协调相邻交叉口处的控制信号,以消除网络中的交通拥塞Che ng等则在文献6中提出了一种基于多智能体的分布式交通信号协调控制方法澳大利亚人工智能研究所基于多Age nt的思路设计实现了一个空中交通管理系统,系统中每个Age nt负责一个空中交通系统中的

15、子问题，并与其他Age nt进行协调与协作，以便实现整个系统的目标任务 3. 3智能机器人方面日本的机器人足球世界杯锦标赛RoboCup就是一个非常典型的例子，在机器人足球赛中，多个机器人之间的关系相当复杂，它们必须通过互助合作才能共同完成任务，这是MAS协同控制应用的一个典型实例在工业方面，MAS协同控制的应用表现在，人们控制多个智能机器人以特定队形搬运单个物体，利用多个智能机器人替代人类进行危险作业4 结束语MAS及其协同控制已经成为当前学术界一个新的研究热点，吸引了许多不同领域研究人员的极大关注本文讨论了与 MAS有关的一系列问题，简要介绍了 MA勃同控制方面的研究状况与应用，展望了几个

16、有待进一步研究的方向虽然MAS及其协同控制相关问题的研究会存在很多问题和困难，但其应用前景是十分广阔的，相信在各领域专家、学者的共同努力下，多智能体系统控制方面的研究定能取得新的进展与突破参考文献：TANNER H G, JADBABAIE A，PAPPASG J. Stable flocking of mobile Agents，Part II: dynamic topologyC /Proceedings of the IEEE Conference on Decision and Contro.l Mau,i HI, USA, 2003: 2016-2021TANNER H G. Flo

17、cking with obstacle avoidance in switc-hing networks of interconnected vehiclesC /Proceedingsof theIEEE InternationalConference on Robotics and Auto-mation. New Orleans, USA, 2004: 3006-3011.李 英.多Agent系统及其在预测控制与智能交通系统中的应用M.上海:华东理工大学出版社,2004: 15-25.REYNOLDS G . Flocks, birds and schools: a distributed behavioral modelJ. ComputerGraphics, 1987, 21(1):25-34.VICSEK T, CZIROK A, BENJACOB E, et a.l Novel typeof phase-transi