多智能体系统及其协同控制研究进展

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

Advances in Multi-Agent Systems and Cooperative Control

Abstract: Progress in multi-Agent systems with cooperative controlwas reviewed in terms of theoretical research and its applications. Firs,t concepts and features used to define Agents and multi-Agents were analyzed. Then graph theory was introduced, since it is often used in research on cooperative control of multi-Agent systems. Then advances in swarming/flocking 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 military, transportation systems,and robotics. Finally, future developments for multi-Agent systemswere considered and significant research problems proposed to help focus research on key questions formulti-Agent systemswith cooperative control.

Key words: Multi-Agent system (MAS) ; Cooperative control; Graph theory; Swarming/ flocking; Consensus protocol

- 1 -

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Agent系统(multi-Agent 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Agent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 Agent与MAS的相关概念

1.1 Agent的概念

Agent一词最早可见于Minsky于1986年出版的《Social of Mind》一书中.国内文献中经常将Agent翻译为:智能体、主体、代理等,但最常见的仍是采用英文“Agent”；因为Agent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:

①：Maes在文献[1]中将Agent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

②：Wooldrige和Jennings在文献[2]中,从Agent的特性方面给出其弱定义和强定义

- 2 -

Agent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.

图1 环境中的Agent

Fig1 the agent in environment

图1给出了一个环境中Agent的抽象示意图.从图中可知,Agent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Agent组成的集合,Agent之间以及Agent与环境之间通过通讯、协商与协作来共同完成单个Agent所不能解决的问题.

优点：更广泛的任务领域、更高的效率、改良的系统性能、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MAS中Agent之间以及Agent与环境之间的关系

- 3 -

图2 环境中的MAS

Fig2 Multi-Agent system in environment

1.3 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一个显著特征是:系统中每个Agent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Agent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,

- 4 -

使MAS完成给定任务,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Agent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}、一个有向边的集合E属于 V×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∈I(I=1,2,…, n)有: i≠j, aij>0,对于i∈I:aii=0.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。

2.2 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。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(cohesion):所有Agent改变当前位置并向其邻近成员的平均位置运动; 2)分离(separation):运动过程中,相邻的Agent避免发生碰撞; 3)调整(lignment):所有Agent速度大小和方向改变基于其邻近成员的平均值.

2.3 MAS一致性问题研究

- 5 -

一致性(consensus)是指在一个MAS中,所有的Agent最终状态能够趋于一致.一致性协议(算法)则是MAS中,使个体状态最终趋于一致的Agent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Agent用xi表示第i个Agent的状态,这个状态可以是位置、速度、振幅等.

1）连续时间线性一致性协议

2）离散时间线性一致性协议

上述两种研究工作都是假设Agent信息交换渠道是非常理想化的,即每个Agent能从与它邻近的Agent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

① 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.

② 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

③ 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.

- 6 -

3. 2 交通运输控制方面

① 文献[5]采用多Agent协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

② Cheng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制方法.

③ 澳大利亚人工智能研究所基于多Agent的思路设计实现了一个空中交通管理系统,系统中每个Agent负责一个空中交通系统中的子问题,并与其他Agent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

① 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

② 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MAS协同控制方面的研究状况与应用,展望了几个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

- 7 -

进展与突破.

参考文献：

[1] TANNER H G, JADBABAIE A, PAPPASG J. Stable flocking of mobile Agents, Part II:

dynamic topology[C] //Proceedings of the IEEE Conference on Decision and Contro.l Mau,i HI, USA, 2003: 2016-2021

[2] TANNER H G. Flocking with obstacle avoidance in switc-hing networks of interconnected vehicles[C] //Proceedingsof the IEEE InternationalConference on Robotics and Auto-mation. New Orleans, USA, 2004: 3006-3011.

[3] 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.

[4] REYNOLDS G. Flocks, birds and schools: a distributed behavioral model[J]. ComputerGraphics, 1987, 21(1):25-34.

[5] VICSEK T, CZIROK A, BENJACOB E, et a.l Novel typeof phase-transition in a system of self-driven particles[ J].PhysicalReview Letters, 1995, 75(6): 1226-1229

[6] TANNER H G, JADBABAIE A, PAPPASG J. Stable flocking of mobile Agents, Part I: fixed topology[C] // Proceedings of the IEEE Conference on Decision and Contro.lMau,i HI, USA, 2003: 2010-2015.

- 8 -