论文部分内容阅读
多Agent系统中的合作与协调问题是一个极具价值的重要研究课题。Agent在交互过程中可能存在多种混杂特性,然而以前的研究中很少系统地研究如何促进具有混杂特性的多Agent系统的合作性,本文针对不同的具有混杂特性的多Agent系统,分别提出不同的自组织机制以增强Agent之间的合作性与协调性。首先,考虑到多Agent系统的交互结构混杂特性,本文将社会惯例自发形成模型扩展到双重网络环境中,使每一个Agent在不同网络层与不同的对象进行协调博弈,在事先没有规定Agent策略的前提下观察最终是否能自发形成多数Agent都认可的惯例,并且进一步探究了自组织机制在小世界和无标度网络中对收敛速度的影响。仿真实验发现第二层网络对社会惯例自发形成的收敛过程有明显加速作用,而在有自组织机制的环境下,随机邻居连接和随机全局连接能进一步促进惯例形成的速度。然后,考虑到Agent的交互策略混杂特性,本文给进贡／税收模型中的Agent设计了一种恶意行为,该恶意行为会严重损害系统的合作性。为了使系统中所有Agent加入一个联盟,同时遏制恶意Agent比例以提高系统合作性,本文提出自组织机制以满足这两个目标。实验结果证明基于个体信誉连接表现最优秀,能够在不同的网络环境下实现Agent的完全合作。并且,如果能确保系统中有极少数的不会成为恶意Agent的固执Agent,在基于个体信誉连接机制共同作用下几乎可以完全消除系统中的恶意Agent。最后,考虑到多Agent系统中交互角色混杂特性,本文提出一种名为Intermediary-Adapt的自组织机制以在任务分配环境下提高系统表现。系统中所有Agent可以扮演两种角色：执行Agent(EA)和中介Agent(IA),并且Agent可以自由切换其扮演角色。某些轻载的Agent自发扮演IA,为EA承担起连接调整的工作以节省EA的负载,EA可以利用节省下的负载完成任务。与K-Adapt和TBM相比,Intermediary-Adapt在各种不同环境下表现得更好,并且可以达到中心式机制的表现的80%。