Search | Engineering

订阅投稿

首页工程期刊工程焦点工程成就工程前沿关于我们 English

资源类型

期刊论文 770

年份

2024 3

2023 89

2022 100

2021 91

2020 72

2019 66

2018 70

2017 44

2016 25

2015 25

2014 11

2013 6

2012 14

2011 10

2010 8

2009 3

2008 10

2007 12

2006 25

2005 17

展开︾

关键词

人工智能 38

智能制造 31

机器学习 15

新一代智能制造 10

智能化 8

工业软件 5

可持续发展 4

增材制造 4

智能 4

智能控制 4

物联网 4

群体智能 4

工程项目 3

新一代人工智能 3

智能电网 3

神经网络 3

4D打印 2

COVID-19 2

展开︾

检索范围：

排序：展示方式：

博弈的存在与实践：对多智能体博弈发展的思考 Perspective

董琦1,吴镇宇1,2,陆军1,孙凤松1,3,王锦宇1,3,杨焱煜1,尚晓舟1

《信息与电子工程前沿（英文）》 2022年第23卷第7期页码 995-1001 doi: 10.1631/FITEE.2100593

摘要：博弈是宇宙中的一种普遍存在。本文从人类对博弈的认识过程出发，探讨了博弈的存在与实践，阐述了多智能体博弈研究难点，并基于演化思想，从系统论的角度出发，提出多智能体演化博弈理论框架。以下一代预警探测系统为例，介绍了多智能体演化博弈的应用实践。构建了多智能体自组织博弈决策模型和多智能体强化学习方法，对研究高维复杂环境下的组织化、体系化博弈行为具有重要意义。

关键词：博弈；多智能体系统；多智能体演化博弈；预警探测

HTML PDF 收藏

多智能体协作与博弈展望：挑战、技术和应用 Perspective

刘瑜1,李徵2,姜智卓2,何友1

《信息与电子工程前沿（英文）》 2022年第23卷第7期页码 1002-1009 doi: 10.1631/FITEE.2200055

摘要：近年来，多智能体系统在解决复杂环境中各种决策问题方面取得显著进步，并已实现与人类相似甚至更好的决策性能。本文从任务挑战、技术方向和应用领域3个角度简要回顾多智能体协作和博弈相关技术。首先回顾近期多智能体系统工作中的典型研究问题和挑战，然后进一步讨论关于多智能体协作和游戏任务的前沿研究方向，最后对多智能体协作与博弈的应用领域进行重点展望。

关键词：多智能体；博弈论；集体智能；强化学习；智能控制

HTML PDF 收藏

基于多智能体微分博弈的数据驱动协同一致控制 Research Article

石宇1,化永朝2,于江龙1,董希旺1,2,任章1

《信息与电子工程前沿（英文）》 2022年第23卷第7期页码 1043-1056 doi: 10.1631/FITEE.2200001

摘要：本文研究了多智能体微分博弈问题及其在协同一致控制中的应用。提出系统化的多智能体微分博弈构建和分析方法，同时给出一种基于强化学习技术的数据驱动方法。首先论证了由于网络交互的耦合特性，典型的分布式控制器无法充分保证微分博弈的全局纳什均衡。其次通过定义最优对策的概念，将问题分解为局部微分博弈问题，并给出局部纳什均衡解。进一步提出一种基于改进耦合指标函数的微分博弈模型及其等效的强化学习求解方法。与现有研究相比，该模型解决了多智能体所需信息的耦合问题，并实现分布式框架下全局纳什均衡和稳定控制。

关键词：多智能体系统；微分博弈；一致控制；数据驱动；强化学习

HTML PDF 收藏

带有网络智能体的去中心化多智能体强化学习进展 Review Article

张凯清1,杨卓然2,Tamer BAŞAR1

《信息与电子工程前沿（英文）》 2021年第22卷第6期页码 802-814 doi: 10.1631/FITEE.1900661

摘要：多智能体强化学习长期以来一直是机器学习和控制领域的重要研究课题。最近在（单智能体）深度强化学习领域的进展重新唤醒了对多智能体强化学习的研究兴趣，尤其在理论分析方面。本文回顾这个大课题中的一个子领域：带有网络智能体的去中心化多智能体强化学习。在这一场景中，多个智能体在一个共同的环境中进行序贯决策，无需中心控制器的协调，且智能体被允许和它们在通信网络上的邻居交换信息。这样的一个模型在很多方向都有相关应用，包括机器人控制、无人车控制、移动传感器网络控制、智能电网，等等。本综述旨在覆盖和整理我们和其他科研人员在这一方向的相关工作。

关键词：强化学习；多智能体系统；网络系统；一致性优化；分布式优化；博弈论

HTML PDF 收藏

多智能体分布式智能控制在VAV空调系统中的应用

张宏伟,吴爱国,盛涛

《中国工程科学》 2006年第8卷第7期页码 58-62

摘要：

针对变风量（VAV）空调系统的特性，将VAV系统分解为多个智能体，提出了基于多智能体技术的分布式智能控制方法，有效地解决了变风量空调系统回路间的解耦和协调问题。

关键词：变风量智能体多智能体系统分布式智能控制

HTML PDF 收藏

针对意外崩溃智能体的教练辅助多智能体强化学习框架 Research Article

赵鉴1,赵有朋1,王维埙2,阳明宇1,胡迅晗1,周文罡1,郝建业2,李厚强1

《信息与电子工程前沿（英文）》 2022年第23卷第7期页码 1032-1042 doi: 10.1631/FITEE.2100594

摘要：多智能体强化学习在实际场景中很难应用，一部分原因在于模拟环境和现实环境之间存在差距。造成这种差距的一个原因是，模拟系统总是假设智能体可以一直正常工作，而实际上，由于不可避免的硬件或软件故障，一个或多个智能体可能会在合作过程中意外 “崩溃”。这样的崩溃会破坏智能体之间的合作，导致系统性能下降。本文中，我们给出了意外崩溃情况下合作多智能体强化学习系统的正式定义。为增强系统应对崩溃时的鲁棒性，提出教练辅助多智能体强化学习框架，其在训练过程中引入一个虚拟教练智能体，以调整系统的崩溃概率。为教练智能体设计了3种教练策略和重采样策略。据我们所知，这是研究多智能体系统中意外崩溃情况的首项工作。在网格环境和星际争霸微管理任务上的大量实验表明，相比固定崩溃概率和课程学习的教练策略，自适应策略更加有效。

关键词：多智能体系统；强化学习；意外崩溃智能体

HTML PDF 收藏

粒子群优化算法综述

杨维,李歧强

《中国工程科学》 2004年第6卷第5期页码 87-94

摘要：

粒子群优化（PSO）算法是一种新兴的优化技术，其思想来源于人工生命和演化计算理论。PSO通过粒子追随自己找到的最好解和整个群的最好解来完成优化。

关键词：群体智能演化算法粒子群优化

HTML PDF 收藏

输入饱和下多智能体系统最优一致性控制：一类非零和博弈方法 Research Article

李洪阳1,2,魏庆来1,2,3

《信息与电子工程前沿（英文）》 2022年第23卷第7期页码 1010-1019 doi: 10.1631/FITEE.2200010

摘要：本文针对输入饱和下的多智能体系统，提出一种最优一致性控制方法。引入多智能体博弈理论，将最优一致性控制问题转化为多智能体非零和博弈。

关键词：最优一致性控制；多智能体系统；非零和博弈；自适应动态规划；输入饱和；脱策强化学习；策略迭代

HTML PDF 收藏

一种面向平台型智能制造系统调度的多智能体架构 Special Feature on Industrial Internet

Yong-kui Liu, Xue-song Zhang, Lin Zhang, Fei Tao, Li-hui Wang,yongkuiliu@163.com,xs_zhang@126.com,zhanglin@buaa.edu.cn,ftao@buaa.edu.cn,lihuiw@kth.se

《信息与电子工程前沿（英文）》 2019年第20卷第11期页码 1465-1492 doi: 10.1631/FITEE.1900094

摘要：在过去几年，一些智能制造概念相继被提出，如云制造、工业4.0以及工业互联网。它们共同目的之一是通过构建汇聚资源的平台，实现跨企业资源协同优化配置。我们称这样的制造系统为平台型智能制造系统。因此，一个平台型智能制造系统可看作一个规模巨大的信息物理系统，其中信息部分是平台而物理部分是相应物理制造系统。对一个平台型智能制造系统而言，一个重要问题是如何实现汇聚资源的优化调度。多智能体技术为该问题的解决提供了一种有效方法。本文提出一个面向平台型智能制造系统调度的多智能体架构，包括平台层次的调度多智能体系统和企业层次的调度多智能体系统。提出平台型智能制造系统调度的流程、特征和需求。基于上述架构，提出一个面向平台型智能制造系统的调度模型。通过案例，验证了所提架构和模型的有效性。

关键词：平台；智能制造；多智能体；调度

HTML PDF 收藏

多智能体系统的体系化和组织化博弈 Editorial

陆军1,王飞跃2,董琦1,魏庆来2

《信息与电子工程前沿（英文）》 2022年第23卷第7期页码 991-994 doi: 10.1631/FITEE.2240000

摘要： Multi-agent system gaming (MASG) is widely applied in military intelligence, information networks, unmanned systems, intelligent transportation, and smart grids, exhibiting systematic and organizational characteristics. It requires the multi-agent system perceive and act in a complex dynamic environment and at the same time achieve a balance between individual interests and the maximization of group interests within the system. Some problems include complex system structure, uncertain game environment, incomplete decision information, and unexplainable results. As a result, the study of multi-agent game has transformed from a traditional simple game to a game facing a high-dimensional, continuous, and complex environment, which prompts an urgent need for institutionalized and systematized gaming (InSys gaming). With this background, several important tendencies have emerged in the development of InSys gaming for multi-agent systems:1. Analyzing the evolution law of MASG and establishing the InSys gaming theory model for multi-agent systemsThe organized and systematic MASG has orderly and structured characteristics, so it is necessary to establish a system game model. To study political, military, economic, and other systemic confrontation gaming problems, the first step is to analyze the system’s internal evolution characteristics and external interaction information. In addition, establishing the evolution model of InSys gaming and studying the elements, relationships, and criteria of the game evolution help provide theoretical support for the system design, decision-making planning, and other research in this field.2. Combining several artificial intelligence learning algorithms to achieve collaborative decision-making of multi-agent systemsThe current mainstream artificial intelligence learning methods all have application advantages in specific scenarios. In solving InSys gaming problems, we can combine the environmental representation ability of deep learning and the decision generation ability of reinforcement learning (RL). For example, by building a digital simulation training environment, intelligent decision algorithms and unsupervised training methods can be designed to generate a multi-agent system’s collaborative decision in a complex and unknown environment.3. Adopting a hierarchical task planning and decision-making action architecture to reduce the complexity of collaborative decision-making algorithmsWith the increase of the scale of multi-agent systems, the problems of node coupling, observation uncertainty, and interaction disorder faced by collaborative decision-making have become increasingly prominent. The complexity of solving its systematic and organized game problems has increased significantly. A multi-agent hierarchical algorithm architecture is constructed through game task decomposition, longterm planning, and real-time action decision-making. It can effectively reduce the complexity of the search process of a collaborative decision-making algorithm. In addition, it is a feasible idea for solving an organized and systematic game.4. Establishing the robustness analysis framework of the algorithm model to solve the model deviation between data-driven methods and the actual sceneWhen the training data deviates from the actual scene for data-driven methods, the algorithm’s performance will be degraded. Thus, it is necessary to study the robustness analysis framework of data-driven methods. For example, a robust algorithm model and an actual data fine-tuning method are designed to reduce the performance loss of the trained algorithm. This strategy helps support the actual deployment of data-driven methods.Game theory has become a basic analytical framework for solving problems in strategic politics, military confrontation, market economy, and so on. The object of analysis is characterized by complex systematization and organization and has been highly concerned with and valued by academic and industrial circles alike. A multi-agent system is used to model the organized and systematic game, combined with an artificial intelligence method to solve the game decision-making problem, providing a new idea for developing theories, methods, and technologies in this field.

HTML PDF 收藏

多目标存在的多基地MIMO组网雷达与多干扰机之间的超模干扰抑制博弈 Research Article

赫彬1,2,苏洪涛1

《信息与电子工程前沿（英文）》 2022年第23卷第4期页码 617-629 doi: 10.1631/FITEE.2000652

摘要：为应对新一代电子战的威胁，本文建立一种非合作对抗博弈模型，分析了多基地多入多出（MIMO）雷达与多干扰机之间的功率分配和干扰抑制问题。首先，根据功率分配策略，构造了一种具有固定权矢量的超模功率分配博弈框架。同时，建立了一种极大化雷达效用函数的约束优化模型。基于效用函数，分别得到雷达和干扰机的最佳功率分配策略，并证明该超模博弈的纳什均衡的存在性和唯一性。然后，提出一种具有固定权矢量的超模博弈算法，该算法收敛于博弈的纳什均衡。为抑制这些干扰，提出一种联合功率分配和波束形成的超模博弈算法。该算法在保证最佳功率分配的同时，提高了MIMO雷达的干扰抑制能力。最后通过数值结果验证了两种算法的优越性和收敛性。

关键词：超模博弈；功率分配；波束形成；多入多出雷达；多干扰机

HTML PDF 收藏

一种新型的有向拓扑条件下普通线性多智能体系统的一致性协议 Article

Hao-liang LI, Ren-nong YANG, Qiu-ni LI

《信息与电子工程前沿（英文）》 2017年第18卷第8期页码 1071-1081 doi: 10.1631/FITEE.1601422

摘要：本文研究了普通线性多智能体系统在有向拓扑条件下的一致性问题。

关键词：多智能体；一致性；PID（Proportional-integral-derivative）控制；线性矩阵不等式

HTML PDF 收藏

超长筒体与滚圈三维多体接触体系的力学特征

梁小玲,肖友刚,李学军

《中国工程科学》 2005年第7卷第12期页码 41-44

摘要：

针对筒体、滚圈结构重复性强的特点，基于多重子结构技术，建立了超长筒体与滚圈三维多体接触模型；应用参数二次规划法，对中铝公司河南分公司2号窑筒体与滚圈的多体接触模型进行了有限元数值计算，得出结论：a

关键词：筒体多体接触多重子结构力学特征

HTML PDF 收藏

探索与打击任务中异构智能体动态分组策略 Research Article

陈晨1,吴啸尘1,陈杰1,2,Panos M. PARDALOS3,丁舒忻4

《信息与电子工程前沿（英文）》 2022年第23卷第1期页码 86-100 doi: 10.1631/FITEE.2000352

摘要：多变的环境和复杂的作战任务对无人作战智能体任务群组的构建提出了新的要求。本文旨在解决新需求下的任务群组动态构建问题。针对智能体的异构性，在不断探索任务的情况下群体形成方法需满足能动态形成新的群组。

关键词：多智能体；动态作战任务；任务组形成；启发式规则；组网开销

HTML PDF 收藏

基于数字信息素和领航算法的未知环境多智能体目标探测 Research

邵燕1,赵志峰1,2,李荣鹏1,周裕庚3

《信息与电子工程前沿（英文）》 2020年第21卷第5期页码 649-808 doi: 10.1631/FITEE.1900659

摘要：在复杂且动态性强的环境中，指导多无人机系统协调运作是一项具有挑战性的技术。基于数字信息素和当前主流无人系统控制算法，提出一种有限先验知识下多无人机系统目标探测分布式算法。通过改进不同语义数字信息素的融合算法和个体行为决策方案，提出一种更合理、有效的信息素更新机制。同时，考虑到一些个体在感知和交流方面的局限性，以及受自然界蜂拥算法启发，在Olfati–Saber无人机群控制算法基础上，设计了新的领航算法模型。此外，使用矢量信息代替传统标量信息素，使无人机群具有更高探测效率。仿真结果表明，该算法在指定区域的探测覆盖率、目标获取及回访效率、避障能力等方面都有较好表现。

关键词：群体智能；数字信息素；人工势场；领航算法

HTML PDF 收藏

标题作者时间类型操作

博弈的存在与实践：对多智能体博弈发展的思考

董琦1,吴镇宇1,2,陆军1,孙凤松1,3,王锦宇1,3,杨焱煜1,尚晓舟1

期刊论文

多智能体协作与博弈展望：挑战、技术和应用

刘瑜1,李徵2,姜智卓2,何友1

期刊论文

基于多智能体微分博弈的数据驱动协同一致控制

石宇1,化永朝2,于江龙1,董希旺1,2,任章1

期刊论文