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 2890

会议视频 448

会议信息 280

会议专题 4

年份

2024 5

2023 273

2022 401

2021 447

2020 408

2019 327

2018 188

2017 173

2016 116

2015 108

2014 70

2013 66

2012 76

2011 87

2010 77

2009 62

2008 76

2007 84

2006 87

2005 86

展开︾

关键词

2020 117

智能制造 112

人工智能 89

学术会议 44

2019 42

信息技术 40

能源 36

农业科学 33

可持续发展 25

环境 25

工程管理 22

机器学习 19

三峡工程 15

医学 14

大数据 14

系统工程 14

仿真技术 13

发展战略 13

指标体系 13

展开︾

检索范围：

排序：展示方式：

基于融合任务信息图神经网络的多智能体系统协同规划 Research Article

戴汉奇1,2,芦维宁2,李祥隆3,杨君1,孟德山4,刘衍泽5,梁斌1

《信息与电子工程前沿（英文）》 2022年第23卷第7期页码 1069-1076 doi: 10.1631/FITEE.2100597

摘要：协同规划是多智能体系统博弈领域的关键问题之一。本文聚焦每个智能体只有一个局部观测范围和局部通信情况下的协作规划。提出一种新型协同规划框架，该框架将图神经网络与融合任务信息采样方法相结合。本文的两个主要贡献是基于与前期工作的比较：（1）使用图采样与聚合方法（GraphSAGE）实现动态近邻智能体信息融合，这是该方法首次用于处理协同规划问题；（2）提出一种面向任务的采样方法，从特定方向聚合知识

关键词：多智能体系统；协同规划；图采样与聚合（GraphSAGE）；融合任务信息

HTML PDF 收藏

基于面向任务的协同特征向量的联盟形成算法 Article

Hao FANG,Shao-lei LU,Jie CHEN,Wen-jie CHEN

《信息与电子工程前沿（英文）》 2017年第18卷第1期页码 139-148 doi: 10.1631/FITEE.1601608

摘要：联盟形成是多智能体系统中一个重要的协同问题，对智能体的协同能力进行适当的描述是处理这个问题的一个基本且必要的前提。这篇文章对智能体的协同能力进行了建模，该模型由五个影响因素构成。同时，对任务需求向量进行了描述。提了一种随机机制以减少联盟形成过程中的过度竞争。此外，为了减少任务需求和实际任务需求之间的差距，提出了一种人工智能方法，该方法可以提高多智能体对人类指令的认知。实验结果显示了该模型及分布式人工智能方法的有效性。

关键词：协同向量；任务分配；多智能体系统；联盟形成；人工智能

HTML PDF 收藏

间歇通信下基于采样数据的二阶多智能体系统包含控制 Research Articles

王付永1,2,刘忠信1,2,陈增强1,2

《信息与电子工程前沿（英文）》 2021年第22卷第8期页码 1059-1067 doi: 10.1631/FITEE.2000204

摘要：在间歇通信且智能体间相对速度不可测的情况下，基于采样位置数据研究了二阶多智能体系统的包含控制问题，提出一种基于间歇采样位置测量的二阶分布式包含控制器。通过分析系统控制增益、拉普拉斯矩阵特征值、采样周期和通信宽度之间的关系，得到二阶多智能体系统在间歇通信下实现包含控制的充要条件。最后，通过仿真实例验证了理论结果的正确性和有效性。

关键词：包含控制；二阶多智能体系统；采样位置数据；间歇通信；通信宽度

HTML PDF 收藏

基于非脆弱采样数据控制的非线性多智能体系统同步控制及其在电路系统中的应用 Research Article

Stephen AROCKIA SAMY1,Raja RAMACHANDRAN2,Pratap ANBALAGAN3,曹阳4

《信息与电子工程前沿（英文）》 2023年第24卷第4期页码 553-566 doi: 10.1631/FITEE.2200181

摘要：设计了一个非脆弱采样数据控制方案，用于互连耦合电路系统（多智能体系统）的渐近同步标准。该方案对所考虑的多智能体系统在时变延迟情况下作同步分析。通过构建合适的李亚普诺夫函数，得出线性矩阵不等式成立的充分条件，确保多智能体领导者和跟随者系统之间的同步。最后，给出两个数值案例，展示了该控制方案的有效性和所提李亚普诺夫函数的较低保守性。

关键词：多智能体系统；非脆弱采样数据控制；时变延迟；线性矩阵不等式；渐近同步

HTML PDF 收藏

基于网络图拓扑结构的MILP模型求解智能制造系统中的工艺规划问题 Article

刘齐浩, 李新宇, 高亮

《工程（英文）》 2021年第7卷第6期页码 807-817 doi: 10.1016/j.eng.2021.04.011

摘要：

智能工艺规划是智能制造系统中的重要组成部分。从制造流程角度出发，工艺规划（process planning, PP）连接着产品设计和实际生产，有着承上启下的关键作用。从工艺网络图的拓扑结构出发，本文提出了一个全新的混合整数线性规划（mixedinteger linear programming, MILP）数学模型，并通过三种优先关系矩阵讨论了网络图中工序的优先关系实验结果有力地说明了所提模型能够有效地解决工艺规划问题，并获得比当前最先进算法更好的解。

关键词：智能工艺规划工艺网路图混合整数线性规划 CPLEX

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。建立了VAV系统的动态仿真程序，仿真结果表明该控制方法是有效的。

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

信息物理——社会系统视角下的智能城市 Perspective

Christos G. Cassandras

《工程（英文）》 2016年第2卷第2期页码 156-158 doi: 10.1016/J.ENG.2016.02.012

摘要：要想实现这种为城市场景服务的各项技术，需要将智慧城市视为一个整体的信息物理融合系统(CPS)，这其中包括新的移动软件平台和对治安、安全、隐私和大量信息处理的严格要求。

关键词：智慧城市信息物理融合系统数据驱动的控制

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。提出脱策强化学习方法，在系统模型未知情况下获得Nash平衡解；引入评判神经网络和执行神经网络实现所提方法。理论分析显示迭代控制律收敛到Nash平衡。仿真实验验证了所提方法的有效性。

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

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。提出一种融合了启发式规则和响应阈值模型的群组形成策略，用于动态调整任务群组的成员以适应新的任务需求。将任务需求与群组能力的匹配程度以及群组的组网开销作为评价团队素质的指标。结果表明所提方法在解决动态任务组形成问题时具备一定优势。

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

面向人—多机器人协同系统的带记忆强化学习行为控制任务管理器 Research Article

黄捷1,2,3,莫智斌1,2,3,张祯毅1,2,3,陈宇韬1,2,3

《信息与电子工程前沿（英文）》 2022年第23卷第8期页码 1174-1188 doi: 10.1631/FITEE.2100280

摘要：针对人—多机器人协同系统提出一种基于行为控制框架的带记忆强化学习任务管理器（RLTS）。由于重复的人工干预，现有人—多机器人协同系统决策时间成本高、任务跟踪误差大，限制了多机器人系统的自主性。此外，基于零空间行为控制框架的任务管理器依赖手动制定优先级切换规则，难以在多机器人和多任务情况下实现最优行为优先级调整策略。提出一种带记忆强化学习任务管理器，基于零空间行为控制框架融合深度Q-网络和长短时记忆神经网络知识库，实现任务冲突时最优行为优先级调整策略以及降低人为干预频率。当机器人在紧急情况下置信度不足时，所提带记忆强化学习任务管理器会记忆人类干预历史，在遭遇相同人工干预情况时重新加载历史控制信号。仿真结果验证了该方法的有效性。最后，通过一组受外界噪声和干扰的移动机器人实验，验证了所提带记忆强化学习任务管理器在不确定现实环境中的有效性。

关键词：人—多机器人协同系统；基于零空间行为控制；任务管理器；强化学习；知识库

HTML PDF 收藏

具有异构时延的多智能体系统的领导-跟随同步 Research Articles

Branislav REH罧, Volodymyr LYNNYK

《信息与电子工程前沿（英文）》 2021年第22卷第1期页码 1-140 doi: 10.1631/FITEE.2000207

摘要：提出一种由时滞线性智能体组成的多智能体系统的领导-跟随同步算法。各智能体中存在的不同时滞会导致不收敛于零的同步误差。但是，可限制误差范数并给出误差边界。利用线性矩阵不等式对主要结果进行验证，且该问题的规模与智能体数量无关。通过案例对结果进行说明，强调稳定误差是由异构延迟引起的事实，并验证该算法在一定误差范围内有实现同步的能力。

关键词：多智能体系统；时滞；线性矩阵不等式

HTML PDF 收藏

陆空协同多模态智能机器人系统发展战略研究

黄强,孟非,余张国,林德福,徐彬,朵英贤

《中国工程科学》 2021年第23卷第5期页码 116-121 doi: 10.15302/J-SSCAE-2021.05.015

摘要：

陆空协同多模态智能机器人系统能够适应陆空环境，具有多模态特征，具有高级智能，能够协同完成复杂任务。该系统在社会各领域具有广泛应用前景，是促进全球科技、社会、经济发展的新动能。本文针对发展我国陆空协同多模态智能机器人系统的重大需求，全面分析了该领域的国内外发展现状和我国目前存在的问题，我国的地面、空中机器人及智能系统与国外存在较大差距，但是陆空协同机器人系统各国都还处于起步阶段本文提出了贯穿理论与关键技术、核心部件与单元、平台与系统装备，以及系统应用的发展目标、发展布局、发展路线图和政策建议等，从而形成相关技术体系、核心部件产业体系、智能机器人装备体系以及社会应用。研究表明陆空协同多模态智能机器人系统未来能够全方位融入智慧社会，应用于智慧医疗、教育、家居、交通、制造等领域，服务国计民生。

关键词：智能机器人陆空协同多模态人工智能

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。构造了一种无需系统模型信息的离轨策略强化学习算法，利用在线邻居交互数据对控制器进行优化更新，并证明控制器的稳定性和鲁棒性。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。构造了与此纳什解对应的等价并行强化学习方法。最后，仿真结果验证了学习过程的有效性和一致控制的稳定性。

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

具有领航者的二阶非线性多智能体系统在外部扰动下的同步控制 None

Mao-bin LU, Lu LIU

《信息与电子工程前沿（英文）》 2019年第20卷第1期页码 88-94 doi: 10.1631/FITEE.1800611

摘要：研究了一类异质二阶非线性多智能体系统在外部扰动影响下的同步控制问题。其中，非线性系统允许包含可线性参数化的未知参数。提出一种新颖的分布式控制器，此控制器依赖于系统的相对状态，因此可以在多智能体系统之间没有通讯的情况下应用。通过Barbalat引理，证明此分布式控制器可求解二阶非线性多智能体系统的同步控制问题。

关键词：多智能体系统；同步控制；分布式控制

HTML PDF 收藏

机器人任务规划：基于PDDL和ASP的任务规划系统实验比较研究 Special Feature on Intelligent Robats

Yu-qian JIANG, Shi-qi ZHANG, Piyush KHANDELWAL, Peter STONE

《信息与电子工程前沿（英文）》 2019年第20卷第3期页码 363-373 doi: 10.1631/FITEE.1800514

摘要：面对无法用单一动作解决的复杂任务时，机器人需要通过任务规划算法生成一个动作序列。现有任务规划器可以帮助智能机器人开发人员解决许多种类任务规划问题。然而，不同规划器有不同优势和劣势，没有统一准则针对问题选择规划器。PDDL是特别为任务规划而设计的动作语言，被广泛应用于各种规划问题。ASP主要用于知识推理，同时也能解决任务规划问题。针对这两种语言，本文使用尽可能相同的领域描述。实验结果表明，基于PDDL的规划器善于解决需要生成较多待执行动作的问题，而基于ASP的规划器更适合解决涉及对象较多的任务，或需对前提条件和后置条件做复杂推理的规划问题。针对具体机器人规划问题，本文得到的结论可以帮助研究人员从通用规划系统中选择合适规划器。

关键词：任务规划；机器人；规划领域定义语言（PDDL）；回答集程序（ASP）