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 543

会议视频 178

会议信息 55

会议专题 1

年份

2024 2

2023 76

2022 117

2021 142

2020 137

2019 78

2018 53

2017 30

2016 16

2015 21

2014 10

2013 5

2012 6

2011 5

2010 4

2008 7

2007 5

2006 11

2005 8

2004 9

展开︾

关键词

智能制造 113

人工智能 89

2020 24

农业科学 18

机器学习 12

新一代智能制造 10

智能工业 10

智能 9

智能化 9

2019 8

仿真技术 8

智能电网 8

信息技术 6

大数据 6

国际工程 5

学术会议 5

工业软件 5

物联网 5

展开︾

检索范围：

排序：展示方式：

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

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

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：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

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

基于智能体的联网级可再生能源接入模拟及需求响应研究 Artical

David P. Chassin,Sahand Behboodi,Curran Crawford,Ned Djilali

《工程（英文）》 2015年第1卷第4期页码 422-435 doi: 10.15302/J-ENG-2015109

摘要：

本文收集并综合了基于智能体的联网级模型准稳态模拟的技术要求、实施和验证方法，特别关注了可再生发电的接入和可控负荷方面的问题。

关键词：联网研究需求响应负荷控制可再生能源接入基于智能体的模拟电力市场

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

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。该算法简单易实现，可调参数少，已得到广泛研究和应用。详细介绍了PSO的基本原理、各种改进技术及其应用等，并对其未来的研究提出了一些建议。

关键词：群体智能演化算法粒子群优化

HTML PDF 收藏

群智进化理论及其在智能机器人中的应用

戚骁亚,刘创,富宸,甘中学

《中国工程科学》 2018年第20卷第4期页码 101-111 doi: 10.15302/J-SSCAE-2018.04.017

摘要：

群体智能（CI）已经在过去的几十年里被广泛研究。最知名的CI算法就是蚁群算法（ACO），它被用来通过CI涌现解决复杂的路径搜索问题。在上述研究基础上，本文提出了一个CI进化理论，并将其作为走向人工通用智能（AGI）的通用框架。该算法融合了深度学习、强化学习和CI算法的优势，使得单个智能体能够通过CI涌现进行高效且低成本的进化。此CI进化理论在智能机器人中有天然的应用。一个云端平台被开发出来帮助智能机器人进化其智能模型。作为这个概念的验证，一个焊接机器人的焊接参数优化智能模型已经在云端平台上实现。

关键词：群体智能涌现进化正反馈蚁群算法蒙特卡洛树搜索分布式人工智能云端平台智能机器人

HTML PDF 收藏

感存算一体化智能视觉芯片展望

潘汶, 郑纪元, 汪莱, 罗毅

《工程（英文）》 2022年第14卷第7期页码 19-21 doi: 10.1016/j.eng.2022.01.009

HTML PDF 收藏

毫米波系统中的通信定位一体化技术

杨杰1,徐靖1,李潇1,金石1,高波2,3

《信息与电子工程前沿（英文）》 2021年第22卷第4期页码 457-470 doi: 10.1631/FITEE.2000505

摘要：未来的移动通信系统显然正朝着更加智能化和软件可重新配置的方向发展，它可以提供万物互联能力，并且能感知、控制和优化无线环境。因此，通过利用毫米波的高定向传输特性来整合通信与定位是一个很有前景的方法。本文解释了毫米波系统中的通信定位一体化技术，该技术共享同一套硬件架构和算法体系；阐述了基于超大规模天线阵列和模型驱动神经网络的通信定位一体化技术；并为定位辅助的毫米微波通信提出全面的指导。通信定位一体化技术通过共享无线通信的基础设施和时间-频率-空间资源，来实现通信和定位的先进技术在硬件架构和算法系统层面上的高度整合。因此，通过信道估计获得的信道状态信息（CSI）不仅是通信的基础，也含有发射端、接收端和周围散射体的位移和移动的附带信息。毫米波系统中的通信定位一体化是基于CSI或CSI相关参数的。（1）基于超大天线阵的定位随着天线维度逐渐上升，天线阵列辐射的近场区的距离也逐渐增大，因此用户和重要的散射体就更可能会被定位在阵列的近场区。

关键词：毫米波；通信定位一体化；位置辅助通信；超大规模天线阵列；可重构智能表面；人工智能；神经网络

HTML PDF 收藏

AI 2.0时代的群体智能 Review

Wei LI,Wen-jun WU,Huai-min WANG,Xue-qi CHENG,Hua-jun CHEN,Zhi-hua ZHOU,Rong DING

《信息与电子工程前沿（英文）》 2017年第18卷第1期页码 15-43 doi: 10.1631/FITEE.1601859

摘要：基于互联网的信息物理世界深刻地改变了人工智能（artificial intelligence, AI）发展的信息环境，将人工智能研究的新浪潮推进到人工智能2.0新纪元。作为AI 2.0时代最突出的研究特点之一，群体智能引起了产业界和学术界的广泛关注。具体来说，为应对挑战，群体智能提供了一种通过聚集群体的智慧解决问题的新模式。特别是由于共享经济的快速发展，群体智能不仅成为了解决科学难题的新途径，而且也已融入日常生活的各个方面，例如线上到线下（online-to-offline, O2O）应用、实时交通监控、以及物流管理。本文对现有群体智能研究成果进行总结和综述：首先，论述了群体智能的基本概念，并对其与现有相关概念（如众包和人本计算）的关系进行了解释。然后，介绍了四类具有代表性的群体智能平台，总结了三项核心问题以及最新的群体智能技术。最后，讨论了群体智能研究的未来发展方向。

关键词：群体智能；人工智能2.0（AI 2.0）；众包；人本计算。

HTML PDF 收藏

基于多智能体深度强化学习的工业无线网络端边协同资源分配 Research Article

刘晓宇1,2,3,4,许驰1,2,3,于海斌1,2,3,曾鹏1,2,3

《信息与电子工程前沿（英文）》 2022年第23卷第1期页码 47-60 doi: 10.1631/FITEE.2100331

摘要：边缘人工智能通过协同利用设备侧和边缘侧有限的网络、计算资源，赋能工业无线网络以支持复杂和动态工业任务。面向资源受限的工业无线网络，我们提出一种基于多智能体深度强化学习的资源分配（MADRL-RA）算法，实现了端边协同资源分配，支持计算密集型、时延敏感型工业应用。首先，建立了端边协同的工业无线网络系统模型，将具有感知能力的工业设备作为自学习的智能代理。然后，采用马尔可夫决策过程对端边资源分配问题进行形式化描述，建立关于时延和能耗联合优化的最小系统开销问题。接着，利用多智能体深度强化学习克服状态空间维灾，同时学习关于计算决策、算力分配和传输功率的有效资源分配策略。在此基础上，提出步进的ε-贪婪方法来平衡智能代理对经验的利用与探索。最后，通过大量对比实验，验证了MADRL-RA算法相较于多种基线算法的有效性。

关键词：多智能体深度强化学习；端边协同；工业无线网络；时延；能耗