申请/专利权人：中南大学

申请日：2019-07-03

公开（公告）日：2024-04-02

公开（公告）号：CN112184400B

主分类号：G06Q30/08

分类号：G06Q30/08;G06Q10/0631;G06F17/16

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2021.01.22#实质审查的生效;2021.01.05#公开

摘要：本发明公开了一种基于局部信息的异构多智能体多阶段分布式拍卖算法。主要解决智能体具有通讯约束以及任务与智能体类型具有多样化特点时的多任务分配问题。包括：异构智能体之间的局部信息通讯以及数据库的更新；考虑任务与智能体类型以及任务状态变化模型，以整体任务完成时间最短为优化目标的利益函数的设计；拍卖智能体对任务最优执行能力的计算以及拍卖智能体与竞拍智能体之间拍卖信息的传递；在分布式拍卖算法思想和局部信息条件下的异构多智能体任务分配。本发明的任务分配方法以整体任务完成时间最短为目标，实现了异构多智能体的动态任务分配，提高了智能体利用率，减少了整体任务的完成时间。

主权项：1.一种基于局部信息的异构多智能体多阶段分布式拍卖方法，其特征在于，包括以下步骤：S1：异构智能体对局部信息进行获取、交换和处理，决定自身是否成为拍卖智能体；S2：拍卖智能体主持任务拍卖过程；S3：竞拍智能体参与任务竞拍过程；所述步骤S1中，进一步包括：S11：异构智能体统计通讯范围内的任务信息，向通讯范围内的其他异构智能体发送自身获得的局部信息，并对获得的数据进行处理，对数据库进行更新；S12：异构智能体根据数据库局部信息计算出异构智能体与任务之间的距离，找出距离自身最近的任务，同时判断自身是否是距离该任务最近的异构智能体，如果自身为该任务最近的异构智能体，则异构智能体决定自身成为该任务的拍卖智能体；S13:异构智能体每间隔一定的时间进行一次通讯，若发现任务被完成，则进行下一阶段的拍卖，直至所有任务被完成；所述步骤S11中，建立笛卡尔直角坐标系对多智能体的工作环境进行建模，并确定每个任务点和智能体的坐标，设定环境中分布M个具有任务执行能力的智能体以及N个属性和状态量随时间变化的任务点；其中M∈Z+，N∈Z+；任务点tj的特征参数包括：初始任务状态量sj0、径向增长速度αj以及在工作环境中的坐标位置xj,yj；其中，j＝1,2,…,N；智能体ri的能力参数包括：移动速度vi、单位时间内完成的任务量βi以及在工作环境中的坐标位置xi,yi；其中，i＝1,2,…,M；设定所有任务的初始信息在任务分配之前所有智能体都能获得，其他信息属于局部信息，考虑智能体通讯约束，智能体只能获得其通讯范围内的任务信息；假设异构智能体的通讯范围是一个正圆，以智能体的位置为中心，智能体的最长直线通讯距离为通讯半径，智能体ri通过智能体信息矩阵储存所有智能体的信息，信息矩阵的每一行分别储存一个智能体的信息，智能体通过任务信息矩阵储存所有任务的信息，按照任务编号，任务信息矩阵的每一行储存一个任务的全部信息；在局部信息交换及处理过程中，智能体首先处理数据包中的任务信息矩阵，将其中的任务信息矩阵按照任务编号与自身数据库中的任务信息矩阵逐条对比；如果智能体发现数据包中存在某个任务的数据更新时间晚于自身数据库中对应的数据更新时间，则将数据库中该任务的信息存入数据库并覆盖原有信息，如果智能体发现自身数据库任务信息矩阵中该任务的数据更新时间更晚，则不更改数据库中的信息；分析任务分配所需要考虑的任务点特征参数和智能体能力参数等因素，根据任务点特征参数及任务状态量变化的特点，建立任务点状态变化模型；假设任务的任务状态量是变化的，且近似为一个半径为r的正圆的面积，Δt时间内任务的任务量以径向位移Δr向外增长，设任务在t时刻的周长为ljt，t时刻作用在任务tj上的智能体的执行能力总和为βij，在没有外界干预时，则任务tj在t时刻的任务量变化率表示为： 其中任务径向增长速度表示为： 任务的周长与任务tj的t时刻状态量sjt的平方根的比值为k，在无外界干预下，得到在智能体作用下的任务tj的任务状态变化模型为： 所述步骤S12中，智能体与任务之间的欧氏距离为智能体与任务之间的路程，智能体ri与任务tj之间的距离计算为： 已知智能体ri的运动速度为vi，则智能体ri在执行任务tj的移动过程中消耗的时间Tij为： 异构智能体若接收到对应类型任务的拍卖信息且没有任务目标，则该异构智能体成为该任务的竞拍智能体，如果拍卖智能体主持的拍卖任务为自身对应类型的任务，则拍卖智能体也作为竞拍智能体参加拍卖过程；所述步骤S2中，进一步包括：S21：各任务的拍卖智能体计算拍卖任务的最优执行能力，同时向通讯范围的其他异构智能体发送拍卖信息；S22:拍卖智能体整理投标信息，选出投标价格最高的异构智能体，向投标价格最高的异构智能体发送中标信息；S23:拍卖智能体统计拍卖任务的执行智能体的执行能力总和，如果拍卖任务的执行智能体的执行能力总和大于任务的最优执行能力，拍卖智能体发送向通讯范围内的其他异构智能体发送该任务停止拍卖的信息；S24:拍卖智能体统计拍卖任务的执行智能体的执行能力总和，如果拍卖任务的执行智能体的执行能力总和小于最优执行能力，拍卖智能体继续向通讯范围内的其他智能体发送拍卖信息，并跳转至步骤S21；所述步骤S21中，拍卖任务tj的必要执行能力βjmin为： 设定任务tj的最优执行能力βjmax为必要执行能力的两倍，则最优执行能力βjmax表示为： 每个任务对应一个拍卖智能体负责该任务的拍卖，拍卖智能体发布任务的拍卖信息给通讯范围内的其他异构智能体；所述步骤S3中，进一步包括：S31：所有异构智能体接收各任务的拍卖信息，筛选出自身对应类型的任务的拍卖信息，根据自身收益函数计算执行各个自身对应类型任务的收益，选择收益最大的任务作为投标任务，竞拍智能体计算投标价格并将投标信息发送至投标任务的拍卖智能体；S32:竞拍智能体得到中标信息，将中标任务作为目标任务，不再参与拍卖过程；S33:若异构智能体在一定的时间内没有接收到拍卖信息，则选择与自身类型对应的距离最近的未完成任务作为目标任务，当所有智能体都有目标任务后，本阶段任务分配方案形成；所述步骤S31中，任务tj在t+Tij时刻的任务量为sjt+Tij，若在t+Tij时刻智能体ri未执行任务tj，则任务tj的任务增长速度为： 因此智能体ri执行任务tj获得的利益为： 其中k1和k2是权重参数，根据实际条件的不同取不同值，由此得利益函数为： 在异构多智能体系统中，设定竞拍智能体的投标价格为竞拍智能体执行拍卖任务获得的真实最大价值，即异构智能体执行拍卖任务获得的收益，因此智能体ri对投标任务tj的投标价格Pij为：

全文数据：

权利要求：

百度查询： 中南大学 一种基于局部信息的异构多智能体多阶段分布式拍卖算法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD