本发明专利技术涉及一种基于蚁群算法和多Agent(代理)技术的维修供应链集成机制，用以提高装备维修信息化建设中维修供应链的集成合作效率。任务导调Agent将总任务分解后，将各个子任务分配给相应的资源Agent。代理Agent首先收集初始解决方案，然后通过时间、成本等因素的比较，进行方案过滤，并通过建立相邻Agent间的联系，减小解的搜索范围；在搜索最优方案的过程中，根据相邻Agent中解的连通性、空闲时间的大小，并且考虑成本因素，设计蚁群优化算法，提高方案搜索的效率，从而解决大规模维修保障任务选择问题；最后在得到的最优任务完成序列中，根据相邻Agent之间空闲时间的大小，调整其完成任务的开始和结束时间，赋予子任务在完成时间上更大的自由度。
【技术实现步骤摘要】
本专利技术涉及一种软件Agent (代理)间集成合作的机制及其寻优的蚁群算法，是军事供应链管理领域中的一项多Agent集成方法，在军事装备保障、供应链管理、信息融合领域具有广泛应用。
技术介绍
多种约束条件下军事装备维修供应链资源的搜索、调度、集成问题非常复杂，其复杂性来源于资源需求的不确定性(开始时间、结束时间、成本等)与保障服务的难以预测性(能力、可得性)。Agent技术作为解决复杂系统的一种有效方法，能够利用并行分布式处理技术和模块化设计思想，把复杂系统分解成相对独立的Agent子系统，通过Agent之间的合作与竞争来完成对复杂问题的求解。将多Agent技术用于企业供应链管理，可以实现信息共享、企业集成、动态联盟等。蚁群优化算法的选择、更新与协调机制使得其在并行分布式处理方面具有很好的发现较好解的能力，可处理大规模任务与资源选择问题。目前，在完成相同作战任务的情况下，由多个作战系统通过整合各自优势消耗的维修保障资源量远远小于单一作战系统消耗的资源累加量，对此，将多Agent技术与蚁群优化算法结合，研究基于蚁群优化算法的多Agent集成合作机制及其在军事装备保障中的应用，具有很强的理论意义和应用价值。
技术实现思路
本专利技术所要解决的技术问题是针对现有技术在大规模任务与资源条件下，装备维修信息化建设集成效率的不足，提供一种基于蚁群优化算法的多Agent集成合作机制。在任务与资源不确定的条件下，通过自动推理与约束协商实现软件Agent任务分配与保障方案集成，每个Agent单独决策，多个Agent通过合作改进约束从而得到全局最优的保障方案；针对大规模任务选择问题，设计了针对内部Agent合作机制中方案寻优的蚁群优化算法，可提高保障方案搜索的效率。为解决上述问题，本专利技术提供的基于蚁群优化算法的多Agent集成合作机制包括如下步骤:(I)初始解决方案的收集。在任务导调Agent将任务分解后，将各个子任务分配给相应的资源Agent，不同的资源Agent可提供不同的资源保障方案，这些方案带有时间、成本等信息；(2)解决方案的过滤。由于完成同一子任务的代理Agent收到相应代理Agent组提供的方案不同，通过时间、成本等因素的比较，减小搜索空间；(3)兼容方案的识别。通过建立相邻代理Agent之间的联系，进一步减小解的搜索范围；(4)最优方案的选择。采用关联价值衡量方案的优劣，关联价值基于相邻Agent中解的连通性、空闲时间的大小及成本因素；在搜索过程中，设计蚁群优化算法，提高方案搜索的效率，从而可解决大规模维修保障任务选择问题；(5)约束调整。在最优任务完成序列中，根据相邻Agent之间空闲时间的大小，调整其完成任务的开始和结束时间，赋予子任务完成时间上更大的自由度。本专利技术的优点是:借助多Agent技术的并行分布式处理技术和模块化设计思想，把复杂系统分解成相对独立的Agent子系统，在Agent子系统集成合作完成维修保障任务的过程中，设置方案选择的目标函数——关联价值，并采用蚁群优化算法选择、更新与协调机制，通过方案的收集、过滤，兼容方案的识别，及最优方案的选择等过程，确定完成维修保障任务的最优序列，之后，进行服务约束的调整。通过这种方式，代理Agent虽然在开始时独立建立相应服务的约束条件，却可以通过相互合作对约束进行动态调整，实现子任务之间的连续性，得到一组全局最优的解。本专利技术可促进装备维修供应链的集成和优化问题，在军事装备保障、企业供应链管理及信息融合领域具有重要的使用价值。附图说明下面结合附图对本专利技术作进一步详细说明。图1为本专利技术基于Agent的集成决策框架。图2为本专利技术兼容方案描述示意图。图3为本专利技术内部Agent合作决策过程时序图。图4为本专利技术内部Agent合作机制中蚁群优化算法搜索流程图。 图5为本专利技术兼容方案的优先约束示意图。具体实施例方式为了更好的说明本专利技术的技术方案，以下结合附图对本专利技术的实施方式作进一步说明。参见图1，本专利技术首先建立应用多Agent代理方法研究装备维修供应链集成决策问题的框架，主要包括任务导调Agent、代理Agent与资源Agent三种。在此重点研究集成决策中的服务合作，不考虑需求分解的细节。以作战部队的资源需求为保障目标，系统已知总的保障任务，每个子任务的具体细节在这种情况下是未知的。当需求点提出某项服务需求，由任务导调Agent将需求分解为包含需求估计、约束等因素的子任务，提供给各个负责具体功能的代理Agent，每个代理Agent完成相应的子任务。由于完成子任务需要的资源往往并不确定，代理Agent在收到任务导调Agent的服务请求之后,转向资源Agent寻求解决方案。不同资源Agent提供的方案之间可能会存在矛盾的地方，此时，代理Agent与相邻的Agent进行合作来解决冲突。为了问题的简化，假设每个子任务的前后不存在多个服务的情形。在完成集成决策任务的过程中，各个功能代理Agent决策和相互间的合作可以看作分布式约束满足问题。每个Agent不仅要满足自身约束，还要满足相互间关联的约束，相互合作从而得到全局最优解。(I)收集初始方案任务导调Agent将总的任务需求分解指派给相应的代理Agent,代理Agent从资源Agent得到保障方案(局部解，对应完成子任务)。多Agent合作机制中资源Agent提供的保障方案可表示为:Bidij = [b_idiJ, S^ij, e_tij, Cij, 1cij, des^-]Bidij表示资源Agentj提供给代理Agenti的解决方案,包括6部分内容Ajdij为解决方案的编号，s_tu和e_tu表示开始时间与结束时间，Cij为方案的成本，1cij为服务的起点，des^.为服务的终点。(2)过滤方案定义I资源Agent提供的方案Bidie的成本如果不小于已知方案Bidij,并且执行时间不小于已知方案，则认为Bidie非最优，即应该满足如下约束:本文档来自技高网...
【技术保护点】
一种基于蚁群算法和多Agent(代理)技术的维修供应链集成机制，其特征包括如下具体步骤：(1)初始解决方案的收集。在任务导调Agent将任务分解后，将各个子任务分配给相应的资源Agent，不同的资源Agent可提供不同的资源保障方案，这些方案带有时间、成本等信息；(2)解决方案的过滤。由于完成同一子任务的代理Agent收到相应代理Agent组提供的方案不同，通过时间、成本等因素的比较，减小解的搜索空间；(3)兼容方案的识别。通过建立相邻代理Agent之间的联系，进一步减小解的搜索范围；(4)最优方案的选择。采用关联价值衡量方案的优劣，关联价值基于相邻Agent中解的连通性、空闲时间的大小，并且考虑成本因素；在搜索过程中，设计蚁群优化算法，提高方案搜索的效率，从而解决大规模维修保障任务选择问题；(5)约束调整。在最优任务完成序列中，根据相邻Agent之间空闲时间的大小，调整其完成任务的开始和结束时间，赋予子任务在完成时间上更大的自由度。
【技术特征摘要】
1.一种基于蚁群算法和多Agent (代理)技术的维修供应链集成机制，其特征包括如下具体步骤:(I)初始解决方案的收集。在任务导调Agent将任务分解后，将各个子任务分配给相应的资源Agent，不同的资源Agent可提供不同的资源保障方案，这些方案带有时间、成本等信息；(2)解决方案的过滤。由于完成同一子任务的代理Agent收到相应代理Agent组提供的方案不同，通过时间、成本等因素的比较，减小解的搜索空间；(3)兼容方案...
【专利技术属性】
技术研发人员：宋建社，杨檬，曹小平，曹耀钦，叶庆，古西睿，姚俊萍，田淞，
申请(专利权)人：中国人民解放军第二炮兵工程学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。