一、基于多Agent系统的数据融合算法评估平台框架（论文文献综述）
胡大鹏[1]（2021）在《基于强化学习的多智能体协作建模方法研究》文中提出本文是以《中国制造2025》背景,以达到实现智能制造的要求为目标,通过融合工业场景和互联网技术,在全球化充满不确定的局面下提高中国制造业的竞争力。当前工业中智能制造面临资源难共享、过程难协调、依赖领域专家等普遍问题,本文基于Agent,多Agent系统和强化学习等相关技术,构建了面向工业的多Agent混合式智能控制模型,并对多Agent系统中的Agent协作能力、作业调度策略等关键问题进行研究,以实现工业生产过程智能控制。本文基于多Agent技术,将工业过程的工艺关键点、关键设备抽象成若干Agent,构建了一个三层结构的混合式多Agent智能模型。该模型基于JADE框架从而实现底层基础功能,此外通过一些接口实现基于状态表示学习的多Agent协作方法的智能模块及基于强化学习的多Agent系统作业调度方法的智能模块,从而满足工业需求。本文针对工业中Agent接触的环境复杂,以及Agent对重要特征感知能力差的问题,基于M3DDPG算法,提出了SRL＿M3DDPG算法,在保留M3DDPG算法的强鲁棒性特点的同时提高设备Agent对重要特征的获取,从而使设备Agent的动作达到预期效果。改进的算法利用状态表示学习来帮助捕捉特征,通过深度神经网络来构造观测值和状态值的映射,然后M3DDPG中的Actor和Critic网络从新的神经网络中学习,而不是从最初的观察中学习,从而使Agent动作达到预期并且能够适应高维数据。本文针对多Agent系统中的作业调度问题,提出了一种将TS算法和Q-learning相结合的TS＿Qlearning算法,该方法通过禁忌搜索算法的禁忌表存储算法的早期训练经验,来指导算法的早期训练。并且,TS＿Qlearning算法优化了Q-learning算法解决调度问题中的策略,在保留了Q-learning算法的探索优势的基础上,在训练早期指导算法的训练,从而提高算法训练的质量,从而更好的优化资源配置。
王鑫[2]（2020）在《电子商务中虚假评分检测与信誉评估方法研究》文中指出近年来,随着全球电子商务产业迅猛发展,产业规模不断扩大,电子商务在国民经济中占据着越来越重要的地位。然而,许多不良商家受商业利益的驱使,利用电子商务平台信息不对称和信誉体系发展滞后的弱点,使用多种手段破坏信誉系统,误导消费者和电商平台,给电子商务产业的健康发展造成了不良影响。针对电子商务平台信誉系统脆弱和虚假评分屡禁不止的问题,本文从买家（评分者）的评分行为入手,在买家分类方法、电子商务平台信誉评估和买家虚假评分检测等方面展开研究。主要完成了以下几个方面的工作:1.基于印象理论对买家的评分行为进行了建模,给出了宽松型和严苛型买家的定义,并依据买家的行为特征设计了基于最近邻搜索的买家筛选方法。该方法改进了最近邻搜索算法,无须在剩余买家的聚类上花费额外的聚类时间,提高了分类的速度。实验结果表明,本文的分类方法优于传统的分类方法。2.提出了基于买家行为的无监督卖家信誉评估方法（Impression-Based Strategy,IBS）。首先,依据严苛型和宽松型买家的行为特征,提出了卖家是否诚信的评判规则。其次,运用卖家属性评判规则,预分类出一部分诚实和不诚实的卖家;以这部分卖家作为基准,把买家再分成诚实的、不诚实的和不确定的三类。最后,加权聚合诚实和不确定买家群组对卖家的评分,对卖家信誉进行评估。在模拟数据集和Yelp数据集上的实验表明,IBS方法不仅能准确估计卖家的信誉,而且能够防御各种常见的和未知的信誉攻击。即使在不诚实的买家比例很高的极端环境下,IBS也能有效地工作。3.基于深度学习理论,提出了一种半监督的买家虚假评分检测算法。该算法用马尔可夫决策过程来建模买家的评分序列,根据买家的评分特征设计了一个深度Q网络,用于学习买家的评分行为。为了能够更快地感知环境的变化,在深度Q网络中引入了 IBS的卖家信誉评估方法。基于真实数据的实验表明,这种融合卖家信誉评估方法的深度Q网络经过大约2万样本的训练学习后,可以作为一个过滤器来检测同一平台中其它评分的真伪。4.设计并实现了一个基于多Agent系统的电子商务信誉仿真平台。平台考虑了信誉和价格因素,交易和选择策略,市场中各参与方的行为模式等。研究者可以加载自己的分布式或集中式的信誉模型,以方便各信誉模型之间进行比较。
李家维[3]（2020）在《主动配电网分布式协调控制平台的搭建与应用》文中提出随着可再生能源发电技术的日益成熟,风、光等可再生能源发电分布式、大规模地并入配电网,同时储能、电动汽车、需求响应等主动负荷技术随之引入,使配电网由无源转向有源,由基本被动向主动方向转变,从而使其运行与控制面临着新的问题与挑战。伴随着分布式能源主动性的增强,主动配电网亟需智能化建设。量测、通信、网络技术的完备,使其形成了信息分散关联的格局,集中式的调控方式难以适应和满足主动配电网的需求。为充分发掘海量数据的价值与潜力,提高数据处理与利用的能力,主动配电网的调控理论与模式必须要走向分布式、协作式。为了充分发挥和体现主动配电网的“主动”能力,在大数据和互联网的时代背景下,研究构建主动配电网的分布式协调控制平台具有重要的意义与价值。本文在总结、分析国内外相关研究基础上,以多智能体系统为基本结构,针对主动配电网的分布式优化调度以及相关分布式平台的搭建与应用展开了较深入的研究与探索。具体研究成果与工作如下:（1）针对主动配电网分布式协调控制的需要,采用多智能体系统作为构建主动配电网分布式平台的软件形式,依据分布式软件平台的实现需求分析并且建立起主动配电网的分层分布式结构框架,明确了与其相适配的硬件基础。（2）阐述和分析了多智能体开发平台JADE的功能及特点,并且描述了以JADE平台作为多智能体系统构建的核心软件工具部署和开发适用于主动配电网的分布式协调控制平台的设计思路,然后利用JADE平台和其他软件一起构建了平台功能模块。从软件结构设计、软件模块部署和程序开发设计三方面阐述了平台构建的步骤,并完成了平台的软件构建流程的实现与验证。（3）提出了适应主动配电网的分布式离线优化和分布式在线优化的两层配合协调运行方案,并且将这两种功能作为高级应用阐述其在主动配电网分布式平台上的集成与实现。最终以某地实际配电网为测试算例系统,通过实际运行效果验证并展示了本文所构建的主动配电网分布式协调平台高级应用集成运行情况的有效性。
陈宝通[4]（2020）在《面向个性化定制的智能生产线预防性维护研究》文中指出智能生产线通过物联感知和网络协同技术,实现信息物理深度融合。其特征是制造设备高度互联、制造数据深度集成与产线动态重构,以满足多品种、小批量、个性化定制产品的混流生产要求。个性化定制生产模式下,智能生产线对设备可靠性、运行稳定性与生产适应性等提出了更高要求,常规的被动运维模式已不能满足智能生产线的复杂运维需求。本文聚焦于智能生产线预防性维护的关键技术研究,以保证个性化定制生产线效率与设备利用率为前提,对设备的劣化状态进行早期评估,通过可重构预防性维护避免生产线意外停机造成的生产中断,旨在实现生产过程的自主感知、状态评估、自适应运行及负载均衡。本文的研究工作可以具体地概括为以下五点:（1）探讨了设备信息物理深度融合为基础的智能生产线预防性维护系统架构。在智能生产线设备信息传输方面,实现了基于OPC UA的信息传输,Machine to Machine通信,软件定义工业异构网络;在多源异构传感数据深度融合方面,提出了边缘计算使能的数据融合方法与边-云合作的数据融合机制。架构涵盖了基于心电机理的设备运行状态监测方法与深度的设备健康状况评估理论,实时反馈设备亟需的运维情况。为保障智能生产线稳定运行,提出了面向个性化定制生产线的可重构运维机制,以实现生产过程自适应管控的系统运维。（2）基于设备动作时长的细粒度划分,将设备作业状态下的节拍类比为人类的心脏跳动,以设备心电图（equipment electrocardiogram,EECG）的方式揭示设备的性能衰退过程。阐明了设备心电图的构建机理,涵盖工序的细粒度划分方法,时序周期的动态匹配方法,基线、公差、Hotspot等重要工作特征的确定方法。基于设备心电机理,分别提出了生产线节拍优化方法和设备性能衰退的在线监测方法。在智能生产线上对智能设备心电图的性能进行了测试,结果表明智能心电机理能够很好地支持智能设备心电图的实施,智能生产线设备心电（Automatic Production Line EECG,APL-EECG）系统能够实时监测设备作业状态,为设备的维护提供科学指导。（3）基于时间序列设备传感数据,提出了深度的设备性能预测方法。引入流行的机器学习框架—Tensor Flow,搭建了Tensor Flow使能的深度学习模型架构;利用Keras搭建了汽车装配生产线的小台车气缸可靠性分析的深度神经网络模型,并阐述了其中关键的实现技术;进一步地制定了气缸工作性能评估策略,预测准确率达到工业应用标准。研究发现在不完全观测丰富数据集的环境下,运用深度神经网络能够实现“弱关联”多源异构设备传感数据的分析。（4）基于领域本体的形式化语义模型,构建了面向预防性维护的可重构运维方法。首先,根据对智能生产线制造资源与生产过程的系统分析,利用领域本体方法构建生产线形式化语义模型,以一种语义网结构对生产线的制造资源进行抽象化与统一描述;其次,利用数据驱动的语义模型促进了生产线信息物理资源的动态融合,为生产线状态感知与自组织重构等提供基础模型,进一步构建了基于多智能系统的智能生产线自组织自适应运行机制;最后,面向预知的设备状态衰退与性能失衡,构建路径动态规划与任务切换的可重构方法,实现混流产线的不停机动态重构。（5）针对智能生产线设备集群自组织自适应作业过程中的负载不均衡现象,探究了基于边缘计算理念的智能生产线可重构运维方法,制定基于能量感知的负载均衡与调度（Energy-aware Load Balance and Scheduling,ELBS）策略。具体地,在边缘节点建立工作负载相关的能耗模型,相应地确立以作业集群负载均衡为目标的优化函数;利用改进的粒子群算法求得优化解,对任务相关的作业集群进行任务优先级排序;采用Multi-agent系统对车间作业集群进行分布式的优化调度。结果表明,在多批量个性化定制糖果的包装产线上,在考虑能耗和工作负载的情况下,该策略实现了混流生产作业机器人的负载均衡和优化运行。综上所述,以底层信息交互为基础,提出了由单机设备到集群设备的自下而上的可重构运维方法,实现了涵盖产线自主感知、状态监测、预防维护与负载均衡等的关键运维技术,为个性化定制生产线的预防性维护关键点提供技术支撑与理论依据。
周子林[5]（2020）在《基于多智能体的通航公司生产运力匹配研究》文中研究指明随着我国社会经济的快速增长,通用航空产业的发展潜力受到国家与社会的关注,在相关政策的支持与引导下,通航运输业逐渐成为影响国民经济运行的重要因素。而国内通航公司在扩大运力资源规模,提高运行产能以适应市场需求的同时,也面临着传统运行控制管理方式落后,无法提升资源利用率等问题。因此如何采用信息化技术合理地调度现有资源,提升运力匹配效率以保持公司运行效能最大化是当前行业亟需解决的难题。本文基于国内某通航公司运行特点,结合多智能体理论将电力巡检背景下的运力匹配问题分解为宏观角度的多区域运力资源规划问题,和单区域内运力资源的匹配调度问题。首先以部署最少运力资源为目标构建了资源规划数学模型,采用改进后的灰狼算法求解得到静态的多区域运力资源规划结果。其次在各区域内结合多智能体理论建立运力匹配系统框架,采用基于招投标机制的多智能体协商算法实现生产任务与运力资源的匹配过程,在匹配性结果基础上,以单机日利用率最高为目标函数建立资源调度数学模型,求解得到最优每日作业时长。仿真实验结果表明,该方法能够实现运力资源作业效率最大化。本文在理论模型及仿真实验数据的支撑下,基于Eclipse实验环境及JADE智能体模型开发平台,综合运用多种科学工具,开发了C/S模式下的通航运力匹配系统软件。导入通航企业基础数据后可输出运力资源规划、匹配及调度具体推荐方案,为用户提供有效信息实现智能决策。
梁爽[6]（2020）在《基于多Agent仿真的可变线路式公交调度研究》文中研究指明自国务院发布《国务院关于城市优先发展公共交通的指导意见》以来,城市公共交通建设进入新时期。地铁、轻轨、BRT、公交专用道的建设有效提升了城市公共交通的平均运行时速,提高了公交分担率,但仍旧面临服务区域有限,仅能满足乘客在交通廊道出行需求的问题。可变线路式公交是指车辆在一般情况下沿基准路线行驶,在固定站点停靠,在收到乘客乘车请求后,偏离基准路线接送乘客。这类公交形式很早就出现在欧美低密度出行区域并经过理论和实例验证,其在低密度出行区域可以为乘客提供更优质的服务,为公交公司提供更多的运营收益。在国内也有许多与可变线路式公交形式类似的公共交通运营方式,如定制线路公交、旅游网预约巴士、拼车出行。虽然国内暂时没有可变线路式公交,但可以预见在信息实现实时交互,居民出行难以通过步行或骑行满足的今天,可变线路式公交在中国发展的前景广阔。本文旨在完成更加贴合实际的可变线路式公交调度研究,证明可变线路式公交在中国运行的可行性。为达成研究目的,本文引入多Agent概念用于仿真,以单个Agent所具有的智能性,赋予每辆可变线路式公交、每位乘客和可变线路式公交调度中心一定的思维能力,使模拟可变线路式公交在实际路网和实际乘客需求下调度成为可能,使可变线路式公交调度问题由系统最优分解为公交和乘客的分别最优问题,简化模型的同时,使仿真结果更贴合实际。本文首先对可变线路式公交调度问题与多Agent仿真相关性进行了详细说明,分别介绍了多Agent理论和可变线路式公交调度要素,并据此完成了对可变线路式公交关键Agent的设计和通信,包括乘客Agent、可变线路式公交Agent和调度中心Agent。乘客Agent与可变线路式公交Agent将自身信息发送给调度中心,调度中心Agent综合信息完成对可变线路式公交的调度。然后,本文以此为框架展开了对乘客Agent、可变线路式公交Agent、调度中心Agent涉及模型的研究,具体包括对乘客Agent核心行为——交通方式选择行为设计,对调度中心Agent运行前提——初始行车计划编制,对调度中心Agent运行核心行为——动态调度模型构建。为完成乘客Agent的交通方式选择行为设计,实现由可变线路式公交潜在乘客需求向实际乘客需求的转换,本文构建了乘客交通方式选择的多项Logit模型,并设计了调查问卷,完成了模型的参数标定。通过多项Logit模型计算乘客Agent在获取信息下的交通方式选择概率,完成了乘客Agent的交通方式选择行为设计。为完成调度中心Agent所需的初始行车计划表,明确可变线路式公交行驶基线、途径固定站点、发车时刻,本文提出将改进的K-means算法用于确定可变线路式公交固定站点,将常规公交时刻表编制办法用于确定可变线路式公交发车时刻表。为完成调度中心Agent的动态调度模型构建,实现可变线路式公交在乘客Agent反馈下的由调度中心Agent完成对初始路线的调整,本文将乘客按是否预约进行划分,据此提出预调度模型和实时调度策略。在预调度模型部分为提高可变线路式公交收益,构建了基于均值-方差理论的预调度模型,考虑了过往潜在乘客出行信息所代表的乘客出行规律对于可变线路式公交调度的影响,并提出了两阶段求解算法。第一阶段求解算法主要为提升第二阶段运算效率设计,采用遍历算法,第二阶段求解算法采用经典的遗传算法。在实时调度策略部分提出根据乘客出行需求变化实时改变可变线路式公交Agent运动轨迹的策略。接着,在完成各个Agent构建和各个Agent涉及模型的研究后,借助JADE平台和百度地图API平台,完成了乘客Agent、可变线路式公交Agent和调度中心Agent的集成,实现了Agent同类及不同类间的通信,并建立数据库导入或记录运行数据,运用可视化窗口完成对于调度结果的可视化显示,完成了可变线路式公交仿真平台开发。最后,以成都市一环以北区域乘客滴滴出行需求数据为可变线路式公交潜在乘客出行信息为例,借助搭建的仿真平台和对可变线路式公交初始行车计划编制的计算,实现了可变线路式公交调度,并就调度结果进行了分析。分析表明在实际路网环境、多种交通方式下,可变线路式公交在中国城郊区域具有强大的竞争力。
崔文琦[7]（2020）在《基于深度学习与遥感的滑坡灾情评估及社会化应急资源共享》文中研究表明当大规模自然灾害发生后,准确、充足的应急资源保障有助于最大限度遏制灾害发展和恶化,减少受灾地区的人员伤亡及财产损失。但是,国家应急物资储备机制涉及的物资类别、数量有限,特别是不涉及与应急救援有关的专业技术人力资源的支持,往往容易出现应急资源供需不匹配的问题。因此在国家发布的《国家自然灾害救助应急预案》[1]以及《国家地震应急预案》[2]中均明确提出鼓励、号召社会力量参与,通过社会化应急资源共享的方式集中全社会的资源尽最大可能减少灾区生命、财产损失。针对我国社会化应急资源共享体系存在的问题,采用遥感、深度学习技术探讨社会化应急资源共享过程中的灾情感知、评估、应急资源需求分析以及科学的共享机制等问题,提出一种可行的解决方案。研究如下:（1）在灾情感知及灾区基础地理空间数据获取方面,采用遥感技术与深度学习相结合的方式,首次提出了利用基于语义门的双时态长短期记忆网络模型（SG-Bi TLSTM）进行滑坡承灾体识别的方法。该模型由一个U-Net及两个协同作用的长短期记忆网络（Long-Short Term Memory,LSTM）构成,U-Net用于生成语义分割图以及多通道特征图;双时态LSTM用于生成遥感影像的标注语句。为了对承灾体进行更加准确的识别和定位,创新性地设计了语义门机制,其能够根据双时态LSTM中预测网络的输出动态、自适应地通过影像或上下文信息生成语义描述,实现大范围地质灾害快速全面的灾情感知,从而为准确地灾情评估、制定科学合理的社会化应急资源共享方案奠定基础。SG-Bi TLSTM利用汶川地区2008年的遥感影像对滑坡及其承灾体进行了识别与分析,结果表明基于SG-Bi TLSTM模型的滑坡承灾体识别具有较好的效果。（2）在应急资源需求定量分析方面,根据SG-Bi TLSTM模型识别的滑坡及其承灾体对象,首先进行了灾情评估,在此基础上对应急资源需求进行了定量分析,并以道路承灾体的应急资源需求为例,指出了社会化应急资源共享涉及的应急资源不仅包括专业化的机械设备,还包括配套的专业人力资源支持。由此阐明了其与国家应急物资储备机制之间供需不匹配的问题,明确了社会化应急资源共享的必要性。（3）在社会化应急资源共享方面,构建了扁平化应急资源共享平台,同时创新性地利用基于锚点的社会化应急资源语义互操作算法消除了不同行业信息共享的语义障碍,并依据由大数据技术获取的应急资源供应方信息。在进行信息一致性验证后首次建立了基于诚信度与慈善度的多目标应急资源调度规划模型,从而实现对社会化应急资源共享调度方案的优化。从重大自然灾害的应急救援过程中选择社会化应急资源共享这一环节进行研究。以基于承灾体的应急资源需求定量分析为纽带将基于深度学习与遥感的滑坡承灾体快速识别与社会化应急资源共享机制有机地融合为一个完整的技术流程,实现了从灾情感知与评估、应急资源定量分析到实现社会化共享全过程探索,为重大自然灾害的社会化应急资源共享提供了一套可行、有效的解决方案。
朱婉莹[8]（2019）在《软件自优化机制中分析判别方法及其反馈优化的研究与实现》文中指出软件技术随着互联网应用规模的不断发展而不断变革,网络化软件成为软件发展的主流趋势,大规模网络化软件成为目前软件系统的主要形态之一。当前,环境对大规模网络化软件运行的扰动作用日益明显。因此,大规模网络化软件亟需实现在线的优化调整,以保障软件系统的高可用性和高可靠性,满足日益增长的生产需求。本文着眼于研究大规模网络化软件的在线优化问题,以保障系统的高性能、高可靠和高可用,降低运行维护成本,提高用户体验质量。自主计算领域中,软件自优化是实现软件在线优化调整的有效手段之一。因此,本文针对大规模网络化软件,通过构建软件实体健康度模型、协同软件实体健度实时状态和预测结果,实现软件自优化机制中的分析判别方法,为软件自优化机制的后续环节提供有力的支持。同时,设计了针对该分析判别方法的数据驱动反馈优化方案,以达到持续改进分析判别正确性和有效性的目的。本文的主要工作为以下三个方面:（1）在软件自优化机制中的分析判别方法的研究方面,针对大规模网络化软件的软件运行状态监测分析及软件自优化分析,研究并设计实现软件实体健康度模型,通过软件实体健康度模型中相关指标划分及健康度的计算,利用主成分分析法提取关键影响因素等分析手段完成自优化的前期分析工作,基于马氏距离的判别分析方法并综合考虑预测结果,最终完成对目标系统的自优化判别。（2）在针对自优化判别分析的基于数据驱动的反馈优化的研究方面,设计针对自优化判别分析的数据驱动反馈优化方法,通过样本数据正态区间更新的方式在线修正软件实体健康度评分,并在样本数据的积累下通过使用改进的Apriori算法对软件状态信息的各属性进行关联挖掘,获得属性到软件状态结果之间的关联关系,以完成对自优化机制分析判别方法的修正优化。（3）通过在RUBiS和品优购平台上的对本文所提出的软件自优化机制中分析判别方法及其反馈优化的部署,验证了本文所给出的方案能较为准确地对目标软件系统状态进行自优化分析判别。作为实现自优化框架的自主决策调整循环中的一部分,对软件的自优化调整的有效支持,验证了本文所提出方案的正确性和合理性。综上,本文研究的软件自优化机制中分析判别方法及其反馈优化方案能够为自优化机制在线优化目标系统提供有力支持,并能够持续在线动态修正分析判别结果,达到对自优化机制分析环节主动优化的目的。
贾春洋[9]（2019）在《大型农机装备的交互式虚拟装配平台的研发》文中指出近年来,我国的农业机械化发展速度越来越快,农机产品在农业发展中的地位逐步提高。拖拉机变速箱结构复杂,装配要求严格,直接影响整机负载、动力和平稳性。同时,传统的拖拉机变速箱装配设计培训是直接对真机操作,存在设计成本高、装配培训周期长、存在较大的安全隐患等问题。因此,提高变速箱的装配设计水平在农机行业发展中有着重要的意义。本文利用虚拟现实技术开发了一个大型农机装备变速箱交互式虚拟装配平台,主要包括虚拟装配场景、零件精准装配定位、装配效果评价、动力学运动仿真、人机交互界面等模块。通过试验证明该平台能够按照用户需求进行主动式的虚拟装配、干涉检测、学习装配知识、方案设计、提示装配错误等。主要的研究工作与创新内容如下:（1）针对传统的系统设计方式具有配置复杂、难以应对需求变化等问题,结合多Agent系统的优势,将各虚拟零件均设置为一个Agent,提出了一种基于多智能体的复杂变速箱的人机交互系统的情境装配模型。搭建了一个自下而上的多Agent交互装配平台框架。将庞大的复杂变速箱装配平台分解成小的、易于管理的主Agent与子Agent的空间网络关系,这样简化了系统的结构,使平台便于管理与控制。（2）比较几种常见干涉检测包围盒的优劣,对方向包围盒进行改进设计,提出了一种多Mesh Collider方法,能够绘制出适用于复杂变速箱零件且精度相对较高的碰撞盒,并根据应用的场景不同对碰撞盒进行面片约减,以达到提高系统流畅度的目的。结合Unity 3D自带的物理引擎,模拟真实世界中齿轮的碰撞方式,以评价装配的可行性。试验表明,平台每帧消耗的时间为10ms左右,能保证仿真系统运行的流畅度和实时的交互效果。（3）针对动画装配人机交互度不足、装配方式单一等问题。研究了基于状态机的拆装方法、圆形检测装配定位方法、基于几何约束装配定位方法,并通过试验对三种拆装方法分别从人机交互度、装配速度、学习培训效率、是否有装配公差等方面进行比较,设计出适用于不同阶段用户的拆装培训方式。同时介绍了一种比较简单的齿轮组拆装顺序方法。最后通过几组不同的零件装配试验证明了三种拆装方式的可行性。（4）搭建了复杂变速箱虚拟装配平台的软件框架。以某集团大型拖拉机1200系列变速箱为对象,利用Solid Works软件对变速箱零部件模型进行建模,并通过格式转换工具将模型转换成Unity3D支持的.fbx格式。为了能提供更舒适的操作体验,平台还构建了虚拟场景更换、漫游方式设置等模块,使用户能够更舒适的与平台进行人机交互。最后对平台进行多次的运行与功能试验验证了平台的可行性、完整性与实用性。
吴健健[10]（2019）在《基于Agent协商的智能拼音输入法研究》文中提出随着对协商理论研究的不断深入,基于Agent的自动协商技术被运用到各类领域中,解决实际问题。文字,作为人与计算机交互的主要信息载体,对用户与计算机的交互体验有着直接影响。中文输入法是大多数中文用户使用计算机的必备程序。在类型众多的中文输入法中,拼音输入法具有简单易学、多场景适用等诸多优点,因此,拼音输入法成为了当前中文输入法领域的主流。在机器翻译领域,近年来,计算机辅助人类译员进行翻译逐渐成为该领域的研究热点。辅助翻译的研究专注于如何有效地利用计算机帮助人类译员高效地完成翻译任务、提高翻译质量。受Agent协商的启发,本文将辅助翻译中文拼音输入法的应用场景,抽象为协商域,利用Agent协商,完成拼音向汉字的解码任务。本文提出了一种基于Agent协商的智能拼音输入法（以下称智能输入法）。该输入法面向英译中的翻译环境,专注于译员在对原文进行翻译的过程中,如何通过已输入的拼音序列有效地预测译员实际想要输入的中文片段。实验结果证明,该输入法能够有效地利用Agent协商技术将机器翻译上下文信息融合到中文拼音输入法中,在译员专注于翻译任务的过程中,准确地预测译员想要输入的中文片段,减少译员击键次数,提高输入效率。本论文主要完成的工作如下:（1）将辅助翻译拼音输入法的应用场景抽象为基于Agent协商的协商域。基于Agent的协商总是面向特定的场景或者抽象的协商域。利用中文拼音输入法进行输入的整个过程本质是从拼音序列（源端,Source）到中文片段序列（目标端,Target）的解码过程。本文将辅助翻译中文拼音输入法（翻译拼音输入法）抽象为类似打分投票游戏（Voting Game）的协商域;并基于普通拼音输入法、机器翻译上下文环境提取出多个关键特征,作为协商过程中各协商方Agent的关注点;各个Agent将利用自己的解码器对拼音序列进行解码,输出候选的中文片段列表（提案,offer）;最后,协商解码系统整合各Agent的提案,决定最终的协商结果,即解码结果;协商结束,即完成一次拼音序列到中文片段的解码,系统将最终的提案（中文候选片段列表）输出给用户。（2）构建关注点的特征函数,并利用对数线性模型进行特征融合,构建解码过程中的打分器模型。基于对数线性模型融合各个特征的打分器模型,是各Agent进行提案的关键,同时也是基于协商系统、根据译员输入的拼音序列进行有效解码、输出中文候选的重要环节。针对不同特征,本文利用了不同的方法构建对应的特征函数,这些方法包括:基于语言模型（Language Model）的打分度量方法和文本相似性度量方法。（3）模型的有效性验证并求解各协商Agent的参数（权重向量）,优化协商解码的输出结果,为译员输出更优质的中文片段。利用Agent协商技术构建中文拼音输入法解码器的目标是有效地融合输入法的各个特征,使输入法更智能的输出用户想要的中文片段。基于对数线性模型融合的特征函数打分器模型是协商解码的关键。本文利用样本数据,设计对比实验,对实验结果进行多维度分析,验证了提出的解码器模型的有效性;并利用最小错误率训练框架,求解得最优的模型参数。
二、基于多Agent系统的数据融合算法评估平台框架（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于多Agent系统的数据融合算法评估平台框架（论文提纲范文）
（1）基于强化学习的多智能体协作建模方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 多Agent系统的研究现状 |
| 1.2.2 强化学习的研究现状 |
| 1.2.3 多Agent强化学习的研究现状 |
| 1.3 本文研究内容 |
| 1.4 本文的技术路线 |
| 1.5 本文的创新点 |
| 1.6 全文的组织框架 |
| 第2章 相关理论介绍 |
| 2.1 智能制造 |
| 2.1.1 智能制造的背景 |
| 2.1.2 智能制造系统对控制模型的要求 |
| 2.2 Agent相关技术 |
| 2.2.1 Agent相关概念及特性 |
| 2.2.2 Agent体系及结构 |
| 2.2.3 多Agent系统概念 |
| 2.2.4 多Agent系统体系结构 |
| 2.3 强化学习与多Agent强化学习方法 |
| 2.3.1 强化学习 |
| 2.3.2 多Agent强化学习 |
| 2.4 本章小结 |
| 第3章 面向工业的多Agent混合式智能模型 |
| 3.1 多Agent建模的含义和优势 |
| 3.2 Agent之间的通信 |
| 3.2.1 ACL相关介绍 |
| 3.2.2 利用JADE平台实现ACL |
| 3.3 面向工业的多Agent混合式智能模型 |
| 3.3.1 多Agent混合式智能模型的构建 |
| 3.3.2 多Agent混合式智能模型中各模块功能及主要Agent的结构 |
| 3.3.3 在JADE平台上构建多Agent混合式智能模型 |
| 3.4 本章小结 |
| 第4章 基于状态表示学习的多Agent协作算法 |
| 4.1 研究背景 |
| 4.2 MADDPG算法概述 |
| 4.3 M3DDPG算法概述 |
| 4.4 SRL_M3DDPG算法概述 |
| 4.4.1 状态表示学习 |
| 4.4.2 SRL_M3DDPG算法 |
| 4.5 仿真实验 |
| 4.6 本章小结 |
| 第5章 基于TS_Qlearning的多Agent作业调度 |
| 5.1 研究背景 |
| 5.2 作业调度问题描述 |
| 5.3 强化学习求解作业调度问题 |
| 5.3.1 调度问题中的强化学习 |
| 5.3.2 Q-learning算法 |
| 5.3.3 TS_Qlearning算法 |
| 5.4 仿真实验 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 在校期间主要研究成果 |
| 一、发表学术论文 |
| 二、其他科研成果 |
（2）电子商务中虚假评分检测与信誉评估方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的研究内容 |
| 1.4 论文结构 |
| 2 相关基础理论 |
| 2.1 信誉及相关概念 |
| 2.2 无监督学习概述 |
| 2.3 Agent和MAS相关理论 |
| 2.4 马尔可夫决策过程概述 |
| 2.5 社会心理学印象理论 |
| 2.6 小结 |
| 3 基于印象理论的买家分类方法 |
| 3.1 基于印象理论的买家分类 |
| 3.2 买家属性的形式化定义 |
| 3.3 宽松型和严苛型买家的筛选算法 |
| 3.4 实验 |
| 3.5 小结 |
| 4 基于评分者印象的无监督信誉评估模型 |
| 4.1 模型形式化定义 |
| 4.2 卖家诚信属性判定规则 |
| 4.3 基于评分者印象的信誉评估方法 |
| 4.4 实验 |
| 4.5 小结 |
| 5 基于深度学习的虚假评分检测方法研究 |
| 5.1 DQN回顾 |
| 5.2 基于深度学习的虚假评分检测算法 |
| 5.3 实验 |
| 5.4 小结 |
| 6 基于多Agent的电子商务信誉仿真平台设计与实现 |
| 6.1 传统信誉仿真平台回顾 |
| 6.2 基于MAS的电商信誉仿真实验平台 |
| 6.3 小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 附件 |
（3）主动配电网分布式协调控制平台的搭建与应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究概述 |
| 1.2.1 主动配电网调控理论研究现状 |
| 1.2.2 主动配电网调控平台研究现状 |
| 1.3 本文工作和章节安排 |
| 第二章 基于MAS的主动配电网分布式协调控制平台硬件基础 |
| 2.1 Agent与多Agent系统概述 |
| 2.1.1 Agent与多Agent系统基本概念 |
| 2.1.2 多Agent系统的结构体系 |
| 2.1.3 多Agent系统的通信方式 |
| 2.1.4 多Agent系统的协作方式 |
| 2.2 基于MAS的主动配电网分层分布式架构设计 |
| 2.2.1 分层分布式能量管理架构 |
| 2.2.2 控制区域划分 |
| 2.2.3 分层分区优化控制框架 |
| 2.3 适应MAS的主动配电网分层分区协调优化控制系统物理架构 |
| 2.3.1 构建通信系统的硬件设备 |
| 2.3.2 适应MAS的分层数据传输网络架构 |
| 2.3.3 分布式平台的工作环境与工作条件 |
| 2.4 本章小结 |
| 第三章 基于JADE的主动配电网分布式协调控制平台软件开发 |
| 3.1 JADE平台简介 |
| 3.2 基于JADE的主动配电网分布式协调控制平台设计 |
| 3.2.1 单一设备上的MAS结构建模设计 |
| 3.2.2 代理Agent分类与设计 |
| 3.2.3 体系内Agent之间的通信机制 |
| 3.3 主动配电网分布式协调控制平台的软件部署 |
| 3.3.1 数据库构建部署 |
| 3.3.2 含冗余容器的JADE平台部署 |
| 3.3.3 平台软件启动运行流程 |
| 3.4 本章小结 |
| 第四章 基于JADE平台的应用功能实现 |
| 4.1 平台实际配置 |
| 4.2 基于JADE的主动配电网离线分布式优化调度 |
| 4.2.1 基于ADMM算法的分布式求解基本原理 |
| 4.2.2 基于MAS实现的分布式协调优化 |
| 4.2.3 基于JADE设计实现的协调通信行为 |
| 4.2.4 算例仿真 |
| 4.3 基于JADE实现的主动配电网分布式在线优化 |
| 4.3.1 在线优化计算原理 |
| 4.3.2 基于MAS的分布式在线计算功能实现 |
| 4.3.3 算例仿真 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 后续研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间所发表的论文及参与的项目 |
| 学位论文评阅及答辩情况表 |
（4）面向个性化定制的智能生产线预防性维护研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 设备状态监测与评估方法研究现状 |
| 1.2.2 面向可重构运维的系统模型研究现状 |
| 1.2.3 预防性维护的可重构方法研究现状 |
| 1.3 本文研究内容 |
| 1.4 本文创新之处 |
| 1.5 本文组织结构 |
| 第二章 个性化定制生产线预防性维护的系统框架 |
| 2.1 引言 |
| 2.2 预防性维护的系统架构 |
| 2.3 智能生产线设备信息融合 |
| 2.3.1 基于工业异构网络的信息交互 |
| 2.3.2 多源异构传感数据深度融合 |
| 2.4 智能生产线设备状态评估机制 |
| 2.4.1 基于心电机理的设备状态监测 |
| 2.4.2 基于深度学习的设备状态评估 |
| 2.5 智能生产线的可重构运维策略 |
| 2.6 本章小结 |
| 第三章 智能生产线设备心电机理研究 |
| 3.1 引言 |
| 3.2 EECG系统架构 |
| 3.3 设备心电图实现机理 |
| 3.3.1 工序时长细粒度划分方法 |
| 3.3.2 时序周期匹配策略 |
| 3.3.3 重要工作特征的确定 |
| 3.4 基于EECG的设备性能监测方法 |
| 3.4.1 生产节拍提升 |
| 3.4.2 设备性能衰退在线监测 |
| 3.5 实验验证 |
| 3.5.1 实验场景 |
| 3.5.2 运行结果 |
| 3.5.3 结果讨论 |
| 3.6 本章小结 |
| 第四章 基于时序数据的设备性能预测方法研究 |
| 4.1 引言 |
| 4.2 设备性能预测的系统架构 |
| 4.3 设备性能预测机制 |
| 4.3.1 基于Tensor Flow的设备状态的多分类模型 |
| 4.3.2 模型构建关键实现技术 |
| 4.3.3 基于深度模型的设备性能评估 |
| 4.4 案例—小台车气缸状态预测 |
| 4.4.1 神经网络监测器 |
| 4.4.2 模型效果 |
| 4.4.3 模型评估 |
| 4.5 本章小结 |
| 第五章 面向预防性维护的可重构方法研究 |
| 5.1 引言 |
| 5.2 可重构运维的形式化语义模型架构 |
| 5.3 基于领域本体的形式化语义模型构建 |
| 5.3.1 领域本体知识库构建方法与建模技术 |
| 5.3.2 生产过程知识体系分析 |
| 5.3.3 语义知识库模型构建 |
| 5.4 可重构产线的数据与语义集成 |
| 5.4.1 关系型数据映射 |
| 5.4.2 语义模型更新 |
| 5.5 基于语义推理的可重构运维方法 |
| 5.5.1 Multi-agent的自组织协商机制 |
| 5.5.2 设备状态语义推理的可重构策略 |
| 5.5.3 负载均衡的可重构运维策略 |
| 5.6 基于语义推理的可重构运维应用案例 |
| 5.7 本章小结 |
| 第六章 个性化定制生产线的预防性维护平台验证 |
| 6.1 引言 |
| 6.2 原型平台概况 |
| 6.3 设备状态监测与评估平台验证 |
| 6.3.1 智能生产线设备心电图的实施效果 |
| 6.3.2 设备可靠性评估方法平台验证 |
| 6.4 智能生产线可重构运维验证实施 |
| 6.4.1 平台设置 |
| 6.4.2 性能衰退的可重构运维平台验证 |
| 6.4.3 负载均衡的可重构运维平台验证 |
| 6.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（5）基于多智能体的通航公司生产运力匹配研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究意义与背景 |
| 1.2 国内外研究现状 |
| 1.3 论文主要工作内容 |
| 第二章 通航运力匹配问题分析与解决思路 |
| 2.1 国内通航运行流程与特点 |
| 2.2 应用于运力匹配问题的多智能体理论 |
| 2.2.1 智能体的概念与特征 |
| 2.2.2 多智能体系统技术 |
| 2.2.3 多智能体理论解决运力匹配问题的优势 |
| 2.3 基于多智能体理论的运力匹配问题研究思路 |
| 2.4 本章小结 |
| 第三章 运力资源配置规划研究 |
| 3.1 资源规划模型的构建 |
| 3.2 基于改进灰狼算法的资源规划模型求解 |
| 3.3 仿真实验对比分析 |
| 3.4 本章小结 |
| 第四章 运力资源与生产任务的匹配性研究 |
| 4.1 基于多Agent的运力匹配系统框架 |
| 4.2 系统级运力资源与生产任务的匹配性模型设计 |
| 4.2.1 匹配性智能体模型的构建 |
| 4.2.2 匹配性模型中Agent单元的功能设计 |
| 4.2.3 基于招投标机制的匹配流程 |
| 4.2.4 匹配性模型中Agent间的通信机制 |
| 4.3 分系统级运力资源调度模型设计 |
| 4.3.1 分系统目标函数及约束条件 |
| 4.3.2 分系统数学模型求解及分析 |
| 4.4 本章小结 |
| 第五章 运力匹配自动化系统的设计与实现 |
| 5.1 系统架构设计 |
| 5.2 功能模块的设计与实现 |
| 5.2.1 运力资源规划模块 |
| 5.2.2 运力资源匹配及调度模块 |
| 5.3 系统运行效果评估 |
| 5.4 本章小结 |
| 总结与展望 |
| 致谢 |
| 参考文献 |
| 附录1 论文发表及参与科研项目 |
（6）基于多Agent仿真的可变线路式公交调度研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 交通方式选择 |
| 1.2.2 可变线路式公交调度研究现状 |
| 1.2.3 可变线路式公交仿真现状 |
| 1.2.4 进一步需要解决的问题 |
| 1.3 研究内容 |
| 1.4 技术路线 |
| 第二章 可变线路式公交调度问题与多Agent仿真 |
| 2.1 多Agent理论 |
| 2.1.1 Agent的定义和体系结构 |
| 2.1.2 多Agent系统理论及应用 |
| 2.1.3 JADE体系框架简述 |
| 2.2 可变线路式公交调度要素分析 |
| 2.2.1 可变线路式公交运行特征 |
| 2.2.2 可变线路式公交调度流程 |
| 2.3 关键Agent设计及通信 |
| 2.3.1 乘客Agent的设计 |
| 2.3.2 可变线路式公交Agent的设计 |
| 2.3.3 调度中心Agent的设计 |
| 2.3.4 多Agent网络通信设计 |
| 2.4 本章小结 |
| 第三章 乘客Agent交通方式选择行为设计 |
| 3.1 调查问卷设计 |
| 3.1.1 RP调查内容 |
| 3.1.2 SP调查内容 |
| 3.2 描述性统计分析 |
| 3.2.1 个体特征 |
| 3.2.2 出行特征 |
| 3.3 模型构建 |
| 3.3.1 基础假设和原理 |
| 3.3.2 模型参数标定 |
| 3.3.3 出行时间价值与时间价值系数 |
| 3.4 交通方式选择行为实现 |
| 3.5 本章小结 |
| 第四章 调度中心Agent初始行车计划编制 |
| 4.1 可变线路式公交固定站点规划 |
| 4.1.1 K-means算法理论 |
| 4.1.2 改进的K-means算法设计 |
| 4.2 可变线路式公交时刻表编制 |
| 4.2.1 单线路时刻表编制 |
| 4.2.2 多线路时刻表耦合 |
| 4.3 本章小结 |
| 第五章 调度中心Agent动态调度模型构建与算法设计 |
| 5.1 预调度模型构建 |
| 5.1.1 均值-方差风险理论 |
| 5.1.2 模型符号定义及基本假设 |
| 5.1.3 模型构建 |
| 5.2 预调度模型算法设计 |
| 5.2.1 第一阶段算法设计 |
| 5.2.2 第二阶段算法设计 |
| 5.3 实时调度策略 |
| 5.4 本章小结 |
| 第六章 基于多Agent可变线路式公交运行仿真平台构建 |
| 6.1 仿真环境构建 |
| 6.1.1 开发环境 |
| 6.1.2 数据库设计 |
| 6.1.3 可视化窗口设计 |
| 6.2 多Agent模块集成构建仿真平台 |
| 6.2.1 多Agent结构集成 |
| 6.2.2 多Agent行为实现 |
| 6.3 仿真平台功能介绍 |
| 6.4 本章小结 |
| 第七章 案例分析 |
| 7.1 数据预处理 |
| 7.1.1 数据结构处理 |
| 7.1.2 数据筛选与抽样 |
| 7.2 调度中心Agent初始行车计划编制 |
| 7.2.1 可变线路式公交固定站点规划 |
| 7.2.2 可变线路式公交单时刻表编制 |
| 7.2.3 可变线路式公交多线路时刻表耦合 |
| 7.3 基于仿真平台的可变线路式公交动态调度仿真 |
| 7.3.1 仿真参数设定 |
| 7.3.2 仿真平台内部运行流程 |
| 7.3.3 仿真结果分析 |
| 7.4 本章小结 |
| 第八章 结论与展望 |
| 8.1 结论 |
| 8.2 研究创新点 |
| 8.3 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 附录 A 可变线路式公交固定站点计算结果 |
| 附录 B 可变线路式公交时刻表编制结果 |
| 作者简介 |
（7）基于深度学习与遥感的滑坡灾情评估及社会化应急资源共享（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于遥感及深度学习技术的灾害信息快速获取与分析 |
| 1.2.2 社会化应急资源共享 |
| 1.2.3 多Agent理论及技术 |
| 1.3 主要研究内容及技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路线 |
| 第2章 深度学习—语义分割及影像语义标注理论基础及实验数据预处理 |
| 2.1 方法与理论基础 |
| 2.1.1 遥感影像语义分割—U-Net深度神经网络 |
| 2.1.2 遥感影像语义标注—长短期记忆深度循环网络 |
| 2.2 实验区域及样本介绍 |
| 2.2.1 实验区域介绍 |
| 2.2.2 训练集样本介绍 |
| 2.3 本章小结 |
| 第3章 基于语义门的双时态长短期记忆网络(SG-Bi TLSTM)滑坡承灾体识别 |
| 3.1 基于SG-Bi TLSTM的承灾体识别技术路线 |
| 3.2 SG-Bi TLSTM网络结构 |
| 3.2.1 完整网络结构 |
| 3.2.2 双时态LSTM网络 |
| 3.2.3 语义门设计 |
| 3.3 综合误差设计 |
| 3.4 局部—完整对象关系转换 |
| 3.5 模型与实验分析 |
| 3.5.1 模型介绍 |
| 3.5.2 语义精度分析 |
| 3.5.3 模型稳定性分析 |
| 3.5.4 定位精度分析 |
| 3.5.5 多对多与“1对1”样本分析 |
| 3.5.6 语义门分析 |
| 3.6 本章小结 |
| 第4章 基于滑坡承灾体的灾情评估及社会化应急资源需求分析 |
| 4.1 基于遥感的滑坡灾情评估 |
| 4.1.1 滑坡分析 |
| 4.1.2 承灾体分析 |
| 4.2 基于承灾体的应急资源需求定量分析 |
| 4.2.1 道路类承灾体救援所需设备定量分析 |
| 4.2.2 建筑类承灾体救援所需设备定量分析 |
| 4.2.3 救援过程中所需生活保障用品定量分析 |
| 4.3 地震灾害社会化应急资源共享应急预案 |
| 4.4 本章小结 |
| 第5章 社会化应急资源共享机制及信任模式分析 |
| 5.1 社会化应急资源共享机制 |
| 5.2 社会化应急资源共享参与方之间的信任缺失问题 |
| 5.3 基于多维语义距离的诚信信息采集与一致性分析 |
| 5.3.1 基于多源信息的诚信分析——诚信度与慈善度 |
| 5.3.2 基于多维语义距离的诚信信息快速采集与一致性验证方法 |
| 5.4 基于锚点的社会化应急资源语义互操作算法 |
| 5.4.1 现行应急物资分类标准存在的问题 |
| 5.4.2 基于锚点的语义距离计算方法(Semantic Switch Algorithm,SSA) |
| 5.4.3 基于SSA算法的社会化共享应急物资分类与编码——72 小时应急物资共享标准 |
| 5.5 本章小结 |
| 第6章 基于诚信度与慈善度的多目标社会化应急资源共享调度规划 |
| 6.1 传统多目标应急物资调度模型及其存在的问题 |
| 6.2 基于诚信度与慈善度的多目标社会化应急资源共享调度规划 |
| 6.2.1 特急期内基于诚信度与慈善度的社会化应急资源调度 |
| 6.2.2 紧急期内基于诚信度与慈善度的社会化应急资源调度 |
| 6.2.3 安置期内基于诚信度与慈善度的社会化应急资源调度 |
| 6.3 实例分析—以特急期内道路抢修设备中的装载机为例 |
| 6.4 基于GIS的社会化应急资源共享调度路径规划 |
| 6.4.1 基于 GIS 的社会化应急资源共享调度路径规划技术流程 |
| 6.4.2 研究区域内社会化应急资源共享调度路径规划 |
| 6.5 本章小结 |
| 第7章 基于多Agent的社会化应急资源共享平台 |
| 7.1 基于多Agent的社会化应急资源共享平台结构及其通信机制 |
| 7.1.1 服务器层 |
| 7.1.2 数据中间层 |
| 7.1.3 Agent中间层 |
| 7.1.4 浏览器层 |
| 7.1.5 基于多 Agent 的社会化应急资源共享平台的特点和优势 |
| 7.1.6 Agent之间的通信方式 |
| 7.2 共享机制的运行流程 |
| 7.2.1 平台构建与共享协议准备阶段 |
| 7.2.2 应急资源信息协商及协议签订阶段 |
| 7.2.3 共享协议执行阶段 |
| 7.2.4 共享协议执行情况评价阶段 |
| 7.3 社会化应急资源共享Agent设计 |
| 7.3.1 多Agent设计的总体原则 |
| 7.3.2 公共服务Agent |
| 7.3.3 用户Agent |
| 7.4 本章小结 |
| 第8章 结论与展望 |
| 8.1 结论 |
| 8.2 创新点 |
| 8.3 展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间科研成果及参与的科研项目 |
| 附录 |
（8）软件自优化机制中分析判别方法及其反馈优化的研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 软件自优化 |
| 1.2.2 软件状态评估分析 |
| 1.2.3 基于数据驱动的反馈优化 |
| 1.3 论文工作内容 |
| 1.4 本文组织结构 |
| 第二章 理论基础与关键技术 |
| 2.1 判别分析技术 |
| 2.2 关联规则挖掘技术 |
| 2.3 Agent技术 |
| 2.4 本章小结 |
| 第三章 基于Agent的软件自优化机制 |
| 3.1 基于Agent的软件自优化机制过程模型 |
| 3.2 基于多Agent的软件自优化架构模型 |
| 3.3 相关Agent模型 |
| 3.3.1 节点Agent模型 |
| 3.3.2 软件实体Agent模型 |
| 3.4 本章小结 |
| 第四章 自优化机制中分析判别方法及其反馈优化的设计 |
| 4.1 软件自优化机制中分析判别方法的设计 |
| 4.1.1 软件实体健康度模型的设计 |
| 4.1.2 基于主成分分析的影响因素提取方法设计 |
| 4.1.3 基于动态权值分配的实体状态评估方法的设计 |
| 4.1.4 基于马氏距离的优化判别方法设计 |
| 4.2 针对自优化判别分析的基于数据驱动反馈优化方法的设计 |
| 4.3 本章小结 |
| 第五章 自优化机制中分析判别方法及其反馈优化的实现 |
| 5.1 软件自优化机制中的分析判别方法的实现 |
| 5.1.1 基于Agent的软件实体健康度模型的实现 |
| 5.1.2 基于主成分分析的影响因素提取方法的实现 |
| 5.1.3 基于动态权值分配的实体状态评估方法的实现 |
| 5.1.4 基于马氏距离的优化判别方法的实现 |
| 5.2 针对自优化判别分析的基于数据驱动反馈优化方法的实现 |
| 5.2.1 基于数据驱动的软件实体健康度分析参数优化 |
| 5.2.2 基于关联规则挖掘的判别优化 |
| 5.3 本章小结 |
| 第六章 实验验证与分析 |
| 6.1 实验设计 |
| 6.2 实验环境 |
| 6.3 实验结果与分析 |
| 6.4 本章小结 |
| 第七章 总结展望 |
| 7.1 本文工作总结 |
| 7.2 后续工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）大型农机装备的交互式虚拟装配平台的研发（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题研究背景及研究意义 |
| 1.2 虚拟现实概述及国内外研究现状 |
| 1.2.1 虚拟现实技术概述与特征 |
| 1.2.2 虚拟现实技术在国外的研究现状 |
| 1.2.3 虚拟现实技术在国内的研究现状 |
| 1.3 研究内容和技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.3.3 论文章节结构安排 |
| 1.3.4 课题来源 |
| 2 多Agent的虚拟装配系统结构建模 |
| 2.1 Agent与多Agent的结构和特征 |
| 2.1.1 Agent的定义与特征 |
| 2.1.2 Agent模型内部结构 |
| 2.1.3 多Agent系统 |
| 2.2 虚拟变速箱装配系统的多Agent建模 |
| 2.3 主要Agent的内部结构 |
| 2.3.1 Blackboard信箱Agent模型 |
| 2.3.2 零件Agent模型 |
| 2.3.3 装配评价Agent |
| 2.3.4 状态检测Agent |
| 2.4 本章小结 |
| 3 变速箱零部件的干涉检测研究 |
| 3.1 干涉检测的概念 |
| 3.2 常见的三维干涉检测包围盒 |
| 3.2.1 球包围盒 |
| 3.2.2 轴向包围盒 |
| 3.2.3 方向包围盒 |
| 3.3 各类包围盒的比较 |
| 3.4 零件顶点坐标的求解 |
| 3.4.1 外齿轮顶点坐标的求解 |
| 3.4.2 内齿轮顶点坐标的求解 |
| 3.4.3 圆环顶点坐标的求解 |
| 3.5 小组件碰撞盒的绘制方法 |
| 3.5.1 外齿轮碰撞盒的绘制 |
| 3.5.2 内齿轮碰撞盒的绘制 |
| 3.5.3 圆环碰撞盒的绘制 |
| 3.5.4 六面体碰撞盒的绘制 |
| 3.6 零件碰撞盒的绘制实例与优化 |
| 3.6.1 部分零件碰撞盒 |
| 3.6.2 碰撞盒的优化 |
| 3.7 本章小结 |
| 4 变速箱的拆装方法研究 |
| 4.1 装配与虚拟装配概述 |
| 4.1.1 装配的定义与要求 |
| 4.1.2 虚拟装配的定义与应用 |
| 4.2 基于Unity3D状态机的拆装方法 |
| 4.2.1 状态机的简单介绍 |
| 4.2.2 虚拟拆装的状态机结构与实现 |
| 4.3 圆形检测装配定位方法 |
| 4.3.1 世界坐标与屏幕坐标的转换 |
| 4.3.2 圆形检测装配定位方法 |
| 4.4 基于几何约束装配定位方法 |
| 4.4.1 装配件的同轴配合 |
| 4.4.2 端面配合 |
| 4.4.3 实例 |
| 4.5 三种装配方法的比较与应用 |
| 4.6 拆装顺序方法研究 |
| 4.6.1 变速箱简单的拆卸过程 |
| 4.6.2 齿轮组的装配顺序方法研究 |
| 4.7 本章小结 |
| 5 系统软件实现与测试 |
| 5.1 Unity3D开发引擎的介绍 |
| 5.2 总系统架构 |
| 5.3 虚拟环境搭建与交互界面设计 |
| 5.3.1 仿真环境的搭建 |
| 5.3.2 三维模型的创建与导入 |
| 5.3.3 UI交互界面的设计 |
| 5.3.4 虚拟漫游 |
| 5.3.5 背包模块 |
| 5.4 零件属性及修改模块 |
| 5.4.1 零件检索模块 |
| 5.4.2 零件属性浏览器 |
| 5.4.3 零件属性修改 |
| 5.5 虚拟装配与评价模块 |
| 5.5.1 虚拟装配模块 |
| 5.5.2 装配评价模块 |
| 5.6 运动仿真模块 |
| 5.7 平台的测试与发布 |
| 5.7.1 平台的测试 |
| 5.7.2 平台的发布 |
| 5.8 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 在读硕士期间科研成果 |
（10）基于Agent协商的智能拼音输入法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于Agent的智能协商 |
| 1.2.2 辅助翻译中文输入法 |
| 1.3 本文的主要内容 |
| 1.4 本文的组织结构 |
| 第2章 相关理论与技术 |
| 2.1 Agent与智能协商 |
| 2.1.1 Agent相关理论 |
| 2.1.2 基于Agent的智能协商 |
| 2.2 计算机辅助翻译 |
| 2.2.1 统计机器翻译 |
| 2.2.2 神经网络机器翻译 |
| 2.2.3 辅助翻译 |
| 2.3 中文输入法 |
| 2.4 评价指标 |
| 2.4.1 n-gram语言模型 |
| 2.4.2 相似性度量 |
| 2.5 最小错误率训练框架——Z-MERT |
| 2.6 本章小结 |
| 第3章 基于Agent协商的输入法解码器 |
| 3.1 拼音输入法解码流程 |
| 3.2 输入法特征与协商关注点 |
| 3.2.1 拼音输入法常用特征 |
| 3.2.2 机器翻译特征 |
| 3.2.3 翻译词表特征 |
| 3.3 Agent类型与偏好 |
| 3.3.1 Agent类型设计 |
| 3.3.2 偏好与特征融合 |
| 3.4 Agent协商策略与拼音解码 |
| 3.4.1 CYK算法 |
| 3.4.2 联想词推荐 |
| 3.4.3 协商过程 |
| 3.5 本章小结 |
| 第4章 模型验证与参数求解 |
| 4.1 构建样本集合 |
| 4.2 并行解码器与评价标准 |
| 4.2.1 并行拼音解码器 |
| 4.2.2 解码结果评价指标 |
| 4.3 实验设计与结果 |
| 4.3.1 实验设计 |
| 4.3.2 实验结果 |
| 4.4 本章小结 |
| 第5章 系统设计与实现 |
| 5.1 系统设计 |
| 5.2 系统实现与展示 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文总结 |
| 6.2 论文展望 |
| 参考文献 |
| 致谢 |
| 在学期间科研成果 |
四、基于多Agent系统的数据融合算法评估平台框架（论文参考文献）
- [1]基于强化学习的多智能体协作建模方法研究[D]. 胡大鹏. 齐鲁工业大学, 2021(10)
- [2]电子商务中虚假评分检测与信誉评估方法研究[D]. 王鑫. 山东科技大学, 2020
- [3]主动配电网分布式协调控制平台的搭建与应用[D]. 李家维. 山东大学, 2020(11)
- [4]面向个性化定制的智能生产线预防性维护研究[D]. 陈宝通. 华南理工大学, 2020(01)
- [5]基于多智能体的通航公司生产运力匹配研究[D]. 周子林. 中国民航大学, 2020(01)
- [6]基于多Agent仿真的可变线路式公交调度研究[D]. 梁爽. 东南大学, 2020(01)
- [7]基于深度学习与遥感的滑坡灾情评估及社会化应急资源共享[D]. 崔文琦. 武汉理工大学, 2020(01)
- [8]软件自优化机制中分析判别方法及其反馈优化的研究与实现[D]. 朱婉莹. 西安电子科技大学, 2019(02)
- [9]大型农机装备的交互式虚拟装配平台的研发[D]. 贾春洋. 华南农业大学, 2019
- [10]基于Agent协商的智能拼音输入法研究[D]. 吴健健. 西南大学, 2019(01)