基于多Agent系统的负载平衡和容错管理研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-12页 |
| ·相关背景 | 第8页 |
| ·相关研究 | 第8-11页 |
| ·基于MAS的多机器人系统的研究现状 | 第8-9页 |
| ·基于多Agent的负载平衡研究现状 | 第9-10页 |
| ·多Agent容错系统的研究现状 | 第10-11页 |
| ·本论文主要研究的目的与内容 | 第11-12页 |
| ·本论文研究的目的 | 第11页 |
| ·论文结构 | 第11-12页 |
| 2 基于MAS的机器人系统简介 | 第12-23页 |
| ·Agent | 第12-14页 |
| ·Agent概念 | 第12页 |
| ·Agent基本结构 | 第12-14页 |
| ·多Agent系统(MAS) | 第14-17页 |
| ·MAS的产生及其定义 | 第14-15页 |
| ·MAS的组织结构 | 第15-17页 |
| ·MAS通信 | 第17-20页 |
| ·基本通信模型 | 第17-18页 |
| ·智能体通信模型 | 第18-20页 |
| ·基于MAS的智能机器人结构 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 3 基于Agent的负载平衡研究 | 第23-42页 |
| ·问题引入 | 第23页 |
| ·负载平衡的基本策略 | 第23-24页 |
| ·基于耦合度模型的多Agent负载平衡策略 | 第24-37页 |
| ·一些参数定义 | 第24页 |
| ·负载的识别和收集 | 第24-26页 |
| ·负载状态定义 | 第25页 |
| ·负载信息的收集策略 | 第25-26页 |
| ·负载量化 | 第26页 |
| ·选择策略 | 第26-28页 |
| ·信誉值 | 第27页 |
| ·基于信誉值的选择策略 | 第27-28页 |
| ·放置策略 | 第28-37页 |
| ·耦合度模型 | 第29-30页 |
| ·模拟退火算法简介 | 第30页 |
| ·负载平衡模型定义 | 第30-31页 |
| ·初始状态优化 | 第31-32页 |
| ·模拟退火算法在负载平衡问题中的实现 | 第32-36页 |
| ·优化解模拟退火算法 | 第36-37页 |
| ·Agent负载平衡的整体结构 | 第37-40页 |
| ·Agent分类 | 第37-39页 |
| ·系统模型图 | 第39页 |
| ·负载平衡整体算法 | 第39-40页 |
| ·负载均衡中涉及的几个问题 | 第40-41页 |
| ·负载均衡的触发时机问题 | 第40页 |
| ·随机新状态的产生 | 第40-41页 |
| ·网络差异 | 第41页 |
| ·本章小结 | 第41-42页 |
| 4 多Agent系统容错管理 | 第42-47页 |
| ·问题引入 | 第42页 |
| ·故障的定义和分类 | 第42-43页 |
| ·容错模型和解决方案 | 第43-46页 |
| ·检查点的建立 | 第43-44页 |
| ·故障检测 | 第44页 |
| ·系统中涉及模块的功能 | 第44-45页 |
| ·故障处理 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 5 模拟仿真试验和结果分析 | 第47-60页 |
| ·仿真环境 | 第47页 |
| ·模拟数据 | 第47页 |
| ·模拟试验结果和参数选定 | 第47-59页 |
| ·用k平均算法实现初始状态优化 | 第47-49页 |
| ·本文的策略在负载平衡中的实现 | 第49-52页 |
| ·耦合度系数的选定 | 第52-53页 |
| ·放大因子α值的选定 | 第52页 |
| ·参数β_1、β_2的选定 | 第52-53页 |
| ·模拟退火算法中参数的优化选取 | 第53-57页 |
| ·几种算法的比较 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 结束语 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录A | 第66-67页 |
