基于分布式智能體的復雜系統(tǒng)建模與仿真.pdf

1、復雜系統(tǒng)一般具有龐大的規(guī)模和復雜的層次結構，其子系統(tǒng)之間相互關聯且交互行為非線性，其子模型多樣化且具有一定的智能性。針對這些特點，對復雜系統(tǒng)的研究無法只用傳統(tǒng)的數學模型來描述，而需要對其展開更加深入和全面的研究工作。目前研究復雜系統(tǒng)的理論方法層出不窮，但是都各有局限和實現障礙，對復雜系統(tǒng)的研究仍然有很多問題有待解決。本文基于Agent建模技術和HLA仿真技術對復雜系統(tǒng)展開了研究，并且融入BOM重用技術，針對諸如軍事對抗作戰(zhàn)系統(tǒng)之類的典型

2、復雜系統(tǒng)，研究建模與仿真的方法以及仿真系統(tǒng)的可重用能力，使系統(tǒng)模型既具備智能性和較高的重用性，又能夠實現分布式仿真。
　　 首先，在介紹Agent建模技術、HLA仿真技術和BOM重用技術的基礎上，本文提出了基于分布式智能體的復雜系統(tǒng)建模與仿真(Agent-based Distributed Modelingand Simulation of Complex Systems，簡稱ADMSCS)的框架。詳細研究并分析了基于ADMSC

3、S框架的復雜系統(tǒng)建模流程和仿真運行過程，并且研究了基于ADMSCS框架開發(fā)的仿真系統(tǒng)的重用性問題，提出了一個基于BOM技術的仿真組件重用流程。
　　 其次，本文詳細研究并討論了ADMSCS框架中的Agent模型的建立方法，包括感知器的設計、決策部件和規(guī)則庫的設計、執(zhí)行器的設計、效應器的設計以及學習部件的設計，體現Agent建模技術與HLA分布式仿真環(huán)境的深層融合，使基于ADMSCS框架開發(fā)的仿真系統(tǒng)的實體模型既具備智能性，又遵循

4、HLA的仿真機制。同時，在研究Agent的學習部件時利用ID3決策樹學習算法，研究了Agent的決策樹學習過程。
　　 再次，本文針對提出的ADMSCS框架的仿真組件重用流程，詳細研究并討論了作為仿真組件的Agent-based BOM的開發(fā)方法，利用BOM重用技術并且融合Agent模型的智能信息，設計了Agent-based BOM的模板內容。同時，研究了如何從組件庫中選取合適的 Agent-based BOMs組建成仿真系統(tǒng)