24、工业应用中的仿生多智能体技术：从理论到实践

工业应用中的仿生多智能体技术：从理论到实践

多智能体技术（MAT）自20世纪末开始逐渐形成，它融合了人工智能、面向对象和并行编程以及电信等多领域的思想。如今，多智能体系统（MAS）在解决复杂问题方面展现出巨大潜力，尽管商业项目和实际应用的发展相对滞后，但全球已有不少成功的工业项目。

多智能体技术的理论基础

多智能体技术解决复杂问题的理论基础经历了从群体智能到涌现智能的发展。最初，受生物自组织和进化概念的启发，“群体智能”方法被提出，如蚁群优化算法，通过模拟蚂蚁觅食行为来解决复杂优化问题。然而，这种方法耗时较长且结果难以保证，在实时应用中存在困难。

随后，涌现智能的概念被引入。在这种理念下，“智能”被视为系统中大量非智能元素相互作用的涌现属性，而非传统“人工智能”系统中智能“模块”的机械组合。例如，单个蚂蚁或蜜蜂的智能有限，但蚁群或蜂群却能展现出强大的自适应智能。

为了实现多智能体系统，研究人员提出了一些关键概念和方法。他们将多智能体系统设计为一组准并行的自治智能体，通过直接和间接通信进行协作。间接通信通过基于本体的场景规范实现，这些规范存储在系统的公共共享内存中，以语义网络的形式表示。

基于这些理念，开发了一种新的MAT平台，该平台上的智能体具有自主工作、对事件做出反应并进行决策、与其他智能体进行通信和协商等特点。与其他知名平台相比，该平台能够实时解决复杂问题，具有开放性、高灵活性和高性能等优势。

资源与需求网络

在解决复杂问题时，资源与需求网络（RDN）是一个重要的概念。在RDN中，资源和需求被定义为具有相反利益的实体，它们在虚拟市场上根据经济原因进行竞争与合作。