基于动态分层与自学习的多智能体自适应协作模型

本项目针对复杂动态环境下的多智能体系统（MAS）协作问题，研究一种新颖的基于动态分层与自学习的多智能体自适应协作模型。提出一种面向协作的MAS结构自组织方法- - 动态分层技术，以协作回报率为指标，动态地调整MAS的结构划分，从而提高MAS的动态响应特性，降低MAS的状态空间维数；研究非确定性马尔可夫环境下的状态预测方法，使智能体能及时有效地预测系统状态的变化，设计基于状态预测的智能体自学习算法，从而改善协作的行为准确性和自适应特性；通过衡量智能体自学习信息的完备度和分析动态分层对智能体状态空间的影响，建立将动态分层和基于状态预测的自学习算法相融合的机制，从而建立完整的MAS自适应协作模型。通过在机器人救援仿真比赛中的应用研究，验证多智能体动态协作模型的泛化性和有效性。本项目的研究将为多智能体动态协作提供一种新颖的和有效的方法，对促进多智能体系统理论和技术的发展具有重要的科学意义和应用价值。