网络环境下基于群体智能方法的虚拟机协同平台研究

基于大规模计算节点构建计算模型成为当今计算机科学的一个挑战。与传统人工智能提出的Multi-Agent模型有所区别，群体计算理论起源于群体生物社会的行为研究 ，强调单体与环境以及单体之间的局部自适应，并于本世纪初通过算法仿真验证了利用其求解如旅行家问题等经典计算科学问题的有效性。但群体智能的并行化、松耦合计算模型和现有基于冯诺伊曼结构的串行化、集中式体系结构不能无缝匹配，难以实现真正实际的高效原型。本课题将基于虚拟机和动态翻译技术，建立群体计算的高层形式化并行语义模型，通过软硬件协同方法重新设计虚拟机软件，将语义模型透明自动地转化到基于冯诺伊曼结构设计的物理无线移动节点群协同高效执行。以地图探索问题为典型示范，对任务分配策略、信息素的模拟、目标区域覆盖进行深入研究，验证该平台面向群体计算的有效性，实现多机器人协作地图构建，并为进一步的群体智能研究建立坚实的基础原型平台。

本课题针对网络环境下的计算节点之间的协同问题，开展了群体智能和虚拟化等两方面的研究工作。其中：一）通过虚拟化技术，抽象网络环境、计算模型中的各类资源和对象；并针对网络环境的复杂性和动态性，设计和实现了动态二进制翻译的实现框架。二）基于群体智能的计算模型描述一些典型的协同应用，如地图探索等，并对相关的具体问题及算法工作开展了深入的研究。.课题的研究成果反映为以下几个方面：.1）群体机器人网络环境：该网络环境包含几十～几百个具有移动、无线通讯和有限计算能力的节点，系统的软硬件设计、通讯协议皆为自主开发，具有自主知识产权的研究内容包括：节点系统的设计与实现、自主充电站系统、基于监控的轨迹提取系统、基于ZigBee的多通道并发通讯协议等；.2）基于虚拟化技术的网络化计算环境：设计了独特的条件代码优化、浮点运算等技术的实现方法；提出了针对跳转、超级块构建、寄存器分配效率等问题的算法实现；此外，还开展了基于二进制翻译平台的安全检测、基于网络化瘦客户端的翻译机制等方面的研究工作；.3）基于网络的协同化应用的研究：针对经典的，如定位、探索、图形编排等群体协同任务，提出了基于局部信息的定位算法、基于群体智能（如PSO算法）的地图生成算法等；并对定位、部署、聚集等关键问题开展了深入的研究。其中，地图探索、图形生成等演示系统曾在国际会议等各类场合获得荣誉。.总体上，课题小组经过多年的研究和开发：.1）构建了一个包含几十个移动智能节点的群体网络计算环境。基于该环境，已开展了如地图探索等应用的研究；.2）开发了一系列基础工具和系统设施，如节点单元、自主充电站、轨迹提取系统等；.3）构建了相应的性能评测和分析平台，如基于Play-Stage的仿真运行环境、自主开发的性能分析软件等；.4）深入开展了针对群体智能关键问题的研究，如定位、探索等。.截至项目结题，课题组已毕业博士生2名、硕士生15人；通过发表论文（27篇）、硕士学位论文（15篇）、专利申请（13份）、软件著作权（4项）的方式，课题组成员曾获得宝钢优秀教师（2010）、全国大学生挑战杯特等奖（2011）（学生、指导教师皆为课题组成员）等荣誉。