一种多智能体配置方法技术

本发明专利技术涉及一种多智能体配置方法。包括：S1.根据人类用水的特点，确立水资源配置系统的层次结构；S2.建立基于多智能体系统的水资源优化配置模型框架：确立水资源配置系统中智能体的组成与系统结构，在智能体组成与层次结构的基础上构建水资源优化配置模型框架结构，其次确定智能体之间的协作关系、协商机制；S3.分析水资源优化配置模型中各智能体Agent的模型行为，确定各智能体的约束和边界条件；S4.利用优化算法对模型进行求解。本发明专利技术将智能体系统的理论与方法应用于水资源配置领域，确立了一套比较完整的多智能体模型，有助于分析水资源配置系统中各层次的相互关系，描述各主体行为与整体演化的有机联系，模拟水资源分配过程，进行水资源的优化配置。

A Multi-Agent Configuration Method

The invention relates to a multi-agent configuration method. It includes: S1. Establish the hierarchical structure of water resources allocation system according to the characteristics of human water use; S2. Establish the framework of water resources optimal allocation model based on multi-agent system: Establish the composition and system structure of agents in water resources allocation system, build the framework of water resources optimal allocation model based on the composition and hierarchical structure of agents, and then determine the relationship between agents. Cooperative relationship and negotiation mechanism; S3. Analyse the agent's model behavior in water resources optimal allocation model, determine the constraints and boundary conditions of each agent; S4. Solve the model by using optimization algorithm. The invention applies the theory and method of the agent system to the field of water resources allocation, establishes a relatively complete multi-agent model, which is helpful to analyze the relationship among different levels in the water resources allocation system, describes the organic relationship between the behavior of each agent and the overall evolution, simulates the process of water resources allocation, and optimizes the allocation of water resources.

【技术实现步骤摘要】
一种多智能体配置方法
本专利技术涉及水资源配置领域，更具体地，涉及一种多智能体配置方法。
技术介绍
水资源优化配置是人类可持续开发、利用水资源的有效调控措施，是解决水资源供需矛盾、增强水资源系统抗风险性的根本途径。由于水资源配置涉及多个决策层次，地区与部门多个决策主体，近期与远期多个决策时段，社会、经济、生态环境多个决策目标，以及水文、生态、工程、市场等多领域，因此是一个复杂性的决策系统。近年来，尽管水资源配置系统的研究成果卓越，但在将系统中各种各样的个体行为与系统的整体演化有机的联系方面还难以得到有效的描述。自20世纪70年代末，出现了多智能体系统(MAS:Multi-AgentSystem)的理论与方法，并且由于MAS能体现人类的社会智能，具有更大的灵活性和适应性，因此已成为一种复杂系统分析和模拟的思想方法和工具。国外已运用MAS技术在需水预测、水资源管理等方面，但还只是处于初始阶段，真正运用于水资源配置系统分析和优化配置建模上还非常有限。如Becu等建立了基于Agent的CATCHSCAPE模型，用于考察流域内的水力学、农户行为和水管理措施，并在泰国北部得到应用，Feuillette等针对突尼斯的凯万市地下水过量开采问题，在水资源需求与地下水含水层的来水之间建立了多智能体的统一管理的协商模型；LeBars等基于主体仿真模型研究了集体农业用水户行为对水资源配置的影响，LucillaGiannetti等建立了基于智能体的城市供水系统的优化模型。然而，目前尚缺乏一个比较完整的多智能体模型来分析水资源配置系统中各层次的相互关系，描述其中各主体行为与整体演化的有机联系，从而模拟水资源分配过程，进行水资源的优化配置。
技术实现思路
本专利技术为克服上述现有技术所述的至少一种缺陷，提供一种多智能体配置方法，将智能体系统的理论与方法应用于水资源配置领域，确立了一套比较完整的多智能体模型，有助于分析水资源配置系统中各层次的相互关系，描述其中各主体行为与整体演化的有机联系，进而模拟水资源分配过程，进行水资源的优化配置。为解决上述技术问题，本专利技术采用的技术方案是：一种多智能体配置方法，包括以下步骤：S1.根据研究区人类用水的特点，确立水资源配置系统的层次结构；S2.建立基于多智能体系统MAS的水资源优化配置模型框架：首先确立水资源配置系统中智能体的组成与系统结构，并在智能体组成与层次结构的基础上构建水资源优化配置模型框架结构，其次确定智能体之间的协作关系、协商机制；S3.分析水资源优化配置模型中各智能体Agent的模型行为，确定各智能体的约束和边界条件；S4.利用优化算法对模型进行求解。进一步地，所述的S1步骤中系统的层次结构为由流域级、部门或地区级、用户级所组成的结构，分别对应于MAS的系统层、群体层和Agent层，能够反应部门或用户用水与流域水量之间的循环反馈关系，进而研究局部的用水变化对流域全局水资源配置的影响。进一步地，所述的S2步骤中多智能体的组成包括：水源Agent、需水Agent、供水Agent、水资源调配Agent；所述的水源Agent用于分析水文气象变化特点，给出不同时空水资源量的大小、水质情况，与供水Agent协商，实现任务委派，监测水质变化，执行调配计划；所述的需水Agent用于分析社会经济发展状况，预测水资源需求量，将水资源需求的统计信息传递给水资源配置Agent；所述的供水Agent用于考虑不同区域工程特点和规模，形成供水任务分配联盟，与水源Agent协商，形成任务委派，向水资源调配Agent传递任务执行情况，与水资源调配Agent协商，完成供水Agent系统优化，确定水资源配置目标；所述的水资源调配Agent用于接受需水Agent、水源Agent、供水Agent的约束，指导整个水资源系统的优化配置，将分配结果传递给供水Agent和用水Agent，指导水资源的应急调度。进一步地，所述的流域级与区域级之间包括对话层、问题求解层和控制层，其中，对话层由通信模块构成，主要完成与其他Agent或外在环境的信息交互；问题求解层由学习机、推理机、规则库和知识库四个部分组成，主要完成和其他Agent进行协调并生成最终决策的功能；控制层由控制模块构成，主要完成指导控制任务，并将控制任务的信息通过通信层传递给其他Agent。进一步地，所述的S2步骤中，智能体之间的协作关系主要基于每个智能体之间本身的水利联系，以及蓄水工程的影响，协商机制采用基于多Agent的合同网协议。合同网是Agent间建立合作机制的主要方法，其主要原理是采用市场机制进行任务通告、投标，最后签订合同来实现任务分配(资源分配)。合同网系统由多个节点组成，两个节点就任务的委托和承揽构成合同关系，一组这样的节点构成了合同网。在该系统中，每个节点代表一个Agent，Agent间通过招标一投标一中标过程进行任务分配和解决资源、知识冲突。在基于MAS水资源配置系统中，控制Agent是招标方，任务Agent则作为投标方，控制Agent将待分配的水源多少、水质状态、供水工程大小、各区域Agent需水量多少在系统内公布，各个任务Agent根据其内部资源(即需水量)采取相应的竞标策略，主动提出各自的投标方案，经过相互磋商，控制Agent将各个时段的不同水质的水资源分配给合适的任务Agent(即分配到不同的区域和不同的行业)，使得Agent之间以一个较高的概率达成一个足够好的协定。在本专利技术中，智能体的组成分为：水源Agent(包括水库调蓄Agent)、需水Agent、供水Agent、水资源调配Agent四个部分。水资源优化配置模型框架结构在流域级与区域级之间包括对话层、问题求解层和控制层。而在每个区域Agent里又包括主要由供水Agent、水源Agent、需水Agent、水资源调配Agent等构成的群体行为层。智能体之间的协作关系主要基于每个智能体之间本身的水力联系，以及蓄水工程的影响。而协商机制采用基于多Agent的合同网协议。进一步地，所述的S3步骤中，所述的智能体的约束和边界条件，对于水源Agent主要考虑区域水资源量约束、河渠节点水量平衡约束、水库枢纽水量平衡约束、地下水库水量平衡约束及水质要求；对于需水Agent主要考虑农业需水要求、工业需水要求、生活需水要求、最小生态需水要求、各行业用水不能超过需水量约束、水质要求；对于供水Agent主要考虑水库蓄水库容、引提水工程能力、调水工程能力的约束；对于水资源调配Agent主要考虑使流域整体经济效益最大、造成的污染最小、区域总缺水量最小三个目标，以及区域供需水量平衡约束、水费约束及非负约束。进一步地，所述的优化算法为人工免疫算法。本专利在人工免疫优化求解中各个抗体、抗原(可行解)均采用实数编码，即每个分量用0.ai1ai2…ail，而其中的每个基因ai的取值为0到9之间的整数，而各个抗体、抗原与各区各行业的需水之积为各个智能体的决策变量。抗体群、抗原群初始规模分别为100、20；记忆细胞的规模设为20；调节因子β为2；终止迭代次数设为200。与现有技术相比，有益效果是：1.本专利技术将智能体系统的理论与方法应用于水资源配置领域，确立了一套比较完整的多智能体模型，有助于分析水资源配置系统中各层次的相互关系，描述其本文档来自技高网...

【技术保护点】
1.一种多智能体配置方法，其特征在于，包括以下步骤：S1.根据研究区人类用水的特点，确立水资源配置系统的层次结构；S2.建立基于多智能体系统MAS的水资源优化配置模型框架：首先确立水资源配置系统中智能体的组成与系统结构，并在智能体组成与层次结构的基础上构建水资源优化配置模型框架结构，其次确定智能体之间的协作关系、协商机制；S3.分析水资源优化配置模型中各智能体Agent的模型行为，确定各智能体的约束和边界条件；S4.利用优化算法对模型进行求解。

【技术特征摘要】
1.一种多智能体配置方法，其特征在于，包括以下步骤：S1.根据研究区人类用水的特点，确立水资源配置系统的层次结构；S2.建立基于多智能体系统MAS的水资源优化配置模型框架：首先确立水资源配置系统中智能体的组成与系统结构，并在智能体组成与层次结构的基础上构建水资源优化配置模型框架结构，其次确定智能体之间的协作关系、协商机制；S3.分析水资源优化配置模型中各智能体Agent的模型行为，确定各智能体的约束和边界条件；S4.利用优化算法对模型进行求解。2.根据权利要求1所述的一种多智能体配置方法，其特征在于，所述的S1步骤中系统的层次结构为由流域级、部门或地区级、用户级所组成的结构，分别对应于MAS的系统层、群体层和Agent层。3.根据权利要求2所述的一种多智能体配置方法，其特征在于，所述的S2步骤中多智能体的组成包括：水源Agent、需水Agent、供水Agent、水资源调配Agent；所述的水源Agent用于分析水文气象变化特点，给出不同时空水资源量的大小、水质情况，与供水Agent协商，实现任务委派，监测水质变化，执行调配计划；所述的需水Agent用于分析社会经济发展状况，预测水资源需求量，将水资源需求的统计信息传递给水资源配置Agent；所述的供水Agent用于考虑不同区域工程特点和规模，形成供水任务分配联盟，与水源Agent协商，形成任务委派，向水资源调配Agent传递任务执行情况，与水资源调配Agent协商，完成供水Agent系统优化，确定水资源配置目标；所述的水资源调配Agent用于接受需水Agent、水源Agent、供水Agent的约...

【专利技术属性】
技术研发人员：陈晓宏，刘德地，张建云，叶海霞，王高旭，
申请(专利权)人：中山大学，水利部交通运输部国家能源局南京水利科学研究院，
类型：发明
国别省市：广东,44