基于变异遗传算法的协作多智能体系统帕累托效率多准则分析

《基于变异遗传算法的协作多智能体系统帕累托效率多准则分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、VladimirSerebrennyetal./ProcediaComputerScience186(2021)793–801799基于变异遗传算法的协作多智能体系统帕累托效率多准则分析摘要该论文致力于现代生产自动化的一个新兴趋势——协同多智能体系统——其特征是在解决目标问题的框架内，在单个系统中同时使用人和机器人的劳动。协作多智能体系统的需求是由于全自动多组件系统的工业应用受到各种工业转向完全无人技术的财务和基础设施不可用性的限制。文章讨论了将这种方法作为生产完全自动化的替代方法的有效性问题。针

2、对多智能体协作系统的优化背包问题，提出了一种多准则的有效性评估方法。针对上述问题，提出了一种基于基本解小变异原理的多准则遗传算法。得到的帕累托集是根据可能解的排序构造的。关键词:协同机器人系统；背包问题；帕累托最优；遗传算法1。介绍到目前为止，现代机器人在许多领域的使用效率明显超过了人类劳动的效率，尤其是在与艰苦体力劳动、危险工作条件、长时间负载、单调行业以及高精度领域相关的领域。如今现代技术允许解决任何使用机器人、新技术和信息处理方法的自动化问题。有时这一过程被称为生产数字化，意味着使用计算机设

3、备和现代信息传输手段。乍一看，完全自动化或机器人化似乎可以实现最大的效率指标。然而，工业使用全自动多组件系统的真正可能性受到各种工业向完全无人技术过渡的资金和基础设施不可用的限制。这就是经济限制出现的地方。新技术增加了生产成本，从某一水平开始，在经济上变得无利可图。当然，这个“自动化边界”是随着技术的发展和社会需求的变化而不断变化的。但它存在[1]。应该记住，自动化解决方案总是涉及与自动化工具的设计、制造和实施相关的大量财务成本。在某些情况下，通过将生产转移到更高的水平，这种投资是合理的。在其他情

4、况下，例如，小企业或有限批量的产品，他们不会有回报。同时，市场对产品质量的要求、产品上市的速度、产品的可重复性决定了生产系统持续发展的条件。在这方面，所提出的基于协作多智能体系统(CMAS)的方法似乎很有希望[2-6]。这种方法结合了自动化和机器人化工具在经济和技术意义上的合理使用，以及使用高技能人力的能力，特别是在紧急情况下在箱外行动的人类能力、积累的经验和独创性。由于所考虑的方法是新的，有必要在系统原则的基础上为其应用发展一个基本的理论基础。在本文中，我们考虑了使用协作多智能体系统的最优性的多

5、准则估计问题。本文将该问题形式化为NP难优化背包问题，并提出了一种基于小变异的多准则遗传算法来求解该问题。2。с协作多智能体系统根据[2]，协同多智能体系统(CMAS)被定义为由几个相互作用的智能体组成的计算机化机器人系统，其中人和机器人在一个技术过程中操作，同时在其中执行各自的功能以实现共同的目标。从定义中可以看出，协作多智能体系统不同于普遍接受的协作机器人学[7，8]，当人和机器人在同一工作空间工作时，例如，自动车辆(robocars)，支持人类工作的各种自动化手段，包括装载技术设备的操纵手段

6、，机器人技术诊断系统，工人的各种机械手-助手。CMAS定义了一类更复杂生产系统。机器人和人类是协同多智能体系统的平等智能体。与机器人生产系统不同，在机器人生产系统中，与计算设施交互、执行控制和组织任务的人也是协作生产环境的一部分，但处于更高的级别。在CMAS，一个人，作为系统的主体，在机器人领域进行技术操作，并与机器人同时进行。VladimirSerebrennyetal./ProcediaComputerScience186(2021)793–801799请再次注意，由多部件机器人系统或机器人组

7、组成的全自动系统的工业应用可能性受到许多行业向完全废弃技术过渡的资金和基础设施不可用以及缺乏为所需机器人系统制造精密结构元件的国内技术基础的限制。这个论点不可能总是绝对的。如果将工艺流程完全分解为简单的操作，同时对用于实施这些流程的技术系统的复杂性和独特性没有很高的要求，并且使用经过验证和优化的解决方案将生产的所有阶段自动化，那么可能根本没有任何需要人工干预的领域，完全自动化是合理的。例如，这在印刷电路板的生产和组装或车身的焊接中是可能的。然而，在小系列或单系列产品的制造中，或者在需要快速转换产品

8、线的情况下，合作方式在经济上是合理的。此外，上述因素加上劳动力持续短缺，以及由于人口状况困难，高技能专家的情况恶化，使CMAS成为最佳技术解决方案之一。3。问题陈述对完全或部分自动化的有效性进行评估，并对一种或另一种方法的适当性做出决定，将被视为一个优化多标准问题。让我们把选择参与生产的机器人和人的数量的最优比例的问题看作一个背包问题[9]:从一组给定的具有“成本”和“效率”属性的劳动力资源(人/机器人)中，要求选择一个总成本最小的子集，同时尊重所需的性能约束。从更广泛的意义上说，