倪 晉 陳世友

(武漢數(shù)字工程研究所 武漢 430205)

?

基于Agent的信息融合系統(tǒng)研究與設計*

倪 晉 陳世友

(武漢數(shù)字工程研究所 武漢 430205)

傳感器資源分配是傳感器管理中的核心問題,在未來海上戰(zhàn)爭的網(wǎng)絡中心戰(zhàn)的背景下,對如何完成多種傳感器之間有效協(xié)同作戰(zhàn),使資源能夠合理分配到各個傳感器,具有十分重要的意義。論文介紹了一種基于Agent的信息融合系統(tǒng)結(jié)構(gòu),對該系統(tǒng)中各傳感器Agent的協(xié)商機制進行了研究,并重點研究了基于合同網(wǎng)協(xié)議的分布式分配策略,最后用Repast仿真軟件對其進行了仿真,證明了該方法的有效性與實用性。

傳感器管理; Repast; 資源分配; Agent; 協(xié)商

Class Number TP391.4

1 引言

網(wǎng)絡中心戰(zhàn)(Network-centric Warfare,NCW),現(xiàn)多稱網(wǎng)絡中心行動(Network-centric operations,NCO),是一種美國國防部所創(chuàng)的新軍事指導原則,其做法是使用計算機、高速數(shù)據(jù)鏈和軟件等,將作戰(zhàn)艦艇、飛機與岸基軍事力量聯(lián)接成一個集中的通訊網(wǎng)絡。在該網(wǎng)絡中,各部分作戰(zhàn)單元共享大量關鍵信息,可以大大提高海軍作戰(zhàn)的精度、反應速度和有效性。在該環(huán)境下,戰(zhàn)場的態(tài)勢十分復雜,戰(zhàn)場信息瞬息萬變,對如何完成多傳感器之間的協(xié)同作戰(zhàn)并實現(xiàn)資源的合理有效分配,具有重要的意義。

在傳感器管理領域中,對如何高效地對傳感器資源進行分配已有了大量研究,Nash[1]最早提出了多傳感器管理問題,他把卡爾曼濾波器中的誤差協(xié)方差陣的跡作為目標函數(shù)中的代價函數(shù),并使用線性規(guī)劃的方法來確定傳感器與目標之間的分配。劉蕃[2]等提出了一種改進的基于線性規(guī)劃的傳感器管理方法,通過建立傳感器對目標的效能函數(shù),給出了一種多傳感器資源分配方法。田康生[3]等對序貫Kalman濾波在多傳感器多目標跟蹤中的應用情況進行了分析,提出了一種基于費歇信息增量的多傳感器對多目標的分配方法。較好地解決了傳感器的組合分配問題,并能對目標的跟蹤精度實施控制。黃樹采[4]等提出了一種基于多Agent的傳感器管理方法,通過傳感器Agent之間的相互協(xié)商實現(xiàn)了傳感器資源的分配。

傳感器資源分配是信息融合系統(tǒng)中的核心問題之一,本文首先在以上背景的基礎上,通過運用分布式人工智能中的Agent技術(shù),結(jié)合傳統(tǒng)的信息融合系統(tǒng)模型提出了一種基于Agent的信息融合系統(tǒng)結(jié)構(gòu)。然后對該系統(tǒng)中各Agent之間的協(xié)商機制和系統(tǒng)工作流程進行了簡要介紹,最后通過采用一種基于合同網(wǎng)協(xié)議的分配策略,將任務分配給各傳感器Agent,并在Repast平臺上對該任務分配機制進行了仿真,從而實現(xiàn)了系統(tǒng)資源分配的目標。

2 基于Agent的信息融合系統(tǒng)結(jié)構(gòu)

2.1 多傳感器管理作用

傳統(tǒng)的信息融合系統(tǒng)由多傳感器子系統(tǒng),數(shù)據(jù)融合子系統(tǒng),人工決策子系統(tǒng)和傳感器管理子系統(tǒng)等構(gòu)成。劉先省[5]提出了一種以傳感器部分,數(shù)據(jù)融合部分和傳感器管理部分構(gòu)成的數(shù)據(jù)融合系統(tǒng)的閉環(huán)控制模式,借以分析各組成部分的功能及它們之間相互聯(lián)系、相互制約、相互控制的關系,以便得到一個具有反饋結(jié)構(gòu)的、實時調(diào)整的和整體優(yōu)化的數(shù)據(jù)融合系統(tǒng)。系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 信息融合閉環(huán)控制模型

多傳感器子系統(tǒng)相當于是整個數(shù)據(jù)融合閉環(huán)系統(tǒng)的探提供進一步融合的結(jié)果,并為多傳感器管理子系統(tǒng)提供反饋的依據(jù);人工決策子系統(tǒng)接收融合處理的結(jié)果,并進行態(tài)勢和威脅評估,其融合結(jié)果也是進行多傳感器管理的重要依據(jù)之一,傳感器管理子系統(tǒng)則根據(jù)上面的反饋結(jié)果,對多傳感器資源進行動態(tài)的分配。

因此,多傳感器管理對形成數(shù)據(jù)融合閉環(huán)控制系統(tǒng)起著不可替代的反饋調(diào)節(jié)作用,也使我們對多傳感器管理和數(shù)據(jù)融合的研究從開環(huán)方式上升到閉環(huán)方式,更利于從整個系統(tǒng)的層面對局部功能和算法的實現(xiàn)進行動態(tài)優(yōu)化。

2.2 Agent技術(shù)

Agent是來自于分布式人工智能的一個模型,指駐留在某一環(huán)境下,能持續(xù)自主地發(fā)揮作用,具有駐留性、反應性、社會性、主動性等特征的計算實體。它具有非常高的自治性和靈活性,能夠在不確定環(huán)境中,根據(jù)自身的狀態(tài)、資源、外部環(huán)境等相關信息,通過推理、決策來實現(xiàn)問題求解,自主完成特定任務并達到某一目標。

2.3 基于Agent的信息融合系統(tǒng)結(jié)構(gòu)

2.3.1 系統(tǒng)結(jié)構(gòu)

將Agent技術(shù)運用到圖1所示的信息融合閉環(huán)模型中,并將各部分進行細化處理。其中目標環(huán)境模塊可用信源Agent替代,多傳感器子系統(tǒng)和數(shù)據(jù)融合子系統(tǒng)可以合并到一個模塊之中,并用融合中心Agent和傳感器Agent的組合替代,傳感器管理子系統(tǒng)可用方案生成Agent、方案優(yōu)化Agent、方案傳遞Agent的組合替代,人工決策子系統(tǒng)可用人機交互Agent替代。具體結(jié)構(gòu)如圖2所示。

圖2 基于Agent的信息融合系統(tǒng)

2.3.2 系統(tǒng)主要功能與協(xié)商策略

該系統(tǒng)主要由信源Agent,傳感器Agent,融合中心Agent,人機交互Agent,方案傳遞Agent,方案優(yōu)化Agent,方案生成Agent組成。

各Agent主要功能與運行機制如下:

· 信源Agent:包括一系列輸入信息,如目標態(tài)勢信息、傳感器位置信息、我方平臺位置信息、目標威脅等級信息、傳感器探測能力模型、傳感器優(yōu)先級、目標跟蹤精度要求等。該Agent將獲取的相關數(shù)據(jù)進行數(shù)據(jù)對準,將數(shù)據(jù)在時間、空間和單位上統(tǒng)一到相同的坐標系,使數(shù)據(jù)被處理成其他Agent所需要的形式。

· 人機交互Agent:接收融合之后的信息,并將此信息與用戶需求信息進行比對,若沒達到需求目標,則通過和與其他Agent進行交互來改變傳感器探測模型,目標跟蹤精度等信息,并調(diào)整傳感器融合相關策略,得到新的傳感器管理方案。

· 融合中心Agent:得到方案傳遞Agent傳遞過來的方案后,對該方案進行進一步的分解,確定下一個傳感器周期內(nèi)每個傳感器Agent需要完成的任務及性能指標。并對傳感器反饋回來的相關信息進行融合,并對其進行監(jiān)控。

· 傳感器Agent:獲取傳感器需要完成的任務及性能指標,以及傳感器與目標的相關數(shù)據(jù),與其他傳感器Agent、融合中心Agent進行協(xié)商,對傳感器協(xié)商后的任務進行分配。并與融合中心Agent保持通信。

· 方案生成Agent:根據(jù)預先設置好的傳感器與任務、目標的配對方案,給當前監(jiān)控區(qū)域的特定目標,配對一個特定的傳感器或傳感器組合對其進行檢測[6]。

· 方案優(yōu)化Agent:根據(jù)融合中心與人機交互形成的任務需求,形成目標的優(yōu)先級,對目標進行威脅等級排序。

· 方案傳遞Agent:具體負責將得到的傳感器目標分配方案與目標優(yōu)先級等信息傳遞給融合中心Agent與傳感器Agent。

2.4 系統(tǒng)工作流程

1) 首先方案生成Agent根據(jù)各傳感器的特征形成相關的傳感器或傳感器組與任務之間分配方案,并為某特定的目標分配傳感器或傳感器組合對其進行檢測。

2) 方案優(yōu)化Agent根據(jù)相關信息,優(yōu)化上述方案,并形成目標優(yōu)先級的排序。

3) 然后通過方案傳遞Agent將具體的分配方案傳遞給融合中心Agent與傳感器Agent。

4) 融合中心Agent對該方案進行進一步的分解,在與傳感器Agent協(xié)商的情況下確定下一個傳感器周期內(nèi)每個傳感器Agent需要完成的任務及性能指標,傳感器Agent從信源Agent得到系統(tǒng)的輸入信息,并在與其他傳感器Agent和融合中心Agent協(xié)商的情況下,根據(jù)融合中心分解的任務和指標完成任務的分配。并將相關數(shù)據(jù)信息反饋給融合中心Agent。

5) 融合中心Agent對相關數(shù)據(jù)進行處理和融合,并將融合之后的信息反饋給人機交互Agent,并與系統(tǒng)目標進行比對,看是否達到了預期的效果。

6) 若沒達到預期效果,人機交互Agent繼續(xù)通過上述步驟,來調(diào)整信源模型,融合策略,分配方案等信息,以達到融合的目標與任務的合理分配。

3 基于合同網(wǎng)協(xié)議的資源分配

3.1 傳感器資源分配問題描述

信息融合系統(tǒng)中傳感器執(zhí)行的任務一般分為三種[7]。

1) 孤立傳感器任務。只能由一個傳感器執(zhí)行的任務,如只在某個傳感器探測范圍內(nèi)的搜索任務。

2) 聯(lián)合任務。能夠被多個傳感器執(zhí)行的任務,如多個傳感器能同時探測到的范圍內(nèi)探測到的任務。

3) 獨立傳感器任務。和孤立傳感器任務不同,該任務剛開始可以由多個傳感器協(xié)商,但最后只能由一個特定的傳感器執(zhí)行的任務。如特殊狀況下,只有一個傳感器能夠正常工作,這時需要融合中心將任務分配給特定的傳感器執(zhí)行。

一般情況下,孤立與獨立的傳感器任務不需要傳感器Agent之間進行協(xié)商,由融合中心Agent將任務分配給相應的傳感器Agent即可。聯(lián)合任務需要先由融合中心Agent確定分解后的任務的優(yōu)先級,然后融合中心Agent對所有傳感器Agent發(fā)送請求消息,以及能夠完成該任務的傳感器集合信息。然后各傳感器Agent之間通過協(xié)商,確定任務的分配。

3.2 基于合同網(wǎng)協(xié)議的資源分配

合同網(wǎng)協(xié)議[8](Contact Net Protocol,CNP)是多Agent系統(tǒng)中一種經(jīng)典的資源分配方法,它通過模擬市場中的招投標行為來完成傳感器資源分配任務。其中招標者將需要處理的任務放置在市場上招標,并同時說明任務的性質(zhì)與需求;投標者根據(jù)自身的資源情況來計算完成該任務的成本、時間、質(zhì)量等,并轉(zhuǎn)換為標值反饋給招標者。招標者通過投標者的標值選擇最后的中標者,并與之簽訂合同,將任務交由它處理。

在本文提出的信息融合系統(tǒng)中,當方案傳遞Agent將方案傳遞給融合中心Agent與傳感器Agent之后,融合中心Agent和傳感器Agent之間具體的任務分配可以看成合同網(wǎng)協(xié)商問題。融合中心Agent和傳感器Agent之間可以通過招投標來進行交互和協(xié)商以完成最后的目標任務。文獻[9]提出的動態(tài)合同網(wǎng)(DCNP)中,引入了信任度的概念:一個傳感器Agent相對于某類任務的信任度越大,則該Agent相對于該類任務的響應閾值越低,反之則越高;當傳感器完成追蹤任務時,就增加他的信任度,使其有更高的概率接到新任務。本文對上述方法進行了一定的改進,即改進的動態(tài)合同網(wǎng)(ADCNP),其對于不同的傳感器Agent,他們完成任務的代價不同,因此當融合中心Agent進行任務的分解與分配時,應該同時考慮傳感器Agent的信任度和任務完成的代價來提高任務完成的質(zhì)量。

4 實例與分析

4.1 仿真平臺簡介

由于多Agent系統(tǒng)的應用前景非常廣泛,近年來,人們對于多Agent系統(tǒng)的研究日趨增多,關于多Agent的建模方法的應用也越來越廣泛,所研究的系統(tǒng)也越來越大,因此為了更好地實現(xiàn)多Agent系統(tǒng)的仿真,涌現(xiàn)了一些專門用于多Agent仿真實驗的平臺,如NetLogo、Swarm、JADE、Repast、MadKit等[10]。

Repast(recursive porous Agent simulation toolkit)是由芝加哥大學社會科學計算研究中心開發(fā)的基于Agent的計算機模擬軟件架構(gòu)。在經(jīng)濟、軍事、生態(tài)領域都有廣泛的應用。它以Java為主要編程語言,可以在多種操作系統(tǒng)上安裝使用,具有強大的支持類庫和編程資源供參考。又考慮到Repast具有底層結(jié)構(gòu)的抽象性,很強的擴展性和良好的表現(xiàn)能力等特點,因此選擇Repast作為Agent任務分配的仿真軟件,并選擇開發(fā)語言為Java。

4.2 仿真流程及模型建立

4.2.1 仿真流程

Repast仿真程序的基本流程如下:

圖3 仿真流程

傳感器資源分配的仿真主要按照以下流程實現(xiàn):

1) 確定Agent之間的關系;

由以上任務分配問題知,該仿真系統(tǒng)中包括兩類個體,融合中心Agent與傳感器Agent。模型中包括對應的兩類Agent:Fusion和Sensor。

2) 根據(jù)個體數(shù)學模型定義Agent屬性、狀態(tài)和行為[11];

3) 根據(jù)Agent的行為,定義Agent工作環(huán)境;

4) 定義Agent的移動規(guī)則和博弈規(guī)則,即Agent如何在環(huán)境中移動,如何與其他Agent交互;

5) 設計仿真程序,用戶界面。

4.2.2 核心模塊

Repast仿真模型主要由以下幾部分組成:

· Agent類:描述實際系統(tǒng)中的個體屬性和行為規(guī)則。

· 環(huán)境類:對應Agent運行的環(huán)境。

· 模型類:對應仿真模型本身,用于系統(tǒng)初始化,仿真調(diào)度和管理。該類為方針系統(tǒng)的核心,開發(fā)者可以使用Repast提供的默認模型類SimpleModel作為仿真模型的模型類,或者從SimpleModel繼承模型類。

· 行為類:仿真調(diào)度器與Agent類之間的關系

· 數(shù)據(jù)源類:負責在仿真程序運行時,記錄、收集Agent所產(chǎn)生的數(shù)據(jù),并提供給分析、顯示模塊,即作為Agent與分析、顯示模塊之間的接口。

· 顯示模塊類:負責仿真中的可視化顯示,由顯示類(Display),簡單圖形類(SimGraphics),繪圖接口(Drawable)等組成

4.2.3 模型建立

系統(tǒng)中的仿真模型創(chuàng)建主要分為兩個部分,agent類與模型類的創(chuàng)建。

1) Agent類創(chuàng)建

Agent類:包括兩類Agent,Fusion和Sensor。

Fusion主要有兩種行為:選擇完成任務的Sensor;更新Sensor的信任度。行為準則如下:Fusion優(yōu)先選擇信任度大于閾值的Sensor來完成任務,若所有的Sensor都不滿足信任度條件,則Fusion對所有的Sensor進行招標,并對投標的Sensor進行評估,選擇代價最小的Sensor來完成任務。并根據(jù)任務的完成情況對Agent的信任度進行更新。

Sensor有一種行為:模擬任務的完成。Sensor對于不同目標的追蹤,所花費的代價不同,模擬任務完成過程,并將信息返回給Fusion。

2) 模型類創(chuàng)建

可利用Repast自帶的SimpleModel類實現(xiàn)模型框架,然后設置相關參數(shù)即可[12]。

SimpleModel使用一下方法來實現(xiàn)模型框架的建立:

Import uchicago.src.sim.engine.SimpleModel;

Public class MyModel extends SimpleModel{…

Public MyModel(){

…//構(gòu)造函數(shù)

}

Public String[] getInitParam(){

…//返回模型初始化參數(shù)名序列

}

Private void buildDisplay(){

…//創(chuàng)建仿真過程圖形界面}

Private void buildGraph(){

…//創(chuàng)建仿真數(shù)據(jù)結(jié)果圖形界面

}

Public void buildModel(){

…//創(chuàng)建所需的對象

}

Public void setup(){

…//使模型的變量值回到缺省值

}

Public void begin(){

…//啟動模型

}

}

4.3 結(jié)果分析

實驗中最重要的是對Agent行為的多次模擬實現(xiàn),按照以上步驟,利用Repast平臺建立動態(tài)合同網(wǎng)的仿真模型,實驗中建立的Agent模型的總數(shù)量為20,任務數(shù)為500。通過以下對比實驗發(fā)現(xiàn),利用ADCNP的方法能夠顯著減少程序執(zhí)行時間和通訊量,相對傳統(tǒng)的合同網(wǎng)方法有較大優(yōu)勢。

圖4 程序執(zhí)行時間

圖5 通訊量

5 結(jié)語

本文在基于Agent的信息融合系統(tǒng)結(jié)構(gòu)的基礎上,提出了一種基于合同網(wǎng)協(xié)議的資源分配方法,通過Repast仿真平臺進行了仿真實現(xiàn)。仿真結(jié)果表明基于ADCNP的方法能夠有效減少程序執(zhí)行時間和通訊量,為系統(tǒng)資源分配的實現(xiàn)提供了一種方法。本文只是提出了一個初步的信息融合系統(tǒng)結(jié)構(gòu)模型和一個簡單的資源分配方法,還有很多細節(jié)需要完善。下一步,仍需要加強對多傳感器資源分配、仿真建模相關理論的研究,以提高系統(tǒng)的穩(wěn)定性,分配的有效性。

[1] Nash-JM. Optimal allocation of tracking resource[C]//Proceedings of the IEEE Conference on Decision and Control,1977:1177-1180.

[2] 劉蕃,王新民,李愛軍,等.一種改進的基于線性規(guī)劃的機載多傳感器管理算法[J].計算機測量與控制,2005,13(10):1158-1160.

[3] 田康生,朱光喜.目標跟蹤中的傳感器管理[J].傳感器技術(shù),2003,22(3):27-29.

[4] 黃樹采,李為民,李威.基于多代理技術(shù)的防空監(jiān)視網(wǎng)絡傳感器協(xié)作管理方法[J].傳感器技術(shù),2005,24(3):38-40.

[5] 劉先省,申石磊,潘泉.傳感器管理及方法綜述[J].電子學報,2002,30(3):394-396.

[6] 李薇,張鳳鳴.基于多Agent的傳感器管理系統(tǒng)研究與設計[J].傳感器與儀器儀表,2006,22(7):157-159.

[7] 田康生,朱光喜,徐毓.基于多代理技術(shù)的傳感器管理系統(tǒng)[J].現(xiàn)代雷達,2004,26(2):9-13.

[8] 宗方勇,張森,楊立強.基于MAS的多平臺協(xié)同作戰(zhàn)分布式武器目標分配研究[J].艦船電子工程,2010,30(5):59-61.

[9] 張?？?史忠植.動態(tài)合同網(wǎng)協(xié)議[J].計算機工程,2004,30(21):44-57.

[10] 蔣慧超,韋兆文.基于Repast平臺的多Agent仿真建模研究[J].計算機技術(shù)與發(fā)展,2008,18(11):250-252.

[11] 郭超,陳勇.基于Repast的多Agent建模方法仿真實現(xiàn)研究[J].裝備學院學報,2012,23(6):97-100.

[12] 趙劍東,林健.基于Agent的Repast仿真分析與實現(xiàn)[J].計算機仿真,2007,24(9):265-268.

Research and Design of Information Fusion System Based on Agent

NI Jin CHEN Shiyou

(Wuhan Digital Engineering Institute, Wuhan 430205)

The distribution of sensor resources is the kernel question in sensor management. Under the background of future network-centric warfare, how to complete the cooperation of sensors and distribute resources to the right sensor makes sense. Firstly, a structure of information fusion system based on agent is introduced, then the consultation mechanisms of sensor agent are studied, and the distribution strategy based on contact net protocol are researched, finally, Repast, a simulation software, is used to simulate the strategy. The simulation result shows that the method is valid.

sensor management, Repast, resource distribute, agent, negotiate

2014年11月8日,

2014年12月29日

倪晉,男,碩士研究生,研究方向:信息融合技術(shù)與傳感管理技術(shù)。陳世友,男,博士,研究方向:信息融合技術(shù)、信息系統(tǒng)技術(shù)。

TP391.4

10.3969/j.issn1672-9730.2015.05.008