黃亮 唐禮誠 陳小虎

摘 要： 在對現(xiàn)有典型協(xié)同感知機制分析的基礎(chǔ)上，深入探討了多智能體制造系統(tǒng)的協(xié)同感知機制。首先，針對集中式和分布式兩類系統(tǒng)群體的協(xié)商決策、協(xié)商感知的機制進行了分析;其次，著重介紹了群體智能及其機理，結(jié)合蟻群Stgmergy的作用機理進行了詳細說明，并根據(jù)蟻群Stgmergy機制進行多智能制造主體的協(xié)同感知應(yīng)用的研究;最后，深入研究蟻群Stgmergy協(xié)作機制，并據(jù)此建立了多智能制造主體協(xié)同感知機制過程模型。

關(guān)鍵詞： 蟻群; 多智能制造系統(tǒng); 協(xié)同感知; Stgmergy協(xié)作機制

中圖分類號： TP311 ? ? ?文獻標(biāo)志碼： A

Research on Collaboratve Percepton Mechansm of Mult-Agent

Manufacturng Based on Ant Colony Stgmergy

HUANG Lang， TANG Lcheng， CHEN Xaohu

（Wuhan Asked nformaton Technology Co. Ltd.， Wuhan 43000）

Abstract： Based on the analyss of exstng typcal cooperatve percepton mechansm， ths artcle deeply explores and studes the cooperatve percepton mechansm of mult-agent manufacturng system. Frstly， the mechansm of negotaton decson-makng and negotaton percepton n centralzed and dstrbuted systems s analyzed. Secondly， swarm ntellgence and ts mechansm are ntroduced， and the mechansm of acton of ant colony Stgmergy s explaned n detal， and the cooperatve percepton of mult-agent manufacturng agent s based on ant colony Stgmergy mechansm. Fnally， the ant colony Stgmergy collaboraton mechansm s deeply studed， and the process model of mult-agent collaboraton percepton mechansm s establshed.

Key words： Ant colony; Mult-ntellgent manufacturng system; Collaboratve percepton; Stgmergy collaboratve mechansm

0 引言

在多智能體制造主體系統(tǒng)中，為成功地完成協(xié)同任務(wù)，系統(tǒng)中的其他協(xié)同主體必須及時、準(zhǔn)確地感知每個制造智能體的狀態(tài)、行為、決策及其變化的信息。通常分為兩種系統(tǒng)，一種是集中式系統(tǒng)，即系統(tǒng)根據(jù)一定的規(guī)則和策略分為若干個子系統(tǒng)，各子系統(tǒng)由具有全局知識和協(xié)調(diào)功能的控制代理進行集中管理，并通過該策略實現(xiàn)解決多智能體分布式問題的局部控制，從而實現(xiàn)對系統(tǒng)中各智能制造主體的管控;另一種是分布式系統(tǒng)，與集中式系統(tǒng)不同的是，該系統(tǒng)中不存在一個協(xié)調(diào)各成員主體的集中式協(xié)調(diào)者，各成員主體間屬于平等關(guān)系，通過網(wǎng)絡(luò)實現(xiàn)交互，相互協(xié)調(diào)、相互作用。而協(xié)同感知機制就是這兩類系統(tǒng)之一，該機制就是通過理解各主體彼此的意圖和行為狀態(tài)，并針對這些信息及其相關(guān)變化實現(xiàn)相互間的協(xié)調(diào)與控制[1-3]。

蟻群協(xié)同機制屬于一類隱式通信機制，用于實現(xiàn)蟻群行為的協(xié)調(diào)和控制，應(yīng)視為一個分布式系統(tǒng)[4-6]。本研究借鑒蟻群中的協(xié)同機制，用于解決多智能制造主體間的信息交互、信息協(xié)作、任務(wù)劃分等問題，進一步解決多智能制造主體間協(xié)同感知機制問題。

1 蟻群群體智能及其作用機理

生物學(xué)家對蟻群行為不斷深入地研究后發(fā)現(xiàn)，蟻群總能以某種方式實現(xiàn)一致的行為，且具有嚴(yán)格的組織分工，充分發(fā)揮蟻群成員的組織能力，并根據(jù)外界環(huán)境的變化迅速調(diào)整，形成自組織性極強的生物系統(tǒng)，使系統(tǒng)成員在行為上呈現(xiàn)高度的一致性。

1993年Mllonas等人提出群體智能（Swarm ntellgence）這一概念[4，7]。在群居特征顯著的生命系統(tǒng)中，Mllonas發(fā)現(xiàn)個體與群體其他成員間在相互協(xié)作和群體組織方面的行為展現(xiàn)出高度的集群一致性，自組織特征和天然分布式是其展示出的兩個顯著特點。在沒有集中控制機制下，簡單個體通過一定的方式和簡單的行為互動與群體達成一致，從而實現(xiàn)筑巢、通信、搬運等群體協(xié)作活動，這就是群體智能，在蟻群、蜂群等群居生活的生物群落中常見，其中蟻群群體智能最具代表性，備受關(guān)注，仍在持續(xù)研究中。

單個螞蟻僅能完成簡單任務(wù)，無法處理復(fù)雜問題，但通過外接環(huán)境的改變，個體間可進行直接或間接的信息傳遞實現(xiàn)群體協(xié)作，協(xié)同解決分布式問題，以達到解決復(fù)雜問題的目的。經(jīng)學(xué)者們研究發(fā)現(xiàn)，螞蟻在覓食時會釋放一種化學(xué)物質(zhì)，稱作信息素。螞蟻個體間通過這一媒介實現(xiàn)通信，從而引導(dǎo)螞蟻在蟻穴和食物間的最短路線上聚集，達到群體行為一致的目的。具體過程原理如圖1所示。

（a） （b） （c）

經(jīng)Dorgo M等人[8，9]對自然界蟻群覓食過程的長期觀察后，于1991年提出蟻群算法，并在群體優(yōu)化問題上進行了應(yīng)用。在前人基礎(chǔ)上，Gross等人通過實驗給出相應(yīng)的模型。該模型中假定共有兩條覓食路徑，在一段時間內(nèi)，m只螞蟻會隨機選擇其中一條進行覓食，兩條路徑上信息素的殘留值分別為C1和C2，那么，之后出現(xiàn)的第m+1只螞蟻選擇路徑A的概率為式（1）。pAm=Am+khAm+kh+Bm+kh

（1） ?選擇路徑B的概率為式（2）。pBm=1-pAm=Bm+khAm+kh+Bm+kh

（2）式中：k——路徑上無信息素時，螞蟻受到的吸引程度;

h——螞蟻覓食時，路徑選擇發(fā)生的非線性程度。

研究得到螞蟻覓食路徑選擇的通用模型如式（3）。p=C+kn∑mj+1C+kn

（3）式中：C——路徑存在的信息素強度值;.

Cj——路徑j(luò)存在的信息素強度值;

p——選擇路徑的概率;

m——路徑總數(shù)。

通過定義一定數(shù)量的人工蟻群模擬真實蟻群的協(xié)作機制進行求解最優(yōu)解，這是一類優(yōu)化問題，屬于蟻群算法的典型應(yīng)用。這一過程的基本思路就是通過模擬螞蟻利用信息素作為通信媒介，實現(xiàn)信息交互、群體協(xié)作，最終解決復(fù)雜問題。本質(zhì)上，這就是一類智能多主體系統(tǒng)。定義獨立的智能個體，將其比作人工螞蟻，那么這些個體均可完成自身行為信息的建立、問題特征的收集，根據(jù)所得到的信息給出相關(guān)問題的解決方案。各人工螞蟻會在解決問題的過程中會采用獨立解決或協(xié)調(diào)完成的方式求解問題，體現(xiàn)出一種智能行為、群體協(xié)作行為。而蟻群的這種行為協(xié)作正是通過信息素才得以實現(xiàn)的，信息素就是信息交換的媒介。針對某一問題，個體間會通過信息交互建立多種解決方案，經(jīng)多次迭代，在蟻群的協(xié)調(diào)交互中找到最優(yōu)解，從而實現(xiàn)群體協(xié)調(diào)和成員間協(xié)作。

3 蟻群共識主動性及其發(fā)生與作用機制研究 ?“Stgmergy（共識主動性）”[10]一詞最早被應(yīng)用于白蟻筑巢行為中，由Grasse提出，后被廣泛用于描述發(fā)生在動物個體之間的間接信息交互機制。生物個體進行個體自我調(diào)節(jié)的信息協(xié)調(diào)機制被稱為共識主動性。在缺乏中心控制、直接接觸及溝通交流時，群體可以通過某種方式實現(xiàn)信息交互。當(dāng)外部環(huán)境發(fā)生變化時，個體感知這一變化后首先進行自我行為調(diào)整，進而相互影響，進一步完善群體系統(tǒng)生態(tài)環(huán)境。

該機制的基本原理是在環(huán)境中，同一個體或不同個體下一動作會受到上一動作留下的印跡所影響，由此產(chǎn)生的行為之間則會建立并增強聯(lián)系，使系統(tǒng)性活動連貫順暢。而蟻群共識主動性是通過單個螞蟻釋放信息素對自身行為進行調(diào)整，從而協(xié)調(diào)群體行為的統(tǒng)一性[7]，如圖2所示。

Stgmergy 屬于自主性活動，是一種隱式通信方式，不需要任何集中規(guī)劃、集中控制，甚至個體間不需要進行直接通信，群體成員間就可通過相互影響、相互調(diào)整、相互協(xié)作形成高度智能化的群體結(jié)構(gòu)。所以說，Stgmergy也能夠支持那些記憶匱乏、無智能化及認知簡單化的個體間實現(xiàn)協(xié)作完成復(fù)雜任務(wù)的求解。這一機制在群居性群體中普遍存在，上文提到的蟻群覓食就是這樣實現(xiàn)的。

4 基于蟻群Stgmergy的多智能制造主體協(xié)同感知機制 ?蟻群Stgmergy協(xié)作機制是一種協(xié)調(diào)一致群體中個體行為的機制[11-13]。群體中個體遺留一定的相關(guān)信息，其他個體通過這些信息實現(xiàn)間接通信進而進行自我調(diào)整，并采取下一步行動。個體間在這期間并未進行直接通信，而是通過對環(huán)境中留存的相關(guān)信息素進行的彼此聯(lián)系，并進行行為的調(diào)節(jié)，從而實現(xiàn)行為的一致性。這樣就能夠通過個體的行為實現(xiàn)群體協(xié)作共同完成同一任務(wù)，實現(xiàn)高效的群體協(xié)作機制。

多智能體制造主體根據(jù)自身的能力和運行條件相互配合完成相關(guān)任務(wù)，分工協(xié)作，這樣形成的多智能制造主體生產(chǎn)系統(tǒng)就是一個有機的分布式系統(tǒng)。每個智能制造主體作為系統(tǒng)的構(gòu)成要素都參與設(shè)計、生產(chǎn)、檢驗和裝配等一系列的工作，它們相互配合、協(xié)同工作，即在各自能力的基礎(chǔ)上相互配合。因此，當(dāng)某一環(huán)節(jié)出現(xiàn)問題時，就需要其他智能制造主體的配合，協(xié)同感知的問題也由此產(chǎn)生。蟻群作為一個天然形成的多智能系統(tǒng)，屬于典型的分布式系統(tǒng)，由眾多相對簡單的成員組成。所以說，可以考慮采用蟻群Stgmergy協(xié)同機制來解決多智能制造主體之間的協(xié)同感知問題[7-14]。

智能制造主體擁有較強的自我感知能力和外界環(huán)境感知能力，這對多制造主體的協(xié)調(diào)感知和群體的協(xié)同決策極為有利。另外，智能制造系統(tǒng)作為一個復(fù)雜的系統(tǒng)，屬于典型的分布式系統(tǒng)，由加工機器、運輸工具、檢測設(shè)備等多種智能實體結(jié)合而成，這些智能主體均具有自我調(diào)節(jié)、相互協(xié)作的能力。智能制造系統(tǒng)的結(jié)構(gòu)組成與群體生物Stgmergy機制非常相近，系統(tǒng)中各實體或子單元的自主能力均較強，將這一能力應(yīng)用到多智能主體協(xié)同感知問題的解決上，實現(xiàn)系統(tǒng)中各組成主體、各子單元間關(guān)聯(lián)耦合的簡化，從而促成一個智能化的分布式整體系統(tǒng)。

針對多智能制造主體的協(xié)同感知問題，本研究借鑒群體生物Stgmergy協(xié)作機制，將其應(yīng)用于多智能制造主體系統(tǒng)中。解決這一問題的基本步驟是，在生產(chǎn)環(huán)境中，智能制造主體會根據(jù)環(huán)境變化釋放一種具有特殊屬性的信息，通過這一信息，其他的智能制造主體會與之建立信息交互，既影響外部環(huán)境，又對自身行為進行調(diào)節(jié)，實現(xiàn)智能制造主體間的交互，從而實現(xiàn)整個系統(tǒng)的協(xié)同感知。針對多智能制造主體，以Stgmergy協(xié)作機制作為依據(jù)，建立相應(yīng)的協(xié)同感知框架及過程如圖3所示。

多智能制造主體在智能制造系統(tǒng)中呈現(xiàn)分布式，模擬蟻群Stgmergy以一種隱式協(xié)作機制在該系統(tǒng)中應(yīng)用。以信息素通信交互機制為基礎(chǔ)，在制造系統(tǒng)中達到多智能制造主體協(xié)同感知的目的，從而成為一種有效的協(xié)作機制，能夠解決整個系統(tǒng)在產(chǎn)品設(shè)計、工藝規(guī)劃、加工制造以及感知系統(tǒng)狀態(tài)、診斷系統(tǒng)故障等方面的協(xié)作問題。

為實現(xiàn)系統(tǒng)的分布式協(xié)調(diào)控制，每個智能制造主體不僅要對自身運行狀態(tài)、加工水平與能力等方面的自身屬性完成自我感知，同時，對系統(tǒng)內(nèi)的其他智能制造主體的實時運行狀態(tài)等某些特定屬性根據(jù)Stgmergy機制進行感知。這樣就需要對這些進行加工行為的智能制造主體建立相互對應(yīng)的簡單關(guān)系，涵蓋了各智能制造主體的運行狀態(tài)、加工水平與能力、相應(yīng)信息素水平等相關(guān)信息。因此，需要把每個智能制造主體建成一個信息節(jié)點，每個信息節(jié)點都有不同的信息位[15，16]，并存放對應(yīng)智能制造主體用于與其他智能制造主體進行間接溝通的信息素，每個信息節(jié)點所包含的信息素均對應(yīng)不同屬性的強度值。利用Stgmergy機制，在自我感知的同時獲取其他智能制造主體的相關(guān)數(shù)據(jù)信息，實現(xiàn)系統(tǒng)內(nèi)各智能制造主體間的協(xié)同設(shè)計、加工等，同時在系統(tǒng)運行狀態(tài)、故障診斷等方面實現(xiàn)協(xié)同感知。對上述制造環(huán)境中的制造資源的信息素的定義如表1所示。

智能制造主體的環(huán)境變化是一個隨機過程[17]，包括了任務(wù)何時到達、智能制造主體的運行狀態(tài)如何等等問題都是隨機變化的。所以說，各職能制造主體首先要協(xié)同感知系統(tǒng)下各智能制造主體的運行狀態(tài)，再對已到達的任務(wù)進行協(xié)調(diào)分解、分配。這時，參照蟻群Stgmergy協(xié)作機制，各智能制

造主體通過釋放與其運行狀態(tài)相關(guān)的信息素改變系統(tǒng)信息素環(huán)境，以達到系統(tǒng)內(nèi)部實現(xiàn)協(xié)同感知的目的。

蟻群群體作為一個群體生物系統(tǒng)，屬于典型的分布式群體，但兼有集中式系統(tǒng)和分布式系統(tǒng)兩類系統(tǒng)的優(yōu)點。借助Stgmergy機制，蟻群個體能夠?qū)崿F(xiàn)與其他個體建立間接通信，進行自我行為調(diào)整，達到信息交互和協(xié)作的目的[18]，最終實現(xiàn)蟻群群體內(nèi)的協(xié)調(diào)。這一協(xié)作機制有分布式系統(tǒng)的特點，同時，系統(tǒng)成員間也可遵循這一機制實現(xiàn)間接通信，利用系統(tǒng)環(huán)境中的信息素進行信息交互、數(shù)據(jù)共享，極大地改善了傳統(tǒng)分布式系統(tǒng)因直接通信引起的信息阻塞。目前來看，蟻群 Stgmergy協(xié)作機制作為昆蟲協(xié)作機制的典型代表，在多智能制造主體系統(tǒng)中主要用于解決任務(wù)分解與分配、主體間相互協(xié)作等問題。由于它既具有分布式系統(tǒng)的優(yōu)點，又具有隱式間接通信的優(yōu)點，在未來制造業(yè)中將被廣泛應(yīng)用 [7-19]。

5 總結(jié)

5.1 總結(jié)

通過闡述現(xiàn)有的典型協(xié)同感知機制，結(jié)合集中式和分布式兩類系統(tǒng)協(xié)同機制的對比分析，對多智能制造主體系統(tǒng)的協(xié)同感知機制深入研究。重點探討和研究關(guān)于蟻群Stgmergy中涉及的群體智能、作用機理和Stgmergy的作用機制，并根據(jù)蟻群Stgmergy機制，對多智能制造主體的協(xié)同感知機制進行了分析和研究;以蟻群Stgmergy為基礎(chǔ)，針對多智能制造主體協(xié)同感知機制過程建立相應(yīng)模型，對解決系統(tǒng)任務(wù)分解、分配和各智能制造主體協(xié)同感知問題提供了有效方法，在未來制造業(yè)上具有廣泛應(yīng)用前景。

5.2 展望

本研究以Stgmergy協(xié)作機制為基礎(chǔ)，在多智能制造主體的協(xié)同感知問題上加以應(yīng)用，分析了該系統(tǒng)的任務(wù)協(xié)同分解、分配決策等問題，但仍存在研究的不足之處。今后的研究將會充分考慮多智能制造主體之間的協(xié)調(diào)關(guān)系，特別是考慮相互耦合性、動態(tài)多變性等因素帶來的影響。

參考文獻

[1] 從艷， 朱永杰. 群體決策理論研究述評[J]. 經(jīng)濟師， 2007（2）： 37-39.

[2] 李武， 席酉民， 成思危. 群體決策過程組織研究評述[J]. 管理科學(xué)學(xué)報， 2002， 5（2）： 55-66. [3] 魏存平， 邱菀華. 群體決策基本理論評[J]. 北京航空航天大學(xué)學(xué)報（社會科學(xué)版）， 2000（2）： 24-28.

[4] Baker A D. A Survey of Factory Control Algorthms That Can Be mplemented n a Mult-Agent Heterarchy： Dspatchng， Schedulng and Pull[J]. Journal of Manufacturng Systems， 1998， 17（4）： 297-320.

[5] 覃遠年，梁仲華.蟻群算法研究與應(yīng)用的新進展[J].計算機工程與科學(xué)，2019，41（1）：173-184.

[6] 許宮丹. 基于多Agent的多廠協(xié)同生產(chǎn)調(diào)度方法研究[D].沈陽：沈陽工業(yè)大學(xué)，2008.

[7] 萬錦廠. 基于蟻群Stgmergy協(xié)作機制和ANN的多智能制造主體協(xié)同方法研究[D].深圳：深圳大學(xué)，2017.

[8] Colorn A， Dorgo M， Manezzo V， et al. Dstrbuted optmzaton by ant colones[C]// Proceedngs of the 1st European Conference on Artfcal Lfe， 1991， 134-142.

[9] Dorgo M. Postve Feedback as a Search Strategy[J]. Techncal Report， 1991.

[10] Bonabeau E， Dorgo M， Theraulaz G.Swarm ntellgence： From natural to artfcal systems[M]. New York： Oxford Unversty Press， 1999： 40-58.

[11] 段海濱. 蟻群算法原理及其應(yīng)用[M]. 北京： 科學(xué)出版社， 2005： 10-30.

[12] Lao S H. Expert system methodologes and applcatons - A decade revew from 1995 to 2004[J]. Expert Systems wth Applcatons， 2005， 28（1）： 93-103.

[13] Messaoud S， Messaoud K， Dagtas S. Bayesan data fuson for smart envronments wth heterogenous sensors[J]. Journal of Computng Scences n Colleges， 2010， 25（5）： 140-146.

[14] 葛方振. 基于混沌螞蟻的群集協(xié)同求解算法及應(yīng)用[D].合肥：合肥工業(yè)大學(xué)，2012.

[15] 楊劍峰. 蟻群算法及其應(yīng)用研究[D].杭州：浙江大學(xué)，2007.

[16] 胡小兵. 蟻群優(yōu)化原理、理論及其應(yīng)用研究[D].重慶：重慶大學(xué)，2004.

[17] 李建民， 石純一. DA中多Agent協(xié)調(diào)方法及其分類[J]. 計算機科學(xué)， 1998， 25（2）： 9-12.

[18] Zhu D， Gu W. Sensor Fuson n ntegrated Crcut Fault Dagnoss Usng a Belef Functon Model[J]. nternatonal Journal of Dstrbuted Sensor Networks， 2008， 4（3）： 247-261.

[19] Pavln G， De Oude P， Mars M， et al. A mult-agent systems approach to dstrbuted Bayesan nformaton fuson[J]. nformaton fuson， 2010， 11（3）： 267-282.

（收稿日期： 2019.06.24）

作者簡介：黃 亮（1983-），男，工程師，本科，研究方向：兩化融合，智能制造，企業(yè)管理。

唐禮誠（1985-），男，宜昌市人，助理工程師，本科，研究方向：企業(yè)網(wǎng)絡(luò)管理，兩化融合。

陳小虎（1988-），男，荊州市人，助理工程師，本科，研究方向：企業(yè)數(shù)據(jù)中心運維和云計算管理，智能制造。文章編號：1007-757X（2020）01-0098-04