基于对策论的团队计算机生成角色任务分配方法

doi:10.3724/SP.J.1087.2013.00793

计算机应用 ›› 2013, Vol. 33 ›› Issue (03): 793-795.DOI: 10.3724/SP.J.1087.2013.00793

基于对策论的团队计算机生成角色任务分配方法

郑延斌^*,陶雪丽

河南师范大学计算机与信息工程学院,河南新乡 453007

收稿日期:2012-09-17 修回日期:2012-10-23 出版日期:2013-03-01 发布日期:2013-03-01
通讯作者: 郑延斌
作者简介:郑延斌(1964-),男,河南内乡人,教授,博士,主要研究方向:人工智能、虚拟现实; 陶雪丽(1978-),女,河南南乐人,讲师,硕士,主要研究方向:虚拟现实、多Agent。
基金资助:
河南省重点科技攻关项目(102102210179, 102102210176, 122102210086); 河南省教育厅自然科学研究计划项目(2011B520022, 2011A520026, 2010A520027)。

Team task allocation method for computer generated actor based on game theory

ZHENG Yanbin^*, TAO Xueli

College of Compute and Information Engineering, Henan Normal University, Xinxiang Henan 453007, China

Received:2012-09-17 Revised:2012-10-23 Online:2013-03-01 Published:2013-03-01

摘要/Abstract

摘要： 针对带有时间约束的、可以动态加入到环境中的复杂任务,建立了一种基于对策论的任务分配模型,并给出了一种任务分配方法。该方法中计算机生成角色(CGA)根据自身掌握的局部信息进行行为选择,并使用虚拟行动方法确保CGA快速学习到一个严格纯策略Nash平衡。仿真实验结果表明该方法是合理的,能够有效地解决动态任务的分配问题。

关键词: 计算机生成角色, 团队, 任务分配, 虚拟行动, 对策论, Nash均衡

Abstract: For the complex tasks with time constraints, which can dynamically be added to environment, a task allocation model based on game theory was established, and a task allocation method was proposed, which made Computer Generated Actor (CGA) be able to choose its actions according to the local information owned by itself, and ensured that CGA learned a strict pure strategy Nash equlilibrium quickly by using fictitious play method on behavior coordination. The simulation results show that this method is reasonable, and it can effectively solve the dynamic task allocation problem.

Key words: Computer Generated Actor (CGA), team, task allocation, fictitious play, game theory, Nash equilibrium

中图分类号:

TP18

郑延斌陶雪丽. 基于对策论的团队计算机生成角色任务分配方法[J]. 计算机应用, 2013, 33(03): 793-795.

ZHENG Yanbin TAO Xueli. Team task allocation method for computer generated actor based on game theory[J]. Journal of Computer Applications, 2013, 33(03): 793-795.

参考文献

[1]NACY F, DAN V. Predicting and preventing coordination problems in cooperative learning systems[C]// IJCAI-07: Proceedings of the International Joint Conference on Artificial Intelligence. San Francisco: Morgan Kaufmann Publishers, 2007:780-785.
[2]JENNINGS N R. Commitments and conventions: the foundation of coordination in multi-Agent systems[J]. The Knowledge Engineering Review, 1993,8(3): 223-250.
[3]张维明,姚莉. 智能协作信息技术[M]. 北京:电子工业出版社, 2002.
[4]STROUPE A, HUNTSBERGER T, OKON A, et al. Behavior-based multi-robot collaboration for autonomous construction tasks[C]// Proceedings of IEEE/RSJ International Conference on Intelligent Robots and Systems. Piscataway, NJ: IEEE Press, 2005:1495-1500.
[5]KALRA N, MARTINOLI A. A comparative study of market-based and threshold-based task allocation[C]// Proceedings of the International Symposium on Distributed Autonomous Robotic Systems. Berlin: Springer-Verlag,2006: 91-101.
[6]SARNE D, KRAUS S. Solving the auction-based task allocation problem in an open environment[C]// Proceedings of the 20th National Conference on Artificial Intelligence. Cambridge, MA: MIT Press, 2005:164-169.
[7]刘淑华,张嵛,吴洪岩,等. 基于群体智能的多机器人任务分配[J]. 吉林大学学报:工学版,2010, 40(1): 123-129.
[8]MARDEN J R, ARSLAN G, SHAMMA J S. Cooperative control and potential games[J]. IEEE Transactions on Systems, Man and Cybernetics, Part B: Cybernetics, 2009, 39(6):1393-1407.
[9]袁爱进,曹立明,王小平.一种基于博弈论的多Agent交互模型[J]. 计算机工程,2005,31(6):50-51,139.
[10]PENDHARKAR P C. Game theoretical applications for multi-Agent systems[J]. Expert Systems with Applications,2012, 39(1):273-279.
[11]CHAPMAN A C, MICILLO R A, KOTA R, et al. Decentralised dynamic task allocation: a practical game-theoretic approach[C]// AAMAS '09: Proceedings of the 8th International Conference on Autonomous Agents and Multiagent Systems. New York: ACM Press,2009:915-922.
[12]ZBAKH M, KETTANI M D E. A task allocation algorithm for distributed systems[J]. Journal of Theoretical and Applied Information Technology, 2011,33(1):15-21.
[13]刘小梅,田彦涛,杨茂. 基于博弈论的多机器人任务分配算法[J]. 吉林大学学报:信息科学版,2010,28(3):256-262.
[14]ARSLAN G, MARDEN J R, SHAMMA J S. Autonomous vehicle-target assignment: a game theoretical formulation[J]. ASME Journal of Dynamic Systems, Measurement and Control, 2007,129(5):584-596.
[15]施锡全. 博弈论[M]. 上海:上海财经大学出版社,2000.

基于对策论的团队计算机生成角色任务分配方法

Team task allocation method for computer generated actor based on game theory

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	马华, 陈跃鹏, 唐文胜, 娄小平, 黄卓轩. 面向工作者能力评估的众包任务分配方法的研究进展综述[J]. 计算机应用, 2021, 41(8): 2232-2241.
[2]	冉家敏, 倪志伟, 彭鹏, 朱旭辉. 考虑空间众包工作者服务质量的任务分配策略及其萤火虫群优化算法求解[J]. 计算机应用, 2021, 41(3): 794-802.
[3]	杨玮, 李然, 张堃. 基于变邻域模拟退火算法的多自动导引车任务分配优化[J]. 计算机应用, 2021, 41(10): 3056-3062.
[4]	余敦辉, 袁旭, 张万山, 王晨旭. 基于动态阈值的时空众包在线分配算法[J]. 计算机应用, 2020, 40(3): 658-664.
[5]	韩俊樱, 张振宇, 孔德仕. 移动群智感知中面向用户区域的分布式多任务分配方法[J]. 计算机应用, 2020, 40(2): 358-362.
[6]	李莎莎, 梁冬阳, 余杰, 纪斌, 马俊, 谭郁松, 吴庆波. 基于师门关系的研究团队挖掘算法[J]. 计算机应用, 2020, 40(11): 3198-3202.
[7]	秦海燕, 章永龙, 李斌. 社会网络下分配众包任务的真实机制[J]. 计算机应用, 2020, 40(10): 3019-3024.
[8]	杨正清, 周朝荣, 袁姝. 移动群智感知系统中基于离散布谷鸟搜索算法的任务分配[J]. 计算机应用, 2019, 39(9): 2778-2783.
[9]	张兴盛, 余敦辉, 张万山, 王晨旭. 时空众包环境下时效均衡的在线任务分配算法[J]. 计算机应用, 2019, 39(5): 1357-1363.
[10]	陈友玲, 左丽丹, 牛禹霏, 王龙. 基于知识相似度的产品开发任务分配方法[J]. 计算机应用, 2019, 39(2): 323-329.
[11]	李鑫滨, 章寿涛, 闫磊, 韩松. 基于鲁棒Restless Bandits模型的多水下自主航行器任务分配策略[J]. 计算机应用, 2019, 39(10): 2795-2801.
[12]	刘鹏飞, 毛莺池, 王龙宝. 基于云雾协作模型的任务分配方法[J]. 计算机应用, 2019, 39(1): 8-14.
[13]	赵焜松, 余敦辉, 张万山. 软件众包任务发布优先级计算方法[J]. 计算机应用, 2018, 38(7): 2032-2036.
[14]	刘辉, 李盛恩. 时空众包环境下基于统计预测的自适应阈值算法[J]. 计算机应用, 2018, 38(2): 415-420.
[15]	余敦辉, 王意, 张万山. 软件众包工人能力动态度量算法[J]. 计算机应用, 2018, 38(12): 3612-3617.