随着协同计算的不断进步,环境-类、Agents、角色、组和对象(environments-classes,Agents,roles,groups and objects,E-CARGO)模型作为一种基于角色协同(role-based collaboration,RBC)技术受到了广泛关注。通过对基于E-CARGO的组多角...随着协同计算的不断进步,环境-类、Agents、角色、组和对象(environments-classes,Agents,roles,groups and objects,E-CARGO)模型作为一种基于角色协同(role-based collaboration,RBC)技术受到了广泛关注。通过对基于E-CARGO的组多角色分配(group multi-role assignment,GMRA)模型开展研究,提出了一个普适度更高的角色依赖的团队多角色分配(team multi-role assignment with role dependency,TMRARD)模型,涉及到引入角色依赖关系和团队共同目标后,如何将协作单元(Agents)有效分配给角色,以最大化群体表现与协同效应。将TMRARD形式化建模,针对角色依赖约束的复杂性,对依赖输入规模进行合理性分析,设计出基于混合整数线性规划(mixed-integer linear programming,MILP)的Gurobi求解策略,并用仿真实验验证了该方法的有效性与鲁棒性,在大规模和复杂约束情形下性能显著,以期为协同计算的决策支持提供新的思路。展开更多
文摘随着协同计算的不断进步,环境-类、Agents、角色、组和对象(environments-classes,Agents,roles,groups and objects,E-CARGO)模型作为一种基于角色协同(role-based collaboration,RBC)技术受到了广泛关注。通过对基于E-CARGO的组多角色分配(group multi-role assignment,GMRA)模型开展研究,提出了一个普适度更高的角色依赖的团队多角色分配(team multi-role assignment with role dependency,TMRARD)模型,涉及到引入角色依赖关系和团队共同目标后,如何将协作单元(Agents)有效分配给角色,以最大化群体表现与协同效应。将TMRARD形式化建模,针对角色依赖约束的复杂性,对依赖输入规模进行合理性分析,设计出基于混合整数线性规划(mixed-integer linear programming,MILP)的Gurobi求解策略,并用仿真实验验证了该方法的有效性与鲁棒性,在大规模和复杂约束情形下性能显著,以期为协同计算的决策支持提供新的思路。
基金Key Issues of Terabit PTN Equipment R&D from the Ministry of Industry and Information Technology(No.MIIS)863 Project(No.2012AA01A505)+2 种基金the Advanced Research Program of Science and Technology of China(No.41001080201)NSFC(Nos.61070046,61172088)"111" Project(No.B08038)
