毕业论文课题相关文献综述
文献综述
20世纪90年代，随着计算机网络、计算机通信等技术的发展，对Agent（代理）的研究不仅是分布式人工智能研究的一个热点，而且成为信息技术关注的一个热点。它涉及到分布式人工智能、软件工程、并行与分布式计算、网络与Internet、虚拟现实等多个领域。Agent的快速发展与Internet和WWW的广泛普及是分不开的。Agent能使用户方便地得到自己想要的信息。代理的理论、技术，特别是多代理的理论、技术，为分布开放系统的分析、设计和实现提供了一个崭新的途径，被誉为软件开发的又一重大突破、软件界的新革命。有人预测，Agent将是未来十年最重要的计算范型。
Agent通常指在一定的环境下持续自主的运行的实体。它有两个重要的特点，一是自主性，一是相互合作性。Agent的自主性使它可以根据实际情况决定自己的行为。相互合作则是弥补自身智能与知识的不足，提高综合解题能力的必要条件。
对Agent理论和技术的研究最早起源于分布式人工智能（DistributedArtificialIntelligence）。作为人工智能和分布式计算的结合，分布式人工智能（DAI）正逐渐受到人们的重视。在分布式人工智能中，由于智能本质上不是一个独立存在的概念，只能在团体中实现，因此分布式人工智能研究主要是几个主体之间的合作与交互。由于多代理系统（Multi-AgentSystem，MAS）更能体现人类社会智能，具有更大的灵活性和适应性，更加适合开放、动态的世界环境，因而受到越来越多人的重视。由于Internet和WWW的迅速发展，多代理的研究已不再局限于传统的分布式人工智能。Web平台把开放性和通用性结合在一起，利用Web作为统一的软件开发和应用平台，提供应用平台、运行环境和人机界面，实现了软件和信息广泛的共享，这必将会在信息产业界引起一场革命。基于Agent的技术将会在这场革命中发挥越来越大的作用。
随着Agent理论与技术的深入研究，并行计算和处理技术的发展，多个Agent构成的多Agent系统（MASMulti-AgentSystem）已成为当今研究的焦点之一。在MAS中，对Agent的通讯行为与合作行为的研究又是首要解决的问题。
多代理系统是由多个相互作用、相互联系的代理构成的系统。其协作求解能力超过了单个代理，协调、协作求解问题是MAS的主要研究内容。在多代理系统中，人们所关心的是如何将已有的代理组织起来，共同完成单个Agent无法胜任的工作。现实系统大多属于多代理系统。MAS中的每个Agent成员仅拥有不完全的信息和问题求救能力，不存在全局控制，数据是分散式或分布的，计算过程是异步、并发或并行的。
MAS为实现任务，系统中的Agent必须能彼此通信和协作。通信是协作的基础，没有通信就不可能有协作。Agent进行协调协作，首先要有联合意图，即共同目标。协调是MAS实现协同、协作、冲突和矛盾处理的关键环节。多代理之间的协调已经有很多方法，如：组织结构化（Organizationstructuring）、合同（Contracting）、多主体规划（Multi-agentplanning）、协商（Negotiation）等。
本次毕业设计以无线传感器网络为背景，研究应用多代理协调的问题。该问题目前已在不同领域内有很多应用。本次课题中使用的协调方法是和积算法。首先需要学习了解原有和积算法，掌握其基本思想。原有和积算法在大规模实例中效率过低，这里还要求对和积算法进行优化修改，提出自己新的算法。
接着，将原有和积算法和改进的算法在图形着色这个基本分布式约束优化问题中进行运用，并对两者的收敛效率进行对比，说明改进后的算法的优势和不足。
在本课题的传感器网络中，以特定方式部署了很多传感器，用于获取和整合信息。这种网络目前已在广域监控、动物跟踪、远程监控环境变化等方面有所应用。对于传感器节点的改变，本次课题中需要及时准确的响应，并作出恰当的协调策略，使各传感器处于合适状态，以提高整个网络的效率。传统的单信道通信方式就不能够处理这种干扰状况，因而在无线传感器网络中引入多信道技术并设计多信道分配算法成为降低通信干扰的一种必要手段。对于这种无线传感器多信道分配问题，本次课题中需要将其转化为图形着色问题。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
