基于蟻群Stgmergy的多智能制造主體協同感知機制研究

黃亮 唐禮誠 陳小虎

摘 要： 在對現有典型協同感知機制分析的基礎上，深入探討了多智能體制造系統的協同感知機制。首先，針對集中式和分布式兩類系統群體的協商決策、協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，結合蟻群Stgmergy的作用機理進行了詳細說明，并根據蟻群Stgmergy機制進行多智能制造主體的協同感知應用的研究;最后，深入研究蟻群Stgmergy協作機制，并據此建立了多智能制造主體協同感知機制過程模型。

關鍵詞： 蟻群; 多智能制造系統; 協同感知; Stgmergy協作機制

中圖分類號： TP311 ? ? ?文獻標志碼： 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中，為成功地完成協同任務，系統中的其他協同主體必須及時、準確地感知每個制造智能體的狀態、行為、決策及其變化的信息。通常分為兩種系統，一種是集中式系統，即系統根據一定的規則和策略分為若干個子系統，各子系統由具有全局知識和協調功能的控制代理進行集中管理，并通過該策略實現解決多智能體分布式問題的局部控制，從而實現對系統中各智能制造主體的管控;另一種是分布式系統，與集中式系統不同的是，該系統中不存在一個協調各成員主體的集中式協調者，各成員主體間屬于平等關系，通過網絡實現交互，相互協調、相互作用。而協同感知機制就是這兩類系統之一，該機制就是通過理解各主體彼此的意圖和行為狀態，并針對這些信息及其相關變化實現相互間的協調與控制[1-3]。

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

1 蟻群群體智能及其作用機理

生物學家對蟻群行為不斷深入地研究后發現，蟻群總能以某種方式實現一致的行為，且具有嚴格的組織分工，充分發揮蟻群成員的組織能力，并根據外界環境的變化迅速調整，形成自組織性極強的生物系統，使系統成員在行為上呈現高度的一致性。

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中，Mllonas發現個體與群體其他成員間在相互協作和群體組織方面的行為展現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，從而實現筑巢、通信、搬運等群體協作活動，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，備受關注，仍在持續研究中。

單個螞蟻僅能完成簡單任務，無法處理復雜問題，但通過外接環境的改變，個體間可進行直接或間接的信息傳遞實現群體協作，協同解決分布式問題，以達到解決復雜問題的目的。經學者們研究發現，螞蟻在覓食時會釋放一種化學物質，稱作信息素。螞蟻個體間通過這一媒介實現通信，從而引導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，并在群體優化問題上進行了應用。在前人基礎上，Gross等人通過實驗給出相應的模型。該模型中假定共有兩條覓食路徑，在一段時間內，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存在的信息素強度值;

p——選擇路徑的概率;

m——路徑總數。

通過定義一定數量的人工蟻群模擬真實蟻群的協作機制進行求解最優解，這是一類優化問題，屬于蟻群算法的典型應用。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，實現信息交互、群體協作，最終解決復雜問題。本質上，這就是一類智能多主體系統。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，根據所得到的信息給出相關問題的解決方案。各人工螞蟻會在解決問題的過程中會采用獨立解決或協調完成的方式求解問題，體現出一種智能行為、群體協作行為。而蟻群的這種行為協作正是通過信息素才得以實現的，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，經多次迭代，在蟻群的協調交互中找到最優解，從而實現群體協調和成員間協作。

3 蟻群共識主動性及其發生與作用機制研究 ?“Stgmergy（共識主動性）”[10]一詞最早被應用于白蟻筑巢行為中，由Grasse提出，后被廣泛用于描述發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節的信息協調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信息交互。當外部環境發生變化時，個體感知這一變化后首先進行自我行為調整，進而相互影響，進一步完善群體系統生態環境。

該機制的基本原理是在環境中，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，由此產生的行為之間則會建立并增強聯系，使系統性活動連貫順暢。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整，從而協調群體行為的統一性[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、相互調整、相互協作形成高度智能化的群體結構。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協作完成復雜任務的求解。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的。

4 基于蟻群Stgmergy的多智能制造主體協同感知機制 ?蟻群Stgmergy協作機制是一種協調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信息，其他個體通過這些信息實現間接通信進而進行自我調整，并采取下一步行動。個體間在這期間并未進行直接通信，而是通過對環境中留存的相關信息素進行的彼此聯系，并進行行為的調節，從而實現行為的一致性。這樣就能夠通過個體的行為實現群體協作共同完成同一任務，實現高效的群體協作機制。

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

智能制造主體擁有較強的自我感知能力和外界環境感知能力，這對多制造主體的協調感知和群體的協同決策極為有利。另外，智能制造系統作為一個復雜的系統，屬于典型的分布式系統，由加工機器、運輸工具、檢測設備等多種智能實體結合而成，這些智能主體均具有自我調節、相互協作的能力。智能制造系統的結構組成與群體生物Stgmergy機制非常相近，系統中各實體或子單元的自主能力均較強，將這一能力應用到多智能主體協同感知問題的解決上，實現系統中各組成主體、各子單元間關聯耦合的簡化，從而促成一個智能化的分布式整體系統。

針對多智能制造主體的協同感知問題，本研究借鑒群體生物Stgmergy協作機制，將其應用于多智能制造主體系統中。解決這一問題的基本步驟是，在生產環境中，智能制造主體會根據環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，既影響外部環境，又對自身行為進行調節，實現智能制造主體間的交互，從而實現整個系統的協同感知。針對多智能制造主體，以Stgmergy協作機制作為依據，建立相應的協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中呈現分布式，模擬蟻群Stgmergy以一種隱式協作機制在該系統中應用。以信息素通信交互機制為基礎，在制造系統中達到多智能制造主體協同感知的目的，從而成為一種有效的協作機制，能夠解決整個系統在產品設計、工藝規劃、加工制造以及感知系統狀態、診斷系統故障等方面的協作問題。

為實現系統的分布式協調控制，每個智能制造主體不僅要對自身運行狀態、加工水平與能力等方面的自身屬性完成自我感知，同時，對系統內的其他智能制造主體的實時運行狀態等某些特定屬性根據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的簡單關系，涵蓋了各智能制造主體的運行狀態、加工水平與能力、相應信息素水平等相關信息。因此，需要把每個智能制造主體建成一個信息節點，每個信息節點都有不同的信息位[15，16]，并存放對應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，每個信息節點所包含的信息素均對應不同屬性的強度值。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數據信息，實現系統內各智能制造主體間的協同設計、加工等，同時在系統運行狀態、故障診斷等方面實現協同感知。對上述制造環境中的制造資源的信息素的定義如表1所示。

智能制造主體的環境變化是一個隨機過程[17]，包括了任務何時到達、智能制造主體的運行狀態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同感知系統下各智能制造主體的運行狀態，再對已到達的任務進行協調分解、分配。這時，參照蟻群Stgmergy協作機制，各智能制

造主體通過釋放與其運行狀態相關的信息素改變系統信息素環境，以達到系統內部實現協同感知的目的。

蟻群群體作為一個群體生物系統，屬于典型的分布式群體，但兼有集中式系統和分布式系統兩類系統的優點。借助Stgmergy機制，蟻群個體能夠實現與其他個體建立間接通信，進行自我行為調整，達到信息交互和協作的目的[18]，最終實現蟻群群體內的協調。這一協作機制有分布式系統的特點，同時，系統成員間也可遵循這一機制實現間接通信，利用系統環境中的信息素進行信息交互、數據共享，極大地改善了傳統分布式系統因直接通信引起的信息阻塞。目前來看，蟻群 Stgmergy協作機制作為昆蟲協作機制的典型代表，在多智能制造主體系統中主要用于解決任務分解與分配、主體間相互協作等問題。由于它既具有分布式系統的優點，又具有隱式間接通信的優點，在未來制造業中將被廣泛應用 [7-19]。

5 總結

5.1 總結

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

5.2 展望

本研究以Stgmergy協作機制為基礎，在多智能制造主體的協同感知問題上加以應用，分析了該系統的任務協同分解、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調關系，特別是考慮相互耦合性、動態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]. 管理科學學報， 2002， 5（2）： 55-66. [3] 魏存平， 邱菀華. 群體決策基本理論評[J]. 北京航空航天大學學報（社會科學版）， 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.蟻群算法研究與應用的新進展[J].計算機工程與科學，2019，41（1）：173-184.

[6] 許宮丹. 基于多Agent的多廠協同生產調度方法研究[D].沈陽：沈陽工業大學，2008.

[7] 萬錦廠. 基于蟻群Stgmergy協作機制和ANN的多智能制造主體協同方法研究[D].深圳：深圳大學，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用[M]. 北京： 科學出版社， 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同求解算法及應用[D].合肥：合肥工業大學，2012.

[15] 楊劍峰. 蟻群算法及其應用研究[D].杭州：浙江大學，2007.

[16] 胡小兵. 蟻群優化原理、理論及其應用研究[D].重慶：重慶大學，2004.

[17] 李建民， 石純一. DA中多Agent協調方法及其分類[J]. 計算機科學， 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，企業管理。

唐禮誠（1985-），男，宜昌市人，助理工程師，本科，研究方向：企業網絡管理，兩化融合。

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