供应商的选择 一、层次分析法基本原理 供应商的选择多采用层次分析法。层次分析法（Analytia1 Hierarchy Process，简称AHP）是美国匹兹堡大学教授A．L．Saaty于20世纪70年代提出的一种系统分析方法。 AHP是一种能将定性分析与定量分析相结合的系统分析方法。AHP是分析多目标、多准则的复杂大系统的有力工具。它具有思路清晰、 方法简便、适用面广、系统性强等特点，０最适宜于解决那些难以完全用定量方法进行分析的决策问题， 便于普及推广，可成为人们工作和生活中思考问题、解决问题的一种方法。将AHP引入决策，是决策科学化的一大进步。 应用AHP解决问题的思路是：首先, 把要解决的问题分层系列化, 即根据问题的性质和要达到的目标，将问题分解为不同的组成因素，按照因素之间的相互影响和隶属关系将其分层聚类组合，形成一个递阶的、有序的层次结构模型。然后，对模型中每一层次因素的相对重要性，依据人们对客观现实的判断给予定量 表示，再用数学方法确定每一层次全部因素相对重要性次序的权值。最后，通过综合计算各层因素相对重要性的权值，得到最低层（方案层）相对于最高层（总目标）的相对重要性次序的组合权值，以此作为 评价和选择决策方案的依据。 现举例来说明层次分析法的基本原理。假定有n个物体, 它们的重量分别为 W1、W2、……，Wn，并且假定它们的重量和为1个单位，即。两两比较它们之间的重量很容易得出判断矩阵： 显然 aij＝1/ aji , aii＝1 aij＝aik/ ajk ; i,j,k=1,2,…,n 用重量向量W＝[W1,W2,……，Wn]右乘A矩阵，其结果为 从上式不难看出，以ｎ个物体重量为分量的向量Ｗ是判断矩阵的特征向量。根据矩阵理论，ｎ为上
多智能体技术 [摘要]当今，分布式人工智能研究的一个热点是多智能体系统，它是分布式问题求解的进一步发展。随着多智能体理论与技术的发展，其应用范围也在不断扩大着，但是由于其理论与应用研究刚起步不久，还有不少问题有待解决。本论文回顾了多智能体技术的发展历史，指出了多智能体理论及应用的研究方向，介绍了多智能体技术的基本概念和特点，多智能体系统的体系结构，多智能体中的协调与协作方法等内容。 [关键词]多智能体系统；多智能体结构；多目标优化；协调协作 Multi-agent technology [Abstract] Nowadays, one of the hot points in distributed artificial intelligence research is multi-agent system, which is the further development in distributed problem solving. With the development of multi-agent theory and technology, its application is being expanded.As the theory and application is just starting, there are many issues to be resolved.In this paper, the thesis reviews the development of EGCS, points out the research directions of multi-agent theory and application, and introduces the basic concepts and characteristics, Multi-agent system architecture，the coordination and collaboration on Multi-agent system. [Keywords] Multi-agent systems；Multi-agent architecture；Multi-objective optimization；Coordination and collaboration 1.前言 目前的工业系统正向大型、复杂、动态和开放的方向转变，传统的工业系统和多机器人技术在许多关键问题上遇到了严重的挑战。分布式人工智能 (DAI，Distributed Artificial Intelligence)与多智能体系统(MAS, Multi-Agent System)理论为解决这些挑战提供了一种最佳途径。智能体系统是分布式人工智能的一个重要分支，是20世纪末至21世纪初国际上人工智能的前沿学科。研究的目的在于解决大型、复杂的现实问题，而解决这类问题已超出了单个智能体的能力，将DAT、MAS充分应用于工业系统和多机器人系统的结果，便产生了一门新兴的机器人技术领域一多智能体机器人系统(MARS，MultiAgent Robot System)。总的来说，多智能体系统领域正在蓬勃发展。 2.多智能体 2.1多智能体理论的发展历史 智能体—Agent的概念最早可以追溯到1977年的 Carl Hewitt的“Viewing Control Structure as Patterns of Passing Messages”一文。在此文中，Carl Hewitt 给出了一个称为“Actor”的对象，它具有自身的内在状态，又能与其他同类对象发送和反馈信息。而正式采用“Agent”一词可见于M. Minsky于1986年出版的“Society of Mind”一书，文中用“Agent”称呼一些具有特别技能的个体，它们存在于社会中，并通过竞争或协商求解矛盾[1]。 多智能体系统（简称 MAS）是由多个单Agent组成的集合，该系统可以协调一组Agent的行为（知识、目标、方法和规划），以协同完成一个任务或是求解问题，各个单
多智能体系统及其协同控制研究进展 摘要：:对多智能体系统及其协同控制理论研究和应用方面的发展现状进行了简要概述.首先给出Agent及多Agent 系统的概念和特性等,介绍了研究多Agent系统协同控制时通常用到的代数图论;然后综述了近年来多Agent系统群集运动和协同控制一致性方面的研究状况,并讨论了其在军事、交通运输、智能机器人等方面的成功应用;最后,对多Agent系统未来的发展方向进行了探讨和分析,提出几个具有理论和实践意义的研究方向,以促使多Agent系统及其协同控制理论和应用的深入研究. 关键词：多Agent系统(MAS)；协同控制；代数图论；群集运动；一致性协议 Advances in Multi-Agent Systems and Cooperative Control Abstract: Progress in multi-Agent systems with cooperative controlwas reviewed in terms of theoretical research and its applications. Firs,t concepts and features used to define Agents and multi-Agents were analyzed. Then graph theory was introduced, since it is often used in research on cooperative control of multi-Agent systems. Then advances in swarming/flocking as well as the means used to derive a consensus among multi-Agents under cooperative control were summarized. The application of these abilitieswas discussed for the military, transportation systems,and robotics. Finally, future developments for multi-Agent systemswere considered and significant research problems proposed to help focus research on key questions formulti-Agent systemswith cooperative control. Key words:Multi-Agent system (MAS) ; Cooperative control; Graph theory; Swarming/ flocking; Consensus protocol 分布式人工智能是人工智能领域中一个重要的研究方向,而多Agent系统(multi-Agent systemMAS)则是其一个主要的分支. 20世纪90年代,随着计算机技术、网络技术、通信技术的飞速发展,Agent及MAS的相关研究已经成为控制领域的一个新兴的研究方向.由于Agent体现了人类的社会智能,具有很强的自治性和适应性,因此,越来越多的研究人员开始关注对其理论及应用方面的研究.目前,人们已经将MAS的相关技术应用到交通控制电子商务、多机器人系统、军事等诸多领域.而在MAS中,Agent之间如何在复杂环境中相互协调,共同完成任务则成为这些应用的重要前提.近年来,从控制的角度对MAS进行分析与研究已经成为国内外众多学术机构的关注热点,人们在MAS协同控制问题上做了大量的研究工作,特别是在MAS群集运动控制和协同控制一致性问题方面取得了很大的进展.目前对MAS的研究总体上来说还处于发展的初步阶段,离真正的实用化还有一定的距离;但其广泛的应用性预示着巨大的发展潜力,这必将吸引更多专家、学者投入到这一领域的研究工作中,对MAS的理论及应用做进一步探索.根据上述目的,本文主要概述了多智能体系统(MAS)在协同控制方面的研究现状及其新进展. 1Agent与MAS的相关概念 1.1Agent的概念 Agent一词最早可见于Minsky于1986年出版的《Social of Mind》一书中.国内文献中经常将Agent翻译为:智能体、主体、代理等,但最常见的仍是采用英文“Agent”；因为Agent的概念尚无统一标准,人们对于
权重确定方法归纳 多指标综合评价是指人们根据不同的评价目的，选择相应的评价形式据此选择多个因素或指标，并通过一定的评价方法将多个评价因素或指标转化为能反映评价对象总体特征的信息，其中评价指标与权重系数确定将直接影响综合评价的结果。 按照权数产生方法的不同多指标综合评价方法可分为主观赋权评价法和客观赋权评价法两大类，其中主观赋权评价法采取定性的方法由专家根据经验进行主观判断而得到权数，然后再对指标进行综合评价，如层次分析法、综合评分法、模糊评价法、指数加权法和功效系数法等。客观赋权评价法则根据指标之间的相关关系或各项指标的变异系数来确定权数进行综合评价，如熵值法、神经网络分析法、TOPSIS法、灰色关联分析法、主成分分析法、变异系数法等。两种赋权方法特点不同，其中主观赋权评价法依据专家经验衡量各指标的相对重要性，有一定的主观随意性，受人为因素的干扰较大，在评价指标较多时难以得到准确的评价。客观赋权评价法综合考虑各指标间的相互关系，根据各指标所提供的初始信息量来确定权数，能够达到评价结果的精确但是当指标较多时，计算量非常大。下面就对当前应用较多的评价方法进行阐述。 一、变异系数法 （一）变异系数法简介 变异系数法是直接利用各项指标所包含的信息，通过计算得到指标的权重。是一种客观赋权的方法。此方法的基本做法是：在评价指标体系中，指标取值差异越大的指标，也就是越难以实现的指标，这样的指标更能反映被评价单位的差距。例如，在评价各个国家的经济发展状况时，选择人均国民生产总值(人均GNP)
作为评价的标准指标之一，是因为人均GNP 不仅能反映各个国家的经济发展水平，还能反映一个国家的现代化程度。如果各个国家的人均GNP 没有多大的差别，则这个指标用来衡量现代化程度、经济发展水平就失去了意义。 由于评价指标体系中的各项指标的量纲不同，不宜直接比较其差别程度。为了消除各项评价指标的量纲不同的影响，需要用各项指标的变异系数来衡量各项指标取值的差异程度。各项指标的变异系数公式如下： 式中： 是第项指标的变异系数、也称为标准差系数； 是第项指标的 标准差；是第项指标的平均数。 各项指标的权重为： （二）案例说明 例如，英国社会学家英克尔斯提出了在综合评价一个国家或地区的现代化程度时，其各项指标的权重的确定方法就是采用的变异系数法。 案例：利用变异系数法综合评价一个国家现代化程度时的指标体系中的各项指标的权重。数据资料是选取某一年的数据，包括中国在内的中等收入水平以上的近40个国家的10项指标作为评价现代化程度的指标体系，计算这些国家的变异系数，反映出各个国家在这些指标上的差距，并作为确定各项指标权重的依据。其标准差、平均数数据及其计算出的变异系数等见表1-1。 i i i x V σ= ()n i ,,2,1 =i V i i σi i x i ∑== n i i i i V V W 1
多智能体系统一致性综述 一 引言 多智能体系统在20世纪80年代后期成为分布式人工智能研究中的主要研究对象。研究多智能体系统的主要目的就是期望功能相对简单的智能体系统之间进行分布式合作协调控制，最终完成复杂任务。多智能体系统由于其强健、可靠、高效、可扩展等特性，在科学计算、计算机网络、机器人、制造业、电力系统、交通控制、社会仿真、虚拟现实、计算机游戏、军事等方面广泛应用。多智能体的分布式协调合作能力是多智能体系统的基础，是发挥多智能体系统优势的关键，也是整个系统智能性的体现。 在多智能体分布式协调合作控制问题中，一致性问题作为智能体之间合作协调控制的基础，具有重要的现实意义和理论价值。所谓一致性是指随着时间的演化，一个多智能体系统中所有智能体的某一个状态趋于一致。一致性协议是智能体之间相互作用、传递信息的规则，它描述了每个智能体和其相邻的智能体的信息交互过程。当一组智能体要合作共同去完成一项任务，合作控制策略的有效性表现在多智能体必须能够应对各种不可预知的形式和突然变化的环境，必须对任务达成一致意见，这就要求智能体系统随着环境的变化能够达到一致。因此，智能体之间协调合作控制的一个首要条件是多智能体达到一致。 近年来，一致性问题的研究发展迅速，包括生物科学、物理科学、系统与控制科学、计算机科学等各个领域都对一致性问题从不同层面进行了深入分析，研究进展主要集中在群体集、蜂涌、聚集、传感器网络估计等问题。 目前，许多学科的研究人员都开展了多智能体系统的一致性问题的研究，比如多智能体分布式一致性协议、多智能体协作、蜂涌问题、聚集问题等等。下面，主要对现有文献中多智能体一致性协议进行了总结，并对相关应用进行简单的介绍。 1.1 图论基础 多智能体系统是指由多个具有独立自主能力的智能体通过一定的信息传递方式相互作用形成的系统；如果把系统中的每一个智能体看成是一个节点，任意两个节点传递的智能体之间用有向边来连接的话，智能体的拓扑结构就可以用相应的有向图来表示。 用)(A E,V,G =来表示一个有向加权图，其中}{n 21v ,,v ,v V =代表图的n 个顶
function [w,CR]=mycom(A,m,RI) [x,lumda]=eig(A); r=abs(sum(lumda)); n=find(r==max(r)); max_lumda_A=lumda(n,n); max_x_A=x(:,n); w=A/sum(A); CR=(max_lumda_A-m)/(m-1)/RI; end 本matlab程序用于层次分析法中计算判断矩阵给出的权值已经进行一致性检验。 其中A为判断矩阵，不同的标度和评定A将不同。 m为A的维数 RI为判断矩阵的平均随机一致性指标：根据m的不同值不同。 当CR<0.1时符合一致性检验，判断矩阵构造合理。 下面是层次分析法的简介，以及判断矩阵构造方法。
一.层次分析法的含义 层次分析法（The analytic hierarchy process）简称AHP，在20世纪70年代中期由美国运筹学家托马斯·塞蒂（T.L.Saaty）正式提出。它是一种定性和定量相结合的、系统化、层次化的分析方法。由于它在处理复杂的决策问题上的实用性和有效性，很快在世界范围得到重视。它的应用已遍及经济计划和管理、能源政策和分配、行为科学、军事指挥、运输、农业、教育、人才、医疗和环境等领域。 二.层次分析法的基本思路与人对一个复杂的决策问题的思维、判断过程大体上是一样的。 （1）层次分析法的原理 层次分析法是将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构，然后得用求解判断矩阵特征向量的办法，求得每一层次的各元素对上一层次某元素的优先权重，最后再加权和的方法递阶归并各备择方案对总目标的最终权重，此最终权重最大者即为最优方案。这里所谓“优先权重”是一种相对的量度，它表明各备择方案在某一特点的评价准则或子目标，标下优越程度的相对量度，以及各子目标对上一层目标而言重要程度的相对量度。层次分析法比较适合于具有分层交错评价指标的目标系统，而且目标值又难于定量描述的决策问题。其用法是构造判断矩阵，求出其最大特征值。及其所对应的特征向量W，归一化后，即为某一层次指标对于上一层次某相关指标的相对重要性权值。 （2）层次分析法的步骤 a)建立系统的递阶层次结构； b)构造两两比较判断矩阵；（正互反矩阵） c)针对某一个标准，计算各备选元素的权重； d)计算当前一层元素关于总目标的排序权重。 e)进行一致性检验。 小结：层次分析法的思路与步骤如图
2016年教育部自然科学奖推荐项目公示材料 1、项目名称：多智能体系统分布式协同控制 2、推荐奖种：自然科学奖 3、推荐单位:东南大学 4、项目简介: 多智能体系统是20世纪末至21世纪初分布式人工智能领域的国际前沿研究课题，其核心支撑理论是人工智能、分布式控制和分布式计算。进入21世纪，人们在解决大型、复杂的工程问题时，发现单个智能体的能力已经无法胜任，需要多个智能体在网络环境下以信息通讯的方式组成多智能体系统协同地解决工程问题。典型的多智能体系统包括多机器人系统，多无人机系统，智能电网和分布式卫星系统等。本项目系统深入研究了多智能体系统协同控制的共性问题、网络结构控制、通讯受限等关键科学问题，取得的重要科学发现如下： (1)通过引入一致性区域的概念，把二阶和高阶系统一致性问题转化为研究一致性区域的稳定性范围，给出了具有固定网络拓扑的多智能体线性系统二阶和高阶一致性的充分必要条件，解决了长期困惑研究者的多智能体系统协同控制器设计的本质问题；提出有向网络的广义代数连通度作为有向网络收敛判别的基本依据，推广了无向网络的代数连通度。 (2)给出了牵制控制无向网络实现同步的一般条件；克服非对称网络拓扑结构的本质困难，解决了有向网络同步牵制控制的挑战问题；采用图分解引入匹配割点和割集，完善了矩阵分解的谱理论，解决网络牵制控制一个结点的最优控制的关键难题。 (3)利用非奇异M矩阵理论和切换系统稳定性分析方法，突破了通过求解闭环系统的解曲线，然后再进行稳定分析的技术性瓶颈，发现了具有间歇信息通讯的二阶多智能体系统一致性的实现与降阶后的低维切换系统全局稳定性的内在本质联系，解决了切换有向拓扑下多智能体系统的协同一致性的难题。 项目组近年来在IEEE、Automatica、SIAM等本领域著名期刊上发表多智能体系统协同控制SCI论文110篇。10篇代表性论文SCI他引1159次，WOS 他引1433次，Google Scholar他引2165次，全部为ESI工程领域前1%高被引论文，9篇论文Google Scholar他引超过100次，6篇论文发表至今在所在期刊的SCI引用排名居于前2位，被38位院士和IEEE Fellow在Nature、Nature Physics、IEEE汇刊等正面评价，相关成果获亚洲控制会议最佳论文奖、IEEE 电路与系统协会神经系统与应用技术委员会最佳理论论文奖、全国复杂网络学术会议最佳学生论文奖、IEEE国际电路与系统会议最佳学生论文奖提名等。
多智能体系统一致性综述 引言 多智能体系统在20世纪80年代后期成为分布式人工智能研究中的主要研究对象。研究多智能体系统的主要目的就是期望功能相对简单的智能体系统之间进行分布式合作协调 控制，最终完成复杂任务。多智能体系统由于其强健、可靠、高效、可扩展等特性，在科 学计算、计算机网络、机器人、制造业、电力系统、交通控制、社会仿真、虚拟现实、计 算机游戏、军事等方面广泛应用。多智能体的分布式协调合作能力是多智能体系统的基 础，是发挥多智能体系统优势的关键，也是整个系统智能性的体现。 在多智能体分布式协调合作控制问题中，一致性问题作为智能体之间合作协调控制的基础，具有重要的现实意义和理论价值。所谓一致性是指随着时间的演化，一个多智能 体系统中所有智能体的某一个状态趋于一致。一致性协议是智能体之间相互作用、传递 信息的规则，它描述了每个智能体和其相邻的智能体的信息交互过程。当一组智能体要 合作共同去完成一项任务，合作控制策略的有效性表现在多智能体必须能够应对各种不可预知的形式和突然变化的环境，必须对任务达成一致意见，这就要求智能体系统随着环 境的变化能够达到一致。因此，智能体之间协调合作控制的一个首要条件是多智能体达到一致。 近年来，一致性问题的研究发展迅速，包括生物科学、物理科学、系统与控制科学、计算机科学等各个领域都对一致性问题从不同层面进行了深入分析，研究进展主要集中在群体集、蜂涌、聚集、传感器网络估计等问题。 目前，许多学科的研究人员都开展了多智能体系统的一致性问题的研究，比如多智能体分布式一致性协议、多智能体协作、蜂涌问题、聚集问题等等。下面，主要对现有文 献中多智能体一致性协议进行了总结，并对相关应用进行简单的介绍。 1.1 图论基础 多智能体系统是指由多个具有独立自主能力的智能体通过一定的信息传递方式相互作用形成的系统；如果把系统中的每一个智能体看成是一个节点，任意两个节点传递的智 能体之间用有向边来连接的话，智能体的拓扑结构就可以用相应的有向图来表示。 用G (V,E,A)来表示一个有向加权图，其中V { v1,v2 , ,v n} 代表图的n个顶点； E V V 是边集合，如果存在从第 i 个顶点到第 j 个顶点的信息流，则有e ij (v i,v j) E； A 是非负加权邻接矩阵e ij E a ij 0；节点v i的邻居集定义为N i {v j|(v i,v j) E} 。如果对所 有的e ij E意识着e ji E，则称 G是无向图。
东南大学《数学实验》报告学号姓名成绩 实验内容： 一实验目的 1.掌握matlab基本矩阵编程计算方法 2.加深对层次分析法的理解 3.掌握矩阵随机一致性指标RI的计算过程 二实验思路 为了求任意n阶矩阵的随机一致性指标RI的值，我们需要做以下几步工作 1.先构造n阶的正互反矩阵 2.求正互反矩阵的特征值 3.找出最大特征值 4.取多个n阶正互反矩阵最大特征值的平均值 5.计算相应的RI值 三实验内容与要求 1.实验代码及说明 RI=zeros(1,30); %zeros(m,n)产生m*n的double类零矩阵，zeros(n)产生n*n的 全0阵。 %定义了结果输出格式（行向量）for n=3:30 %定义n的范围；3-30 times=10000; %任意n阶矩阵产生10000个正互反矩阵 enum=[9 8 7 6 5 4 3 2 1 1/2 1/3 1/4 1/5 1/6 1/7 1/8 1/9]; %定义一维矩阵 enum x=zeros(1,times); %定义最大特征值向量并初始化 A=ones(n,n); %先生成n阶幺矩阵，矩阵所有元素都为1 for num=1:times %循环 for i=1:n
for j=i+1:n %先找到正互反矩阵的上三角 A(i,j)=enum(ceil(17*rand(1))); %rand（1）随机生成一个位于区间（0，1）的数 %17*rand（1）则随机生成位于区间（0，17）的数， %经ceil函数取整后得到一个1-17之间的整数。 %则A(i，j）的值为矩阵enum中的某一个 A(j,i)=1/(A(i,j)); %矩阵的下三角元素是上三角元素的倒数 A(i,i)=1; %对角线元素取1 %以上五段为构造正互反矩阵 end end V=eig(A); %求矩阵的特征值 x(num)=max(V); %以最大特征值给x向量赋值 end k=sum(x)/times; %最大特征值平均值 RI(n)=(k-n)/(n-1); %算出对应RI的值 end RI 2.实验结果（随机运行两次代码，得到不同的结果） （1） RI = 1 至 14 列 0 0 0.5258 0.8924 1.1099 1.2507 1.3353 1.4087 1.4526 1.4876 1.5111 1.5369 1.5550 1.5704 15 至 28 列 1.5834 1.5950 1.6057 1.6159 1.6199 1.6280 1.6355 1.6402 1.6463 1.6508 1.6541 1.6597 1.6633 1.6661 29 至 30 列 1.6700 1.6723
function [w,CR]=mycom(A z m z RI) [x,lumda]=eig(A); r=abs(sum(lumda)); n=find(r==max(r)); max_lumda_A=1umda(n,n); max_x_A=x(:,n); w=A/sum(A); CR=(max_lumda_A-m)/(m-1)/RI; end 木matlab程序用于层次分析法中计算判断矩阵给出的权值已经进行一致性检验。 其中A为判断矩阵，不同的标度和评定A将不同。 m为A的维数 RI为判断矩阵的平均随机一致性指标：根据m的不同值不同。 RI值 当CR<0.1时符合一致性检验，判断矩阵构造合理。下而是层次分析法的简介，以及判断矩阵构造方法。
一?层次分析法的含义 层次分析法（The analytic hierarchy process）简称AHP,在20 世纪70 年代中期由美国运筹学家托马斯?塞蒂（T.L.Saaty）正式提出。它是一种 定性和定量相结合的、系统化、层次化的分析方法。由于它在处理复杂的决策问题上的实用性和有效性，很快在世界范围得到重视。它的应用己遍及经济计划和管理、能源政策和分配、行为科学、军事指挥、运输、农业、教育、人才、医疗和环境等领域。 二?层次分析法的基木思路与人对一个复杂的决策问题的思维、判断过程大体上是一样的。 （1）层次分析法的原理 层次分析法是将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构，然后得用求解判断矩阵特征向量的办法，求得每一层次的各元素对上一层次某元素的优先权重，最后再加权和的方法递阶归并各备择方案对总目标的最终权重，此最终权重最大者即为最优方案。这里所谓“优先权重"是一种相对的量度，它表明各备择方案在某一特点的评价准则或子目标，标下优越程度的相对量度，以及各子目标对上一层目标而言重要程度的相对量度。层次分析法比较适合于具有分层交错评价指标的目标系统，而且目标值又难于定量描述的决策问题。其用法是构造判断矩阵，求出其最大特征值。及其所对应的特征向量W,归一化后，即为某一层次指标对于上一层次某相关指标的相对重要性权值。 （2）层次分析法的步骤 a）建立系统的递阶层次结构； b）构造两两比较判断矩阵；（正互反矩阵） c）针对某一个标准，计算各备选元素的权重; d）计算当前一层元素关于总目标的排序权重。 e）进行一致性检验。 小结：层次分析法的思路与步骤如图
AHP法的随机一致性（RC）指标 在层次分析（AHP）法中，为了对判断矩阵的数值进行一致性检验，需要根据矩阵的阶 次（n）计算判断一致率（consistency ratio, CR）。为此，数学家引入了随机一致性（random consistency, RC）指标。随机一致性指标又称随机指数（random index, RI）。目前，国 内流行的教科书中大多沿用了Saaty早年提供的检验标准（表1）。 在2008年的一项研究中，Saaty基于5万次随机试验得到更为精确的RC数值（表2）。 RC值是就统计平均意义而言的，故称平均一致性。 表1 不同阶次的随机矩阵及其平均一致性指标RC值（旧指标） n 1 2 3 4 5 6 7 8 9 10 RC 0.0 0.0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 资料来源：Saaty T L, Alexander J M. 1981. Thinking with Models: Mathematical Models in the Physical, Biological, and Social Sciences. Oxford or New York: Pergamon Press: 151 表2 不同阶次的随机矩阵及其平均一致性指标RC值（新指标） n 1 2 3 4 5 6 7 8 RC 0.00 0.00 0.52 0.89 1.11 1.25 1.35 1.40 续表2 n 9 10 11 12 13 14 15 … RC 1.45 1.49 1.52 1.54 1.56 1.58 1.59 … 资料来源：Saaty T L. 2008. Relative measurement and its generalization in decision making: Why pairwise comparisons are central in mathematics for the measurement of intangible factors—The Analytic Hierarchy/Network Process. Review of the Royal Spanish Academy of Sciences A: Mathematics, 102 (2): 251–318
分布式计算是一门计算机科学，一种计算方法，和集中式计算是相对的。它研究如何把一个需要非常巨大的计算能力才能解决的问题分成许多小的部分，然后把这些部分分配给许多计算机进行处理，最后把这些计算结果综合起来得到最终的结果。这样可以节约整体计算时间，大大提高计算效率。 分布式人工智能（Distributed Artificial Intelligence），简称DAI，它是人工智能和分布式计算相结合的产物。DAI的提出，适应了设计并建立大型复杂智能系统以及计算机支持协同工作（CSCW）的需要。目前，DAI的研究大约可划分为两个基本范畴：一是分布式问题求解（Distributed Problem Solving，DPS）；另一个是关于多智能体系统（Multi Agent System，MAS）实现技术的研究。 分布式问题求解：往往针对待解决的总问题，将其分解为若干子任务，并为每个子任务设计一个问题求解的子系统。这里，首先需要智能地确定一个分配策略：如何把总工作任务在一群模块（Module）或者节点（Node）之间进行子任务分配；其次需要智能地确定一个工作任务协同的策略：要在基于分散、松耦合知识源的基础上，实现对问题的合作求解。这里所谓“分散”的概念是指任务的控制操作和可利用的信息都是分布的，没有全局控制和全局数据；知识源分布在不同的处理节点上，数据、信息、知识和问题的答案可以按照某种规则予以共享。 （松耦合系统通常是基于消息的系统，此时客户端和远程服务并不知道对方是如何实现的。客户端和服务之间的通讯由消息的架构支配。只要消息符合协商的架构，则客户端或服务的实现就可以根据需要进行更改，而不必担心会破坏对方。）
信息分析与预测复习题 一、选择题 1、信息分析的目的是： A 。 A、为科学决策服务 B、为科学研究服务 C、为信息管理服务 D、为信息咨询服务 2、从信息分析的研究内容上看，主要有 D 等类型。 A、跟踪、比较 B、比较、预测 C、预测、评价 D、跟踪、比较、预测、评价 3、在四种实际调查形式中，又以 D 为实际调查的主要方法。 A、现场调查 B、访问调查 C、样品调查 D、问卷调查 4、信息资料通常从 D 等几个方面加以鉴别。 A、可靠性 B、先进性 C、适用性 D、A、B和C 5、网上调查的基本方法是 A 。 A、站点法 B、E-mail法 C、随机IP法 D、视讯会议法 6、信息分析过程中强调数据的准确性和研究的相对独立性，是为了保证信息分析 C 。 A、系统性 B、预测性 C、科学性 D、社会性 7、一切推理可以分为 D 两大类。 A、常规推理、直言推理 B、简单判断的推理、复合判断的推理 C、假言推理、选言推理 D、演绎推理、归纳推理 8、 B 是特尔菲法的核心。 A、匿名性 B、反馈性 C、统计性 D、可靠性 9、特尔菲法中调查表设计时，调查问题的数目一般应限制在 A 个以内。 A、25 B、35 C、50 D、100 10、对事件实现时间预测结果的数据处理应该用 D 来表达。 A、评分算术平均值 B、满分频度 C、中位数 D、中位数及上下四分点 11、布拉德福定律是运用在领域的一种文献学理论。 A、文献作者分布理论 B、文献分散理论 C、词频分布理论 D、文献老化理论 12、显著性水平α=0、02时，表示置信程度为： D 。 A、2% B、20% C、80% D、98% 13、当一元线性回归分析中的相关系数γ=－0、952时，表明两个变量呈 B 关系。 A、正相关 B、负相关 C、不相关 D、直线相关 14、指数平滑法中的加权系数a一般取值范围为： B 。 A、0、01-0、05 B、0、10-0、50 C、0、01-0、30 D、0、01-0、 50 15、AHP法中，是通过求解判断矩阵的 C 来确定各元素对于上一层某个元素的相对重要性的排序。 A、最大特征根 B、特征向量 C、一致性指标 D、平均随机一致性指标 16、回归分析与相关分析是两种 C 的分析方法。 A、完全不同 B、完全相同 C、既有联系又有区别 D、比较相似
-167- 第八章 层次分析法 层次分析法（Analytic Hierarchy Process ，简称AHP ）是对一些较为复杂、较为模糊的问题作出决策的简易方法，它特别适用于那些难于完全定量分析的问题。它是美国运筹学家T. L. Saaty 教授于上世纪70年代初期提出的一种简便、灵活而又实用的多准则决策方法。 §1 层次分析法的基本原理与步骤 人们在进行社会的、经济的以及科学管理领域问题的系统分析中，面临的常常是一个由相互关联、相互制约的众多因素构成的复杂而往往缺少定量数据的系统。层次分析法为这类问题的决策和排序提供了一种新的、简洁而实用的建模方法。 运用层次分析法建模，大体上可按下面四个步骤进行： （i ）建立递阶层次结构模型； （ii ）构造出各层次中的所有判断矩阵； （iii ）层次单排序及一致性检验； （iv ）层次总排序及一致性检验。 下面分别说明这四个步骤的实现过程。 1.1 递阶层次结构的建立与特点 应用AHP 分析决策问题时，首先要把问题条理化、层次化，构造出一个有层次的结构模型。在这个模型下，复杂问题被分解为元素的组成部分。这些元素又按其属性及关系形成若干层次。上一层次的元素作为准则对下一层次有关元素起支配作用。这些层次可以分为三类： （i ）最高层：这一层次中只有一个元素，一般它是分析问题的预定目标或理想结果，因此也称为目标层。 （ii ）中间层：这一层次中包含了为实现目标所涉及的中间环节，它可以由若干个层次组成，包括所需考虑的准则、子准则，因此也称为准则层。 （iii ）最底层：这一层次包括了为实现目标可供选择的各种措施、决策方案等，因此也称为措施层或方案层。 递阶层次结构中的层次数与问题的复杂程度及需要分析的详尽程度有关，一般地层次数不受限制。每一层次中各元素所支配的元素一般不要超过9个。这是因为支配的元素过多会给两两比较判断带来困难。 下面结合一个实例来说明递阶层次结构的建立。 例1 假期旅游有1P 、2P 、3P 3个旅游胜地供你选择，试确定一个最佳地点。 在此问题中，你会根据诸如景色、费用、居住、饮食和旅途条件等一些准则去反复比较3个侯选地点。可以建立如图1的层次结构模型。 图1 层次结构模型
多智能体系统一致性综述 一引言 多智能体系统在20世纪80年代后期成为分布式人工智能研究中的主要研究对象。研究多智能体系统的主要目的就是期望功能相对简单的智能体系统之间进行分布式合作协调控制，最终完成复杂任务。多智能体系统由于其强健、可靠、高效、可扩展等特性，在科学计算、计算机网络、机器人、制造业、电力系统、交通控制、社会仿真、虚拟现实、计算机游戏、军事等方面广泛应用。多智能体的分布式协调合作能力是多智能体系统的基础，是发挥多智能体系统优势的关键，也是整个系统智能性的体现。 在多智能体分布式协调合作控制问题中，一致性问题作为智能体之间合作协调控制的基础，具有重要的现实意义和理论价值。所谓一致性是指随着时间的演化，一个多智能体系统中所有智能体的某一个状态趋于一致。一致性协议是智能体之间相互作用、传递信息的规则，它描述了每个智能体和其相邻的智能体的信息交互过程。当一组智能体要合作共同去完成一项任务，合作控制策略的有效性表现在多智能体必须能够应对各种不可预知的形式和突然变化的环境，必须对任务达成一致意见，这就要求智能体系统随着环境的变化能够达到一致。因此，智能体之间协调合作控制的一个首要条件是多智能体达到一致。 近年来，一致性问题的研究发展迅速，包括生物科学、物理科学、系统与控制科学、计算机科学等各个领域都对一致性问题从不同层面进行了深入分析，研究进展主要集中在群体集、蜂涌、聚集、传感器网络估计等问题。 目前，许多学科的研究人员都开展了多智能体系统的一致性问题的研究，比如多智能体分布式一致性协议、多智能体协作、蜂涌问题、聚集问题等等。下面，主要对现有文献中多智能体一致性协议进行了总结，并对相关应用进行简单的介绍。 1.1图论基础 多智能体系统是指由多个具有独立自主能力的智能体通过一定的信息传递方式相互作用形成的系统；如果把系统中的每一个智能体看成是一个节点，任意两个节点传递的智能体之间用有向边来连接的话，智能体的拓扑结构就可以用相应的有向图来表示。 用)(A E,V ,G =来表示一个有向加权图，其中}{n 21v ,,v ,v V =代表图的n 个顶
19种质量管理小组活动常用统计方法 层次分析法 （一）范围：专业室、专业部门和班组。 （二）作用：对班组建设指标进行测定、评估，判断指标是否发生异常，并采取必要的措施加以消除异常，保持指标稳定。 （三）推荐：适用于因素分析。 （四）方法： 层次分析法是将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。即是指将一个复杂的多目标决策问题作为一个系统，将目标分解为多个目标或准则，进而分解为多指标（或准则、约束）的若干层次，通过定性指标模糊量化方法算出层次单排序（权数）和总排序，以作为目标（多指标）、多方案优化决策的系统方法。 1.层次分析法的基本性质 层次分析法是将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构，然后得用求解判断矩阵特征向量的办法，求得每一层次的各元素对上一层次某元素的优先权重，最后再加权和的方法递阶归并各备择方案对总目标的最终权重，此最终权重最大者即为最优方案。这里所谓“优先权重”是一种相对的量度，它表明各备择方案在某一特点的评价准则或子目标，标下优越程度的相对量度，以及各子目标对上一层目标而言重要程度的相对量度。层次分析法比较适合于 — 1 —
具有分层交错评价指标的目标系统，而且目标值又难于定量描述的决策问题。其用法是构造判断矩阵，求出其最大特征值，及其所对应的特征向量W，归一化后，即为某一层次指标对于上一层次某相关指标的相对重要性权值。 2.层次分析法的使用步骤 （1）建立递阶层次结构； （2）构造两两比较判断矩阵；（正互反矩阵） 层次分析法的一个重要特点就是用两两重要性程度之比的形式表示出两个方案的相应重要性程度等级。对某一准则，各指标之间进行两两对比之后，然后按9分位比率排定各评价指标的相对优劣顺序，依次构造出评价指标的判断矩阵A，即为正互反矩阵，称作判断矩阵。 其中 为判别矩阵， ，要素与要素重要性比较结果，并且有如下关系： 有9种取值，分别为1/9, 1/7, 1/5, 1/3, 1/1, 3/1, 5/1, 7/1, 9/1,分别表示要素对于要素的重要程度由轻到重。表1列出Saaty给出的9个重要性等级及其赋值。 — 2 —
确定权重的7种方法 表7-1 地质环境质量评价定权方法一览表 一、专家打分法 专家打分法即是由少数专家直接根据经验并考虑反映某评价观点后定出权重，具体做法和基本步骤如下： 第一步选择评价定权值组的成员，并对他们详细说明权重的概念和顺序以及记权的方法。 第二步列表。列出对应于每个评价因子的权值范围，可用评分法表示。例如，若有五个值，那么就有五列。行列对应于权重值，按重要性排列。 第三步发给每个参予评价者一份上述表格，按下述步骤四~九反复核对、填写，直至没有成员进行变动为止。 第四步要求每个成员对每列的每种权值填上记号，得到每种因子的权值分数。 第五步要求所有的成员对作了记号的列逐项比较，看看所评的分数是否能代表他们的意见，如果发现有不妥之处，应重新划记号评分，直至满意为止。 第六步要求每个成员把每个评价因子（或变量）的重要性的评分值相加，得出总数。
第七步每个成员用第六步求得的总数去除分数，即得到每个评价因子的权重。 第八步把每个成员的表格集中起来，求得各种评价因子的平均权重，即为“组平均权重”。 第九步列出每种的平均数，并要求评价者把每组的平均数与自己在第七步得到的权值进行比较。 第十步如有人还想改变评分，就须回到第四步重复整个评分过程。如果没有异议，则到此为止，各评价因子（或变量）的权值就这样决定了。 二、调查统计法 具体作法有下面四种。 1．重要性打分法：重要性打分法是指要求所有被征询者根据自己对各评价因子的重要性的认识分别打分，其步骤如下： a.对被征询者讲清统一的要求，给定打分范围，通常1~5分或1~100分都可。 b.请被征询者按要求打分。 c.搜集所有调查表格并进行统计，给出综合后的权重。 2．列表划勾法：该方法如图7-2所示。事先给出权值，制成表格。由被调查者在认为合适的对应空格中打勾。对应每一评价因子，打勾1~2个，打2个勾表示程度范围。这样就完成一个样本的调查结果。 在样本调查的基础上，除采用一般的求个样本的均值作为综合结果外，还可采用如下方法： 图7-2 列表划勾法示意图 备择程 因子序号 度 W 1 2 3 …m-1 m 0.2 √√√ 0.4 √√√ 0.6 √√ 0.8 √ 1.0 a.频数截取法 频数截取法的主要步骤如下： 第一步：列中值频率分布表，见表7-2。记对应第个评价因子第个样本给的权值区间数为〔〕，＝1，2，…，相对表中征询权值的几个区间，计算每一征询权值区间中所包含样本权值的频数，并推求