一、基于Agent的SIDSS协同工作模型研究（论文文献综述）
郭谦[1]（2021）在《海面环境下的无人船平行物理仿真平台的设计与实现》文中研究说明随着无人船集群技术的加速发展,海上无人系统的研发与训练也变得至关重要。有效的海上无人系统能够打破单船能力的局限性,协同集群中每艘无人船从而激发出整个集群的力量。然而训练海上无人系统需要大量且有效的无人船实验数据,无人船实验数据的获取不可避免地受到时间,环境,人力,财力等多种因素的限制,如何在短时间内低成本地获取海量训练数据将成为传统无人船训练系统一项新的挑战。本文经过对无人船训练系统的研究和分析,提出了一种海面环境下的无人船仿真平台。基于对海面环境的建模构建训练仿真环境,利用智能体建模方法对无人船进行抽象,从而对仿真对象进行统一高效管理。利用分布式架构部署仿真平台与无人系统,减小仿真平台与无人系统的耦合度,提高仿真平台的复用性。达到减少无人船训练系统的开发成本,提高无人系统训练效率的目的,最终将极大解决无人船实验数据获取少获取难的问题。针对仿真产生的训练数据缺乏真实性的问题,在无人船仿真平台基础上,本文提出平行物理仿真,首先分析海面环境因素再对海面环境进行建模与仿真,基于傅里叶变换对海浪进行模拟,利用物理引擎计算物理效应。从而使得无人系统借助仿真平台训练能够达到在传统训练系统内的训练效果。针对无人船控制接口与感知数据繁琐且复杂的问题,本文对无人船控制输入和感知输出的接口进行了抽象,简化了无人系统与仿真环境中无人船的交互方式,既保证了基于抽象接口的交互不会影响训练数据的正常生成,又保证了训练系统内的交互不会过于复杂,平衡了有效性和实用性。最后,本文通过设置对比试验对以上提出的仿真平台进行了功能验证,比较了平行仿真与一般仿真在数据有效性上的区别。再基于无人船协同对抗的场景,实现了海面环境下的无人船仿真与无人系统训练,验证了仿真平台的有效性和可行性。
李军[2]（2020）在《集群环境中的产学研协同创新研究》文中研究说明近年来,产业集群表现出对中国区域经济发展的巨大推动作用。而产学研协同创新正是集群创新模式中重要组成部分。集群环境是产业集群内部组织（企业、政府、大学及科研院所、中介组织）间形成的、技术创新活动与生产经营活动紧密嵌合的动态网络。集群环境促进产学研协同创新联盟孕育与发展,对产学研协同创新活动具有重要影响。集群环境中的产学研协同创新,是以集群领军企业主导的产学研协同创新联盟为核心、大范围整合产品价值创造活动网络的一种新型产业组织方式。因此,研究和探索集群环境中的产学研协同创新活动的内在规律,对于合理安排产学研协同方式、加快协同创新成果产业化和市场化、促进集群内部经济结构调整和产业升级,具有重要的理论价值和现实意义。本文研究内容如下:一是概念界定。对集群环境的概念进行界定。对产学研协同创新的实践平台和运行过程进行描述和对比分析。二是机理分析。对集群环境中的产学研协同创新系统的特征和功能、构成要素、协同类型进行分析。在提出系统结构和内涵解释的基础上,解析集群环境与产学研协同创新的相互作用机理。在风险分析基础上,提炼出由集群领军企业、大学及科研院所组成的产学研联盟协同创新组织实施过程中的3个关键环节。三是关键环节具体研究。1.伙伴选择,设计基于3因素12个指标的评价指标体系,构建改进神经网络模型,并将其应用于联盟协同创新伙伴评价测度中;2.契约达成与利益分配,构建产学研竞合博弈模型、改进分配博弈模型,并进行分析;3.成果扩散,通过构建数学模型,仿真研究联盟协同创新成果在集群企业中的扩散机理。四是结论及展望。提出研究结论和管理启示,指出研究不足及未来研究方向。本文研究结论如下:集群环境影响产学研协同创新联盟战略目标制定和成果市场化,促进联盟形成和创新要素集聚。本文提出的评价方法,能够为集群领军企业选出适合共同开展产学研协同创新活动的大学或科研院所。改进的ELMAN较BP神经网络模型,在处理伙伴评价数据时,速度和准确性更佳。为促进合作契约达成,须提高协同创新效益、正向激励、协同次数和对局方参与率。基于改进Shapley值模型的利益分配方法是有效的。连接广泛的核心企业,在联盟创新成果扩散中发挥关键作用。可调节参数与集群环境即网络结构优化程度相关。联盟创新成果在集群企业中扩散存在临界值。集群企业节点异质性越强,越利于扩散。本文创新点如下:一是将产学研协同创新置于集群环境中展开研究。在提炼集群环境概念基础上,初步构建集群环境中的产学研协同创新理论基础,一定程度上丰富和深化集群创新与产学研协同创新理论。二是制定一套多元主体合作创新伙伴选择的方法。构建基于知识能力因素的评价指标体系。同时特色化地将改进的ELMAN反馈型神经网络模型引入,将其应用于集群环境中的产学研协同创新联盟伙伴评价测度中。三是完善多元主体合作创新博弈过程研究,提出一种解决利益分配的方法。提出每一次完整的产学研协同创新联盟博弈,由合作前的契约达成、合作后的利益分配两个阶段组成。重点在利益分配博弈阶段,构建基于创新增值、风险承担和资源投入因素的改进Shapley值模型。在此基础上,提出基于集群共同基金的利益补偿方案。四是设计一种研究产业集群中创新扩散问题的方法。首先利用复杂网络理论,构建集群企业演化网络模型。其次运用改进的SIR病毒传播模型,描述联盟创新成果在集群企业演化网络扩散过程中企业个体的微观变化。最后使用计算机仿真方法模拟该过程。
徐翔斌,马中强[3]（2022）在《基于移动机器人的拣货系统研究进展》文中研究说明基于移动机器人的拣货系统（Robotic mobile fulfillment systems, RMFS）作为一种新型物至人的拣货系统,相比人工拣货系统和AS/RS拣货系统（下文统称传统拣货系统）具有更高的拣货效率、更好的系统可扩展性和柔性.为全面了解RMFS的运行模式及其优化方向,本文首先回顾了RMFS的工作流程及优化理论框架,然后对RMFS的货位指派、订单分批、任务分配、路径规划以及建模方法等问题进行了文献回顾和总结,并指出了RMFS与传统拣货系统在拣货过程方面的异同及当前研究的不足.最后,讨论了RMFS的几个重要研究方向,为RMFS的理论研究和应用实践提供参考.
高少冲[4]（2020）在《协同创新项目治理网络中节点与结构匹配关系研究》文中认为创新已成为促进国家经济结构转型和产业结构升级的核心驱动力。随着创新的复杂性、不确定性和跨领域融合程度的不断加剧,创新活动的边界更加模糊化,创新领域的界限更加开放化,创新主体之间的合作也愈发多元化。而单一创新主体受到自身规模限制、资金短缺、研发能力不足、资源获取难等约束限制,仅依靠传统的封闭式创新组织模式已难以独立承担前瞻性和关键性技术创新活动。同时,目前我国新技术成果向现实生产力的转化效果十分不理想,创新链条上游的基础理论研究与下游的应用产品开发之间存在巨大鸿沟,缺乏有效的科技成果转化通道,造成了社会科技创新资源的极度浪费。因此,为有效提高创新效率和科技成果转化率,需要实施更加开放、合作、共享的协同创新模式。协同创新能够实现纵向维度的创新链条上下游以及横向维度的产业链条之间各个创新主体的协同合作,实现更高效率的创新资源配置,成为弥合基础理论研究与应用产品开发之间鸿沟以及提升科技成果转化率的有效模式。协同创新以项目形式为主要实现载体,协同创新项目具有多元异质性参与方跨组织边界协作的网络组织特征以及创新过程不确定性高的特点,使得其治理过程更具有挑战性。然而,目前针对协同创新项目治理的研究仍然不足,难以为项目实施提供有效的治理方式,此类项目因治理失效而产生高失败率。协同创新项目治理失效的关键原因体现为参与方节点（“节点”）与治理结构（“结构”）之间关系的不匹配。合理的项目治理网络能够保证项目资源配置过程的有效性和可控性,而节点与结构之间的匹配关系是实现项目治理网络有效运转的基础和前提。参与方节点应具备足够能力以匹配其所处治理结构赋予的责任要求,同时治理结构也应提供可靠稳定的资源供给以匹配参与方节点的资源需求。但是,目前协同创新项目中往往仅单方面重视参与方节点或者治理结构而忽视了两者匹配关系,会造成参与方节点的能力缺失以及治理结构的资源供给效率低等治理失效问题,最终导致协同创新项目失败。为解决上述问题,本文开展了协同创新项目治理网络中节点与结构匹配关系研究,主要研究内容与结论包括以下5个部分:（1）协同创新项目治理网络的概念界定和内涵特征分析从协同创新项目的关键词“协同”和“创新”切入进行概念界定和内涵分析,并将协同创新项目界定为多元创新主体以协同组织模式基于共性技术开展的二次深度开发项目。通过在任务维度上与建设工程类项目进行对比,呈现了协同创新项目的创新性特征;通过在组织维度上与传统的封闭式创新项目进行对比,呈现了协同创新项目的协同性特征。将项目治理网络界定为项目参与方之间面向创新资源配置而形成的信息传递关系网络,并通过特征分析呈现网络的图形和矩阵表达方式以及各参与方节点拥有的创新资源特征。（2）协同创新项目治理网络中节点与结构匹配关系的内在机理探究在协同创新项目治理网络的研究情境下,基于人-组织匹配理论刻画呈现节点与结构之间两维双向互补性匹配关系:能力-要求匹配关系（Abilities-Demands Fit）以及需求-供给匹配关系（Needs-Supplies Fit）,并从网络结构视角出发揭示了上述匹配关系的复杂非线性内在机理。其中,能力-要求匹配关系为节点能力与结构要求的匹配关系,从个体属性维度、关系适配维度及网络结构维度呈现该匹配关系衡量标准,当节点具备的能力满足其所处结构赋予的三个维度相关的责任要求时实现两者匹配;需求-供给匹配关系为节点需求与结构供给的匹配关系,当节点发出的资源需求信息通过网络关系准确地传递给其所处结构的相关节点并得到相应的资源供给时实现两者匹配。（3）协同创新项目治理网络构建过程研究结合协同创新项目治理网络特征,开展了系统化的协同创新项目治理网络构建过程研究,包括网络关系建立和网络关系强度量化。基于工作分解结构（WBS）和责任分配矩阵（RAM）等协同创新项目实际资料实现网络关系初步建立,并采用滚雪球方法进行网络关系修正。对于网络关系强度量化过程方法,首先从影响信息传递效果的视角识别关系强度的影响因素,基于文献分析及实证调查法识别了 12项影响因素,涉及体系标准一致性、共同合作基础、认可信任程度和任务协作程度等4个维度;然后针对影响因素采用成对比较法得到关系强度值的初步量化结果;最后基于Logit函数设计了系数调整函数来纠正关系强度值的偏差度。该网络构建过程能有效地提高网络构建结果准确性,为本文匹配关系测度模型研究提供精确有效的网络形态基础。（4）节点与结构的能力-要求匹配关系测度模型构建研究基于SNA方法将网络结构维度指标纳入能力-要求匹配关系指标体系,建立了包含个体属性维度、关系适配维度和网络结构维度共3个维度11个指标的匹配关系指标体系。基于该指标体系设计了匹配关系量化测度模型,通过匹配度测算方法计算三个维度指标上节点自身具备的能力值与其所处结构的要求值的差距以得到两者匹配度数值,其中运用结构熵权法和三角模糊数评价法分别确定指标权重值和节点能力值等参数。采用项目案例系统地呈现该测度模型的应用实现过程,并通过结果对比分析验证了测度模型的有效性。（5）节点与结构的需求-供给匹配关系测度模型构建研究节点与结构的需求-供给匹配关系体现为两者之间复杂动态的资源需求信息传递实现过程,以最终实现效果表征节点需求与结构供给的匹配度。基于该原理设计相应的量化测度模型,包括模型规则设计、参数设置及仿真设计与算法实现。其中,基于香农信息论刻画节点之间资源需求信息的传递行为过程,采用多主体建模与仿真方法（ABMS）实现量化测度模型的构建过程,并运用NetLogo仿真平台实现了项目案例中模型具体应用过程。此外,通过设计对比多组平行仿真实验发现网络结构调整策略能够有效优化该匹配关系。本文的研究创新主要体现在以下3个方面:第一,针对协同创新项目中仅单方面重视参与方个体或者治理结构本身而忽视了两者之间匹配关系的现状,基于人-组织匹配理论,从网络结构视角出发揭示了协同创新项目治理网络中节点与结构匹配关系的复杂非线性作用机理,开启项目情境下人-组织匹配关系的内在机理“黑箱”,进一步拓展了项目治理理论以及项目情境下人-组织匹配理论,为纠正协同创新项目治理过程中生产力与生产关系失衡问题提供机理支撑。第二,结合协同创新项目治理网络特征,开展了系统化的协同创新项目治理网络构建过程研究,其中重点设计了更适用治理关系特征的网络关系强度量化方法,包括网络关系强度的影响因素识别及其偏差度纠正过程,有效提高了网络构建结果准确性,进一步完善了协同创新项目治理网络构建方法体系,为本文匹配关系测度模型研究提供了精确有效的网络形态基础。第三,设计并构建了协同创新项目治理网络中节点与结构匹配关系测度模型,基于两种模型对应实现了节点与结构之间两种匹配关系的有效量化测度,提供了适用项目情境的人-组织匹配关系量化测度方法,进一步丰富了人-组织匹配关系测度方法体系。其中,能力-要求匹配关系测度模型为协同创新项目的参与方评价和选择过程提供了量化决策依据,需求-供给匹配关系测度模型为协同创新项目治理结构设计和优化过程提供了量化决策依据。
白寒[5]（2020）在《基于BIM、VR与Agent模型的轨道交通车站火灾疏散仿真系统设计》文中进行了进一步梳理城市轨道交通是很多大中城市的重要公共交通方式。而城市轨道交通车站是封闭空间且站内客流量往往较大,一旦在站内发生紧急事故,可能会出现较为严重的人员伤亡后果,而火灾是其中主要的事故类型,因此,进行车站内火灾事故的仿真研究十分必要。既有行人模型研究主要采用微观仿真方法,其中,智能体（Agent）模型因其具有自主性、适应性等诸多优点,是主要的微观行人模型之一。传统的计算机仿真研究中,仿真过程通常只是以第三人称视角进行,参与度不足,且研究重点一般放在行人的行为特点上,而忽视了疏散场景的精细度与真实度,疏散场景建模的工作量也较大。针对上述问题,本研究基于广泛应用的建筑信息模型（BIM）技术、虚拟现实（VR）技术以及Agent模型实现高真实度的行人紧急疏散仿真,并通过整合研究成果开发VR紧急疏散仿真系统。研究具体从以下几方面进行开展,并取得了相应的成果:（1）总结出具有普适性的BIM建模方法,方法采用Revit作为软件工具,内容包括车站选取、数据调研以及Revit软件建模并选取北京地铁魏公村站作为目标车站,进行案例应用。（2）将完成后的BIM模型载入VR引擎Unity3D中,在Unity内完成BIM与VR的对接工作,并实现VR环境与外部VR设备对接的开发工作,为BIM模型快速VR化提供技术支持,节省建模工作量。（3）通过对国内外相关规范的对比分析,在VR场景内实现虚拟火灾情景,内容包括火灾发生位置、可用疏散设施、疏散的总人数与允许疏散时间,并设定普通疏散与指引疏散两种疏散模式。（4）将行人划分为男性中青年、女性中青年、老人与小孩四个类别,对每类Agent赋予不同的模型尺寸参数与速度参数,以及感知参数;并通过C#编程与有限状态机原理设计并实现了Agent在疏散全过程的初始反应状态、疏散状态、听从指引状态以及疏散成功状态四个状态,实现Agent根据环境条件自主进行状态切换并进行相应的行为。（5）基于BIM、VR与Agent的开发工作,整合研究成果,开发出VR紧急疏散仿真系统,对其VR与Agent的子模块实现效果进行检验,并针对实际工程问题并进行了系统案例应用,对实际疏散问题提出优化建议并校验。研究结合BIM、VR技术的诸多优点,并结合Agent模型构建实现更加逼真的行人疏散仿真,开发出的VR系统在科研与工程应用领域,也均能够发挥价值。
任东方[6]（2020）在《多种能源发电协同发展管控模型及大数据分析研究》文中研究表明随着新能源在全球范围内的崛起,我国的新能源发展也十分迅速,新能源和传统能源之间的和谐可持续发展成为值得关注的话题。用于发电的能源占据了能源消耗的重要部分,因此多种能源发电的协同是优化能源结构和促进大规模可再生能源发展的必经之路,是一个值得研究的话题。针对多种能源发电在协同发展中的一些问题,本文在多种能源发电发展现状和协同发展框架分析的基础上对多种能源发电协同发展过程中可再生能源被弃用和发电行业污染气体排放等问题进行探讨,并从多种能源发电协同发展的风险管控、信息管控、大数据分析、仿真分析的角度设计了本课题的研究思路,主要的研究内容和成果如下:（1）在电力和能源行业的当前发展背景下分析了多种能源发电协同发展的模式和框架。系统地分析了协同发展中的参与主体和主要发展瓶颈,从多种发电形式的协同模式、保障机制和发展原则等方面,提出了多种能源发电协同发展的研究结构,为后文的研究内容做铺垫。（2）针对多种能源发电协同发展中可再生能源的弃用风险,建立了风险管控模型。通过发电厂商、电网、政府、社会各方面的利益博弈来计算区域内的整体风险,以期寻求区域内一个风险最低、收益最大的多种能源发电的协同发展模式。然后以我国京津冀地区为例,对降低“弃风率”的风险成本进行计算,得到了该地区在需求不变时增加风电发电量所付出的总体成本和收益。（3）建立了基于系统动力学的多种能源发电协同发展信息管控模型。在构建了各参与主体的信息池的基础上,分析了各主体内部的信息协同和共享关系。从电厂、用户、电网、政府和社会角度对多种能源发电协同过程中涉及的多方信息进行融合,建立了包含多主体的协同发展信息管控模型。将相关数据和政策信息带入模型,分析得到在信息的协同作用下多种能源发电的比例结构变化趋势,不同种类能源发电量对污染气体排放的影响,以及相关政策目标实现的可能性。（4）对多种能源发电中的大数据进行分析,旨在研究协同发展中的规律,更好地对协同发展进行管控。以山西省多种能源的发电数据、用电量数据、污染气体排放数据为例,借助决策树模型、回归分析和聚类分析等大数据挖掘方法,对多种能源发电协同发展进行大数据分析研究,从而得到多种能源发电协同发展中的潜在规律和有价值的信息,为政策的制定提供参考。（5）在上述分析的基础上对多种能源发电协同发展过程进行仿真。本文基于多Agent技术建立起仿真模型,模型中的多种能源发电协同策略是依据我国现行的《节能发电调度办法》对各种发电形式进行调度。仿真中将不同种类机组、不同类型用户、电力调度部门简化为智能体群,通过各智能体间的协调配合完成对协同过程的仿真。然后以山西省为例,得到了该省在协同调度下的各种能源发电比例和污染气体排放量,模拟了山西省传统火电和可再生能源发电以及其他发电形式之间的协同发展过程,仿真结果验证了协同策略的有效性,体现了多种能源发电协同发展的协同效应。本文的研究丰富了多种能源协同发展以及电力结构调整相关理论成果,对于指导多种发电形式的科学和有序发展、管控协同发展风险、提高能源利用效率、大气污染防治等方面都具有实践指导意义。
高磊[7]（2020）在《电网建设项目多主体协同决策模型及应用研究》文中进行了进一步梳理随着电力体制改革逐步深化,电网建设投入在整个电力建设投入的比重逐年持续增加,电网建设管理模式、运营模式和投资比例的逐步转变也对电力工程项目管理思路和方法提出了新的要求。此外,根据电网建设项目的特点,项目建设过程中长期面临建设时序分配、资源均衡调配、风险合理规避、投资效益优化、电力稳定供应等诸多问题,需要综合考虑不同因素,电网建设则可视为多主体、多要素、多目标、多阶段的协同决策研究问题。然而,传统的电网项目建设管理模式普遍存在各利益主体自利性和信息断层情况,难以根据项目特点优选出满足多方需求的建设方案,同时,在实施过程中存在区域电网建设项目的工期、投资和资源调配不合理现状,并难以达到项目综合效益优化的目标。因此,本文开展电网建设项目多主体协同决策模型及应用的研究工作,基于电网建设项目多主体特征和协同决策目标研究,分别构建了面向电网建设项目方案优选及方案实施的协同决策模型,针对模型的特点分别引入多智能体技术、粒子群算法和非支配排序遗传算法进行求解,并通过模型应用系统提供了多主体协同决策的平台。主要研究内容如下:（1）梳理了电网建设项目多主体协同决策的研究背景及意义,开展了对国内外电网建设项目多主体协同决策模型及应用问题的研究综述,并概述了电网规划和建设基本概念、利益相关者理论、多智能体模型及方法、多目标优化模型及方法等相关概念和基础理论,为后续研究奠定了相应理论基础和研究范围。（2）研究了电网建设项目利益相关主体特征及协同决策目标。首先,运用电网建设项目流程WBS结构,分析并识别了电网建设项目8类主要利益相关主体;其次,研究各主体的利益偏好和主体的自利性、目标差异性,以此为基础引出多主体协同决策的理念,分析了电网建设项目多主体协同决策逻辑和内容;同时,运用文献综合分析法结合系统动力学的因果关系流图识别电网建设项目协同决策目标,归纳出协同决策应从不同角度合理满足电网项目的规划管理、建设条件、投资决策和建设运营这4类目标需求。该部分研究内容从协同决策目标方面为协同决策模型及应用提供了研究基础。（3）构建了基于MAS技术的方案优选协同决策模型。基于电网建设项目协同决策目标研究,将重要的目标抽象成为MAS中的Agent,构建了协同决策MAS模型的整体架构,以及其中各主要Agent的结构、功能以及通信模式;基于多Agent之间协商交互能力,利用Petri网和合同网协议描述方案优选的多Agent交互流程,并通过模糊Petri网的模糊规则对应可选择方案设置方案集,方案集由多Agent的模糊变量因素协同决策进行选择,最终,形成了基于FPN电网项目方案优选协同决策模型,进一步通过算例应用验证模型计算过程和有效性。该部分的研究内容可以结合不同区域电网项目特点,考虑多方主体需求,提供建设方案优选的决策依据和方法。（4）构建了基于多目标优化的方案实施协同决策模型。在方案优选的基础上,通过研究一定区域内电网项目规划阶段和建设阶段协同决策的目标,建立适宜的目标函数,结合目标函数和约束条件构建电网项目方案实施协同决策模型。本文一方面建立面向电网规划实施过程的协同决策模型,采用粒子群算法进行求解;另一方面,建立面向电网建设实施过程的协同决策模型,运用遗传算法进行求解;通过实例证明两阶段模型的合理性。模型和算法则纳入多智能体系统中,作为相应MAS的方法库和模型库一部分。该部分研究内容可以在工期、资金和资源约束条件下,考虑多方主体需求,提供满足建设方案实施中多目标优化的决策依据和方法。（5）构建了基于多主体需求的协同决策模型应用系统。基于两类协同决策模型研究,构建了一个基于B/S架构的电网项目协同决策模型应用系统,该系统属于信息公开的系统,确保各方主体信息畅通、数据准确和完备,具备提供各方主体交流和互动决策的多项功能,同时,协同决策支持平台能够充分结合MAS技术,并利用优化算法功能,解决电网建设协同决策过程中多元化、多层次的复杂问题。其功能包括多智能体管理、多主体方管理、方案优选管理、多目标优化管理、空间地图管理等,根据项目实际需求设计各类功能的子功能。该部分研究内容可以为电网建设项目多主体协同决策的规模化实践应用提供参考。本研究从工程项目管理视角将智能化、信息化方法应用于电网建设项目管理,为探索我国电网建设项目规划、设计、建设阶段的多主体协同决策及高效管理提供了理论依据和实践参考。
朱荣[8]（2020）在《产学研协同创新政策绩效评估与优化仿真研究》文中认为十九大报告指出,中国要想在2035年在创新型国家名列前茅,就要建立以企业为主体、市场为导向、产学研深度融合的技术创新体系。我国目前在包括战略新兴型产业等多个产业领域的科技创新能力已经处于世界前沿,为建设科技强国、智慧社会也提供了有力支撑。随着创新驱动发展战略的深入实施,通过建立健全科技创新政策体系,能够进一步为提高我国科技创新能力、调整经济结构以及建设创新型国家提供有力保障。我国各级各部门、各地区也制定了大量的科技创新政策,以期推动产学研协同创新活动的开展,但目前产学研协同创新能力仍旧不是十分理想,亟待进行产学研协同创新政策的政策绩效全面评估并优化。本文从宏微观两个层面进行展开产学研协同创新政策的研究:宏观上分析产学研协同创新政策的效力和效果;微观上通过实证分析探寻政策驱动创新合作的路径,然后进行仿真模拟。研究目的在于提升产学研协同创新绩效。研究采用规范分析与实证分析相结合、定性研究与定量研究相结合的方法,从静态和动态两个层面对产学研合作政策与创新绩效的关系进行研究。既宏观把握我国产学研协同创新政策绩效,又从微观着手探寻政策驱动协同创新行为的作用机理,从而更好的引导政策的制定;既分析政策的执行效果,又模拟政策的实施过程,细分政策目标实现的路径,从而提出适合我国国情和创新发展的政策优化策略。首先,系统评估创新政策的有效性。全面收集2006-2019年间国家各级层面的产学研协同创新政策,并将之划分为供给型、需求型和环境型三类。通过内容分析法进行政策量化,测算出政策文本效力,并利用政策分析的计量模型计算得出实施效果。研究结果表明:（1）政策整体效力呈现逐年提高趋势,而平均效力则呈W型波动状态,政策效力取决于政策数量,但三类政策的各子政策数量分布不均;（2）从政策的力度、目标、措施、反馈四个维度测算政策效力,政策目标、措施得分普遍高于力度、反馈得分;（3）三类政策对创新绩效的影响存在不同的滞后效应,政策效果的促进程度存在政策类型的差异性。供给型政策有利于形成产学研创新的直接产出,需求型、环境型则指向经济产出;需求型政策对更多的创新绩效指标有促进作用,但滞后期比其他两类更长。其次,探索产学研协同创新政策驱动路径。根据对三重螺旋理论、协同创新理论、政策网络模型、复杂适应系统理论等相关文献的文献回顾,可以看出将产学研协同创新政策与绩效联系相结合的研究还不够全面。结合实际调研情况对相关变量进行重新梳理改进并进行实证分析,构建结构方程模型,利用Mplus软件分析得出产学研协同创新政策驱动路径,并进行政策调节效应路径检验与分析。结果表明:（1）合作意愿变量是通过影响中介变量合作行为间接推动了创新绩效;（2）政策情境变量的调节效应显示:不同政策工具的调节效应存在较多差异;（3）不同政策工具对产学研协同创新的促进作用,为后续优化政策提供了较好的修正依据。最后,进行产学研协同创新政策仿真及优化。在验证政策情境变量对产学研合作行为的促进作用的基础上,运用基于Agent的计算机仿真建模技术,构建针对不同政策工具对企业、高校、科研院所合作行为驱动作用效果的仿真模型。通过BP人工神经网络,确定产学研三方Agent的行为参数及要素计算关系,借助NetLogo仿真模拟不同政策情境对产学研合作行为的影响。根据结果设计了产学研协同创新政策引导优化方案,提出了引导企业、科研院所、高校这三方在进行产学研合作行为时的政策建议。本研究构建的产学研协同创新政策分析框架,着重评估了产学研政策的效力和效果,通过实证分析探究了政策对协同创新行为的驱动路径,并进行了政策的优化仿真,不仅是对政策量化研究的一个新尝试,而且弥补了以往研究对创新政策作用机理分析的缺失,无论从理论分析层面还是现实操作层面对于产学研协同创新都具有一定的指导意义。该论文有图43幅,表64个,参考文献149篇。
刘奇华[9]（2020）在《基于Agent的预警机协同作战仿真技术研究》文中研究说明预警机作为现代空战中重要单元,承担战场探测、引导接敌、协同制导等关键任务,因此研究预警机在空战中的作用对优化预警机的使用具有重要意义。通过构建包含预警机的协同空战仿真模型,分析预警机相关因素与空战结果的关系,为提高空战结果提供理论依据。本文基于超视距空战理念,采用Agent仿真方法,构建预警机和战斗机的协同空战仿真模型,对影响空战结果的因素进行分析。首先,基于Agent仿真理论对仿真模型进行总体设计,选用Anylogic平台作为仿真开发工具,根据预警机任务类型和协同作战方式设计作战想定,基于作战想定对仿真模型进行总体设计,确定本仿真模型包含预警机Agent、敌我战斗机Agent和环境Agent,并对仿真模型Anylogic开发环境进行配置。然后,根据预警机在协同作战中的主要功能对预警机Agent进行建模,采用功能级仿真方法模拟预警机机载雷达,根据预警机引导战斗机过程中的引导误差分析预警机引导成功率,根据预警机接班战斗机制导导弹过程中的制导误差分析预警机制导成功率。继而,根据敌我双方战斗机作战流程对战斗机Agent建模及开发,采用状态图和事件函数描述战斗机攻击流程和操作行为。最后,利用本仿真模型分别分析有、无预警机模式下不同影响因素对战损比的影响,在无预警机模式下分析因素包括机载雷达性能和导弹制导成功率,在预警机协同模式下分析因素包括战斗机机载雷达方位角、预警机航向测量误差和导弹导引头视场角,最后对比两种模式在敌我双方战机数量不对等情况下的战损比,得出预警机协同空战模式相较于无预警机空战模式具有明显优势。
石子君[10]（2020）在《基于多Agent的星群仿真系统研究》文中研究说明近年来,在轨卫星数量不断增加,卫星的智能水平也逐渐提升,多星协同任务规划问题成为卫星应用领域的研究重点。多星协同多用于解决多成像卫星观测任务调度问题,而在空间拦截中的应用研究较少。针对复杂环境下的空间攻防与对抗问题,采用多星协同攻击的方式,通过成员之间相互配合及资源共享使系统内实现动态分配,可提高任务完成质量,增加任务成功率,提高整体作战效能,并且减轻单颗拦截星的任务负荷。在多星攻击任务中,不但要对各个卫星进行姿轨控制等,而且要对卫星之间相对位置关系进行控制,以确保卫星编队稳定、可靠地工作。如果全依赖地面测控资源,很难满足星座中卫星姿态与位置调整以避免碰撞的实时性要求。因此,我们要引入新的技术,通过对卫星及其有效载荷的自治的、分布式星上管理,降低其对地面测控资源的依赖。Agent作为新一代的智能体,具有更好的灵活性,更适应于复杂系统中的协同及最优化等问题的求解。本文以多星攻防任务仿真问题为背景,设计研究了基于多Agent的星群仿真系统,并进行了相关的应用和分析试验。在设计实现的过程中,首先对Agent的定义及多Agent系统相关技术进行了全面研究,总结了多Agent系统的四种常用结构。在此基础上,根据星群仿真系统的具体功能需求,对系统的组织架构、功能模块等进行了设计及编程实现。最后,通过具体仿真任务对系统的功能和性能进行了测试验证。
二、基于Agent的SIDSS协同工作模型研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于Agent的SIDSS协同工作模型研究（论文提纲范文）
（1）海面环境下的无人船平行物理仿真平台的设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 无人船仿真训练系统面临的问题 |
| 1.4 论文主要贡献与创新 |
| 1.5 论文结构安排 |
| 第二章 相关技术研究 |
| 2.1 无人系统技术研究 |
| 2.2 仿真软件技术研究 |
| 2.2.1 复杂自适应系统 |
| 2.2.2 多Agent仿真技术 |
| 2.3 复杂海面环境建模技术研究 |
| 2.3.1 海浪建模技术 |
| 2.3.2 物理引擎技术 |
| 2.4 本章小结 |
| 第三章 海面环境下的无人船平行物理仿真平台架构研究 |
| 3.1 仿真平台需求分析 |
| 3.1.1 应用需求 |
| 3.1.2 功能需求 |
| 3.2 Agent对象与仿真环境建模 |
| 3.3 仿真平台与智能算法交互模式 |
| 3.4 仿真平台架构设计 |
| 3.5 本章小结 |
| 第四章 海面环境下的无人船平行物理仿真平台详细设计与实现 |
| 4.1 仿真平台详细设计 |
| 4.2 无人船多智能体仿真设计与实现 |
| 4.2.1 基于多线程技术的无人船Agent调度架构 |
| 4.2.2 无人船Agent消息收集与分发 |
| 4.3 海面环境仿真 |
| 4.3.1 海面环境建立与生成 |
| 4.3.2 海面高度采样 |
| 4.4 物理效应建模与计算 |
| 4.4.1 基于物理引擎的物理效应计算架构 |
| 4.4.2 海面对无人船浮力建模 |
| 4.5 可视化渲染服务设计与实现 |
| 4.5.1 基于光栅技术的渲染架构 |
| 4.5.2 渲染流程设计与帧率控制 |
| 4.5.3 模型加载与渲染优化 |
| 4.6 分布式网络通信服务设计与实现 |
| 4.7 本章小结 |
| 第五章 海面环境下的无人船平行物理仿真平台测试与应用 |
| 5.1 测试方案设计 |
| 5.1.1 测试内容说明 |
| 5.1.2 测试场景配置 |
| 5.2 测试结果分析 |
| 5.2.1 海面环境物理仿真功能测试 |
| 5.2.2 分布式通信功能与性能测试 |
| 5.2.3 协同对抗场景下的对比测试 |
| 5.3 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 未来展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（2）集群环境中的产学研协同创新研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 问题提出 |
| 1.1.3 研究意义 |
| 1.2 国内外研究综述 |
| 1.2.1 协同创新相关研究 |
| 1.2.2 产学研协同创新相关研究 |
| 1.2.3 集群中的产学研协同创新相关研究 |
| 1.2.4 研究现状述评 |
| 1.3 研究内容、方法与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 技术路线 |
| 1.4 主要工作和创新 |
| 第2章 相关概念界定及理论基础 |
| 2.1 相关概念界定 |
| 2.1.1 “集群环境”的概念 |
| 2.1.2 产学研协同创新的平台类别 |
| 2.1.3 产学研协同创新的运行过程 |
| 2.2 理论基础 |
| 2.2.1 产业集群理论 |
| 2.2.2 协同学理论 |
| 2.2.3 博弈理论 |
| 2.2.4 创新扩散理论 |
| 2.2.5 复杂网络理论 |
| 2.3 本章小结 |
| 第3章 集群环境中的产学研协同创新系统机理分析 |
| 3.1 集群环境中的产学研协同创新系统研究基础 |
| 3.1.1 特征和功能 |
| 3.1.2 构成要素 |
| 3.1.3 协同类型 |
| 3.2 集群环境中的产学研协同创新系统结构和内涵解释 |
| 3.2.1 系统结构 |
| 3.2.2 内涵解释 |
| 3.3 集群环境与产学研协同创新相互作用机理 |
| 3.4 集群环境中的产学研协同创新风险及其对创新协同影响 |
| 3.4.1 集群环境中的产学研协同创新风险分析 |
| 3.4.2 风险对产学研之间创新协同的影响分析 |
| 3.5 研究框架 |
| 3.6 本章小结 |
| 第4章 集群环境中的产学研协同创新联盟伙伴选择 |
| 4.1 集群环境中的产学研协同创新伙伴选择必要性分析 |
| 4.2 伙伴选择的原则 |
| 4.3 评价指标体系与测度方法 |
| 4.3.1 指标体系构建 |
| 4.3.2 测度方法选择 |
| 4.4 基于改进ELMAN神经网络的伙伴选择测度模型构建 |
| 4.4.1 ELMAN神经网络原理 |
| 4.4.2 改进的ELMAN神经网络模型设计 |
| 4.5 实证分析 |
| 4.5.1 评价指标测度表设计 |
| 4.5.2 原始数据获取与处理 |
| 4.5.3 改进的ELMAN神经网络模型评价结果及分析 |
| 4.6 本章小结 |
| 第5章 集群环境中的产学研协同创新联盟博弈分析 |
| 5.1 集群环境中的产学研协同创新联盟博弈概念解析 |
| 5.2 两阶段博弈特点分析 |
| 5.3 竞合博弈阶段建模及分析 |
| 5.3.1 博弈模型构建 |
| 5.3.2 契约达成条件分析 |
| 5.4 分配博弈阶段建模及分析 |
| 5.4.1 基本Shapley值分配模型 |
| 5.4.2 改进的Shapley值分配模型设计 |
| 5.4.3 案例计算及分析 |
| 5.4.4 集群共同基金补偿方案 |
| 5.5 本章小结 |
| 第6章 集群环境中的产学研协同创新联盟成果扩散仿真研究 |
| 6.1 集群环境中的产学研协同创新联盟成果扩散的含义 |
| 6.2 集群环境中的产学研协同创新联盟成果扩散模型构建思想 |
| 6.3 病毒传播模型和复杂网络建模的适用性分析 |
| 6.3.1 病毒传播模型适用性分析 |
| 6.3.2 复杂网络建模适用性分析 |
| 6.4 集群环境中的产学研协同创新联盟成果扩散模型构建 |
| 6.4.1 集群企业演化网络建模 |
| 6.4.2 联盟成果扩散模型构建 |
| 6.5 仿真与分析 |
| 6.6 本章小结 |
| 第7章 结论与展望 |
| 7.1 研究结论与管理启示 |
| 7.1.1 研究结论 |
| 7.1.2 管理启示 |
| 7.2 研究不足与研究展望 |
| 7.2.1 研究不足 |
| 7.2.2 研究展望 |
| 参考文献 |
| 附录 集群中的产学研协同创新伙伴选择指标调查问卷 |
| 攻读学位期间取得的科研成果 |
| 致谢 |
（4）协同创新项目治理网络中节点与结构匹配关系研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与问题 |
| 1.1.1 研究背景 |
| 1.1.2 研究问题 |
| 1.2 研究目的与意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 研究路径与内容 |
| 1.4 研究方法 |
| 1.5 本章小结 |
| 第2章 相关理论与文献综述 |
| 2.1 协同创新项目治理综述 |
| 2.1.1 协同创新相关研究 |
| 2.1.2 项目治理相关研究 |
| 2.1.3 评述与讨论 |
| 2.2 人-组织匹配理论综述 |
| 2.2.1 人-组织匹配理论基础 |
| 2.2.2 人-组织匹配测度研究 |
| 2.2.3 评述与讨论 |
| 2.3 社会网络分析方法综述 |
| 2.3.1 社会网络分析方法理论基础 |
| 2.3.2 社会网络分析方法相关应用 |
| 2.3.3 评述与讨论 |
| 2.4 多主体建模与仿真方法综述 |
| 2.4.1 多主体建模与仿真方法理论基础 |
| 2.4.2 多主体建模与仿真方法相关应用 |
| 2.4.3 评述与讨论 |
| 2.5 本章小结 |
| 第3章 概念界定与匹配关系机理分析 |
| 3.1 协同创新项目的概念内涵与特征分析 |
| 3.1.1 概念内涵 |
| 3.1.2 特征分析 |
| 3.2 项目治理网络的概念内涵与特征分析 |
| 3.2.1 概念内涵 |
| 3.2.2 特征分析 |
| 3.3 节点与结构匹配关系的概念内涵与机理分析 |
| 3.3.1 节点与结构匹配关系的概念内涵 |
| 3.3.2 能力-要求匹配关系机理分析 |
| 3.3.3 需求-供给匹配关系机理分析 |
| 3.4 本章小结 |
| 第4章 协同创新项目治理网络构建过程 |
| 4.1 网络构建的基本原则 |
| 4.2 网络关系建立过程 |
| 4.3 网络关系强度量化过程 |
| 4.3.1 影响因素识别 |
| 4.3.2 初步量化过程 |
| 4.3.3 系数调整过程 |
| 4.4 本章小结 |
| 第5章 节点与结构的能力-要求匹配关系测度 |
| 5.1 能力-要求匹配关系测度模型架构设计 |
| 5.2 能力-要求匹配关系指标体系建立 |
| 5.2.1 个体属性维度 |
| 5.2.2 关系适配维度 |
| 5.2.3 网络结构维度 |
| 5.3 能力-要求匹配关系测度模型构建 |
| 5.3.1 匹配度测算方法 |
| 5.3.2 指标权重值确定 |
| 5.3.3 要求标度值确定 |
| 5.3.4 节点能力值评价 |
| 5.4 模型应用与分析 |
| 5.4.1 案例背景与网络构建 |
| 5.4.2 测度模型应用过程 |
| 5.4.3 结果讨论与分析 |
| 5.4.4 管理启示与策略 |
| 5.5 本章小结 |
| 第6章 节点与结构的需求-供给匹配关系测度 |
| 6.1 需求-供给匹配关系测度模型架构设计 |
| 6.2 测度模型构建的理论基础阐释 |
| 6.2.1 基于信息论的信息传递行为建模 |
| 6.2.2 基于ABMS理论的仿真过程实现 |
| 6.3 测度模型构建与仿真实现 |
| 6.3.1 模型规则设计 |
| 6.3.2 模型参数设置 |
| 6.3.3 仿真设计与算法实现 |
| 6.4 模型应用与分析 |
| 6.4.1 案例背景与网络构建 |
| 6.4.2 测度模型应用过程 |
| 6.4.3 结果讨论与分析 |
| 6.4.4 管理启示与策略 |
| 6.5 本章小结 |
| 第7章 研究结论与展望 |
| 7.1 研究结论 |
| 7.2 研究创新点 |
| 7.3 研究局限与展望 |
| 图目录 |
| 表目录 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的科研成果 |
| 学位论文评阅及答辩情况表 |
（5）基于BIM、VR与Agent模型的轨道交通车站火灾疏散仿真系统设计（论文提纲范文）
| 致谢 |
| 中文摘要 |
| ABSTRACT |
| 1 概述 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 基于BIM的疏散研究 |
| 1.3.2 基于VR的疏散研究 |
| 1.3.3 基于BIM-VR的综合研究 |
| 1.3.4 基于多智能体模型的疏散研究 |
| 1.4 研究内容与技术路线 |
| 1.4.1 主要研究内容 |
| 1.4.2 技术路线 |
| 1.5 论文结构 |
| 2 BIM场景模型构建 |
| 2.1 BIM技术简介 |
| 2.1.1 BIM技术概念 |
| 2.1.2 BIM技术在本研究中的意义 |
| 2.1.3 BIM技术相关软件 |
| 2.2 BIM建模方法 |
| 2.2.1 建模软件工具选取——Revit |
| 2.2.2 车站选取与车站建模数据获取 |
| 2.2.3 Revit建模流程 |
| 2.3 研究案例——魏公村站模型构建 |
| 2.3.1 魏公村站信息 |
| 2.3.2 魏公村站建模 |
| 2.4 小结 |
| 3 基于BIM的VR环境构建 |
| 3.1 VR技术简介 |
| 3.1.1 VR技术概念 |
| 3.1.2 VR技术优势特点 |
| 3.1.3 VR技术应用 |
| 3.2 VR引擎选择——Unity3D |
| 3.2.1 Unity3D基本概念及层级关系 |
| 3.2.2 Unity3D操作界面 |
| 3.2.3 Unity3D引擎优势 |
| 3.3 BIM-VR对接 |
| 3.3.1 层级关系重定义与构件重命名 |
| 3.3.2 光源调整与渲染优化 |
| 3.3.3 缺失材质赋予 |
| 3.3.4 标识等信息补充完善 |
| 3.3.5 碰撞实体属性添加 |
| 3.3.6 效果展示 |
| 3.4 VR功能模块 |
| 3.4.1 VR外部设备 |
| 3.4.2 VR功能模块实现 |
| 3.5 小结 |
| 4 基于标准与规范的车站火灾疏散场景设置 |
| 4.1 相关规范标准对照 |
| 4.1.1 地铁火灾疏散总则 |
| 4.1.2 疏散安全区 |
| 4.1.3 安全出口与疏散设施 |
| 4.1.4 疏散时间 |
| 4.2 火灾场景设置 |
| 4.2.1 火灾位置 |
| 4.2.2 疏散设施 |
| 4.2.3 疏散人员与分布 |
| 4.2.4 允许疏散时间 |
| 4.2.5 疏散模式 |
| 4.3 小结 |
| 5 基于Agent的火灾状态下行人模型构建 |
| 5.1 Agent模型介绍 |
| 5.1.1 Agent基本概念 |
| 5.1.2 单智能体基本结构——BDI模型 |
| 5.1.3 多智能体系统 |
| 5.1.4 Agent模型实现方法——面向对象编程技术 |
| 5.2 基于Agent的行人模型属性 |
| 5.2.1 行人分类 |
| 5.2.2 Agent模型外观尺寸确定 |
| 5.2.3 Agent速度确定 |
| 5.2.4 Agent感知参数确定 |
| 5.3 利用有限状态机搭建的Agent架构 |
| 5.3.1 有限状态机原理 |
| 5.3.2 Agent行为与状态设计 |
| 5.3.3 Agent功能组件 |
| 5.3.4 Agent状态整合 |
| 5.4 Agent各状态实现 |
| 5.4.1 初始反应状态 |
| 5.4.2 疏散状态 |
| 5.4.3 听从指引状态 |
| 5.4.4 疏散成功状态 |
| 5.5 小结 |
| 6 基于Agent行人模型与VR的车站火灾疏散仿真系统 |
| 6.1 系统开发 |
| 6.2 系统优势 |
| 6.3 系统子模块实现效果 |
| 6.3.1 VR实现效果 |
| 6.3.2 Agent实现效果 |
| 6.4 系统案例应用——不同起火位置的疏散对比实验 |
| 6.4.1 实验设置与目的 |
| 6.4.2 结果统计与分析 |
| 6.4.3 案例优化 |
| 6.5 小结 |
| 7 研究成果与展望 |
| 7.1 研究成果 |
| 7.2 研究展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（6）多种能源发电协同发展管控模型及大数据分析研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 多种能源同发展研究综述 |
| 1.2.2 多种能源发电中的风险研究综述 |
| 1.2.3 电力信息协同利用研究综述 |
| 1.2.4 大数据挖掘研究进展 |
| 1.2.5 基于多智能体仿真研究进展 |
| 1.3 研究内容和技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 研究难点和创新 |
| 第2章 多种能源发电协同发展模式和框架分析 |
| 2.1 多能源发电协同发展现状分析 |
| 2.1.1 多种能源发电现状分析 |
| 2.1.2 协同发展参与主体和环境分析 |
| 2.1.3 协同发展中存在的问题 |
| 2.2 多种能源发电协同发展模式分析 |
| 2.2.1 协同关系分析 |
| 2.2.2 协同发展中的保障机制 |
| 2.2.3 协同发展模式和原则 |
| 2.3 多种能发电协同发展框架分析 |
| 2.3.1 协同发展层次结构分析 |
| 2.3.2 协同发展框架研究 |
| 2.4 本章小结 |
| 第3章 多种能源发电协同发展的风险管控模型 |
| 3.1 多种能源发电协同发展的风险分析 |
| 3.1.1 发展风险 |
| 3.1.2 政策风险 |
| 3.1.3 社会风险 |
| 3.2 基于多参与主体的风险收益管控模型 |
| 3.2.1 协同发展的风险因素 |
| 3.2.2 多主体间利益博弈的风险管控模型 |
| 3.3 实例分析 |
| 3.3.1 京津冀发电产业概况 |
| 3.3.2 风险收益模型计算 |
| 3.3.3 结果分析 |
| 3.4 本章小结 |
| 第4章 多种能源发电协同发展的信息管控模型 |
| 4.1 多种能源发电协同发展的信息结构 |
| 4.1.1 信息结构分析 |
| 4.1.2 信息结构模型 |
| 4.2 基于多主体的信息融合 |
| 4.2.1 发电侧 |
| 4.2.2 电力用户 |
| 4.2.3 电网和市场 |
| 4.2.4 电力排放 |
| 4.3 信息协同和管控模型 |
| 4.3.1 模型构建 |
| 4.3.2 信息管控模型计算 |
| 4.3.3 结果分析 |
| 4.4 本章小结 |
| 第5章 多种能源发电协同发展的大数据分析 |
| 5.1 大数据分析方法与流程设计 |
| 5.1.1 大数据分析方法 |
| 5.1.2 大数据挖掘流程设计 |
| 5.2 大数据收集和处理 |
| 5.2.1 发电数据 |
| 5.2.2 用电负荷数据 |
| 5.2.3 污染气体排放数据 |
| 5.2.4 数据预处理 |
| 5.3 大数据分析模型 |
| 5.3.1 基于决策树模型的多种能源发电排放分析 |
| 5.3.2 基于回归模型的多种能源发电量分析 |
| 5.3.3 基于聚类模型的多种能源发电与用电协同分析 |
| 5.4 本章小结 |
| 第6章 多种能源发电协同发展的仿真模型 |
| 6.1 智能体技术 |
| 6.1.1 多Agent关系 |
| 6.1.2 多Agent通讯 |
| 6.1.3 多Agent协作 |
| 6.2 多Agent建模方法 |
| 6.2.1 Agent行为理论 |
| 6.2.2 ABMS智能体建模方法 |
| 6.3 基于多智能体的仿真模型 |
| 6.3.1 Anylogic仿真软件简介 |
| 6.3.2 建模背景分析 |
| 6.3.3 仿真设计 |
| 6.4 案例分析 |
| 6.4.1 案例介绍 |
| 6.4.2 结果输出 |
| 6.4.3 仿真分析 |
| 6.5 本章小结 |
| 第7章 研究成果与结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（7）电网建设项目多主体协同决策模型及应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 电网建设多主体协同决策影响因素研究 |
| 1.2.2 多智能体系统应用及协同决策的模拟 |
| 1.2.3 电网项目决策常用的优化模型和算法 |
| 1.2.4 协同决策支持平台系统应用研究 |
| 1.2.5 相关文献研究述评 |
| 1.3 研究内容、研究思路和研究创新点 |
| 1.3.1 主要研究内容 |
| 1.3.2 研究思路和技术路线 |
| 1.3.3 研究的主要创新点 |
| 第2章 相关概念和理论基础 |
| 2.1 电网项目规划与建设管理概述 |
| 2.1.1 电网规划概念和电网类型划分 |
| 2.1.2 电网项目规划与建设管理的重点内容 |
| 2.1.3 电网规划与建设管理信息化、智能化发展优势 |
| 2.2 利益相关者理论 |
| 2.2.1 利益相关者内涵 |
| 2.2.2 利益相关者识别方法 |
| 2.2.3 利益相关者理论的应用 |
| 2.3 多智能体系统(Multi-Agent System)相关理论 |
| 2.3.1 智能体(Agent)概念及分类 |
| 2.3.2 多智能体系统(MAS)概念及特征 |
| 2.3.3 Agent之间交互行为构成与协作模式 |
| 2.3.4 MAS交互行为的描述方法 |
| 2.4 多目标优化相关理论 |
| 2.4.1 多目标优化理论和解集特征 |
| 2.4.2 多目标优化智能算法 |
| 2.5 本章小结 |
| 第3章 电网项目多主体特征与协同决策目标研究 |
| 3.1 电网项目建设流程分析 |
| 3.2 电网建设项目利益相关主体识别与特征分析 |
| 3.2.1 利益相关主体界定因素 |
| 3.2.2 利益相关主体的识别 |
| 3.2.3 利益相关主体的特征和利益偏好 |
| 3.3 电网项目多主体决策面临的典型问题 |
| 3.3.1 电网建设项目多主体动态变化特征 |
| 3.3.2 电网建设项目多主体协同程度较差 |
| 3.4 电网项目多主体协同决策目标研究 |
| 3.4.1 多主体协同决策逻辑和内容分析 |
| 3.4.2 多主体协同决策目标研究 |
| 3.5 本章小结 |
| 第4章 基于MAS技术的方案优选协同决策模型 |
| 4.1 电网项目方案优选协同决策的MAS应用基础 |
| 4.1.1 MAS技术应用的基本逻辑分析 |
| 4.1.2 MAS模型基本架构及模块分类 |
| 4.1.3 系统功能型Agent结构及功能设计 |
| 4.1.4 业务功能型Agent结构及功能设计 |
| 4.1.5 Agent之间通信设计 |
| 4.2 基于MAS技术的电网项目方案优选流程 |
| 4.2.1 Agent之间交互行为分析 |
| 4.2.2 MAS的协同决策交互过程 |
| 4.2.3 基于MAS技术的方案优选流程分析 |
| 4.3 电网项目方案优选的协同决策模型及应用 |
| 4.3.1 模糊Petri网基本原理 |
| 4.3.2 电网建设项目协同决策的策略集分析 |
| 4.3.3 基于FPN的电网项目方案优选协同决策模型 |
| 4.3.4 算例分析 |
| 4.4 本章小结 |
| 第5章 基于多目标优化的方案实施协同决策模型 |
| 5.1 电网项目规划和建设实施阶段的目标侧重点 |
| 5.2 电网项目方案实施协同决策的目标函数构建 |
| 5.2.1 建设周期目标函数 |
| 5.2.2 建设选址目标函数 |
| 5.2.3 投资决策目标函数 |
| 5.2.4 资源调配目标函数 |
| 5.3 基于多目标优化的协同决策算法模型 |
| 5.3.1 多目标优化函数 |
| 5.3.2 约束条件 |
| 5.4 面向电网规划的MOPSO模型及应用 |
| 5.4.1 模型的基本假设 |
| 5.4.2 MOPSO模型求解流程 |
| 5.4.3 算例分析 |
| 5.5 面向电网建设的NSGA-Ⅱ模型及应用 |
| 5.5.1 模型的基本假设 |
| 5.5.2 NSGA-Ⅱ模型求解流程 |
| 5.5.3 算例分析 |
| 5.6 本章小结 |
| 第6章 面向多主体协同决策模型的应用系统构建 |
| 6.1 应用系统构建的意义及原则 |
| 6.2 多主体需求分析 |
| 6.2.1 用户主体类型划分 |
| 6.2.2 用户主体需求分析 |
| 6.3 系统开发和结构设计 |
| 6.3.1 系统开发技术 |
| 6.3.2 系统结构设计 |
| 6.4 协同决策应用系统功能 |
| 6.4.1 系统功能树分析 |
| 6.4.2 系统功能应用研究 |
| 6.4.3 功能应用效果分析 |
| 6.5 本章小结 |
| 第7章 研究成果与结论 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表的论文及其他成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（8）产学研协同创新政策绩效评估与优化仿真研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 研究设计 |
| 2 相关研究文献综述 |
| 2.1 相关概念 |
| 2.2 理论基础 |
| 2.3 国内外相关研究综述 |
| 2.4 本章小结 |
| 3 产学研协同创新政策效力与政策效果评估 |
| 3.1 政策效力与政策效果评估背景 |
| 3.2 政策评估模型 |
| 3.3 数据来源与处理 |
| 3.4 政策效力与政策效果 |
| 3.5 政策评估效果建议 |
| 3.6 本章小结 |
| 4 产学研协同创新政策驱动路径模型构建及实证分析 |
| 4.1 相关变量选择 |
| 4.2 关系假设及理论模型构建 |
| 4.3 变量测量量表开发与检验 |
| 4.4 正式调研与量表检验 |
| 4.5 实证检验 |
| 4.6 结构方程模型检验 |
| 4.7 政策调节效应路径检验与分析 |
| 4.8 假设检验结果与最终模型 |
| 4.9 本章小结 |
| 5 产学研协同创新政策优化仿真 |
| 5.1 仿真方法及建模思路 |
| 5.2 仿真模型设计 |
| 5.3 仿真实验运行及评价分析 |
| 5.4 政策驱动路径仿真模拟结论及优化建议 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 主要研究结论 |
| 6.2 本文创新点 |
| 6.3 局限与展望 |
| 参考文献 |
| 附录1 |
| 附录2 |
| 作者简历 |
| 学位论文数据集 |
（9）基于Agent的预警机协同作战仿真技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 背景及研究意义 |
| 1.2 相关技术国内外研究现状 |
| 1.2.1 作战仿真平台发展现状 |
| 1.2.2 Agent技术及应用研究现状 |
| 1.3 论文的主要研究内容 |
| 第2章 仿真模型总体设计及开发环境配置 |
| 2.1 引言 |
| 2.2 Agent及 ABMS仿真方法 |
| 2.2.1 复杂适应性系统 |
| 2.2.2 Agent概念及基本结构 |
| 2.2.3 ABMS仿真方法 |
| 2.3 仿真模型开发工具 |
| 2.3.1 典型Agent仿真开发工具对比 |
| 2.3.2 Anylogic开发工具及本模型所需服务 |
| 2.4 预警机协同作战想定设计 |
| 2.4.1 预警机任务类型 |
| 2.4.2 作战想定 |
| 2.5 仿真模型设计及开发环境配置 |
| 2.5.1 仿真模型总体设计 |
| 2.5.2 智能体种类及其功能 |
| 2.5.3 环境智能体Main开发 |
| 2.5.4 基类模型开发 |
| 2.6 本章小结 |
| 第3章 预警机Agent设计及开发 |
| 3.1 引言 |
| 3.2 预警机Agent结构设计 |
| 3.3 预警机巡航过程建模 |
| 3.3.1 预警机巡航过程分析 |
| 3.3.2 预警机Agent巡航过程实现 |
| 3.4 预警机机载雷达建模与分析 |
| 3.4.1 机载雷达工作流程 |
| 3.4.2 雷达探测概率 |
| 3.4.3 预警机Agent机载雷达建模 |
| 3.5 预警机引导战斗机过程分析与建模 |
| 3.5.1 预警机引导分析方法 |
| 3.5.2 预警机引导步骤 |
| 3.5.3 预警机导引律 |
| 3.5.4 预警机平行接近引导误差 |
| 3.5.5 预警机引导成功率 |
| 3.6 预警机制导过程分析与建模 |
| 3.6.1 预警机协同制导模式 |
| 3.6.2 预警机协同制导流程 |
| 3.6.3 预警机协同制导误差 |
| 3.6.4 预警机制导成功率 |
| 3.7 本章小结 |
| 第4章 战斗机Agent开发 |
| 4.1 引言 |
| 4.2 敌方战斗机Agent开发 |
| 4.2.1 敌方战斗机Agent结构 |
| 4.2.2 敌方战斗机Agent开发过程说明 |
| 4.3 我方战斗机Agent开发 |
| 4.3.1 我方战斗机Agent结构 |
| 4.3.2 我方战斗机Agent开发过程说明 |
| 4.4 本章小结 |
| 第5章 空战仿真影响因素分析及对比 |
| 5.1 引言 |
| 5.2 仿真分析设计 |
| 5.3 无预警机模式下空战仿真分析 |
| 5.3.1 战斗机数量对战损比影响的仿真分析 |
| 5.3.2 机载雷达性能对战损比影响的仿真分析 |
| 5.3.3 导弹制导成功率对战损比影响的仿真分析 |
| 5.3.4 三种影响因素对比 |
| 5.4 预警机协同模式下空战仿真分析 |
| 5.4.1 预警机引导成功率影响因素分析 |
| 5.4.2 预警机引导成功率对战损比影响的仿真分析 |
| 5.4.3 预警机制导成功率影响因素分析 |
| 5.4.4 预警机制导成功率对战损比影响的仿真分析 |
| 5.4.5 有、无预警机模式下空战结果对比 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（10）基于多Agent的星群仿真系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景来源 |
| 1.2 课题目的与意义 |
| 1.3 国内外研究现状 |
| 1.3.1 Agent系统及在航空航天中的应用现状 |
| 1.3.2 多星对抗仿真研究现状 |
| 1.4 论文组织结构 |
| 第2章 基于多AGENT的星群仿真系统设计 |
| 2.1 多AGENT系统设计思想 |
| 2.2 星群仿真系统方案与设计研究 |
| 2.2.1 仿真系统设计思想 |
| 2.2.2 卫星Agent结构分析 |
| 2.2.3 仿真系统框架级设计 |
| 2.2.4 仿真系统模块级设计 |
| 2.3 本章小结 |
| 第3章 星群仿真系统的实现 |
| 3.1 系统整体框架实现 |
| 3.2 卫星轨道与姿态动力学建模 |
| 3.2.1 轨道动力学建模 |
| 3.2.2 姿态动力学建模 |
| 3.3 交会轨迹规划与控制方案设计和实现 |
| 3.4 态势及视景显示功能实现 |
| 3.4.1 平面态势显示过程实现 |
| 3.4.2 三维视景显示过程实现 |
| 3.5 本章小结 |
| 第4章 主星-目标星感知与交会过程仿真算例 |
| 4.1 单主星单目标星仿真工况 |
| 4.1.1 工况参数设计 |
| 4.1.2 仿真计算结果 |
| 4.1.3 系统运行状态 |
| 4.2 三主星三目标仿真工况 |
| 4.2.1 工况参数设计 |
| 4.2.2 仿真计算结果 |
| 4.2.3 系统运行状态 |
| 4.3 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
四、基于Agent的SIDSS协同工作模型研究（论文参考文献）
- [1]海面环境下的无人船平行物理仿真平台的设计与实现[D]. 郭谦. 电子科技大学, 2021(01)
- [2]集群环境中的产学研协同创新研究[D]. 李军. 太原理工大学, 2020(01)
- [3]基于移动机器人的拣货系统研究进展[J]. 徐翔斌,马中强. 自动化学报, 2022
- [4]协同创新项目治理网络中节点与结构匹配关系研究[D]. 高少冲. 山东大学, 2020(10)
- [5]基于BIM、VR与Agent模型的轨道交通车站火灾疏散仿真系统设计[D]. 白寒. 北京交通大学, 2020(03)
- [6]多种能源发电协同发展管控模型及大数据分析研究[D]. 任东方. 华北电力大学(北京), 2020(06)
- [7]电网建设项目多主体协同决策模型及应用研究[D]. 高磊. 华北电力大学(北京), 2020(06)
- [8]产学研协同创新政策绩效评估与优化仿真研究[D]. 朱荣. 中国矿业大学, 2020(01)
- [9]基于Agent的预警机协同作战仿真技术研究[D]. 刘奇华. 哈尔滨工业大学, 2020(02)
- [10]基于多Agent的星群仿真系统研究[D]. 石子君. 哈尔滨工业大学, 2020(02)