基于服務(wù)的異質(zhì)作戰(zhàn)實(shí)體協(xié)同優(yōu)化研究

宦 婧，周偉祝，陳 健，孫 媛

（海軍航空工程學(xué)院 科研部，山東 煙臺(tái)264001）

0 引 言

目前，在基于Agent的計(jì)算機(jī)生成兵力 （computer generate force，CGF）作戰(zhàn)仿真中，作戰(zhàn)實(shí)體也就是CGF開(kāi)發(fā)時(shí)缺乏統(tǒng)一的規(guī)范，導(dǎo)致異質(zhì)CGF的存在，使得CGF實(shí)體間難以實(shí)現(xiàn)信息的共享和交互，如果無(wú)法保證異質(zhì)CGF協(xié)同分配的連貫性和高效性，仿真系統(tǒng)性能將會(huì)出現(xiàn)震蕩，因此如何實(shí)現(xiàn)異質(zhì)CGF交互并高效地實(shí)現(xiàn)任務(wù)分配是CGF完成復(fù)雜任務(wù)的關(guān)鍵，也是CGF協(xié)同的研究熱點(diǎn)［1］。

目前，協(xié)同任務(wù)分配的研究方面，基于合同網(wǎng)的任務(wù)分配方法得到了廣泛的研究與應(yīng)用，R.Zlot等人［2－3］采用面向任務(wù)樹(shù)的競(jìng)價(jià)拍賣合同網(wǎng)法分配一類松耦合子任務(wù)取得了較好的效果，裘杭萍［4］等人從投標(biāo)Agent的負(fù)載、能力和信任度3個(gè)方面進(jìn)行綜合考慮和權(quán)衡，提出了一種基于多屬性評(píng)價(jià)中標(biāo)策略的動(dòng)態(tài)任務(wù)分配算法，對(duì)傳統(tǒng)的合同網(wǎng)協(xié)議進(jìn)行了改進(jìn)。但是，上述工作或多或少的存在以下幾點(diǎn)缺陷：未考慮異質(zhì)實(shí)體間的交互問(wèn)題；較少考慮系統(tǒng)通信開(kāi)銷要求；在確定分配方案的過(guò)程中，忽略了CGF間的約束關(guān)系，從而導(dǎo)致問(wèn)題求解難以達(dá)到全局最優(yōu)。

本文旨在提高異質(zhì)CGF平臺(tái)互操作和交互能力的基礎(chǔ)上，使作戰(zhàn)實(shí)體高效地完成任務(wù)分配從而協(xié)同完成上級(jí)作戰(zhàn)目標(biāo)。Web服務(wù)技術(shù)可以較好地解決異質(zhì)應(yīng)用之間互操作的問(wèn)題，已成為系統(tǒng)間功能發(fā)布和共享的重要方式［5］。本文將Web服務(wù)的思想引入到多CGF任務(wù)分配中，提出了一種基于服務(wù)的協(xié)同任務(wù)分配模型，以解決異質(zhì)CGF交互過(guò)程中的兼容性問(wèn)題，同時(shí)采用基于能力效用函數(shù)的任務(wù)分配策略，建立效用函數(shù)模型優(yōu)化任務(wù)分配質(zhì)量和效率。

1 基于服務(wù)的協(xié)同任務(wù)分配模型

作戰(zhàn)仿真組織內(nèi)部，被分解的子任務(wù)在作戰(zhàn)仿真實(shí)體之間分配，接受任務(wù)的所有作戰(zhàn)實(shí)體組成團(tuán)隊(duì)，通過(guò)內(nèi)部協(xié)同完成任務(wù)。本文將作戰(zhàn)實(shí)體按作戰(zhàn)角色分為指揮實(shí)體和成員實(shí)體，按仿真角色分為資源需求型實(shí)體 （Req＿CGF）和資源提供型實(shí)體 （Sup＿CGF）。指揮實(shí)體負(fù)責(zé)任務(wù)的分配和管理，有協(xié)作需求的指揮實(shí)體的仿真角色為Req＿CGF。因此，任務(wù)分配是指Req＿CGF通過(guò)一定的方式將任務(wù)分配給愿意并有能力協(xié)作完成子任務(wù)的Sup＿CGF，將其轉(zhuǎn)化為成員實(shí)體，并組成團(tuán)隊(duì)共同完成使命任務(wù)的過(guò)程。

合同網(wǎng)絡(luò)模型［6］下的任務(wù)分配流程是：Req＿CGF通過(guò)廣播聲明任務(wù)，系統(tǒng)中的Sup＿CGF根據(jù)自身能力向任務(wù)管理員投標(biāo)，Req＿CGF在標(biāo)書(shū)截至期限內(nèi)，選擇滿意的投標(biāo)者來(lái)完成任務(wù)。由于采用了廣播模式來(lái)聲明任務(wù)，因此該模型對(duì)網(wǎng)絡(luò)負(fù)載的要求較高，且沒(méi)有考慮異質(zhì)實(shí)體間的交互通信問(wèn)題。為改善原有的任務(wù)分配模型，本文引入服務(wù)機(jī)制，建立基于服務(wù)的CGF任務(wù)分配模型，各CGF將其所能提供的功能封裝為服務(wù)，向控制中心中的服務(wù)注冊(cè)中心發(fā)布服務(wù)，CGF之間的協(xié)同交互均以服務(wù)注冊(cè)中心為媒介的，該方式一方面解決了異質(zhì)CGF通信交互的問(wèn)題，另一方面，由于網(wǎng)絡(luò)傳遞的并非實(shí)際的功能，而是經(jīng)過(guò)封裝的服務(wù)，所需要傳遞的數(shù)據(jù)量大大減少，因此能有效的減輕網(wǎng)絡(luò)負(fù)載。

1.1 基于服務(wù)的多CGF系統(tǒng)

傳統(tǒng)的仿真服務(wù)主要指為仿真運(yùn)行提供服務(wù)的仿真應(yīng)用系統(tǒng)或組件，與傳統(tǒng)的仿真服務(wù)不同，本文所提到的仿真服務(wù)是一種具有可持久狀態(tài)，能夠通過(guò)標(biāo)準(zhǔn)協(xié)議進(jìn)行描述、發(fā)布和訪問(wèn)的Web服務(wù)［5］，是把原有的仿真組件封裝為具有獨(dú)立行為邏輯或計(jì)算功能的仿真組件。

基于服務(wù)的多CGF系統(tǒng)結(jié)構(gòu)如圖1所示，系統(tǒng)通過(guò)發(fā)布服務(wù)、查詢、返回服務(wù)列表、綁定控制成員的方式，滿足組織內(nèi)成員實(shí)時(shí)交互并實(shí)現(xiàn)對(duì)組織內(nèi)各CGF運(yùn)行狀況的控制，主要包括兩部分：融合了服務(wù)的CGF主體模型和基于服務(wù)的控制中心。融合了服務(wù)的CGF主體模型是指，在傳統(tǒng)的基于Agent的CGF模型基礎(chǔ)上增加服務(wù)層，服務(wù)層可以根據(jù)需要將CGF功能封裝為服務(wù)向外發(fā)布，并接受來(lái)自其它CGF的服務(wù)請(qǐng)求，提供具體的服務(wù)，以此實(shí)現(xiàn)異質(zhì)CGF主體間的交互；基于服務(wù)的控制中心是多CGF系統(tǒng)的控制單元，負(fù)責(zé)對(duì)系統(tǒng)中的CGF主體及其服務(wù)進(jìn)行統(tǒng)一的控制和管理，提供系統(tǒng)內(nèi)CGF之間交互的接口［7］，主要包括CGF注冊(cè)中心、服務(wù)注冊(cè)中心和本體。CGF注冊(cè)中心為CGF提供運(yùn)行時(shí)的管理服務(wù)，包括為CGF提供注冊(cè)和注銷服務(wù)，同時(shí)也為CGF提供角色的注冊(cè)和注銷服務(wù)；服務(wù)注冊(cè)中心需要提供仿真服務(wù)管理服務(wù)，用于維護(hù)一個(gè)CGF仿真服務(wù)注冊(cè)表，它主要負(fù)責(zé)對(duì)已經(jīng)注冊(cè)的CGF主體所提供的服務(wù)進(jìn)行注冊(cè)管理；本體是對(duì)CGF系統(tǒng)的描述，主要包括：①仿真服務(wù)管理中心所提供的服務(wù)，這些服務(wù)中的操作及說(shuō)明；②CGF類，以及這些CGF類所提供服務(wù)的描述；③CGF類之間的聯(lián)系、CGF類與所提供服務(wù)之間的關(guān)系、服務(wù)與操作之間的關(guān)系。

圖1 基于服務(wù)的多CGF系統(tǒng)模型

1.2 基于服務(wù)的任務(wù)分配流程

基于服務(wù)機(jī)制建立的任務(wù)分配模型執(zhí)行步驟如圖2所示，詳細(xì)描述如下。

步驟1 服務(wù)注冊(cè)：所有參與仿真的CGF向控制中心

Service＝ ｛服務(wù)名稱，服務(wù)ID，服務(wù)鏈接地址｝

步驟2 上級(jí)下達(dá)的使命任務(wù)后，作戰(zhàn)實(shí)體 （Req＿CGF）產(chǎn)生協(xié)作需求，對(duì)分解后的子目標(biāo)分別在組織中尋求協(xié)作成員，首先向服務(wù)注冊(cè)中心請(qǐng)求查詢服務(wù)，查詢與的CGF注冊(cè)中心注冊(cè)CGF信息，已完成注冊(cè)的CGF將其可以提供的功能資源打包成服務(wù)，上傳到控制中心，并向服務(wù)注冊(cè)中心注冊(cè)服務(wù)信息，服務(wù)注冊(cè)中心以服務(wù)列表的形式存儲(chǔ)為以下格式，方便為其它CGF提供查詢和調(diào)用。子目標(biāo)相關(guān)的作戰(zhàn)實(shí)體。

步驟3 服務(wù)注冊(cè)中心將相關(guān)的服務(wù)列表返回給Req＿CGF；

步驟4 發(fā)布標(biāo)書(shū)：Req＿CGF根據(jù)服務(wù)列表向各個(gè)能

圖2 基于服務(wù)的協(xié)同任務(wù)分配流程

提供相應(yīng)功能的Sup＿CGF以標(biāo)書(shū)的形式發(fā)送請(qǐng)求資源／功能請(qǐng)求。

標(biāo)書(shū)格式：標(biāo)書(shū)＝ ｛ID，Manger，Description，Restriction，Grade，ExpireTime｝，其中ID為標(biāo)書(shū)標(biāo)識(shí)號(hào)；Manger為發(fā)起協(xié)作的CGF標(biāo)識(shí)；Description為任務(wù)的具體描述，Restriction為任務(wù)的限制條件，如：時(shí)間要求，質(zhì)量要求等；Grade為任務(wù)優(yōu)先級(jí)，ExpireTime為投標(biāo)截止時(shí)限。

步驟5 投標(biāo)：收到資源請(qǐng)求的Sup＿CGF，向服務(wù)注冊(cè)中心請(qǐng)求查詢服務(wù)和能力評(píng)估服務(wù)，根據(jù)評(píng)估結(jié)果決策是否提供協(xié)作服務(wù)，并將決策結(jié)果以標(biāo)書(shū)的形式返回給Req＿CGF；

步驟6 發(fā)放標(biāo)書(shū)：Req＿CGF根據(jù)所有反饋信息，請(qǐng)求綜合能力評(píng)估服務(wù)，根據(jù)得出的結(jié)果選擇最終愿意合作的Sup＿CGF成為成員CGF，協(xié)調(diào)制定協(xié)作計(jì)劃，形成團(tuán)隊(duì)。

1.3 基于效用函數(shù)的任務(wù)分配算法優(yōu)化

上述基于服務(wù)的協(xié)同分配流程雖可以有效地實(shí)現(xiàn)異質(zhì)CGF之間的交互并實(shí)現(xiàn)任務(wù)分配，但由于合同網(wǎng)絡(luò)算法沒(méi)有考慮作戰(zhàn)實(shí)體之間的約束關(guān)系，因此最終的分配結(jié)果難以達(dá)到全局最優(yōu)，為此，在上述分配流程的基礎(chǔ)上，本文提出一種基于效用的任務(wù)分配全局優(yōu)化算法，該算法建立了基于能力向量的CGF效用函數(shù)，結(jié)合遺傳算法易于實(shí)現(xiàn)全局優(yōu)化的特點(diǎn)對(duì)投標(biāo)CGF進(jìn)行全局規(guī)劃，從而在一定程度上解決動(dòng)態(tài)環(huán)境下全局分配優(yōu)化問(wèn)題。

1.3.1 基于能力向量的效用函數(shù)

作戰(zhàn)仿真中，任務(wù)所要求的能力和CGF所能提供的能力隨作戰(zhàn)環(huán)境的變化而變化，各CGF對(duì)任務(wù)的適應(yīng)程度也隨之變化。本文引入效用函數(shù)來(lái)量化CGF對(duì)子任務(wù)的勝任程度，CGFfi相對(duì)子任務(wù)tj的效用函數(shù)uj（i）可以表示為當(dāng)前任務(wù)需求能力 （Ctj）和CGF能力 （）的函數(shù)，表達(dá)式表示為［8］

式中：uj（i）——CGFfi對(duì)子任務(wù)tj的效用函數(shù)值，即CGFfi對(duì)子任務(wù)tj的勝任程度。Uj（Cfi，Ctj）——與子任務(wù)tj對(duì)應(yīng)的效用函數(shù)。vij——投標(biāo)情況，vij∈ ｛0，1｝，vij＝1表示CGFfi向子任務(wù)tj投標(biāo)，反之則表示CGFfi未向子任務(wù)tj投標(biāo)。

不同的子任務(wù)對(duì)CGF的要求不同，對(duì)應(yīng)的效用函數(shù)也不同，即如tk≠tj，則Uk（·）≠Uj（·）。對(duì)于某一子任務(wù)tj而言，所有CGF對(duì)其的效用函數(shù)構(gòu)成效用向量Uj，Uj＝［uj（1），uj（2），…，uj（i）］T。為了使uj（i）與uk（i）具有可加性，對(duì)向量Uj進(jìn)行歸一化處理

不失一般性，考慮m個(gè)CGF對(duì)n個(gè)子任務(wù)的投標(biāo)情況，可得效用函數(shù)矩陣

式中uij＝珘uj（i），表明對(duì)同一個(gè)子任務(wù)而言，CGF對(duì)于子任務(wù)的執(zhí)行能力隨著效用函數(shù)值的增大而增強(qiáng)，也就是對(duì)子任務(wù)的勝任能力越強(qiáng)［9］。

任務(wù)T分解為n個(gè)子任務(wù)tk（k＝1，2，…，n），應(yīng)用合同網(wǎng)絡(luò)分配方法對(duì)m個(gè)CGF實(shí)體分配n個(gè)子任務(wù)，生成關(guān)于所有投標(biāo)CGF的標(biāo)書(shū)矩陣RT［10］，RT可表示為

元素rtij為bi對(duì)任務(wù)元tj進(jìn)行投標(biāo)的標(biāo)書(shū)信息，rtij可表示為

其中：cj是表示任務(wù)tj的代碼；uij表示bi完成任務(wù)tj的效能；gij＝1表示選擇bi完成任務(wù)tj；規(guī)定任一任務(wù)僅能由一個(gè)CGF完成，即

以最大化任務(wù)完成效能為目標(biāo)，建立如下任務(wù)分配目標(biāo)函數(shù)

對(duì)應(yīng)的 ｛θ1，θ2，…，θm｝即為任務(wù)分配方案。

1.3.2 基于遺傳算法的任務(wù)分配優(yōu)化

上文所述任務(wù)分配算法的復(fù)雜度隨著子任務(wù)的數(shù)量以及參與任務(wù)的CGF實(shí)體數(shù)量的增加而劇增，為保證任務(wù)分配的時(shí)效性，通常的做法是隨機(jī)選擇若干可行解，在這些可行解中根據(jù)任務(wù)完成效能選擇最優(yōu)解作為任務(wù)分配方案。這種方法雖可以實(shí)現(xiàn)任務(wù)分配，但獲得全局最優(yōu)解的可能性較小，因此需對(duì)其進(jìn)行有效地改進(jìn)。遺傳算法通過(guò)模仿生物進(jìn)化過(guò)程優(yōu)化全局方案［11］，具有簡(jiǎn)單通用的特性，很適合用于任務(wù)分配中對(duì)任務(wù)空間的搜索和優(yōu)化。因此本文結(jié)合遺傳算法，對(duì)合同網(wǎng)絡(luò)任務(wù)分配方案進(jìn)行優(yōu)化，適應(yīng)度函數(shù)選用基于能力向量的效用函數(shù)，算法具體執(zhí)行步驟如下：

（1）生成標(biāo)書(shū)矩陣。Sup＿CGF從所有發(fā)布的任務(wù)中選擇能夠執(zhí)行的任務(wù)，計(jì)算出每個(gè)任務(wù)的執(zhí)行時(shí)間和執(zhí)行效用值；并對(duì)每一個(gè)投標(biāo)CGF重復(fù)以上步驟，直至計(jì)算出每個(gè)投標(biāo)CGF的執(zhí)行時(shí)間及效用，以此形成標(biāo)書(shū)矩陣RT。

（2）生成初始種群。從實(shí)現(xiàn)任務(wù)分解的T中依次讀取子任務(wù)tj，并在標(biāo)書(shū)矩陣中找出與tj對(duì)應(yīng)的投標(biāo)結(jié)果集RTj＝ ［rt1j，rt2j，…，rtmj］，從中隨機(jī)提取某CGFfi的投標(biāo)方案作為初始方案。對(duì)每一個(gè)子任務(wù)重復(fù)這一過(guò)程，直到它們都得到初始方案，這一方案就是種群中的個(gè)體。重復(fù)上述步驟則初始種群ρ（T）形成。

（3）計(jì)算個(gè)體適應(yīng)度。依次提取ρ（T）中的個(gè)體，將其代入式 （5）中，計(jì)算個(gè)體適應(yīng)度。依據(jù)此值運(yùn)用賭輪選擇法，從種群中選擇（N表示種群中個(gè)體的數(shù)量）個(gè)個(gè)體對(duì)；令雜交概率為pc，變異概率為pm，首先，依據(jù)概率pc進(jìn)行雜交操作產(chǎn)生N個(gè)個(gè)體；然后根據(jù)概率pm進(jìn)行變異操作并產(chǎn)生新種群。

（4）任務(wù)分配方案確定，即提取最優(yōu)分配方案。利用適應(yīng)度函數(shù)評(píng)價(jià)最后一代種群，提取最優(yōu)個(gè)體作為最終任務(wù)分配方案ρ（T′）。

（5）形成面向作戰(zhàn)任務(wù)的CGF團(tuán)隊(duì)。根據(jù)步驟 （4）中確定的最優(yōu)分配方案，Sup＿CGF將方案結(jié)果發(fā)布出去，所有受領(lǐng)任務(wù)的CGF形成面向任務(wù)T的CGF團(tuán)隊(duì)。

2 作戰(zhàn)仿真驗(yàn)證

本文利用Mak仿真平臺(tái)構(gòu)建了一個(gè)簡(jiǎn)單的直升機(jī)協(xié)同反潛仿真實(shí)例，驗(yàn)證優(yōu)化后協(xié)同任務(wù)分配模型的性能。

作戰(zhàn)想定：某敵對(duì)勢(shì)力在我海域進(jìn)行非法偵察活動(dòng)，我方兵力偵察到敵方潛艇的航跡，指揮調(diào)遣3架反潛直升機(jī)對(duì)這一海域進(jìn)行反潛搜索，并進(jìn)行海域劃分和任務(wù)分配。反潛直升機(jī)在受領(lǐng)作戰(zhàn)任務(wù)后迅速飛臨指定空域，搜索到敵方潛艇后迅速鎖定并通報(bào)上級(jí)指揮所，敵潛艇發(fā)現(xiàn)被鎖定后進(jìn)行規(guī)避，我方則繼續(xù)跟蹤并在情況允許范圍內(nèi)實(shí)施打擊。仿真過(guò)程截圖如圖3所示。

圖3 仿真過(guò)程截圖

從初始狀態(tài)到搜潛成功稱為一個(gè)回合，任務(wù)分配優(yōu)化模型的目的是通過(guò)優(yōu)化模型使得每一回合中以盡可能少的時(shí)間實(shí)現(xiàn)任務(wù)分配，并達(dá)到全局最優(yōu)分配方案。根據(jù)待搜索海域的大小及直升機(jī)性能將其劃分為300個(gè)搜索塊，分別運(yùn)用文中方法和原先方法為3架反潛直升機(jī)分配任務(wù)，試驗(yàn)中遺傳算法參數(shù)設(shè)置為：種群大小為300，進(jìn)化次數(shù)為100次，交叉概率取0.7，變異概率取0.2。仿真實(shí)驗(yàn)共進(jìn)行30次，仿真結(jié)果如圖4，圖5所示，本文以執(zhí)行任務(wù)分配所需時(shí)間和完成作戰(zhàn)任務(wù)所需時(shí)間為指標(biāo)，驗(yàn)證模型優(yōu)化程度。

仿真結(jié)果顯示：從完成任務(wù)分配的時(shí)間上來(lái)看，與未經(jīng)優(yōu)化的任務(wù)分配模型相比，優(yōu)化后的模型完成任務(wù)分配所需時(shí)間略有增加，增加幅度在5%左右，這主要是由于未經(jīng)優(yōu)化的算法在隨機(jī)選定的部分解空間中尋求最優(yōu)解，當(dāng)設(shè)定的部分解空間規(guī)模較小時(shí)，耗時(shí)相對(duì)較少，而采用遺傳算法進(jìn)行優(yōu)化，需要對(duì)整個(gè)解空間進(jìn)行隨機(jī)最優(yōu)搜索，因此耗時(shí)增加；從搜潛效能上來(lái)看，采用優(yōu)化后的模型所計(jì)算出的任務(wù)分配方案，搜潛成功率平均要提高50%左右，搜潛效能大大高于未經(jīng)優(yōu)化的算法。綜合來(lái)看，采用遺傳算法優(yōu)化后的任務(wù)分配模型在基本相近的任務(wù)分配所需時(shí)間內(nèi)，能有效提高任務(wù)分配方案的優(yōu)劣程度，使得分配方案更逼近全局最優(yōu)。

3 結(jié)束語(yǔ)

任務(wù)分配是作戰(zhàn)仿真領(lǐng)域的核心問(wèn)題，本文為解決異質(zhì)CGF任務(wù)分配問(wèn)題，將服務(wù)的思想引入到任務(wù)分配中，建立了基于服務(wù)的協(xié)同任務(wù)分配模型。該模型使得CGF的功能結(jié)構(gòu)不再是影響任務(wù)分配的重要因素，對(duì)異質(zhì)CGF系統(tǒng)具有較好的通用性；在此基礎(chǔ)上，給出了基于效用函數(shù)的分配方案優(yōu)化算法，算法充分考慮到環(huán)境因素對(duì)CGF能力、子任務(wù)要求能力的影響，采用遺傳算法對(duì)分配方案進(jìn)行了全局優(yōu)化。仿真實(shí)驗(yàn)表明：基于遺傳算法改進(jìn)的合同網(wǎng)絡(luò)任務(wù)分配模型可以有效地提高CGF仿真系統(tǒng)的作戰(zhàn)效能，但是對(duì)于任務(wù)間相關(guān)的任務(wù)分配策略和對(duì)任務(wù)分配效果的評(píng)估還有待進(jìn)一步的研究。

［1］LI Weixiang，ZHANG Guangming，LI Bangyi.Research on multi

attributes task allocation mechanism in MAS ［J］.Systems Engineering and Electronics，2009，31 （5）：1113－1116 （in Chinese）.［李為相，張廣明，李幫義.一種多屬性的MAS任務(wù)分配機(jī)制研究 ［J］.系統(tǒng)工程與電子技術(shù)，2009，31 （5）：1113－1116.］

［2］Zlot R，Stentz A.Market－based multi－robot coordination for complex tasks ［J］.International Journal of Robotics Research，2006，25 （1）：73－101.

［3］MB Dias，Zlot R.Market－based multirobot coordination：A survey and analysis ［C］／／Proc of IEEE，2006：1257－1270.

［4］QIU Hangping，QIN Yao，HU Rui，et al.Study on the task allocation based on improved contract net in multi－agent system ［J］.Computer Science，2012，39 （B6）：279－282 （in Chinese）. ［裘杭萍，覃垚，胡汭，等.多Agent系統(tǒng)中基于改進(jìn)合同網(wǎng)模型的任務(wù)分配研究 ［J］.計(jì)算機(jī)科學(xué)，2012，39 （B6）：279－282.］

［5］WU Zebin，WU Huizhong，LI Weiqing.Run－time infrastructure of distributed simulation based on Web services ［J］.Computer Integrated Manufacturing Systems，2009，15 （10）：2064－2068 （in Chinese）.［吳澤彬，吳慧中，李蔚清.Web服務(wù)化的分布仿真運(yùn)行支撐環(huán)境 ［J］.計(jì)算機(jī)集成制造系統(tǒng)，2009，15 （10）：2064－2068.］

［6］DING Zhiqin，LIU Yong，WANG Kai.Bidding－based optimization of task allocation in multi－Agent system ［J］.Journal of Computer Applications，2010，30 （7）：1907－1910 （in Chinese）.［丁芝琴，劉永，王凱.多Agent系統(tǒng)中基于招投標(biāo)的任務(wù)分配優(yōu)化 ［J］.計(jì)算機(jī)應(yīng)用，2010，30 （7）：1907－1910.］

［7］YAO Xifan，LIAN Zhaotong，LI Yongxiang，et al.Serviceoriented architecture and integrated development environment for cloud manufacturing ［J］.Computer Integrated Manufacturing Systems，2012，18 （10）：2312－2322 （in Chinese）.［姚錫凡，練肇通，李永湘，等.面向云制造服務(wù)架構(gòu)及集成開(kāi)發(fā)環(huán)境 ［J］.計(jì)算機(jī)集成制造系統(tǒng)，2012，18 （10）：2312－2322.］

［8］HUAN Jing，ZHOU Weizhu，LI Jiying，et al.Utility based task allocation optimized for CGF collaboration ［J］.Science Technology and Engineering，2012，12 （28）：7421－7424 （in Chinese）. ［宦婧，周偉祝，李季穎，等.基于效用函數(shù)的CGF協(xié)同任務(wù)分配優(yōu)化研究 ［J］.科學(xué)技術(shù)與工程，2012，12 （28）：7421－7424.］

［9］LI Hao，DAI Jinhai.Agent－based modeling and simulation supported system effectiveness analysis for complex systems［J］.Journal of System Simulation，2008，20 （15）：3911－3914（in Chinese）.［李昊，戴金海.基于Agent的建模與仿真支持下的復(fù)雜系統(tǒng)效能分析法 ［J］.系統(tǒng)仿真學(xué)報(bào)，2008，20 （15）：3911－3914.］

［10］ZHANG Yu，LI Fanzhang.Research on multi－agent dynamic task allocation algorithm and based on dynamic fuzzy set ［J］.Acta Electronica Sinica，2009，37 （11）：2552－2555 （in Chinese）.［張瑜，李凡長(zhǎng).基于DFS的多Agent動(dòng)態(tài)任務(wù)分配算法研究 ［J］.電子學(xué)報(bào)，2009，37 （11）：2552－2555.］

［11］LI Shujuan，LI Yan，LIU Yong，et al.A GA－based NN approach for make span estimation ［J］.Applied Mathematics and Computation，2007，185 （2）：1003－1014.