摘要：随着工业领域对智能化水平需求的提升，多智能体技术成为了工业互联网与人工智能技术交叉领域最前沿的研究热点。多智能体技术主要研究如何使智能体采取协商机制和一致性机制解决大型复杂问题。总结了多智能体技术在工业互联网典型场景的应用，并对该技术在工业互联网产业的发展进行了展望。

 

 

当前，人类已进入智能化时代的新经济周期，人工智能技术迅速提升全社会全要素生产率和生活便捷性，尤其在产业领域，工业互联网与人工智能技术的交叉学科与技术应用成为了研究热点，并且伴随着工业数据的海量汇聚与实时演算分析，工业know-how知识的算法化沉淀，算力在设备侧、边缘侧、平台侧的分布与协同，使得人工智能技术在工业互联网领域的应用复杂度提升。一是海量工业现场设备智能化需求的提升，使得边缘计算快速兴起，分布式智能的应用速度加快；二是智能设备被赋予从识别、认知、监测、预测性分析的基础智能，向更大自主权的自适应决策的过渡；三是单智能体（agent）^[1]向可交互协作的多智能体（multi-agent）复杂系统的演进。

 

毫无疑问，总的趋势是从分布式智能到协作式智能，从单点智能向多智能体系统发展。多智能体技术作为人工智能技术的重要领域，其主要目标是通过具有一定自主能力的智能体间相互协作实现复杂智能，尤其是面向实际生产过程中往往是时间、效率、成本的博弈问题的现状，可以在降低系统总体建模复杂性的同时，达到最优化解，是工业互联网浪潮下实现机器人协作，海量物联网网络自治，自适应排产，多任务生产调度，物流快速匹配等多种任务场景的有力工具。

 

 

单智能体理论起源于20世纪70年代的人工智能范畴概念，是指具有一定自主行为能力的实体，它的出现成为了分布式智能、分布式计算、群体智能等一系列人工智能领域技术的基础理论支撑和基本工具。但是随着人工智能技术应用复杂度的提升，单点智能在一个完整的系统中解决全局问题会出现盲目性，对环境的反应也存在一定的偏差，为了解决单点智能无法解决的复杂问题，人们从蚁群、蜂群等自然界多个体组成的社会群体解决复杂问题的案例中得到启发，探索单智能体向多智能体系统的发展。

 

多智能体在不同的领域具有不同的定义，但总的来说应该是一类具有自主能力的，能够执行一定指令的，可以进行通信的，对外界环境可以进行反应的，并且在一定约束条件下具有一致性的多个智能体的系统。由于多智能体系统（multi-agent system）^[2]中的智能体需要共同完成一个复杂任务，所以多智能体系统中的智能体需要交互和协同。由于各智能体成员的活动是独立和自治的，需要一定的一致性手段来解决各个智能体成员在达到自身目标任务时的矛盾和冲突。

 

工业互联网的发展叠加了数字化转型与智能化升级，多智能体技术在解决产业实际复杂问题时具有独特优势，主要表现在以下方面。

 

一是多智能体系统的单智能体与全局系统的一致性：在一个由多个智能体组成的系统中，每个智能体都具有独立性和自主性，可以在一定范围内解决一组子问题，自主选择合适的策略，以达到目标解。在设计多智能体系统的过程中，由于采用了分层分类管理的方案，在多个层面上配置各种智能体，降低单个智能体解决问题的复杂性，可有效兼容具有不同能力智能体的异质性。多智能体系统支持分布式应用，具有良好的模块化、易扩展性和灵活性，可以克服构建庞大系统带来的管理和扩展困难，有效降低系统的复杂度。

 

二是多智能体系统的协作性：在多智能体系统中，各智能体之间设计协商与通信机制，并行地求解问题，因此能有效地提高问题的求解能力。多智能体系统也是集成系统，各个智能体作为子系统，通过一定算法约束规则完成复杂系统集成，各智能体通过协作式群体智能解决大规模的复杂问题。

 

三是多智能体系统的分布式智能与天然异构性：各智能体可以来源于不同系统和环境实例，可以是人、软件、机械臂、飞行器等各种具有自主能力的实体，因此具有天然的完全异质性。当进行智能化升级时，采用多智能体技术可对当前生产系统产生最小化扰动。

 

 

由于多智能体技术具有诸多优势，从20世纪90年代起在社会的经济、公共管理、交通、工业各个方面得到了应用。近年来，在工业互联网领域，已在物联网传感器网络自适应、多机械臂协同装配、无人机编队、交通管制、生产调度分配等领域产生应用价值。

 

生产调度或者排产是产线控制与企业管理相结合的纽带，它是企业管理和生产加工计划层面的决策依据，在传统生产中是依靠原材料系统或者订单系统的正反馈或负反馈形成闭环来进行调度管理的。但是，随着生产制造的定制化与个性化产业模式的形成，生产调度面临的多样化和不确定性增加，要实现按需生产，企业必须有快速、灵活的生产调度，以满足客户及时变化的需求。

 

通过利用多智能体系统的分布式求解能力，将复杂的生产调度任务划分为具有特定功能的智能体，并通过协商机制共同完成任务，降低了设计单一调度系统的复杂性。例如文献[3]针对灵活的库存调度功能，提出了一种基于多智能体技术的柔性车间调度系统。调度系统将涉及到的调度实体设计为智能体，由工件智能体，生产单元智能体和全局智能体组成，形成了基于多智能体的灵活的调度方法。结果证明，基于多智能体技术的调度系统明显优于传统分配规则。

 

在调度问题中采用多智能体技术应用还表现在以下方面。一是输入为订单系统的动态调度：调度系统的输入为订单系统时，输入的不确定性使得调度系统的设计难以采用基于多项式的数学建模方法，而基于多智能体技术则可降低动态调度系统的设计复杂度，提高调度效率。二是调度系统的冲突消解：当调度系统内设定为智能体的资源、产品、物料等产生冲突时，可以利用多智能体技术的冲突消解进行调整。所以基于多智能体技术的生产调度系统能够在系统内部约束条件发生变化时，更迅速地调整调度策略，从这个角度来看，多智能体系统所具有的敏捷性增强了基于多智能体技术设计的调度系统的稳定性。三是与工艺和装配流程的对接与集成：生产调度与工艺密切相关，调度系统将各加工资源构造为智能体，通过智能体间的通信与协商，可以完成工艺优化并与装配流程协同。

 

传统生产线一般属于固定产线，由DCS等控制系统控制,使用工业通信协议。进入工业互联网时代，机器人、机械臂等在产线的大量使用，以及诸多环境监测、生产监测、灯光照明等物联网智能终端设备使得产线设计更加复杂，如果企业进行产线智能化升级，更换产线或升级产线的成本巨大。面向生产过程，采用多智能体技术构建基于所有智能体状态的分布式控制系统，以使处于产线中的机械臂、智能终端等所有智能体的状态信息达到一致，即使用多智能体技术的一致性机制可在对生产状态最小扰动下进行产线的智能化升级。多智能体系统的一致性问题在产业的应用广泛，在无人飞行器协作追踪、空中交通的管制、机械臂协作装配，无人车巡检中均有应用。

 

基于多智能体一致性机制的控制系统研究工作主要包括以下三个方面。一是组织形式的构建或编队队形的设计：在生产系统中，每个传感器、机械臂等具有一定功能的自主实体都可看作智能体，在既定的工作目标下，通过多智能体技术基于代数图论和矩阵分析原理的二阶一致性^[4]等可形成高效的组织形式，得到最佳优化产线设计。在多个无人车或无人机编队应用中体现在实现既定的编队形态，并通过多智能体间的传感网络与通信机制保证无人车、无人机间信息交换的冗余度和避障机制。二是产线柔性变换或编队队形的变换：在机械臂、无人车或无人机在工作或行进过程中，能够适应来自系统内部或外在环境干扰，做出适当且合理的改变。三是针对外部环境变化的共识决策：在目标或外部环境改变后，由于最优目标解的偏移，多智能体系统对通过一致性协议、完成环境变化后状态全局目标再优化决策，并达成任务分工或资源分配共识，使多智能体系统最终仍能完成后给定的目标任务。

 

文献[5]针对无人机编队飞行的场景，提出了一种基于多智能体技术的编队飞行组织形式和一致性算法，并利用多智能体系统的交互作用实现多架无人机的自主编队飞行。

 

2.3.1  供应链以及上下游集群协同管理

随着定制化制造的兴起,多品种、小批量的生产需求逐渐增多，尤其是在服装、小商品等快消品行业，定制化已成为常态，但是这种模式混合排产难度大，由于供应链协同较差，库存难以预测，关键物料的上下游订单接合常常需要“救火式”加班。在供应链管理中采用多智能体技术，尤其是针对个性化产品供应链上下游协同，将具有自主学习能力多智能体技术引入供应链报价和物料协商中，构建基于多智能体系统的单目标和多目标协商模型，优化上下游连接企业的长供应链，实现物料、库存、物流、订单等的动态管理，增强产业集群对市场的反应能力。

 

2.3.2  多重网络的自适应管理

多重网络协议在工业生产中屡见不鲜，利用多智能体技术一致性协议、智能体间通信机制等，通过把网络中设备或功能定义为智能体，可实现多重网络的自适应管理^[6]。

 

基于智能体的多重网络自适应管理具有以下特点：一是网络具有自主分析和决策能力，对扰动以及拥塞具有较快反应能力；二是智能体间的通信机制使得不同工业协议可以在网络中进行语义交互；三是可灵活进行网络结构和功能的增删或规模的增减。

 

2.3.3  经济成本与效益分析

多智能体技术还可用于实际生产过程中的经济效益的研究和分析。例如，在政策研究模型中建立市场、企业、政府等若干类智能体，充分利用了智能体的协作、交互功能，从微观企业以及宏观市场约束等方面，研究作用于政策后的经济运行效果。文献[7]以复杂自适应理论为基础，基于多智能体技术将可再生能源领域的各方设定为智能体（用户、企业、政府等），对风电、光伏发电电力市场进行多智能体系统建模，设计引入补贴政策，通过分析补贴力度对于风力与光伏发电的竞价上网率的影响，得到了可再生能源发电的最大可发展的规模。

 

 

当前，越来越多的企业已经普遍认同数字化转型的重要性和迫切性。智能化、数字化让生产和管理更加敏捷，加快了企业之间、产业之间的协同，提升了企业的效率和全社会全要素生产率。根据国家互联网信息办公室发布的《数字中国发展报告（2020年）》^[8]，我国规模以上工业企业生产设备数字化率已经达到了49.4%。随着工业数字化程度的深入，人工智能技术在企业生产、管理中的应用越来越广泛，多智能体技术的规划、学习、推理、协商、交互等机制与方法，以及多智能体系统中各智能体间紧密协同合作又单独自治的特点，在解决企业优化生产调度、资源配置、产业链区域协同等复杂实际问题中具有巨大优势。相信未来五到十年，多智能体技术融合工业互联网的发展，将在企业生产管理，服务型产业集群高效架构组织，物流物资管理等规模型、集群型复杂场景中大放异彩。人工智能与工业互联网的融合将会带动更多的工业企业、信息通信企业、交通物流企业以及独立开发者等形成社会群体式的集群创新，促进工业互联网产业生态智能化方向的繁荣发展，加速全社会的数字化、网络化、智能化的实现。

 

 

[1] Floresmendez RA. Towards the standardization of multi-agent systems architectures: an overview[J]. Acm Crossroads Student Magazine, 1999(5):18-24.

[2] 朱建伟, 陈健. 多智能体系统技术概论[J]. 机电设备, 2004(3):25-28.

[3] 任海英, 孙宏玲. 一种基于多agent的柔性车间调度系统研究[J]. 机械设计与制造, 2010(5):88-90.

[4] 权洁, 蒋国平. 一个简单的二阶一致性协议及其多智能体编队控制研究[C]//中国自动化学会控制理论专业委员会、中国系统工程学会. 第三十三届中国控制会议论文集(A卷), 2014:1343-1347.

[5] 宗令蓓, 谢凡, 秦世引. 基于MAS的无人机编队飞行智能优化控制[J]. 航空学报, 2008,29(5):1326-1333.

[6] Olfati-Saber R, Fax JA, Murray RM. Consensus and cooperation in networked multi-agent systems[J]. Proceedings of the IEEE, 2007,95(1):215-233.

[7] 郭睿. 基于多智能体的风力与光伏发电成本价格竞争力研究[D]. 华北电力大学(北京), 2016.

[8] 国家互联网信息办公室. 数字中国发展报告(2020年)[EB/OL]. (2021-07-06)[2021-08-01]. http://www.e-gov.org.cn/article-177807.html.

 

Analysis of multi-agent technology and application prospects of Industrial Internet

 

LIU Yang

 

(Research Institute of China United Network Communications Corporation, Beijing 100176,China)

 

Abstract: In recent years, along with the increasing demand of the intelligence level in the industry, multi-agent technology has become the cutting-edge research focus in the field of Industrial Internet and artificial intelligence. The primary research of multi-agent technology is to make agents adopt negotiation mechanism and consistency mechanism to solve large-scale complex problems. This paper summarizes the application of multi-agent technology in typical Industrial Internet use cases, and looks forward to the development of the technology in Industrial Internet.

Keywords: agent; multi-agent; artificial intelligence; Industrial Internet; smart manufacturing

中国联合网络通信有限公司研究院工程师，主要从事移动通信技术、无线网络技术、物联网技术及系统设计，及工业互联网融合5G发展关键技术标准、应用等领域研究。

 

本文刊于《信息通信技术与政策》2021年 第10期