-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathAgent.py
106 lines (84 loc) · 5.55 KB
/
Agent.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
import numpy as np
# 子网中执行任务的agent的类
class Agent:
def __init__(self, id, subnet_id, speed, initPos, value, attack, defense, task_capacity, pref):
# 基础信息
self.id = id
self.subnet_id = subnet_id
self.speed = speed # 自身速度，默认2.0m/s
self.pos = initPos
self.value = value # 自身价值，取值范围为[0,100]
self.attack = attack # 自身攻击力，取值范围为[0,100]
self.defense = defense # 自身防御力，取值范围为[0,100]
self.P_destroy = {} # 执行任务时agent摧毁目标的概率，取值范围为[0,100]
self.P_get_destroyed = {} # 执行任务时agent被摧毁的概率，取值范围为[0,100] (在Subnet中通过determine_agent_Bid_list()函数确定)
# 任务相关
self.task_capacity = task_capacity # agent的任务容量
self.pref = pref # agent可以承受的被摧毁概率
self.Bid_list = [] # 满足agent任务偏好的任务列表（即为要投标的任务列表）
# 如果执行该任务时agent的被摧毁概率(P_get_destroyed)超过pref（即威胁度超出agent承受范围），则在投标时直接拒绝、不予考虑
self.contracted_list = [] # agent最终中标的任务列表
self.T_load = 0.0 # agent的工作负载 （完成contracted_list中已有任务的所需时间）
self.CT = 0.0 # agent的工作负载系数
# 投标状态与投标值
self.states = {} # 投标状态与投标值都是字典类型变量，元素形式为：任务id：“state” 或 任务id：Bid
self.currentBid = {} # agent对任务的当前投标值
# 将agent对某任务的投标状态还原为“等待（WAITING）”
def clean_states(self, task):
self.states[task.id] = "WAITING"
# 计算工作负载
def calculate_T_load(self):
self.T_load = 0.0
for task in self.contracted_list:
self.T_load += task.timeConsume
# 计算两点距离
def calculate_points_distance(self, p1, p2):
vec_p = np.array([p2[0]-p1[0], p2[1]-p1[1]])
distance = np.linalg.norm(vec_p)
return distance
# 根据agent对任务的当前投标状态确定下一步的投标状态
def determine_states(self, task):
if self.states[task.id] == "WAITING":
self.states[task.id] = "PRE_BID"
elif self.states[task.id] == "DEF_BID":
task.contractor = self.id
self.states[task.id] = "CONTRACTOR"
self.contracted_list.append(task)
# 主体：计算投标值
def calculate_Bid(self, task, T_load_ave):
# 1、计算agent与该新增任务点之间的距离dis
if len(self.contracted_list) != 0:
# 若此前contracted_list中已有若干待执行的任务，则agent到该新增任务点的距离是agent经过所有任务点时的距离
dis = self.calculate_points_distance(self.pos, self.contracted_list[0].target)
for i in range(len(self.contracted_list) - 1):
dis += self.calculate_points_distance(self.contracted_list[i].target, self.contracted_list[i+1].target)
dis += self.calculate_points_distance(self.contracted_list[-1].target, task.target)
else:
# 若此前contracted_list中没有待执行的任务，则直接计算agent到该任务点的距离
dis = self.calculate_points_distance(self.pos, task.target)
# 2、计算执行此任务的收益价值reward
self.P_destroy[task.id] = self.attack - task.defense # 任务目标被摧毁的概率
reward = task.value * self.P_destroy[task.id] / 100
# 3、计算执行此任务的开销成本cost
k1 = 0.6
k2 = 1.0 - k1
kd = 0.5 # kd为将距离变量dis进行单位统一化处理过程中的系数；战场为正方形，边长范围为[0,100]，最长距离(对角线)为140米
self.P_get_destroyed[task.id] = task.threat - self.defense # agent被摧毁的概率
if self.P_get_destroyed[task.id] < 0:
self.P_get_destroyed[task.id] = 0
cost = k1*(self.value * self.P_get_destroyed[task.id] / 100) + k2*kd*dis
# 4、计算执行此任务的净效能profit
profit = (reward - cost) * task.priority # task.priority为任务的优先级，取值范围为[0,10]
# 5、计算agent的工作负载系数CT
self.calculate_T_load
if abs(T_load_ave) <= 10e-9:
# 若T_load_ave为0，则子网中所有无人机都没有任务，负载系数设为1、所有无人机平等竞争
self.CT = 1.0
else:
# 若T_load_ave不为0，则根据无人机自身的工作负载情况计算工作负载系数；工作负载越轻，则系数越高
self.CT = 1.0 - (self.T_load / T_load_ave) # 若工作负载系数大于1，说明此agent的负荷比网络平均水平要高，不适合接收新的任务
# 6、计算对此任务的投标值Bid
Bid = profit * self.CT
# 7、将投标值取整
self.currentBid[task.id] = int(np.ceil(Bid))
return self.currentBid[task.id]