4:1! Google’s artificial intelligence (AI) program, AlphaGo, has won Go Master Lee Sedol in a best-of-five competition held in Korean March 9-15, 2016. Seen by many as a landmark moment for AI, the outcome did not come as a surprise, considering the excellent combination of 1920 CPUs with sophisticated AI algorithms, including neural networks and Monte Carlo tree search (Gibney, 2016; Silver et al., 2016). Indeed, research on distributed computing and artificial intelligence (DCAI) has matured during the last decade and many effective applications are now deployed, performing an increasingly important role in modern computer science, including the two most hyped technologies: Internet of Things and Big Data. Indeed, it is fair to say that the application of artificial intelligence in distributed environments is becoming an essential element of high added value and economic potential. As a testimony to the considerable momentum in R&D activities regarding DCAI, this special issue contains six outstanding papers from the 12th International Conference on DCAI and 13th International Conference on Practical Applications of Agents and Multi-Agent Systems held in the University of Salamanca, Spain, June 2015. The selected contributions cover new theories, techniques, and approaches on DCAI systems, from distributed adaptive searching to group decision making, from multi-agent system for crisis management to multi-robot scheduling for flow shop, and from ambient intelligence for entertainment to multi-camera monitoring systems for rehabilitation therapy.

目的：研究组织设置变更对分布式自适应搜索过程的影响，特别关注局部搜索间的交互复杂度。
创新点：基于分布式多智能体的仿真分析了组织设置的不同模式变化对于不同复杂度的搜索问题的影响。
方法：首先介绍了所采用的智能体仿真模型，描述了构建在NK适应度曲面上的分布式搜索问题及其复杂度。接着阐述了组织设置包括搜索智能体和核心智能体的设置、搜索智能体的视角形成、不同搜索智能体之间的协调以及搜索多样性等。然后给出组织动态性的数学描述，并进行了实验分析：（1）比较了组织变化对子问题交互复杂度最大和最小两种极端搜索问题的影响（称之为“基准”）；（2）分析最终和平均优化性能对搜索问题复杂度的敏感性；（3）分析交叉智能体交互复杂度对性能影响的不稳定性。
结论：本文的研究表明组织动态变化能够增加分布式自适应搜索的有效性，比如提高最终性能表现、增加获取最优解的可能性以及发现新的解域等。这种有效性增加幅度很大程度上取决于组织变化模式以及问题的复杂度。

目的：开发一种应用于普适情形的群体（对话）决策模型。
创新点：遵循社交网络逻辑，提出了一种贴近真实情景的智能群体决策的理论模型，更好地支持普通背景的群体决策过程。
方法：首先分析了现有的群体决策支持系统（GDSS）模型，并指出现有模型的缺陷：极少能够商业应用且难以反映决策过程的自然规律；而有较大发展空间的基于辩论的谈判模型的研究成果甚少。然后提出了一种更贴近真实情景的普适群体决策模型。该模型基于社交网络中的交流逻辑，重新定义了多标准问题的属性以及智能体推理与对话等，综合考虑了群体目标和群体中个人目标。所提出的群体谈判模型允许研究人员进一步基于自己的算法、论点以及智能体模型进行扩展。运用案例分析论证了模型的可行性。
结论：本文提出的理论模型能够支持普适的群体决策过程，保证面对面交流的质量。

目的：将规则置于情景中，提供一个能够识别事态的危机管理调节方案。
创新点：在情景状态和规范状态之间引入本构关系，实现了规范校准和情景评估的松耦合，从而使规范不是指代情景状况而是事态函数，即通过本构规则构成对情景状况的制度性解释。
方法：首先介绍了危机管理的目标以及危机管理协同平台的应用。以一个简单但具有普遍意义的危机管理案例——受危机影响的区域疏散——为背景，定义了危机管理中的三类角色。接着阐述了由混合多智能体系统、混合互动以及规范系统构成的用于支持危机管理的系统，并分析人在危机管理中的合作。然后基于环境因素、事态函数、本构规则以及规范四个方面详细阐述了情景化人工机构（SAI）以及SAI在危机管理中的相应实现，分析了SAI对于危机管理的优势与贡献：包括比如情景解释的分歧、保持独立的规范性和本构关系、在具体情景中设计有效规范集和其生命周期、提高系统的自主性等。最后表明，物理情形的变化将引起本构规则的变化，从而激活相应的规范。
结论：本文的研究解决了危机管理工具面临的两个问题——清晰而有条理的协同和灵活性，能够有效处理事态解释的差异、规范的不一致性、事态演化和系统的自治水平等问题。

目的：基于JaCalIVE框架开发对人类情感状态在人机交互中的应用，旨在构建一个人机更为融洽的社会环境。
创新点：将人作为一种智能体构建多智能群体社会环境，以人的情感状态为要素开发了一种环境智能应用。
方法：首先分别介绍了社会情绪模型和JaCalIVE智能虚拟环境框架。继而提出了问题模型：通过音乐的变化提升群体的情绪状态。基于JaCalIVE开发了一种环境智能应用用以分析酒吧情景下的群体情感状态，进而自动选择播放合适的音乐来最大化地改善群体情感状态。最后，通过仿真实验验证了所构建系统的有效性。
结论：本文所提出的环境智能系统能够以非侵入的方式提取并分析群体的社会情感，据此可以有效选择情景音乐。

目的：研究采用自动导引运输车（AGVs）服务的并行流水车间多产品调度问题，实现共享资源最优分配。
创新点：将多产品生产流水线上的多模过程调度问题建模为模糊操作时间约束下的自动导引运输车调度问题，提出了一种约束传播（CP）驱动的多机器人任务分配方案。
方法：首先介绍了AGVs的应用领域，以及近年来关于其调度问题的研究成果。然后用数学理论阐述了多模过程原型，包括多模型运输网络（MTN）、并发流水循环过程（SCCPs）系统和约束编程。最后对两类SCCP优化问题（分析analysis和合成synthesis）进行约束编程并优化，最后分别给出了不确定计算实验分析与验证。
结论：本文所提方法为本地性能评估和由此支持的多模过程性能评估提供了统一的方法。

目的：借助多组Kinect传感器监控试验研究多组红外光束的重合对定位的影响。
方法：首先介绍了近年来使用微软Kinect传感器开发康复系统的研究成果，以及红外饱和度衍生问题的相关研究。指出现有研究没有系统全面考虑干扰因素以及不同传感器布局的影响。然后，采用一系列实验先后分析了监控器数量、光照角度以及传感器和病人之间的距离等因素对监控精度的影响；说明了在康复系统中适宜同时在一个房间中进行康复的合适病人数、病人本身的身体状况对监控准确度的影响、以及房间内部的机构对传感器布局的影响。最后，将本文的研究结果和已有研究成果进行详细对比，并将实验收集的数据和得到的结果用于预测康复系统中每种传感器布局的效果。
结论：本文试验发现能够支持康复治疗地点监控传感器的合理布局设计，并实现控制被监控病人的数量。当病人不在治疗的合适区域内时，能够给出提示并引导其移动至合适位置。在康复过程中，该系统能够帮助识别出最适合监控每一位病人的传感器。

目的：高精度定位与导航是室内移动机器人高质量完成服务任务的基本前提。但现有的定位传感器大多难以满足服务机器人的室内定位精度要求。为了克服现有的移动机器人定位传感器定位精度低、鲁棒性差的问题，本文设计了一种基于红外反射人工标签的嵌入式视觉定位传感器，并提出了一种新颖的概率型视觉定位方法。
创新点：设计了一种高精度嵌入式视觉定位传感器，提出了一种概率型视觉定位方法。
方法：首先，设计了视觉定位传感器的硬件系统；然后，设计了一种红外反射标签，并给出了红外标签识别及置信度建模的方法；最后，利用P3P定位方法计算出机器人与红外标签的相对位置关系，并进一步解算得到机器人在世界坐标系下的位姿，实现了机器人高精度概率型视觉定位。
结论：通过多组实验证明了所设计的机器人定位传感器受光线及视角影响小，位置定位精度为±1.94 cm,角度定位精度为±1.64°，满足了室内移动机器人的定位精度要求。

目的：为解决大量汽车分布式实时应用的数据信号在FlexRay总线静态段的有效调度问题，提出了一种矩形装箱优化方法。该方法在满足每个通信信号时间限制的前提下，可以实现最小化FlexRay总线静态段带宽消耗。
创新点：提出了一种矩形装箱优化方法将强实时车载通信信号以最小的带宽消耗调度在FlexRay总线静态段。提出的方法具备以下三个显著优势：（1）该方法同时支持最新版FlexRay通信协议中两个时隙分配机制，包括单发送时隙复用机制及多发送时隙复用机制（截至目前该方法是第一个使用多发送时隙复用机制进行FlexRay静态段信号优化调度的研究）；（2）该方法创造性地将更小粒度的信号实例作为优化调度的基本单元，允许将不同周期的信号实例调度到相同的时隙上，提高了调度的灵活性，从而大幅度增加了FlexRay静态段带宽的利用率；(3)通过应用特定领域的知识减少了方法的搜索空间，显著提高了该方法的运行效率。
方法：首先，通过举例分析了FlexRay总线单发送时隙复用机制及多发送时隙复用机制对静态段信号优化调度的重要作用（图2和3）。然后，基于整数线性规划方法，将FlexRay总线静态段的信号优化调度问题转换成一个具有诸多特殊限制的矩形装箱问题。提出的方法以最小化静态段使用的时隙的目标，以信号的时间限制、FlexRay协议中相关限制，包括信号打包的限制、单发送时隙复用机制、多发送时隙复用机制等，为约束条件。此外，应用特定领域的知识减少了整数线性规划的搜索空间，大幅度提高了该方法的运行效率。最后，通过大量基于合成信号集及一个真实线控系统信号集的试验，证明了提出的矩形装箱优化方法具有良好的性能。
结论：提出了一种解决FlexRay总线静态段信号调度问题的矩形装箱优化方法。该方法基于整数线性规划，在满足每个信号时间限制的前提下，实现了静态段带宽消耗的最小化。