计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2014年
6期
129-133
,共5页
多Agent系统%未知环境%多任务%离散粒子群%联盟生成
多Agent繫統%未知環境%多任務%離散粒子群%聯盟生成
다Agent계통%미지배경%다임무%리산입자군%련맹생성
Multi-Agent System(MAS)%unknown environment%multi-task%discrete particle swarm%coalition generation
针对多Agent系统(MAS)资源有限、环境信息未知、任务依次随机产生的情况,通过引入惩罚系数,基于剩余资源平衡定义一种新的适应度函数,并提出改进的二进制离散粒子群优化(BPSO)算法.新的适应度函数不仅考虑系统收益,同时还考虑系统剩余资源的平衡性,并通过调整惩罚系数在两者之间做出折衷.利用改进的BPSO算法对联盟进行优化,给出粒子速度和位置的更新公式,从而控制粒子的发散性,提高算法的局部搜索能力.仿真结果表明,新的适应度函数可使MAS执行更多的任务.与基本BPSO和遗传算法相比,改进算法在解的质量、收敛速度和稳定性方面具有更好的性能.
針對多Agent繫統(MAS)資源有限、環境信息未知、任務依次隨機產生的情況,通過引入懲罰繫數,基于剩餘資源平衡定義一種新的適應度函數,併提齣改進的二進製離散粒子群優化(BPSO)算法.新的適應度函數不僅攷慮繫統收益,同時還攷慮繫統剩餘資源的平衡性,併通過調整懲罰繫數在兩者之間做齣摺衷.利用改進的BPSO算法對聯盟進行優化,給齣粒子速度和位置的更新公式,從而控製粒子的髮散性,提高算法的跼部搜索能力.倣真結果錶明,新的適應度函數可使MAS執行更多的任務.與基本BPSO和遺傳算法相比,改進算法在解的質量、收斂速度和穩定性方麵具有更好的性能.
침대다Agent계통(MAS)자원유한、배경신식미지、임무의차수궤산생적정황,통과인입징벌계수,기우잉여자원평형정의일충신적괄응도함수,병제출개진적이진제리산입자군우화(BPSO)산법.신적괄응도함수불부고필계통수익,동시환고필계통잉여자원적평형성,병통과조정징벌계수재량자지간주출절충.이용개진적BPSO산법대련맹진행우화,급출입자속도화위치적경신공식,종이공제입자적발산성,제고산법적국부수색능력.방진결과표명,신적괄응도함수가사MAS집행경다적임무.여기본BPSO화유전산법상비,개진산법재해적질량、수렴속도화은정성방면구유경호적성능.
