计算机学报
計算機學報
계산궤학보
CHINESE JOURNAL OF COMPUTERS
2014年
9期
2011-2020
,共10页
潘晓英%焦李成%刘芳
潘曉英%焦李成%劉芳
반효영%초리성%류방
多智能体系统%进化算法%关系网模型%SAT问题%协作算子
多智能體繫統%進化算法%關繫網模型%SAT問題%協作算子
다지능체계통%진화산법%관계망모형%SAT문제%협작산자
基于Agent社会合作机制以及智能体对环境的感知和反作用能力提出了一种新的求解SAT问题的多智能体社会进化方法MASEA(Multi-AgentSocialEvolutionaryAlgorithm)。该方法在多智能体进化思想的基础上,引入人类社会“关系网模型”的概念来建立智能体所能感知的邻域环境;同时在保留原有的竞争算子和自学习算子前提下,根据智能体具有竞争协作的特性,设计了一个新的算子---协作算子来共同完成整个进化过程。以标准SATLIB库中变量个数从20~250的3700个不同规模的标准SAT问题以及基于RB模型所产生的随机实例对MASEA的性能进行了全面的测试,并与其他一些具有较高性能算法的结果进行了比较。结果表明,MASEA具有更高的成功率和更高的运算效率。
基于Agent社會閤作機製以及智能體對環境的感知和反作用能力提齣瞭一種新的求解SAT問題的多智能體社會進化方法MASEA(Multi-AgentSocialEvolutionaryAlgorithm)。該方法在多智能體進化思想的基礎上,引入人類社會“關繫網模型”的概唸來建立智能體所能感知的鄰域環境;同時在保留原有的競爭算子和自學習算子前提下,根據智能體具有競爭協作的特性,設計瞭一箇新的算子---協作算子來共同完成整箇進化過程。以標準SATLIB庫中變量箇數從20~250的3700箇不同規模的標準SAT問題以及基于RB模型所產生的隨機實例對MASEA的性能進行瞭全麵的測試,併與其他一些具有較高性能算法的結果進行瞭比較。結果錶明,MASEA具有更高的成功率和更高的運算效率。
기우Agent사회합작궤제이급지능체대배경적감지화반작용능력제출료일충신적구해SAT문제적다지능체사회진화방법MASEA(Multi-AgentSocialEvolutionaryAlgorithm)。해방법재다지능체진화사상적기출상,인입인류사회“관계망모형”적개념래건립지능체소능감지적린역배경;동시재보류원유적경쟁산자화자학습산자전제하,근거지능체구유경쟁협작적특성,설계료일개신적산자---협작산자래공동완성정개진화과정。이표준SATLIB고중변량개수종20~250적3700개불동규모적표준SAT문제이급기우RB모형소산생적수궤실례대MASEA적성능진행료전면적측시,병여기타일사구유교고성능산법적결과진행료비교。결과표명,MASEA구유경고적성공솔화경고적운산효솔。