多智能體進化模型和算法研究.pdf

1、本文從多智能體系統(tǒng)和進化計算相結(jié)合的角度出發(fā),結(jié)合數(shù)值優(yōu)化、組合優(yōu)化、約束滿足問題、約束布局問題、組播路由問題等多個具有挑戰(zhàn)性的實際問題進行了系統(tǒng)深入地研究.針對不同問題為智能體設(shè)計了不同的行為,提出了多種新的算法和實現(xiàn)策略,主要工作概括如下:(1)針對數(shù)值優(yōu)化問題,基于智能體對環(huán)境的感知與反作用的能力,提出了一種新的數(shù)值優(yōu)化方法——多智能體遺傳算法.該方法將智能體固定在網(wǎng)格上,而每個智能體為了增加自身能量將與其鄰域展開競爭或合作,同樣

2、智能體也可利用自身的知識進行自學(xué)習(xí)來增加能量.從理論上證明了其具有全局收斂性.(2)針對連續(xù)域優(yōu)化問題,提出了一種在進化算法中自適應(yīng)伸縮搜索空間的方法,可有效求解實際問題中無法得知全局最優(yōu)解所在區(qū)間上下界有關(guān)信息的問題.并將此方法與多智能體遺傳算法相結(jié)合,提出了用于線性系統(tǒng)逼近的多智能體遺傳算法,用穩(wěn)定線性系統(tǒng)逼近問題和不穩(wěn)定線性系統(tǒng)逼近問題對算法性能進行了測試驗證.(3)針對可分解的函數(shù)優(yōu)化問題,提出了一種宏智能體進化模型.并將其與多

3、智能體遺傳算法相結(jié)合,提出了層次多智能體遺傳算法,證明了其全局收斂性.求解了高達50 000維的Rosenbrock函數(shù),表現(xiàn)出了優(yōu)越的性能.(4)針對組合優(yōu)化問題,提出了組合優(yōu)化多智能體進化算法,證明了其全局收斂性.實驗中用強聯(lián)接、弱聯(lián)接、重疊聯(lián)接等各種類型的欺騙問題和具有樹狀等級結(jié)構(gòu)的問題對算法性能進行了全面測試,并用上千維的函數(shù)研究了算法求解大規(guī)模問題的計算復(fù)雜度.(5)針對約束滿足問題,提出了約束滿足智能體進化算法.該方法根據(jù)約

4、束滿足問題的特點,設(shè)計了智能體的競爭行為與自學(xué)習(xí)行為.為了克服已有編碼方式的缺點,為智能體設(shè)計了最小沖突編碼.對算法的空間復(fù)雜度和收斂性進行了理論分析.(6)針對兩個實際問題——約束布局優(yōu)化問題和組播路由問題,提出了用多智能體進化方式求解的方法.在約束布局優(yōu)化問題中,分別用5個、7個和40個待布圓問題驗證了算法性能.在組播路由問題中,針對進化算法求解時延受限組播路由問題出現(xiàn)的搜索空間過大的問題,提出了離散域中搜索空間動態(tài)擴展的方法.借鑒