改进非支配排序遗传算法求解多目标Agent联盟

采用典型多目标进化算法-NSGA-II对从任务角度进行抽象建模所得到的Agent联盟模型进行生成优化,并针对Agent联盟生成存在的特点,将Pareto最优概念与多目标优化相结合对NSGA-II算法进行改进,从而实现兼顾联盟收益、开销、时间约束等多个目标。仿真对比实验结果表明,算法运行一次可以获得多个Pareto最优解,为各个目标之间权衡分析提供了有效的工具,在满足性能要求下,可为联盟生成提供满足多个设计目标的全局优化方案,对联盟实际应用具有借鉴与应用价值。对联盟实际应用具有借鉴与应用价值。     

一种求解单任务Agent联盟生成的贪婪算法

联盟是多Agent之间一种重要的合作方法,如何生成面向某个任务的最优联盟是一个复杂的组合优化问题.提出一种贪婪算法:逐步选择加入联盟的Agent,直到联盟的能力满足任务要求,此时完整的联盟被生成.在联盟生成过程中,任一Agent加入联盟的贪婪准则是它能否比其他Agent带来更大的能力和更小的成本.实验结果表明本算法是切实可行的.     

一种基于任务匹配的联盟生成策略

联盟生成是多Agent系统的一个关键问题,主要研究如何在多Agent系统中动态生成面向任务的最优Agent联盟.引入历史任务集和系统经验集的概念,使用任务相似度来判断任务间的关系.提出了一种基于任务匹配的联盟生成策略,增强了Agent的学习能力,对于任务序列可以有效的求解全局最优联盟.对比实验表明本策略可以有效减少联盟生成的搜索时间和计算量.     

多任务多联盟并行生成：模型与求解

联盟生成是MAS的一个关键问题,现有的工作主要研究如何针对一个任务生成最优联盟,很少考虑多任务多联盟生成问题(MMG).对MMG问题建立了模型,并进行了分析.在系统能力受限的条件下给出一种并行算法,首先找出最优可达任务集,再针对每个任务生成相应的联盟,从而实现了问题的分布并行求解.最后通过仿真试验说明了此算法的有效性.     

基于分布式协商进化算法的多Agent目标冲突消解

针对多Agent系统研究中的目标冲突消解问题,建立了在多个Agent的局部目标和系统全局目标间进行协调优化的多目标优化模型.在多Agent分布式规划的框架下,提出了一种基于遗传算法(genetic algorithm,GA)的分布式协商进化算法,用于求解多目标规划模型.针对GA搜索中保持解的多样性、提高收敛速度等问题,对选择算子进行了设计.通过仿真实验,证明新的选择算子能有效提高解的质量.最后将该算法应用于部队机动协同路线规划的目标冲突消解问题,验证了其有效性.     

一种基于Agent诚实度的动态联盟形成策略

联盟形成是多Agent系统一个关键问题,主要着眼于如何在联盟内Agent间划分联盟的效用.但已有策略大都针对超加性环境,而对非超加性环境的研究却很少.文中提出了"Agent诚实度"的概念,并基于协商机制给出了一种新的动态联盟形成策略.该策略在非超加性环境中可以快速、有效地形成任务求解联盟,及时满足系统需求.     

基于集合覆盖理论的Agent协作问题研究

多智能Agent系统中的协作体现多Agent系统(MAS)的灵活性、整体性,通过协作提高Agent群体完成任务的效率.将集合覆盖理论(SCP)引入MAS系统协作行为中的任务分配问题求解,使用改进的低logarithmic ratio bound集合覆盖理论求解方法,详细阐述了利用SCP理论求解Agent任务分配问题的算法,并根据一个战场作战Agent任务分配实例进行了计算,有效地解决战场作战Agent的任务分配问题.     

基于MAS的多UAV协同任务分配设计与仿真

对多无人机UAV（Uninhabited Aerial Vehicle）协同任务问题,提出了基于多智能体系统MAS（Multi-Agent System）的系统框架;对多UAV协同目标分配问题建立了数学模型,提出基于Agent的分布协同拍卖的动态任务分配算法,通过多Agent拍卖实现目标分配;建立了多UAV仿真系统,基于HLA/RTI和知识共享与操作语言KQML（Knowledge Queryand Manipulate Language）实现多UAV系统中各Agent的交互;仿真系统能方便有效的仿真多机协同问题,对目标分配问题的仿真结果表明,目标分配算法具有良好的优化效果和时间特性,能够满足一般战场的实时性需求。     

模糊多目标资源受限项目调度问题的优化方法

设计了一种求解模糊多目标资源受限项目调度问题的遗传局域搜索（GLS）算法，目标是生成近似有效解集以便决策者在决策过程中有更多的选择．算法利用线性加权效用函数将多目标组合优化问题转换为单目标组合优化问题，通过系统的方法生成目标权系数向量，对于每次生成的权系数向量，调用GLS算法求解以极小化效用函数为单一目标的子问题，由此生成的近似有效解集更加具有多样性．实验结果表明：本文算法可以针对多目标资源受限项目调度问题生成较好质量的近似有效解集，在多数指标上优于其它两种对照算法．     

复杂自适应系统的MAS动态协作任务求解时序逻辑模型

借鉴组织学思想将自适应系统中的自主运行单元抽象为Agent, 把复杂自适应系统视为多Agent组织, 从时间和状态角度对复杂动态系统的行为进行描述, 提出了基于时序活动逻辑的多Agent动态协作任务求解自适应机制和构造模型; 分析了任务求解BDI Agent的信念、愿望、意图的产生过程和实现方法, 建立了协商推理的语义规则和行为规则, 给出了协作群组的选择算法. 并从任务求解Agent的心智变化角度, 描述了动态协作任务求解模型实现的六个阶段: 任务动态分配、协作意愿产生、协作群体生成、共同计划制定、协作群体行动和结果评估. 通过在MAGE等平台上实验和仿真测试, 验证了方法的可行性和有效性.     

Two Innovative Coalition Formation Models for Dynamic Task Allocation in Disaster Rescues

This paper addresses the problem of multi-objective coalition formation for task allocation. In disaster rescue, due to the dynamics of environments, heterogeneity and complexity of tasks as well as limited available agents, it is hard for the single-objective and single (task)-to-single (agent) task allocation approaches to handle task allocation in such circumstances. To this end, two multi-objective coalition formation for task allocation models are proposed for disaster rescues in this paper. First, through coalition formation, the proposed models enable agents to cooperatively perform complex tasks that cannot be completed by single agent. In addition, through adjusting the weights of multiple task allocation objectives, the proposed models can employ the linear programming to generate more adaptive task allocation plans, which can satisfy different task allocation requirements in disaster rescue. Finally, through employing the multi-stage task allocation mechanism of the dynamic programming, the proposed models can handle the dynamics of tasks and agents in disaster environments. Experimental results indicate that the proposed models have good performance on coalition formation for task allocation in disaster environments, which can generate suitable task allocation plans according to various objectives of task allocation.     

基于Holon组织的有人/无人机作战联盟形成

基于Holon组织构建理论,分析了有人/无人机群对目标群协同作战的任务分配问题。有人/无人机群Holon联盟(Holon coalition of manned/unmanned vehicle swarm,HCVS)形成过程即是无序的有人/无人机群面向任务需求形成各个作战编队的过程。将对目标群的总任务分解为不同类型的子任务,根据无人机作战资源能力与任务资源需求,定义机群资源冗余指标、资源冗余方差指标,构建了HCVS形成的多目标优化模型。最后提出了一种多目标混合蜂群求解算法,并利用算例验证了算法的有效性与优越性。     

有人/无人机任务联盟分阶段形成方法

针对有人/无人机任务联盟形成问题,采取任务聚类-平台匹配的分阶段形成策略。首先,给出问题要素定义,并进行相关数学描述。其次,基于对问题的分析,以最小化任务距离和为优化目标建立任务聚类的数学模型;以最小化指挥决策能力代价和资源能力代价为优化目标建立平台匹配的数学模型。然后,对任务聚类问题和平台匹配问题,分别采用优选初始簇中心的贪心聚类算法和多目标模糊人工蜂群算法进行求解;最后,通过仿真案例下的3组实验,验证了提出方法的有效性和优越性。     

多智能体量子多目标进化算法及其在EELD问题中的应用

环境经济负荷分配问题是电力系统中重要的多目标优化问题。求解多目标优化问题的关键在于找到尽可能多的Pareto最优解。在基于量子进化理论,智能体的竞争、学习能力和生物的进化策略的基础上,提出了一种用于求解多目标优化问题的量子编码的多智能体进化算法。该方法将智能体分布在多智能体网络环境中,智能体之间通过量子进化来生成问题的可行解。将该算法应用于经济环境负荷分配的两目标(燃料成本和NOx排放)与三目标(燃料成本,NOx排放和SO2排放)优化问题,通过与经典多目标优化算法进行比较,表明了该算法的有效性。     

废弃物收运网络周期性选址-路径问题多目标优化模型及算法

废弃物处理设施是典型的"Semi-desirable"设施, 其选址相关的决策需要考虑成本、负效应等多个相互冲突的目标. 废弃物中转站的选址和路径优化是一类周期性选址-路径问题(PLRP), 目前缺乏对这类问题的多目标优化的研究. 以多目标城市废弃物收运网络周期性选址-路径问题为研究对象, 提出基于扩散距离的负效应测度方法; 建立考虑负效应和成本的双目标混合整数规划模型; 设计DRECWA-LS算法, 结合启发式优化策略, 求解收运计划对应的周期性选址-路径问题, 并采用扩展邻域搜索策略的多目标进化算法实现对可行收运计划的深度搜索, 同步求解收运计划、中转站选址-分配及车辆路径三个问题. 算例结果显示: 算法能成功求解较大规模问题, 具有较高的求解质量和运算效率.     

基于分解技术的动态多目标引力搜索算法

为有效求解动态多目标问题,提出一种基于分解技术的动态多目标引力搜索算法.首先为在环境变化前,得到解集分布性和收敛性都较好的非支配解集,采用基于分解技术的静态多目标引力搜索算法求解环境变化前的静态多目标问题;当环境变化后,根据相邻子种群最优解的相似性与同一权重向量对应子种群最优解的相似性,提出一种新的对最优解的预测模型,以缩小环境变化后各子问题的搜索空间,提高算法的求解效率.最后与目前较先进的静态多目标算法和预测策略在四个测试问题上进行比较,实验结果表明,当待优化问题随时间变化时,本文方法能够取得收敛精度更高、解集分布性更好的最优解集.     

基于混合粒子群算法的装运机械组合优化方法

针对堆石坝工程物料装运机械组合优化问题的复杂性, 建立了装运机械的多目标非线性组合优化模型(MOOM). 进一步地, 把加权法和惩罚函数引入到带收缩因子的粒子群算法中, 提出了一种新的求解多目标非线性组合优化问题的混合粒子群算法(MI-HPSO). 该算法具有概念简单、参数设置少、收敛速度快及全局搜索能力强的特点. 实证研究表明, MI-HPSO为解决物料装运机械MOOM优化模型提供了有效的决策方案.     

求解多目标二层规划的多目标进化算法

提出了一个求解多目标二层规划问题的多目标进化算法.用传统优化算法求解下层规划中用权向量线性加权后得到的单目标问题,而对上层的多目标规划问题则采用基于NSGA-II的选择机制的多目标进化算法求解.数值试验表明所提出的算法是有效的.