并行多任务环境Agent联盟快速生成算法

并行多任务环境下Agent联盟的生成是多Agent系统Multi-Agent System(MAS）的难点.本文将蚂蚁算法应用到了并行多任务环境下多Agent联盟的生成问题.根据多任务的特性,提出了一种采用多种群蚂蚁的算法MCACO (Multi-Colony Ant Colony Optimization）来解决并行多任务环境下的联盟生产问题。在MCACO中采用新的信息素更新策略提高了算法的全局搜索能力.仿真实验证明了本文方法的有效性.     

产品并行设计多Agent系统中任务分解和协调模型的研究

适当的任务分解是网络式分布环境下进行产品并行设计的关键。本文分析了产品并行设计中任务分解的原则 ,提出了一种进行任务分解的与或树方法 ,探讨了在多Agent系统中并行设计各任务间的组织方法和协调策略 ,并对KQML语言作了扩充 ,这些工作为减少多Agent间的通讯量 ,加强多Agent间的相互协作 ,提高产品并行设计效率奠定了基础     

自利Agent追捕联盟生成算法

多Agent合作追捕是多Agent系统研究的经典问题,在机器人等领域具有重要的应用前景。文章提出了面向任务的自利Agent联盟生成算法,该算法能同时处理多个不同类型的逃跑Agent的任务分配问题;因为追捕Agent和逃跑Agent速度相等,追捕联盟成员位置的分布十分关键,所以提出了基于贡献度的联盟成员选择策略;同时为了较好地体现追捕Agent的自利性,定义了需求度作为自利性的度量,解决了冲突协商且有利于资源的优化配置。通过与经典拍卖算法的比较表明,该算法显著提高了追捕成功率。     

基于包簇映射的云计算资源分配策略

提出了一种基于包簇映射的云计算资源分配策略。在包、簇概念下,资源可共享,任务调度更为灵活,资源利用率更高。将多目标遗传算法与改进的蚂蚁算法动态融合,提出了一种基于成本最优的云计算资源分配算法。该算法在任务前期利用遗传算法快速随机的全局搜索能力,产生初始信息素,在任务后期通过蚂蚁算法蚂蚁间的信息交流和正反馈机制,寻找资源分配的最优解。实验结果表明,在包、簇概念下,该混合式调度算法能够显著降低云计算系统的任务完成时间和任务执行平均成本,有效减少簇结点的使用数量,提高资源利用率。     

一种基于均衡的医疗资源配置求解方法

在医疗系统中,医疗资源的配置通常以资源配置均衡和最大化医疗资源总体收益为目标.为了通用化模型,本文将医疗资源模型化为Agent,提出一种基于社会最优配置的Agent联盟收益均衡配置方法.首先,针对所有可能的联盟求得满足社会最优配置的Agent分组;在均衡配置存在的条件下,使用不断迭代的方式使得个体Agent产生的收益逼近均衡配置状态,得到一个同时具备Agent配置均衡和总体收益最大化两个属性的配置解.在配置护士到病房的应用表明,本方法有效地得到了一个满足利益均衡的联盟策略与收益配置方案.     

基于混沌迁移策略的多种群差分进化算法

针对差分进化算法全局寻优效率偏低的弱点,提出了一种基于多种群的混沌迁移策略,用以改进常规差分进化算法。该策略通过在多种群并行进化过程中引入混沌迁移序列,引导个体进行种群间的迁移。利用混沌的遍历性和随机性,保证子种群之间能够进行充分高效的信息交换。仿真实验和PID控制参数优化应用表明:该算法具有很强的全局搜索能力,寻优效率高,有效地克服了基本差分算法的早熟收敛问题。     

改进蚁群优化算法求解移动机器人路径规划问题

针对蚂蚁双向并行搜索策略会丢失蚂蚁间的部分可行路径甚至最优路径的问题,该文采用栅格法建立移动机器人环境模型,提出了根据信息素判断蚂蚁是否相遇的新的蚂蚁相遇判别法。为避免算法陷入局部最优,提出了综合考虑多种因素的新的路径选择策略和全局信息素更新策略。二维环境下的仿真研究表明,只要路径客观存在,算法就能快速地规划出相应的安全路径。     

基于多Agent协同构建分布式并行遗传算法

针对并行遗传算法中计算资源的分配问题 ,提出了分布式并行遗传算法结构。它由若干计算节点组成 ,每个节点包含若干运行子遗传算法的计算单元。节点的计算能力依照一定的并行模式映射到单元 ;各子算法则根据一定的拓扑结构进行个体交换。从多 Agent系统的观点看 ,计算单元是独立的 Agent,其并行运行涉及计算资源的分配 ,体现了算法对它们的协调 ;个体的迁移体现了它们之间的协作。并且分析了由两个单元构成的算法在不同并行模式和不同个体迁移因子下的性能。     

联盟模式下云资源提供最优化算法

为了提高资源利用率和云资源提供者的收益,提出一种云联盟模式下基于合作博弈的资源提供算法.算法将资源联盟收益最优化形式化为线性规划问题,通过合作博弈核求解了该收益最优化问题,并证明了处于合作核中的资源提供策略同样是线性规划最优解.进一步,为了获得稳定的资源联盟结构,设计了基于离散Markov链的动态联盟构造模型,通过该模型可以得到收益最大化的最优联盟结构.仿真实验结果表明,对于具有博弈理性的资源提供者而言,资源联盟可以有效提高个体资源提供者的收益,同时,由于结盟代价的存在,稳定的联盟结构更加倾向于形成规模更小的联盟.     

一种基于改进蚂蚁算法的网格任务调度策略

网格是分布式高性能计算的一个主要发展方向.任务调度问题的解决是网格得以充分发展的基本前提.提出了一种基于改进蚂蚁算法的网格任务调度策略.不同于传统蚂蚁算法,改进的蚂蚁算法通过在处理任务前后分别调整信息素来准确地反映资源的性能.任务调度将选择由改进蚂蚁算法产生的性能最佳的资源来处理任务.改进蚂蚁算法以及任务调度策略的有效性已被OP-NET上的仿真结果所验证.