基于协进化机制的多传感器协作方法

多传感器之间如何产生动态、鲁棒的适应性协作行为以完成共同的任务,是多传感器协作的主要研究内容之一;文章在基于行为的多传感器系统的基础七,设计了基于协同进化机制的多传感器协进化模型及其协进化决策算法,使系统在协进化机制的控制下能分布并行地协同进化各传感器基本行为策略库,形成传感器适应性的协作行为以完成共同的任务;最后通过对无人侦察机编队协作侦察移动目标的仿真实验表明,能够有效地解决多传感器之间的协同问题.     

基于适应度评价扩展自适应遗传算法的门级电路进化设计

针对遗传算法适应度评价阶段指定输出单元容易丢失潜在解的问题,该文提出了一种基于适应度评价扩展的电路进化设计方法.该方法将每个逻辑单元的输出都视为一个潜在的解处理,得到一个最优适应度评价值,避免了潜在解的丢失,有效地提高了自适应遗传算法的性能.通过多种电路的进化设计实验比较了该文方法与传统自适应遗传算法设计的性能,结果表明,该文方法具有收敛速度快、迭代次数少、获得最优解成功概率高的优点.     

一个进化的多智能体机器人系统

基于遗传算法,利用三个自主式机器人向时变的目标推运物体研究自主式机器人间的合作和对环境的适应,并讨论了局部作用和全局作用在多智能体机器人系统群体智能中的作用．     

多蚁群协进化的船舶多管路并行布局优化

基于蚁群算法和协作式互利典生类协同进化算法,构建了解决船舶空间多管路并行敷设的多蚁群协作式协同进化算法模型.在算法的每次迭代中,随机选择种群的进化次序;在种群内部采用蚁群算法寻找管路的最优路径,采用优良个体构造小环境的方式,避免了管路增多情况下的组合爆炸现象.通过三维空间的管路布局实验显示,应用所构建的算法较单一蚁群算法可以在管路并行敷设中取得协同性更好的布局效果.     

求解动态背包问题的多智能体进化算法

针对动态背包问题,提出了一种基于多智能体的进化算法(MAEA).通过智能体相互合作地模拟生物机制特征来寻求最优解.智能体生存于网格环境中,为了增加自身能量,智能体可以与其邻域展开竞争,并依据统计信息来获得知识进行学习.为了保持种群的多样性,在算法中引入了随机移民机制.通过对一系列动态背包问题的仿真实验可以看出,在离线性能指标下,这种引入了随机移民机制的基于多智能体的动态进化算法相比几类遗传算法可以获得更好的性能.     

MOEA/ICD:一种基于适应度指标ICD的高维多目标进化算法

已有的基于参考点(参考向量)或标量化效用函数的多目标进化算法(Multi-Objective Evolutionary Algorithm, MOEA)在求解高维多目标优化问题(Many-objective Optimization Problems, MaOPs)时存在不足。基于此,本文提出一种动态度量解个体收敛性与多样性综合性能的适应度指标(Fitness indicator considering convergence and diversity of individual adaptively,I_CD),该指标随进化过程的推进而自适应地调整种群个体的收敛性和多样性所占比例,即初期I_CD强调收敛性而后期侧重多样性,以平衡高维多目标种群的收敛性和多样性,并获得高质量的解集。进一步地,将I_CD嵌入NSGA-Ⅱ算法框架,设计一种基于I_CD的高维多目标进化算法(Many-Objective Evolutionary Algorithm Based on I_CD, MOEA/I<...     

求解二元约束满足问题的多智能体进化算法

基于智能体对环境的感知与反作用的能力提出了一种新的求解二元约束满足问题的方法.该方法将多智能体系统与进化算法有机地结合起来,每个智能体固定在网格的一个格点上,而它为了增加自身能量将与其邻域展开竞争.同样,智能体也可利用自身的知识进行自学习来增加能量.根据二元约束满足问题的特点,设计了智能体的竞争行为与自学习行为.为了克服已有编码方式的缺点,为智能体设计了最小冲突编码.理论分析证明算法具有全局收敛性.实验中用250个不同难度的标准问题对算法的两个参数进行了系统的分析.结果表明该算法的性能非常稳定,参数少,易于使用.与4个著名方法的比较结果表明该方法获得的解的质量是最高的,其性能优于其他4种方法.     

用于高维函数优化的多智能体量子进化算法

基于智能体的竞争和学习能力、量子计算理论及生物进化策略,提出了一种新的优化方法——多智能体量子进化算法．一个智能体代表优化问题的一个可能解,所有的智能体都以量子染色体表示．该算法将智能体分布于多智能体网络环境中,智能体之间通过量子进化来实现竞争及学习,以提高个体的竞争能力．理论证明该算法具有全局收敛性．实验结果表明,该算法具有强的全局寻优能力及快速搜索能力。     

动态环境下的多智能体机器人协作模型

提出了在动态环境中,多Agent的一种协作模型,适用于环境信息不完备的复杂情况.将Agent的独立强化学习与BDI模型结合起来,使多Agent系统不但拥有强化学习的高度反应性和自适应性,而且拥有BDI的推理能力,使只使用数值分析而忽略推理环节的强化学习结合了逻辑推理方法.使用了Borlzman选取随机动作,并且采用了新的奖励函数和表示方法,减少了学习空间,提高了学习速度.仿真结果表明所提方法可行,能够满足多Agent系统的要求.     

基于合作协同进化的多回收站点垃圾收运问题求解

随着经济的持续发展和城镇化进程的快速推进,城市生活垃圾的产出量越来越多,垃圾处理成本不断增大,其中垃圾收运成本占据相当大的比例,为此分析了一种实际生活中复杂的垃圾收运问题——多回收站点的垃圾收运问题(multi-station refuse collection problem, MSRCP),并将其映射为多中心车辆调度问题,从而建立了以最小车辆运输费用为目标的多回收站垃圾收运问题模型.依据MSRCP的特点,设计了一种基于协同进化(cooperative co-evolutionary, CC)作为外部框架的问题求解方法.首先使用改进聚类算法,将各垃圾收集点分配至合适的回收站点,从而将MSRCP转换成若干单回收点的垃圾收运问题.以各回收站点为中心,采用一种混合遗传算法(hybrid genetic algorithm, HGA)进行车辆路径规划.最后,以安庆市大观区生活垃圾收运为例进行了上述模型及其算法的验证,结果表明,该算法在降低复杂垃圾收运的运输费用时,具有良好的性能.     

基于多代理的协同分布式入侵检测系统模型

给出了一种基于多代理的协同分布式入侵检测系统模型（CDIDS），该模型依靠基于主机的代理HIDA和基于网络的代理NIDA，运用异常检测与特征检测相结合的方式进行有效的入侵检测；在分布式的网络环境下，系统通过入侵检测控制中心实现检测／响应模块的协同工作，为单个主机的攻击与大规模的网络入侵提供应对策略，并采用协议分流的方式提高NIDA模块的性能。     

基于Pareto协同进化算法的高维模糊分类系统设计

提出一种可同时构造多个精确性和解释性较好折衷的高维模糊分类系统的设计方法.该方法首先利用Simba算法进行特征变量选择,然后采用模糊聚类算法辨识初始的模糊模型,最后利用Pareto协同进化算法对所获得的初始模糊模型进行结构和参数优化.其中,Pareto协同进化算法采用了一种新的基于非支配排序的多种群合作策略.为提高模型的解释性,在Pareto协同进化算法中利用基于相似性的模型简化方法对模型进行约简.利用该方法对Wine典型问题进行分类,仿真结果验证了方法的有效性.     

基于多Agent协作的下载模型研究

针对现有下载方法的不足,提出了一个基于多Agent协作的下载模型.该模型根据协作规则,将下载任务智能、动态地分配给网络上多个Agent,利用多Agent协作快速、高效、灵活地完成下载任务.Agent的知识是在多Agent的协作过程中,通过学习自动产生、完善和优化的.同时,阐述了模型实现的关键技术及解决方案.     

分层模型下的多Agent系统协作机制在RoboCup3D的应用

为了提高多智能体协作的效率,让机器人足球队取得更好的成绩,以RoboCup3D机器人足球仿真系统为应用背景,提出了一种基于分层模型的多Agent系统协作机制。分层模型主要包括用来保证Agent通信的通信层,完成Agent角色分配的技术层和负责Agent阵型定位等决策的控制层。实验结果表明,团队协作能力往往是机器人足球比赛得分的关键,基于分层模型的协作机制对于提高机器人球队的整体对抗能力起到了明显作用。     

基于多Agent和遗传算法的制造网格资源调度

为了保障用户的多QoS要求,在制造网格资源调度中引入灵活健壮的协商机制和高效的资源调度算法尤显重要.为此提出基于多Agent的制造网格资源调度方法,运用合同网协议作为多Agent的协作协议并根据制造网格资源调度需求运用遗传算法作为资源优化组合的算法.综合应用多Agent开发工具JADE和遗传算法工具包JGAP进行模拟调度实验,证明了方法的有效性.     

基于MAS的高速公路紧急事件处理

本文提出了应用MAS（多智能体系统）来处理高速公路紧急事件,在MAS技术的基础上,通过建立高速公路紧急事件处理系统MAS模型,探讨MAS中主体agent的结构模型、设置方法、功能描述、通信机制和协作机制,为基于MAS的高速公路紧急事件处理系统的最终实现提供了理论指导和方法依据。     

基于自适应算法的电力系统可靠性评估

针对电力系统可靠性评估中Monte Carlo方法存在的计算效率低下的问题,提出应用自适应算法对系统状态进行概率分析。该算法采用变分运算分析和区间拟合的方法,实现在最优密度函数下抽样,降低计算方差。应用该方法对IEEE-RTS标准系统的发电部分进行了可靠性评估,并与采用常规抽样方法和重要抽样方法的评估结果做了比较,表明该算法在保证计算精度的前提下分别减少了87%和68%的抽样次数,对大型电力系统可靠性评估具有实用价值。     

多agent的短期负荷预测系统

将智能主体(agent)技术应用到短期负荷预测系统中,提出了基于多agent的负荷预测系统的功能分层模型。针对如何从web页面提取有用的数据并将其集成并入到数据库中这一重要问题,提出结合agent技术将HTML(hypertext markup language)页面转化为XML(extensiblemarkup language)数据源的方法,使得在论文提出的功能结构中,数据采集层除具备基本的数据采集功能外,同时具备集成web页面的数据信息到系统数据库中的功能。给出了功能agent的实现方案。最后以一个实例证明了该方法的有效性。     

基于多Agent的分布式测量系统的研究

文章提出了一种在CORBA环境下,基于多Agent技术的分布式测量系统结构,该系统不仅具有单独完成测量任务的能力,而且还能够与其他测量系统协作来完成大型复杂的测量任务;测量系统首先按其功能划分为6个不同的Agent,然后利用KQML作为通信语言、CORBA作为通信机制来执行多Agents之间的交流和协作,具有互操作、合作性、智能性及开放性等特点。     

基于多Agent的自适应远程教学系统模型

在以往远程教学系统的设计、开发中,通常使用面向过程和面向对象的编程方法,文中采用Agent技术进行Web环境下远程教学系统的构建、组织和管理。在Agent的教学系统中,首先建立单个Agent内部结构的形式化模型,再从多个Agent角度入手,设计、开发面向Agent的远程教学系统,利用Multi-Agent技术,设计了基于目标的Multi-Agent系统并探讨了该系统的实现方法。