基于改进AGD-分布式多智能体系统的目标优化分配模型

由于现代化战场环境动态多变、作战实时性高,针对当前防空作战中武器目标分配(weapon target assignment, WTA)约束多且复杂、传统建模无法真实反映战争过程、模型可信度不高等问题,提出一种在分布式约束优化问题(distributed constraint optimization problem, DCOP)背景下,基于多智能体系统(multi-Agent system, MAS)理论的武器目标优化分配模型,并利用改进的加速梯度下降(accelerated gradient descent, AGD)算法进行求解。通过实验证明了该算法具有良好的收敛性和低复杂度,能够适应现代化防空作战的需求,满足大规模寻优问题的需求,高效解决多智能体目标优化分配问题。     

基于移动智能体的分布式资源的智能集成

在信息丰富的网络环境中，分布式资源的智能集成对于分布式计算与分布式系统是极为重要的，通常采用的基于位置透明性的分布式计算技术，如DCOM，JavaRMI,CORBA等，无法智能的、灵活的进行分布式信息的检索与分布式应用的集成，而对于基于知识的交互协作更是无能为力，本文采用基于Java实现的移动智能体的移动计算能力与分布式工作机制实现分布式资源的智能集成，基于本地位置交互抽象机制，从而使移动计算融入到分布式计算中，讨论了进行分布式资源集成的计算模型，并通过分布式仿真实验说明了上述方法的集成机制与设计特点。     

动态环境中的多智能体进化算法

针对动态环境,提出了一种基于多智能体的进化算法(MAEA).智能体模拟生物机制特征,相互合作来寻求最优解.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.为了保持种群多样性,同时引入随机移民和对偶映射策略.通过对一系列动态优化函数的仿真实验可以得出,相比之下,基于多智能体的进化算法可以在动态环境中获得更好的性能.     

基于均匀设计的多智能体遗传算法研究

将均匀设计方法、多智能体系统与遗传算法相结合,提出了一种多智能体遗传算法.设计了基于均匀设计表的均匀种群初始化方法和均匀交叉算子,并将其引入算法中.算法通过智能体与智能体环境间的相互作用,以及智能体自学习提高自身能量,实现了复杂问题的全局优化目标.实验表明,该算法对于高维函数优化问题,尤其是高维多峰函数,具有很好的全局搜索能力和较快的收敛速度,能够避免陷入局部最优.     

基于影响图的多智能体学习算法

提出一种多智能体学习算法.用影响图作为 agent 表示工具,给定 agent 的一个初始模型和它的历史行为,在能力、信念和优先学习的基础上来构建新的模型.学习方法是把其它 agent 的历史行为作为训练集,利用神经网络以及决策知识和专家知识来修改影响图中各结点的连接关系.针对与 agent 历史行为不一致的情况,本文把它看成效用函数发生了随机偏差,通过 Markov chain-Monte Carlo 技术进行模拟,实现效用函数的调整.最后利用多机编队协同空战作为例子说明算法的实用性.     

基于多约束条件遗传算法的雷达网优化部署

为深入研究实际阵地环境对雷达网优化部署的影响和制约,并探讨一种实用高效的优化部署方法,对实际阵地环境下的雷达网优化部署问题进行了深入分析,讨论了部署的简要约束条件及雷达网实际探测能力评估方法,并在此基础上进行了雷达网优化部署的多约束遗传算法设计。通过实例进行了仿真验证,结果表明,所述方法实用高效,对于实际阵地环境下的雷达网优化部署有较大应用价值。     

基于免疫多智能体的舰艇编队协同防空体系模型

借鉴生物免疫系统的性质和机制,结合多智能体理论与方法,提出了一种新的免疫多智能体网络(Immune Multi-Agent Network,IMAN)模型。根据舰艇编队协同防空体系和生物免疫系统在防御功能、自适应和自组织特性上相似的特点,将舰艇编队协同防空体系映射到生物免疫系统之中,设计了舰艇编队协同防空免疫智能体功能结构模型,并综合上述免疫多智能体网络模型IMAN及其免疫防御原理,构建了一种新颖的舰艇编队协同防空体系免疫多智能体网络模型,分析了舰艇编队协同防空体系免疫多智能体的免疫防御机制及其性质,旨在为舰艇编队协同防空体系研究开拓一种新思路,并为建立适合现代实战需要的作战仿真系统提供理论模型。     

非线性多智能体网络的分布式包容控制

针对具有本质非线性动态的多智能体网络,研究分布式包容控制问题.假设只有部分个体已知领航者信息,依据相对位置和速度信息设计分布式控制律.基于代数图论、矩阵理论和Lyapunov稳定性分析方法,得出非线性网络实现渐近包容控制的充分条件.当跟随者之间有向强连通且每个跟随者都至少存在一个领航者与其通信,可选取合适的控制增益使得跟随者渐近收敛到由多个领航者所围成的静态凸包中.仿真实例验证了理论分析的正确性和有效性.     

资源受限项目调度的多智能体文化演化算法

结合文化算法的双层结构和多智能体进化算法的演化优势,提出一种求解资源受限项目调度问题的多智能体文化演化算法。算法设置了上层信仰空间和下层群体空间,各空间内智能体通过与其邻域进行竞争、合作操作及自学习操作来增加自身的能量,空间之间的交互是定期通过接受操作和影响操作采用同步传输方式来完成。通过对资源受限项目调度标准数据库PSPL IB中多个32、62、92、122工作的项目调度问题的仿真,结果表明:此算法不仅具有很好的收敛特性,而且运行速度快,是一种求解大规模调度问题的有效算法。     

舰艇编队协同防空体系免疫多智能体模型

针对舰艇编队协同防空问题, 根据舰艇编队协同防空体系与生物免疫系统防御机制和性质相似的特点, 实现了二者在结构和功能上的映射. 在此基础上, 结合多智能体理论与方法, 设计了舰艇编队协同防空体系的监测、调节和抗体等免疫智能体的功能结构模型, 构建出一种新颖的舰艇编队协同防空体系免疫多智能体(IMA)系统模型, 提出了免疫多智能体系统的形式化描述, 分析了舰艇编队协同防空体系免疫多智能体系统的免疫应答过程和机制. 该模型的防御机制具有自学习、自适应、自组织的特性, 充分体现了舰艇编队协同防空体系的协同防御机制和性质, 为舰艇编队协同防空体系研究开拓了一种新思路.     

区域防空部署优化系统建模

为了全面、合理地度量区域防空作战部署的优劣,解决兵力一定情况下的优化部署问题,首先提出了掩护价值的概念,它是掩护能力与保卫目标重要程度的综合量度;然后建立了一种新的评价区域防空部署的指标体系,给出了各指标或因素的具体确定方法;在此基础上建立了以掩护价值为目标函数的区域防空优化部署模型;提出了基于启发式方法的部署优化模型求解方法,给出了求解框架和算法流程。实际应用证明,模型是有效的,求解结果是可行的。     

基于深度强化学习的网络路由优化方法

针对同一网络拓扑下不同网络负载的路由优化问题, 在深度强化学习方法的基础上, 提出了两种依据当前网络流量状态进行路由分配的优化方法。通过网络仿真系统与深度强化学习模型的迭代交互, 实现了对于流量关系分布的网络路由持续训练与优化。在利用深度确定性策略梯度(deep deterministec policy gradient, DDPG)算法解决路由优化问题上进行了提升和改进, 使得该优化方法更适合解决网络路由优化的问题。同时, 设计了一种全新的链路权重构造策略, 利用网络流量构造出用于神经网络输入状态元素, 通过对原始数据的预处理加强了神经网络的学习效率, 大大提升了训练模型的稳定性。并针对高纬度大规模网络的连续动作空间进行了动作空间离散化处理, 有效降低了其动作空间的复杂度, 加快了模型收敛速度。实验结果表明, 所提优化方法可以适应不断变化的流量和链路状态, 增强模型训练的稳定性并提升网络性能。     

基于Bagging-Down SGD算法的分布式深度网络

通过对大量数据进行训练并采用分布式深度学习算法可以学习到比较好的数据结构,而传统的分布式深度学习算法在处理大数据集时存在训练时间比较慢或者训练精度比较低的问题。提出Bootstrap向下聚合随机梯度下降(Bootstrap aggregating-down stochastic gradient descent,Bagging-Down SGD)算法重点来提高分布式深度网络的学习速率。Bagging-Down SGD算法通过在众多单机模型上加入速度控制器,对单机计算的参数值做统计处理,减少了参数更新的频率,并且可以使单机模型训练和参数更新在一定程度上分开,在保证训练精度的同时,提高了整个分布式模型的训练速度。该算法具有普适性,可以对多种类别的数据进行学习。     

基于改进层次聚类法的指挥控制资源部署

以网络化作战战场资源部署为研究背景,对战术指挥控制资源部署问题进行了描述。以决策实体工作负载的均方根最小为目标函数,建立了指挥控制资源部署问题的数学模型,提出了基于改进层次聚类法的指挥控制资源部署算法。该算法以作战任务-平台资源的分配结果为输入信息,对可部署决策实体数目范围设定、决策实体合并项选择和决策实体能力约束判定进行了改进,着重分析了每一层聚类的N-best备选策略和决策实体合并项选择方法。通过一个作战想定,分别从目标函数值、搜索空间大小两个方面对本算法和其他算法进行了比较。     

基于混沌和声搜索算法的水资源优化配置

将和谐性理念与经济、社会和生态环境的综合净效益结合,利用协同学原理中有序度概念和支配原理定义出经济效益和谐度、社会效益和谐度和环境效益和谐度概念及计算公式,以此为基础构建了水资源优化配置模型中的目标函数;并利用混沌变量的随机、遍历特性在解空间内进行有效探索以及基本和声算法中和声策略对解空间进行开发的原理,提出了能求解具有多目标的水资源优化配置问题的混沌和声搜索算法;最后, 将水资源优化配置模型与混沌和声搜索算法运用于北三河流域,实例计算结果表明, 模型设置的水资源优化配置目标合理,搜索算法简单高效.     

基于流量优化的可靠服务功能链部署方法

针对网络功能虚拟化环境中服务功能链部署的资源开销问题, 提出一种基于流量优化的可靠服务功能链部署方法。首先, 根据虚拟链路流量变化对虚拟网络功能进行聚合, 使带宽需求大的虚拟链路部署到底层网络后, 其流量变为服务器的内部流量。其次, 综合考虑可靠性、综合时延以及拓扑属性, 利用离差最大化的多指标决策算法对物理节点进行评价, 并使用链路约束降低流量的乒乓效应。最后, 采用k-最短路径算法将虚拟链路部署到满足带宽需求的物理链路上。仿真实验表明, 所提方法在保证服务功能链可靠性的基础上, 对长期收益开销比、映射成功率、端到端时延以及带宽开销有较大优化。     

基于SVRGD的机载预警雷达自适应波束形成算法

自适应波束形成是机载预警雷达数字信号处理的一个关键环节.针对传统最小均方误差(least mean square,LMS)算法在短快拍数条件下的波束形成性能下降以及因迭代震荡易收敛于局部最优值的问题,提出了一种基于机器学习的随机方差减小梯度下降(stochastic variance reduction gradien...     

基于自适应共轭梯度算法的高分辨率谱估计器

基于AR模型的功率谱估计是现代谱估计应用非常广泛的一种方法。通过对一全极点模型的参数估计来实现功率谱估计。提出了一种采用自适应共轭梯度算法来进行参数估计的方法。由于共轭梯度算法采用迭代运算求解Yule-Walker方程,同现有的谱估计算法相比,大大减小了谱估计算法的计算复杂度;随着自相关矩阵阶数的增大,该方法谱估计精度在小信噪比下提高显著。仿真结果表明,这种方法和基于AR模型的其它谱估计方法在不同信噪比下具有几乎相同的分辨率。因此,该谱估计算法具有重要的实用意义,有助于谱估计算法的实时实现。     

基于蜂群算法的坦克阵地部署与火力分配模型

为了解决坦克分队进攻战斗中的兵力部署和火力协同问题,提出坦克阵地部署模型和坦克火力分配模型,前者解决坦克分队从集结区域到作战区域的兵力分配问题,后者解决坦克接敌后的火力协同问题.针对坦克作战中的对抗特性,建立确定型火力对抗模型,在火力分配模型中体现敌我动态对抗过程.为了求取坦克阵地部署和火力分配最优方案,采取双层迭代策...