基于混合编码的多智能体遗传算法

为了提高多智能体遗传算法的收敛速度和全局寻优能力，将量子编码引入多智能体遗传算法中，对每个智能体同时采用量子编码和实数编码，以基于这两种编码方式的遗传算子同时进化来获得更快的收敛速度和更好的全局收敛性。仿真结果表明，此算法能更快地收敛到全局最优解。     

多智能体系统中子域适应度评估的合作协进化协作

为了克服合作协进化算法在解决复杂多智能体系统协作问题时存在的适应度函数难以建立和协作行为难以达到全局最优等问题,提出1种子域适应度评估的合作协进化算法来实现异构多智能体系统中智能体的自适应协作。该算法将复杂问题域模型分解成相互影响较小、较易求解的子问题域模型,在子问题域模型之间并行使用合作协进化算法来完成智能体协作行为的进化,有效降低适应度评估的复杂度。在子问题域进行合作协进化时,在适应度函数中引入环境因子影响矩阵,将其他子问题域的影响信息映射到该子问题域中的个体适应度评估中,从而引导种群向全局优化方向进化。ECJ系统中的仿真实验结果验证了其有效性。     

基于多智能体技术的城市交通控制系统的探讨

提出了一种新的基于多智能体技术的城市交通控制系统框架,并在该系统中的智能体模型中引入了学习机制,初步建立了一个具有专家系统的特点、可以不断进化的分布式城市交通智能控制系统.     

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。     

基于冷轧机的多智能体差分进化算法的研究

基于多智能体与差分进化算法的各自优势,提出了多智能体差分进化算法.实验结果表明,该算法具有很强的全局寻优能力及快速搜索能力.基于冷轧机的控制,采用多智能体差分进化算法优化冷轧机的PID参数,比一般优化算法优化的冷轧机控制系统的响应速度要快很多.     

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.     

高维多目标进化算法中的密度评估策略研究

多目标进化算法中常引入密度评估策略来使算法获得更好的分布性和收敛性.但对于高维多目标问题,现有的密度评估策略却难于达到这一目的.为此更全面地考虑目标空间上各子目标的影响,提出了四种新的密度评估策略,并将其应用到经典多目标进化算法SPEA2中.在4～9个目标的多目标背包问题上的实验结果表明,采用新的密度评估策略的SPEA...     

有限理性下的进化博弈与合作机制

在介绍传统博弈论基本假设的基础上,指出完全理性是传统博弈论均衡选择的最基本假设和完全理性在动态博弈中的局限,提出有限理性与动态学习是动态博弈中多个智能体选择的基础;探讨了不断改善有限理性的进化学习方法和智能体选择机制;解释了进化博弈与进化稳定策略的本质;指出了传统博弈论与进化博弈论的区别;提出了有限理性下进化博弈与合作机制研究的问题,给出了有限理性下进化博弈与合作机制的研究结果.     

基于人类进化算法的背包问题求解方法

背包问题是计算机算法中的一个NP完备类困难问题,使用传统的优化方法在求解较大规模的背包问题时,都存在计算量大、迭代时间长的缺陷．人类进化算法是模拟人类进化机理而建立的一种智能优化算法,本文阐述了人类进化算法的基本原理和实现方法．为提高背包问题的求解速度和精度,将人类进化算法应用于背包问题的求解,演示了算法的工作过程．试验结果表明,使用该方法求解背包问题是完全可行的和有效的,与众多优化算法相比,人类进化算法具有更高的求解效率．     

重用抗体优良片断的免疫进化算法

基于克隆选择原理与算法,通过分析具体现象阐述了改进克隆选择算法的思想来源,设计了挖掘抗体中优秀决定基因并生成记忆集、封装优秀决定基片段、用变异抗体群中亲和度高的抗体按概率替换记忆抗体群中低亲和度抗体的方法,获得了重用抗体优良片断的克隆选择算法.借鉴强度Pareto进化算法的进化框架,提出了重用抗体优良片断的免疫进化算法.该算法通过克隆选择替代选择、交叉、重组等遗传操作.在一组0/1背包问题上的测试结果表明,所提出的算法可以有效保持种群多样性,获得较高质量的Pareto非劣解集.
     

认知无线网络中基于随机博弈框架的频率分配

为了解决认知无线网络中分布式的动态频率分配问题,采用随机博弈的框架,将认知链路建模成自私理性的智能体,并提出了一种以最大化平均Q函数为目标的多智能体学习算法—MAQ。通过MAQ学习,分布式的智能体可以实现间接的协商而不需要交互Q函数和回报值,因为智能体的决策过程需要考虑其他用户的决策。理论证明了MAQ学习算法的收敛性。仿真结果表明,MAQ算法的吞吐量性能接近中心式的学习算法,但是MAQ只需要较少的信息交互。     

基于双向协商机制的机加与装配混合调度

针对允许子系统可重入的机加与装配混合柔性制造系统的调度问题,提出一种新颖的协商框架,并基于讨价还价的双向协商机制,提出一种柔性路径下的机加与装配交替混合调度算法. 不同代理具有各自的决策目标,作业代理的目标是使自己能以低价购买合适的服务,而机器代理的目标是使自己成功出售服务,同时获得最大收益. 通过代理间的双向协商避免各自决策的局限性. 实验表明,提出的方法与常用复合规则的启发式算法相比总费用的标准差降低了24%~207%,表明提出的方法无论在性能还是鲁棒性上都有更优越的表现.      

基于加权VGC机制的最小连接问题研究

文章讨论了网络上的计算机不执行给定的算法,而是执行最利于其主人工作的这种情况。作为这样的参与者即操纵算法的代理,算法设计者应事先确保代理的利益通过真实报告是最大的。文章引用了机制设计的概念,提出了研究该算法的框架,并将机制设计的标准工具VGC机制应用于解决最小连接问题。     

A computational-intelligence-based optimization of agents'' initial positions in land combat simulation

The optimization of agents' initial properties enables agents to perform their assigned tasks more perfectly. This paper presents an optimizing method using the combination of radial basis function (RBF) neural network and genetic algorithm (GA). In the land combat simulation, the method can ensure that the agents optimized defeat the agents not optimized absolutely. Compared with the optimization based on support vector machines (SVM), the proposed method improves the efficiency more than twenty times, so it suits the cases where the speed as well as performance is required.     

A Routing Algorithm for Risk.Scanning Agents Using Ant Colony Algorithm in P2P Network

This paper describes a routing algorithm for risk scanning agents using ant colony algorithm in P2P（peerto peer） network. Every peer in the P2P network is capable of updating its routing table in a real-time way, which enables agents to dynamically and automatically select, according to current traffic condition of the network, the global optimal traversal path. An adjusting mechanism is given to adjust the routing table when peers join or leave. By means of exchanging pheromone intensity of part of paths, the algorithm provides agents with more choices as to which one to move and avoids prematurely reaching local optimal path. And parameters of the algorithm are determined by lots of simulation testing. And we also compare with other routing algorithms in unstructured P2P network in the end.     

基于服务网格的动态负载平衡调度算法研究

为了提高资源利用率和系统的吞吐率,需要实现服务网格系统内负载的均衡分布.提出了层次式动态负载平衡调度模式,详细介绍了负载平衡系统的系统结构.作业分配是负载平衡系统中的核心机制.设计并实现了一种综合考虑各局部代理作业数和各个局部代理性能以及当前负载情况的动态双阀值作业分配算法.试验数据表明,该作业分配算法较传统调度算法综合性能有较大提高.在作业数较多时,该作业分配算法性能更好.     

基于主体的非均衡人工股市计算模型

对SFI系列基于主体的人工股市计算模型进行了改进,改变了资产定价机制,剔除了均衡定价方法,在学习分类器系统中引入了模糊处理环节,并改变了主体的学习方式,使得人工市场中同时包含具有不同学习速度的主体。基于此构建的新人工股市仿真模型的运行结果具有真实股市数据的形式化特征,通过比较不同学习速度的主体以及零智能主体的表现,发现人工股市计算模型中学习对于主体的财富有决定性作用,学习速度也会影响主体的表现,而且学习存在一个限度问题,过多的累积学习次数反而会削弱主体聚集财富的能力,这在基于主体的人工市场的构建中是一个值得重点关注的方面。     

Agent的多目标优化分布式智能算法

根据多目标优化的理论,将传统多目标优化的方法与Agent技术相结合,提出一种基于Agent技术的多目标优化分布式智能算法．在该算法中,每个智能体由目标函数、协调算法和通信模块组成．由智能体组成多目标优化的多智能体系统．通过每个Agent的独立优化和Agent之间的通信和协调。实现多目标优化．文中用实例验证算法的有效性．     

一种电子商务中基于混合遗传算法的多边多议题协商

为了提高基于智能体电子商务多边多议题合作协商中的协商效率,提出将混合遗传算法(HGA)应用于该协商中. 对4种遗传算法分别进行1000次的实验对比,结果表明,要达到同样协商最优解,标准遗传算法(SGA)平均需要185次协商,基于Metropolis准则遗传算法(MGA)平均需要176次,自适应遗传算法(AGA)平均需要169次,而混合遗传算法(HGA)平均仅需要153次. 求解多边多议题合作协商问题中,HGA可以使得协商当中的agent高效达到最优解.     

可演化网络中移动代理的性能分析及优化方法

针对以移动代理软件方式实现的可演化网络的性能问题,提出了一种快速激活及加载方法.通过对移动代理非执行转发、执行转发及执行各步骤的详细性能测量及分析,发现网络节点的执行环境为移动代理执行所做的准备工作时间消耗较大.该快速方法首先解开移动代理包中的所有程序代码并进行预先加载,在加载主程序时优先搜索已预先加载的代码,从而能够较快地找到程序代码.快速方法通过优化代码加载时的搜索顺序,有效地加快了可演化网络中移动代理的执行过程.测试结果表明,采用快速方法使典型的移动代理平均启动加载时间缩短了3.26 ms,网络节点的吞吐率提高了58%.