| 【中文题名】 | 粒子群优化算法求解Agent联盟 |
| 【英文题名】 | Searching for Agent Coalition Using Particle Swarm Optimization Algorithm |
| 【学科专业】 | 信号与信息处理 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-8-3 |
| 【中关键词】 | 多Agent系统（MAS）,联盟,粒子群优化算法（PSO）,任务匹配,, |
| 【英关键词】 | multi-agent system （MAS）,coalition,Particle Swarm Optimization （PSO）,Task-matching, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>计算机的应用>计算机网络>一般性问题 |
| 【论文摘要】 |
在大规模复杂的MAS系统中，多个Agent之间的协调、合作尤为重要。联盟机制是Agent之间合作的重要方式，联盟生成是多Agent系统的一个关键问题。本文对粒子群算法求解Agent联盟这一问题展开了研究，充实了MAS及粒子群优化算法等理论，为实际应用系统的研制和开发提供了理论指导和方法依据。
论文研究的主要内容及创新之处：
●联盟生成主要研究如何在多Agent系统中动态生成面向任务的最优Agent联盟。粒子群算法相对于遗传算法、蚁群算法等其他优化算法具有更好的鲁棒性、并行性和分布性。论文引入离散粒子群算法求解Agent联盟，实验结果表明，离散粒子群算法在求解联盟时解的性能和收敛速度上均优于相关算法。
●基于任务匹配的多任务联盟生成策略的提出与实现。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，对于任务序列可以依次求解全局最优联盟。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。 |
| 【论文题纲】 |
|
摘要 |
5-6 |
|
ABSTRACT |
6-12 |
|
第一章 Agent理论综述 |
12-27 |
|
1.1 智能Agent基础理论 |
12-18 |
|
1.1.1 Agent的基本概念 |
12-14 |
|
1.1.2 Agent理论模型 |
14-18 |
|
1.2 多Agent系统(MAS) |
18-25 |
|
1.2.1 MAS的分类 |
18-19 |
|
1.2.2 MAS的组织结构 |
19-21 |
|
1.2.3 MAS中的几种Agent合作方式 |
21-24 |
|
1.2.4 MAS的研究内容 |
24-25 |
|
1.2.5 MAS系统的应用领域 |
25 |
|
1.3 课题来源及研究目的和意义 |
25-26 |
|
1.4 论文组织 |
26-27 |
|
第二章 联盟生成问题和粒子群算法 |
27-32 |
|
2.1 Agent联盟机制 |
27-28 |
|
2.1.1 典型的Agent联盟的例子 |
27 |
|
2.1.2 Agent联盟形成机制 |
27-28 |
|
2.1.3 Agent联盟生成问题 |
28 |
|
2.2 粒子群优化算法原理及应用 |
28-31 |
|
2.2.1 粒子群优化算法原理 |
29-30 |
|
2.2.2 应用领域 |
30-31 |
|
2.3 可行性分析 |
31-32 |
|
第三章 粒子群算法求解单任务联盟 |
32-44 |
|
3.1 粒子群优化算法 |
32-38 |
|
3.1.1 粒子群算法数学描述 |
32-34 |
|
3.1.2 粒子群算法相关研究成果 |
34-35 |
|
3.1.3 粒子群算法性能分析 |
35-37 |
|
3.1.4 粒子群算法流程 |
37-38 |
|
3.2 离散PSO算法求解单任务联盟生成问题 |
38-40 |
|
3.2.1 问题描述 |
38-39 |
|
3.2.2 相关工作 |
39 |
|
3.2.3 离散PSO算法求解单任务联盟生成问题 |
39-40 |
|
3.3 实验结果 |
40-44 |
|
第四章 基于任务匹配的多任务联盟生成策略 |
44-57 |
|
4.1 多任务联盟 |
44-46 |
|
4.1.1 问题描述 |
44 |
|
4.1.2 相关工作 |
44-46 |
|
4.2 任务匹配方法 |
46-50 |
|
4.2.1 模型介绍 |
46-47 |
|
4.2.2 形式定义 |
47-48 |
|
4.2.3 相似度计算 |
48-49 |
|
4.2.3.1 基于相关系数的计算方法 |
48 |
|
4.2.3.2 基于向量夹角的计算方法 |
48-49 |
|
4.2.4 相关规则 |
49-50 |
|
4.3 基于任务匹配的联盟生成策略 |
50-51 |
|
4.4 实验结果 |
51-56 |
|
4.4.1 与蚁群算法比较 |
51-54 |
|
4.4.2 与离散粒子群优化算法比较 |
54-56 |
|
4.5 总结与展望 |
56-57 |
|
第五章 结束语 |
57-58 |
|
5.1 论文工作总结 |
57 |
|
5.2 进一步工作的展望 |
57-58 |
|
参考文献 |
58-63 |
|
作者在攻读硕士学位期间参加的项目 |
63-64 |
|
作者在攻读硕士学位期间发表的论文 |
64 |
|
| 【DOI】 | LunWen.ID:2.2008.388779 |
