未知环境下基于粒子群优化的多任务联盟生成

摘要：

针对多Agent系统(MAS)资源有限、环境信息未知、任务依次随机产生的情况,通过引入惩罚系数,基于剩余资源平衡定义一种新的适应度函数,并提出改进的二进制离散粒子群优化(BPSO)算法.新的适应度函数不仅考虑系统收益,同时还考虑系统剩余资源的平衡性,并通过调整惩罚系数在两者之间做出折衷.利用改进的BPSO算法对联盟进行优化,给出粒子速度和位置的更新公式,从而控制粒子的发散性,提高算法的局部搜索能力.仿真结果表明,新的适应度函数可使MAS执行更多的任务.与基本BPSO和遗传算法相比,改进算法在解的质量、收敛速度和稳定性方面具有更好的性能.

关键词：多Agent系统、未知环境、多任务、离散粒子群、联盟生成

所属期刊栏目：40

分类号：TP393(计算技术、计算机技术)

资助基金：水下信息处理与控制国家重点实验室基金资助项目9140C2305041001;国家部委基金

在线出版日期：2014-08-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：129-133