求解连续型分布式约束优化问题的自适应多点交叉遗传算法
针对连续型分布式约束优化问题(continuous distributed constraint optimization problems,C-DCOPs)求解算法的anytime属性的缺失、约束函数形式的限制和无法保证收敛等局限,本文提出一种求解C-DCOP的自适应多点交叉遗传算法(adaptive multi-point crossover genetic algorithm based C-DCOP,AMCGA).在AMCGA中,智能体(agent)构建分布式种群和广度优先搜索(breadth first search,BFS)伪树以分布式地计算个体适应度;通过贪婪策略选择精英个体进行自适应多点交叉实现全局搜索,智能体之间协同通信保证分布式种群中解的一致性;利用变异算子完成局部搜索.AMCGA适用于任意形式的约束函数,并被证明具有任意时间属性和全局收敛性.在 4 类基准问题上的广泛实验结果表明,AMCGA的求解质量优于最先进的C-DCOP求解算法,能有效地打破目前C-DCOP求解算法的局限,并在求解质量方面存在20%~30%的提升.
连续型分布式约束优化问题、任意时间属性、自适应多点交叉、遗传算法、分布式种群、广度优先搜索伪树、智能体、求解质量
18
TP183(自动化基础理论)
重庆市教育委员会科学技术研究计划青年项目;重庆市基础研究与前沿探索项目;重庆理工大学研究生创新项目;重庆理工大学科研启动基金项目
2023-08-28(万方平台首次上网日期,不代表论文的发表时间)
共10页
793-802