Aetgn协商优化问题的快速混沌遗传算法.pdfVIP

2003年第4期 微电子学与计算机 Agent协商优化问题的快速混沌遗传算法 AnAcceleratingChaosGeneticAlgorithm toSolveAgentNegotiationOptimization 烟台大学计算机学院 高坚 (烟台 264005) ‘ 摘 要：随着 Intemet的日益完善和电子商务的普及，如何快速、高效地进行Agent协商是我们必须面对和解 决的一个重要问题。文章在 Bazaar协商模型下，给出了一种快速混沌遗传算法，该算法首先将混沌机制引入遗 传算法 ．并在搜索 中，以具有一定保证 的当前最优解为中心不断压缩优化变量的搜索区问，对算法进行加速。这 样即克服了遗传算法过早收敛的缺点，又解决 了引入混沌后遗传算法收敛慢的问题。仿真实验表明，它是解决 Agent协商优化问题 的一种快速有效算法 。 关键词 ：Agent协商 。混沌加速 ，遗传算法 1 引言 利用这些特点进行混沌优化搜索可避免陷于局部 在 Internet日益完善 的今天 ，随着 电子商务 极小。但其优化结果与搜索空间关系很大，在搜索 fElectronicCommerce：软件 Agent能够帮助人们在 空间较大时，往往得不到满意解。为此，人们将混沌 Internet上 自动执行各种任务)、网上股票交易等新 机制引入到其他优化算法，这样可 以克服算法陷于 形式服务逐渐变得越来越普遍 ，由于信息量大，人 局部极小 ，但是 ，这一长处是以变量的随机松弛(扰 们一般都利用 自己的Agent在网上为 自己服务。在 动1过程所需要的大运算量为代价的。这就极大地降 一 般情况下，由于 Agent所代表的人 的 目标 、知识 、 低了算法的收敛速度 。甚至在某些优化中还达不到 偏爱等不同，两个Agent对某一事情f如买卖 、股票 传统方法的收敛速度。 交易等)要达成协议 ，就必须进行协商 ，而如何提高 本文针对 Agent协商的特点提 出了一种加速混 协商效率则是 Agent协商 中的一个重要研究课题 。 沌遗传算法。该算法克服了遗传算法过早收敛的缺 当协商 的项 目较多、协商 的范围较大时，协商问题 点，解决 了引入混沌后遗传算法收敛慢 的问题 ．能 就变成了大规模非线性优化难题 ，采用传统 的优化 更快、更有效地收敛到最优解或近似最优解。 方法很难求解。 Agent协商 的特点是 ：首先 ，对所有项 目在每个 2 解决Agent协商优化的快速混沌遗传算法 项 目的大范围约束下进行协商，以便求得共 同满意 (1)Agent协商问题 的描述 的初步协议 ，此时，项 目的约束范围变得相对较小 ； 协商是一种决定形式 ．决定就是两个或多个参 其次 ，再在共同认可的小范 围约束下进行协商 ，以 入者带着达到一个一致的 目标来搜索可能的解空 便求得更进一步的共同满意的协议，重复进行直到 间。DajunZeng和 KatiaSystem提出了一种协商模 求得共同满意的最后协议。 型(Bazaar)的形式化描述闭，即一个协商过程可 以用 遗传算法与其他优化方法相比有如下特点l【1： 一 个 10元组来描述一Ⅳ ，△ ，Q以只C’E。为 ·适应性强。GA只要求优化问题是可计算的． 讨论方便 ，根据 Bazaar模型可以将协商过程简化 与所求问题的性质无关；同时GA采用概率搜索，并 为Ⅳ，C，其中：Ⅳ一参入者的集合，肼一协商中条 用适应度函数指导搜索方向，具有很强的通用性、 款／维数的集合， 满意度集合。 中任一元素，对 适应性。 于Ⅳ中的每一个元素 i都有满意程度 (可用模糊