协同进化计算及在多智能体中的应用.pdfVIP

Coevolution Algorithm and The Application in Multi-agent System Thesis Submitted to Nanjing University of Posts and Telecommunications for the Degree of Master of Engineering By Zhou Fei Supervisor: Prof. Luo Jie June 2013 摘要 协同进化计算的理论和应用是目前的研究热点。进化计算和协同进化算法以其仿生 学上的优势，非常适合解决很多传统方法难以解决的问题，尤其是很多难以建立精确的 模型的非线性问题。因而被广泛地应用于数值优化领域，机器学习，经济预测，机器人 路径规划、导航等智能控制领域。本文以协同进化算法作为研究对象，以旅行商问题和 人工智能中经典的围捕问题作为仿真任务，针对协同进化算法存在的问题进行了相应的 改进。具体研究工作如下： 首先，以提高遗传操作的效率为研究目标，借鉴 自然界进化中的远缘杂交理论和进 化计算中的精英策略，提出一种基于远缘杂交的精英进化算法。该算法在初始阶段将种 群分为精英种群和普通种群，对精英种群则不经过交叉直接进入下一代，对普通种群则 基于远缘杂交原则进行交叉，并将子代与精英种群一同组成新子代。仿真实验证明算法 能提高种群基因的多样性，避免了算法陷入局部最优。针对 TSP 实验结果表明, 算法具 有全局收敛性及较快的收敛速度。 其次，将反馈机制引入协同进化中，同时引入了多个适应度函数，提出了一种基于 反馈的多适应度协同进化算法，改变了同一种群进化中单一适应度评价的缺陷，提高了 收敛速度。最后利用机器人围捕为仿真模型，通过仿真证明了算法的有效性。 关键词: 多智能体系统；协同进化算法；远缘杂交；反馈；围捕问题 I Abstract Coevolutionary computation theory and application are current research hotspot. Evolutionary computation and coevolutionary algorithm have the advantages on bionics and are very suitable for solving many of the nonlinear problems which can not be handled by traditional methods for hard to establish accurate models. They have been widely used in the field of numerical optimization, machine learning, economic forecasts, robot path planning, navigation and intelligent control. In this paper, coevolutionary algorithm are focused as the target. The classic arti