一种应用于多aetg系统通信多变异遗传算法n.pdfVIP

第6卷 第3期 2006年2月 科 学 技 术 与 工 程 Vol.6 No.3 Feb.2006 1671一1815(2006)03一0269-05 ScienceTechnologyandEngineering ④ 2006 Sci.Tech.Engng. 计算机技术 一种应用于多agent系统通信的多变异遗传算法 孙国玺 尹俊勋 ‘彭志平， (华南理工大学电子与信息学院，广州510641;茂名学院’，茂名525000 摘要 简述多agent系统通信优化问题的研究现状，提出一种新的改进遗传算法。针对多agent系统通信问 题的特点，考虑基因位的影响力及跟踪进化过程的遗传参数调整策略，采用各种变异操作，提高算法的收敛 能力。仿真结果表明，改进遗传算法相对于SGA解决多agent问题在收敛速度上有明显提高，算法稳定性也 有所改善。新算法的优化质量较高，具有更好的实际应用效果。 关键词 面向agent系统 MAS 遗传算法 NP问题 中图法分类号 TP183 文献标识码 B 近年来，多agent(MAS)技术已经成为分布式人 是有限的且不完善，需要不断地学习，尤其是在越 工智能的主要研究热点之一。随着电子科学技术 来越常见的有限资源的、动态的、开发的环境当中。 和计算机科学技术的快速发展，软件系统服务能力 研究agent的学习机制和多agent的体系结构及协 要求不断提高，这使得在系统中引人智能体已经成 调问题是目前多agent理论的研究重点。 为必然。具有的自主性、分布性和自适应性agent _遗传算法具有全局收敛及隐含并行性，而且不 个体通过相互协作互动按照所定拓扑结构形成多 要求对象解析表达，因此最近几年以及有些文章将 agent系统，完成具有高度复杂性和内在分布性的具 它与多agent技术结合。文献[4〕将多agent技术应 体工作，而这些工作往往使用传统的基于精确模型 用在遗传算法中提高遗传算法的性能。文献 5「]采 的方法是难于处理的。正因为如此，目前多agent 用遗传算法优化智能agent结构的任务调度问题。 技术已经被广泛应用在智能控制、计算机网络、软 文献仁6]将遗传算法应用在形成agent联盟中。 件系统、科学计算、电子商务等领域[1,2;0 本文应用改进的遗传算子构成两层遗传算法 多agent技术主要研究在分布式环境下，多个 优化MAS，寻求以最小代价完成目标任务。算法具 具有独立智能行为的agent通过协作、协商、竞争等 有较强的鲁棒性和收敛性，适于应用在复杂分布系 互相操作协调整个多agent系统，来完成复杂的工 统中。 作任务。多agent技术的主要特点[31是:(1)agent 个体的信息和知识是不完全的;(2)无系统的全局 1面向agent(OA)系统的通信问题 控制;(3)数据分散;(4)异步计算等。因此多agent 技术的应用场合十分广泛。但是单个agent的能力 面向agent(OA)系统针对复杂的系统问题空 间，利用agent映射系统结构化目标，建立agent类 2005年9月28日收到 广东省高校 自然科学研究基金 和通信协议，形成agent拓扑图，最后建立完整系 (703081)资助 第一作者简介:孙国玺，男，(1972)，华南理工大学博士研究生， 统。由于agent是对现实系统目标进行抽象而得 研究方向:人工智能、通信资源优化算法、网络优化算法。 出，因此在一定程度上agent反映了现实系统目标 ，通讯作者简介:尹俊勋，男，(1942)，华南理工大学博士生导 师，研究方向:通讯、音视频信号处理及计算机应用。 的特性和动作，同时由于agent具有 自主性和自适 科 学 技 术 与 工 程 6卷 应性，使得系统自然而然具有分布、并行的特点，从 的网格N，整个优化问题就变成在网格上寻找一个 而承担多重数据流，完成复杂系统的建模分析任务。 包含有限网点的最优通信网络来完成目标