基于强化学习的多主体协调机制-read.docVIP

第五章 基于蚁群算法的多Agent系统的多目标协调优化 5.1 引言 具有不同目标的多个Agent之间的协调优化问题是多Agent系统研究的一个重点，其主要特点是各Agent目标之间的矛盾性使得实际上不可能存在有一个绝对的最优解，而是存在Pareto最优解集。 因此多目标协调优化问题的主要目标就是寻求Pareto解集中的一个或多个满意解。通常采用两种方法来解决多目标协调优化问题。方法之一是通过把各目标进行线形加权，将多目标优化问题化为单目标优化问题来求解。目前大多数的多目标优化问题都是采用这种方法的。这种方法的最大优点是算法简单，许多用于单目标协调优化的求解方法都可以用在多目标优化问题中。但是其存在的问题是：权系数的合理选择；在物理意义不明确的情况下，各个目标难以用同一尺度衡量；在不满足凸性假设时，有丢失部分非劣解的问题。方法之二是采用群体搜索策略比如遗传算法等并行进化计算的方法来求解。典型的有Fonseca和 Fleming提出的多目标遗传算法(MOGA)， Srinivas和Deb提出的非劣分类遗传算法(non-dominated sorting genetic algorithm )，Lino提出的多目标进化策略(MOES)等。这些算法的优点是无需非凸性假设、并能有效阻止种群分化的发生。但其存在的问题是需要采用合适的参数编码，同时如何确定遗传算法中的有关参数也是一件费时费力的