基于自适应PSO和类别分解多任务串行联盟生成.docVIP

基于自适应PSO和类别分解多任务串行联盟生成 　　（大连理工大学 系统工程研究所，辽宁 大连116023） 　　 　　摘 要： 　　现有的联盟生成方案多针对一个agent只能加入一个联盟，不利于联盟总效用的最大化以及联盟中??agent能力的充分利用。提出了基于能力类别的agent分解策略，通过定义子agent使得agent可以同时加入多个联盟，在此基础上设计了基于二维离散粒子群的多任务串行联盟生成算法，并对粒子的惯性权重进行动态自适应调整；最后通过算例验证了该方法的有效性。 　　关键词：多代理系统； 多任务联盟； 交叉联盟； 子代理； 自适应粒子群优化算法 　　中图分类号：TP18文献标志码：A 　　文章编号：1001-?B3695(2009)04-?B1338-?B04 　　 　　Multi-task coalition formation serially based on adaptive PSO and category division 　　 　　XU Jin-you, LI Wen-li 　　 　　(Institute of Systems Engineering, Dalian University of Technology, Dalian Liaoning 116023,China) 　　 　　Abstract: 　　Existing researches concentrated mainly on each agent could only participate in one coalition, which goes against optimization of coalition utility and making full use of agents?? ability. Proposed an agent division strategy according to the ability category and defined subagent to ensure one agent had the possibility of joining in several different coalitions simultaneously. Then designed a two-dimension particle swarm optimization algorithm (PSO) with adaptive dynamic weight value to solve the serial multi-task coalition formation. Finally, proved the effectiveness of the proposed algorithm by the experiment. 　　Key words：multi-agent system; multi-task coalition; overlapping coalition; subagent; adaptive PSO 　　 　　0 引言 　　?ザ?agent联盟是一组平等的、协作的、共同完成任务的??agent集合。Agent间通过组成联盟，可以提高求解问题的能力，获得更多的效用，因此agent联盟是多agent之间一个重要的合作方式[1]。联盟生成是多agent系统（MAS）的一个关键问题，主要研究如何在MAS中动态生成面向任务的最优agent联盟。自1993年提出联盟方法以来，国内外对面向任务的联盟生成进行了很多研究，Sen等人[2]、Sandholm等人[3]、胡山立等人[4]、骆正虎等人[5]基于联盟结构求解多任务联盟问题；Shehory等人[1]提出一种确定型的K值启发式算法，对串行任务依次形成最优联盟；蒋建国等人[6]引入蚁群算法并提出一种基于蚁群算法的串行多任务联盟生成算法，对于任务序列可以依次形成最优联盟。但上述研究均只考虑一个agent只能加入一个联盟，在许多场合不能满足实际系统的需要，造成??agent能力资源的浪费。因为agent是异质的，能力是多维的，参与联盟agent的能力有可能不被联盟充分利用，产生联盟剩余能力[7]，从而降低了系统的总收益。为了充分利用联盟的剩余能力，张国富等人[8]提出用虚拟agent转移联盟剩余能力，然而这种方法一方面需要大量的通信协作成本；另一方面，这些剩余能力由哪些agent来转移以及agent转移能力的数量也是一个难点问题。 　　?ケ疚脑诓慰家延形南籽芯康幕?础上，提出基于能力类别的agent分解策略，定义了子agent，并设计了基于自适应权重调整的二维离散粒子群算法求解串行联盟生成问题，实现了一个