基于多智能体人工鱼群算法应用研究-系统工程专业论文.docxVIP

西安建筑科技大学硕士论文 PAGE 2 西安建筑科技大学硕士论文 PAGE 2 西安建筑科技大学硕士论文 西安建筑科技大学硕士论文 技术和途径例，将多智能体体系和鱼群算法结合使复杂实际问题的优化求解成为可能。 在自然生命中，各种高级生物都具有相应的智能，各种生命活动也都体现出相应的 智能，如创造性、自主性、灵活性、进化性、遗传性及自适应、自组织、自镇定、自识 别、自学习、自繁殖能力等。例如，人工鱼具有自主性和自适应能力，每条人工鱼都是 一个自激发的智能体，而人工鱼群则是 一个分布式的人工智能系统 [9，101。 随着科学技术的不断发展和进步，我们面临了越来越多的工程优化类问题，其中很 大一部分是大规模的、使用传统的优化方法和技术难以解决的最优化问题。同时，人类 在与自然界的相互作用过程中，认识事物的能力也在不断提高，自然界中的许多自适应 优化现象不断给人以启示:生物体和自然生态系统可以通过自身的演化就能使许多在人 类看起来高度复杂的优化问题得到完美的解决。实践表明:基于自然生态系统模拟而形 成的演化计算方法是解决这类问题的有效手段。近年来，各种演化方法被相继提出，并 得到了国 内外学者的深入研究和应用实践。演化计算方法在当今 世界中正日益显示出其 巨大的威力[10叫。 随着优化命题的复杂程度和规模的不断提高，使用某一种单一的优化算法而使问题 得到满意的解决，变得越来越困难，单纯依靠改进算法的某些参数或指标己经显得有些 力不从心。本文研究的课题就是如何运用好的优化算法有效地解决复杂超高维的实际优 化问题。 1.2 多智能体人工鱼群算法的研究现状与现实需求 目前对于多智能体的研究也逐步地发展，对于智能体的算法从早期的经典智能算法 发展到现代智能算法，符号机制体系的建立，以知识表达为基础，通过推理求解的机器 证明的成功实现，开创了计算机进行几何证明的革命时代 [4叫:基于联结机制的人工神 经网络简单地模拟人类大脑的学习功能，对于网络模型处理工程问题作出巨大贡献，但 局部极小及搜索效率低是主要不足。进化计算的发展，致使智能算法成为当今研究的热 点，并已发展为一种多学科，多智能交叉融合，渗透的信息与计算研究领域。 18 目前智能算法的研究呈三大趋势[4- 1: l、对经典智能算法的改进和广泛应用，以及对其理论的深入和广泛研究。 2、开发新的智能工具，拓宽其应用领域，对其寻求理论基础。 3、经典智能算法与现代智能算法的结合建立混合智能算法。 4、应用领域:最优化，模式识别，神经网络，智能控制，计算机安全，计算机网 络，投资组合等等。 人工鱼群算法自李晓磊等人在 2002 年首次提出以来，得到了国内外学者的广泛关 注，对算法的研究应用已经渗透到多个应用领域，并由解决一维静态优化问题发展到解 决多维动态组合优化问题。人工鱼群算法已经成为交叉学科中一个非常活跃的前沿性研 究问题。 人工鱼群算法 [19J (Artificial Fish SwarmAIgorithrn ，AFSA) 是一种新型的群体智能 随机全局优化技术，它在解决优化 命题的过程中引入 了基于行为的人工智能思想 ，并通 过动物自治体模式加以实现。人工鱼群算法模拟自然界中鱼的集群游飞觅食行为，通过 鱼之间的集体协作使群体达到最优选择的目的，算法实现的重点是人 工鱼模型的建立和 个体人工鱼的觅食行为、聚群行为和追尾行为的描述和实现。 作为一种新型的全局寻优策略，人工鱼群算法己应用于时变系统的在线辨识，鲁棒 PID 的参数整定和优化前向神经网络中 120]，取得了较好的效果，该算法具有良好的求取 全局极值能力，并具有对初值，参数选择不敏感，鲁棒性强，简单(只适用目标函数值)， 易实现等诸多优点I川5J。 通过研究发现，人工鱼群算法具有以下特点: 1)算法只需要比较目标函数值，对目标函数的性质要求不高; 2) 算法对初值的要求不高，初值随机产生或设定为固定值均可以; 3) 算法对参数设定的要求不高，有较大的容许范围; 4) 算法具备并行处理的能力，寻优速度较快; 5) 算法具备全局寻优的能力，能够快速跳出局部极值点。 随着优化问题复杂程度和规模的不断强大，想通过单一的优化计算就得到满意的解 往往很困难[26，72J。鱼群算法在优化算法应用中也存在类似不足:当寻优的域较大或处于 变化平坦的区域时 ，收敛于全局的最优解速度减慢，搜索性能劣化; 算法一般在优化初 期具有较快的收敛性，后期却往往收敛较慢 [28J 。 因此，研究如何对将多智能体思想融入到人工鱼群算法进行优化、改进，解决算法 本身存在的问题，提高算法求解各类优化问题的适应性，提高算法的搜索效率，并解决 实际复杂问题将有更深远的意义。 1.3研究的实际背景 智能体(Agent)