基于多智能體進(jìn)化算法的COA方法研究.pdf

1、現(xiàn)代戰(zhàn)爭(zhēng)中復(fù)雜態(tài)勢(shì)的出現(xiàn)要求指揮者能夠協(xié)調(diào)多種資源參與多個(gè)行動(dòng)以達(dá)到理想的效果，處理這種復(fù)雜態(tài)勢(shì)的第一步就是尋找和挑選能達(dá)到理想效果的行動(dòng)規(guī)劃(COA-Course ofAction)。COA的主要目的就是將多個(gè)行動(dòng)排序并將可用的資源正確地分配給序列中的每個(gè)任務(wù)，即將正確的資源放在正確的位置和時(shí)間執(zhí)行適當(dāng)?shù)男袆?dòng)。COA問(wèn)題屬于NP-難問(wèn)題，本文主要提出了一種基于多智能體進(jìn)化算法解決COA的方法。文章的主要內(nèi)容如下：
　　 1、C

2、OA問(wèn)題本質(zhì)上為一個(gè)帶約束的多目標(biāo)優(yōu)化問(wèn)題，本文利用多智能體進(jìn)化算法(MAEA-Multi-Agent Evolutionary Algorithm)解決COA問(wèn)題。首先，初始化COA種群，我們將種群中的每個(gè)個(gè)體看作是一個(gè)智能體，所有的智能體生存在網(wǎng)格中，每個(gè)智能體只能與其鄰域智能體進(jìn)行競(jìng)爭(zhēng)操作。在約束條件的處理上，本文將約束條件的判斷加入到智能體鄰域的競(jìng)爭(zhēng)操作中，制定了特殊的競(jìng)爭(zhēng)策略：該策略依據(jù)約束處理的多目標(biāo)方法，在判斷個(gè)體間的優(yōu)劣

3、時(shí)首先判斷其約束條件的滿足情況，然后再比較它們之間的支配關(guān)系，該方法可以避免因使用懲罰函數(shù)所帶來(lái)的懲罰因子大小不易設(shè)置的麻煩。最后將該算法與多準(zhǔn)則濾波遺傳算法(MFGA-Multi-criteria Filtering Genetic Algorithm)進(jìn)行對(duì)比仿真實(shí)驗(yàn)，實(shí)驗(yàn)證明該方法在非支配解集的支配關(guān)系，以及解集的寬廣性方面具有一定的優(yōu)越性。
　　 2、由多智能體進(jìn)化算法得到的是多個(gè)供選擇的優(yōu)秀的COA個(gè)體，因此我們還面臨

4、著如何為決策者選擇一個(gè)最合適的解。主要利用標(biāo)準(zhǔn)0-1線性變換對(duì)各目標(biāo)值進(jìn)行歸一化數(shù)據(jù)預(yù)處理，然后采用加權(quán)求和方式求取最合適解。加權(quán)求和中權(quán)重的確定會(huì)很大地影響評(píng)價(jià)結(jié)果，因此必須合理確定權(quán)向量。首先本文通過(guò)制定模糊規(guī)則庫(kù)將權(quán)向量分為三個(gè)等級(jí)，然后采用環(huán)比評(píng)分法分別確定每一等級(jí)的權(quán)重，該方法可以從實(shí)際出發(fā)，靈活確定比例，沒(méi)有限制。實(shí)驗(yàn)證明該方法是合理有效的。
　　 3、針對(duì)多智能體進(jìn)化算法中智能體的競(jìng)爭(zhēng)策略可能存在的缺陷：后代解有時(shí)

5、不一定比前代占優(yōu)，即所謂的過(guò)淘汰現(xiàn)象，這在一定程度上損失了群體的多樣性。本文提出了一種基于精英多智能體進(jìn)化算法解決COA問(wèn)題的方法。該方法將多智能體種群分為A、B兩個(gè)子種群，每個(gè)種群分別制定不同的競(jìng)爭(zhēng)策略。另外引入了精英種群用以存儲(chǔ)每代子種群中的優(yōu)秀個(gè)體，A、B兩個(gè)子種群只能與精英種群之間進(jìn)行遷移。為了避免精英種群過(guò)于龐大，我們還引入了淘汰環(huán)節(jié)來(lái)保持精英種群的規(guī)模。最后我們將該算法與本文提出的多智能體進(jìn)化算法和MFGA算法進(jìn)行對(duì)比仿真實(shí)