基于PSO的多智能體聯(lián)盟形成理論及其在WSN任務分配中的應用研究.pdf_第1頁
已閱讀1頁,還剩73頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、聯(lián)盟作為多智能體系統(tǒng)(Mutil-Agent System,MAS)研究中一個棘手而又緊迫性的問題,如何行成一個高效穩(wěn)定均衡的聯(lián)盟,使聯(lián)盟朝著最佳的方向發(fā)展,一直是 MAS中研究的一個關鍵性問題。PSO算法作為一種簡單全局優(yōu)化算法,因?qū)?yōu)能力強、搜索效率高等,經(jīng)常被用于解決聯(lián)盟形成問題。但目前 PSO算法大多存在易陷入局部最優(yōu)、進化后期搜索效率低等,這樣難免會影響最佳聯(lián)盟值的求解效率。
  對此,論文在深入研究了MAS聯(lián)盟形成理論

2、的基礎上,系統(tǒng)研究了基于PSO的多Agent動態(tài)聯(lián)盟形成的相關問題及其在WSN任務分配中的應用,論文具體工作包括:
  1、提出一種基于IPSO算法的多Agent聯(lián)盟形成方法??紤]到單個Agent能力的有限性,多個Agent往往需要形成聯(lián)盟來完成任務或提高聯(lián)盟整體能力,如何生成一組面向任務的最優(yōu)聯(lián)盟是MAS研究中的一個首要問題?;诖宋闹刑岢鲆环N改進的粒子群優(yōu)化算法(IPSO)來解決該問題,同時為克服粒子過早收斂和局部優(yōu)化問題,引

3、入一種柯西變異的擾動算子。與PSO算法及ACO算法相比,該IPSO算法全局搜索能力高,有效地避免了粒子過早收斂,資源浪費等問題。
  2、基于Agent自身突出特性提出一種新的效用分配策略。為改善MAS中聯(lián)員間能者多勞的特性,同時保證聯(lián)盟效用劃分的合理性,文中基于 BDI模型提出一種基于Agent自身突出特性的聯(lián)盟效用分配策略。根據(jù)任務需求,Agent及時調(diào)整自身突出特性,在保證完成任務及盟員間友好合作的基礎上使自身獲益最大。經(jīng)驗

4、證,該策略增強了Agent適應環(huán)境的能力,較好地滿足了聯(lián)盟形成機制的全局最優(yōu)性、效益劃分的合理性、強穩(wěn)定性、時效性等要求。
  3、文中以多Agent角色模型和WSN任務分配問題為背景,提出一種帶混合聯(lián)盟的WSN任務分配方法,也是對MAS聯(lián)盟形成理論的一種實際應用。針對現(xiàn)有無線傳感器網(wǎng)絡任務分配策略通常不考慮任務內(nèi)部結構,從而影響網(wǎng)絡生命周期、能耗及負載平衡等,基于邏輯依賴性提出一種新的無線傳感器網(wǎng)絡任務分配策略。該策略首先由選出

5、的盟主根據(jù)任務本身具有的邏輯依賴性,逐層將任務進行分解為由一系列的子任務,并依據(jù)邏輯依賴性賦予子任務優(yōu)先級,最后運用矩陣的二進制編碼設計一種基于位置加權的離散粒子群優(yōu)化的帶混合聯(lián)盟的無線傳感器網(wǎng)絡任務分配算法,找到某個合適節(jié)點執(zhí)行此子任務。引入虛擬節(jié)點以加強盟主間的交流;引入能量閥值對節(jié)點能量進行預測并決定子任務是否遷移;運用拓撲和逆拓撲排序法,根據(jù)子任務預期完成時間及權重系數(shù),求出關鍵子任務,優(yōu)先分配能力強、執(zhí)行效率高的節(jié)點執(zhí)行相應子

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論