基于协进化的多智能体协作研究

论文摘要

多智能体系统的理论与应用研究涉及多个学科，特别是与控制和计算机技术等学科的融合已经成为分布式人工智能领域研究的新热点。但多智能体系统的理论研究大部分还处于抽象层次，很多理论技术还不是很成熟，如复杂动态环境下的多智能体协作问题就是多智能体系统研究的一个难点。如何构造实时可靠的协作机制是目前多智能体协作研究的重点。由模仿自然界物种间的相互制约和相互受益机制而发展起来的协进化算法，为多智能体协作研究提供了一个新思路。本文将协进化算法应用到多智能体协作中，主要研究工作有：（1）对于无法确定子模块间关联性的问题，提出一种代表个体自我调节选择的协进化算法，并通过函数优化实验验证该方法的有效性。（2）针对协进化算法的计算量问题，提出间隔时间学习方法和抽样方法，通过函数优化实验证明这两种方法能够在保证进化结果的情况下减少协进化算法的计算量。（3）将协进化算法应用到多智能体中，设计了一种基于协进化的分层交互式智能体体系结构及多智能体协作机制。（4）将基于协进化的多智能体协作机制应用到多机器人队形控制中，仿真实验结果验证了基于协进化的多智能体协作机制的有效性。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状
• 1.3 论文研究内容
• 1.4 论文组织结构
• 第二章 协进化算法及其改进
• 2.1 协进化算法
• 2.1.1 协进化算法的基本思想
• 2.1.2 协进化算法的表现形式
• 2.2 协进化算法的数学模型及建模分析
• 2.2.1 单种群遗传算法的模式复制方程
• 2.2.2 多种群协进化算法的建模分析
• 2.3 协进化算法的代表个体选择
• 2.3.1 随机选择和最优选择
• 2.3.2 改进的代表个体选择法
• 2.3.3 函数优化实验及结果分析
• 2.4 本章小结
• 第三章 协进化算法的计算量问题及其改进方法
• 3.1 协进化算法的计算方法
• 3.1.1 协同进化遗传算法
• 3.1.2 多模式共生进化算法
• 3.2 减少计算量的改进方法
• 3.2.1 间隔时间学习法
• 3.2.2 抽样法
• 3.3 本章小结
• 第四章 基于协进化的智能体体系结构及多智能体协作机制
• 4.1 多智能体系统
• 4.1.1 智能体的基本概念和基本结构
• 4.1.2 多智能体系统的基本概念和基本结构
• 4.2 智能体体系结构及多智能体协作机制
• 4.2.1 基于慎思型的智能体体系结构及多智能体协作机制
• 4.2.2 基于反应型的智能体体系结构及多智能体协作机制
• 4.2.3 基于混合型的智能体体系结构及多智能体协作机制
• 4.3 基于协进化的智能体体系结构及多智能体协作机制
• 4.3.1 基于协进化的智能体体系结构
• 4.3.2 基于协进化的多智能体协作机制
• 4.4 本章小结
• 第五章 基于协进化的多智能体协作仿真实验
• 5.1 仿真环境
• 5.2 仿真实验
• 5.2.1 三个机器人的队形控制
• 5.2.2 协进化协作机制
• 5.3 仿真结果及分析
• 5.4 本章小结
• 第六章 总结与展望
• 参考文献
• 攻读硕士学位期间的学术论文
• 致谢