基于粒计算的多智能主体任务分配研究

论文摘要

多智能主体系统（Multi-Agent Systems）是计算机科学中比较新的一个分支,是分布式人工智能（Distributed Anificial Intelligence）的重点研究方向之一。多Agent任务分配是多Agent研究中的一个重要分支,多Agent协作经常涉及任务分配问题,特别是在当多Agent面临多任务分配时,会使任务分配问题大为复杂。粒计算是人工智能领域中的一个新的研究热点,作为一种新的信息和知识处理方法近年来被越来越多的研究者在不同领域中得到应用。针对多Agent任务分配问题,本文运用有关粒计算的相关理论,运用有关信息粒化的概念,提出了一种将具体任务粒化的方法。该方法将具体任务粒化为若干个原子任务粒空间,提出了一种基于粒计算的多Agent任务模型。并在此模型的基础上,对遗传算法中的适应度函数和初始群体的设计进行优化,提出了一个基于粒计算的改进的多Agent任务分配算法,并将改进后的遗传算法对多Agent系统进行任务分配的求解。最后,本文通过实验将所提出算法应用于网页分类系统研究,最终实现了对多任务的分配,并对实验结果进行了分析,结果表明本文所提出的算法在处理初始群体规模比较大的时候,能有效地提高计算效率,更好地对多Agent系统进行任务分配。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景
• 1.2 研究意义
• 1.3 本文的主要工作及组织结构
• 第2章 相关理论
• 2.1 多Agent任务系统的相关概念和特点
• 2.1.1 多Agent产生的背景
• 2.1.2 多Agent系统概述
• 2.1.3 多Agent系统理论
• 2.1.4 多Agent系统应用范围
• 2.2 粒计算理论
• 2.2.1 粒计算的基本概念
• 2.2.2 Rough集的相关理论与技术特点
• 2.2.3 几种常用的粒计算框架
• 2.2.4 粒计算的发展方向及其主要应用
• 第3章 基于粒计算的多Agent任务模型
• 3.1 信息系统与智能主体
• 3.2 多任务的粒化
• 3.3 基于粒计算的多Agent任务模型
• 3.4 基于粒计算求解Agent相似度与核心Agent集
• 3.4.1 成员Agent针对原子任务粒的相似度
• 3.4.2 基于原子任务粒的核心Agent集
• 第4章 基于粒计算改进的多Agent任务分配算法
• 4.1 多Agent任务分配算法的分析
• 4.2 遗传算法介绍
• 4.2.1 遗传算法概述
• 4.2.2 遗传算法的基本流程
• 4.3 基于粒计算改进的遗传算法
• 4.3.1 染色体编码
• 4.3.2 个体适应度
• 4.3.3 选择操作
• 4.3.4 交叉操作
• 4.3.5 变异操作
• 4.3.6 终止函数
• 4.4 利用贪婪算法进行最后的任务分配
• 4.5 基于粒计算改进的多Agent任务分配算法执行过程
• 第5章 基于粒计算的多智能主体任务分配算法实验及结果分析
• 5.1 将基于粒计算的多智能主体任务分配算法应用于网页分类
• 5.2 实验结果分析对比
• 第6章 总结与展望
• 6.1 论文主要研究成果总结
• 6.2 展望
• 致谢
• 参考文献
• 攻读学位期间的研究成果