基于差分进化算法多智能体任务分配

被引：9

作者：

熊远武 ^{[1
]}

赵岭忠 ^{[1
,2
]}

翟仲毅 ^{[1
,2
]}

机构：

[1] 桂林电子科技大学计算机与信息安全学院

[2] 桂林电子科技大学广西可信软件重点实验室

来源：

计算机工程与设计 | 2019年 / 40卷 / 10期

关键词：

任务分配; 智能体系统; 正交矩阵; 正交交叉; 数据量化;

D O I：

10.16208/j.issn1000-7024.2019.10.049

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

为提升多智能体系统的工作效率,克服差分进化算法DE (differential evolution)在多智能体系统任务分配过程中的不足,提出一种基于QOC (quantization orthogonal crosser)策略改进的正交交叉差分进化算法AOCDE (an orthogonal crosser differential evolution)。QOC在DE算法基础上,引入正交思想和数据量化技术,通过改变交叉策略,增强算法全局寻优能力,提升算法收敛性。使用该算法解决多智能体系统任务分配问题,将仿真结果与其它算法进行比较,验证了该算法的有效性。

引用

页码：3020 / 3029

页数：10

共 8 条

[1]

国务院印发《新一代人工智能发展规划》.[J]..广播电视信息.2017, 08

[2]

求解约束优化问题的ε-DE算法 [J].

郑建国 ;

王翔 ;

刘荣辉 .

软件学报, 2012, 23 (09) :2374-2387

[3]

基于多智能体系统的多机器人路径规划方法研究及应用 [D].

王维 .

电子科技大学,

2015

[4]

Distributed on-line dynamic task assignment for multi-robot patrolling [J].

Farinelli, Alessandro ;

Iocchi, Luca ;

Nardi, Daniele .

AUTONOMOUS ROBOTS, 2017, 41 (06) :1321-1345

[5]

Improving the speed of convergence of multi-agent Q-learning for cooperative task-planning by a robot-team.[J].Arup Kumar Sadhu;Amit Konar.Robotics and Autonomous Systems.2017,

[6]

Service agent–transport agent task planning incorporating robust scheduling techniques.[J].Matthew J. Bays;Thomas A. Wettergren.Robotics and Autonomous Systems.2017,

[7]

A Distributed Cooperative Dynamic Task Planning Algorithm for Multiple Satellites Based on Multi-agent Hybrid Learning [J].

Wang Chong ;

Li Jun ;

Jing Ning ;

Wang Jun ;

Chen Hao .

CHINESE JOURNAL OF AERONAUTICS, 2011, 24 (04) :493-505

[8]

Differential evolution - A simple and efficient heuristic for global optimization over continuous spaces [J].

Storn, R ;

Price, K .

JOURNAL OF GLOBAL OPTIMIZATION, 1997, 11 (04) :341-359

← 1 →