基于混合蚁群遗传算法的Agent联盟求解

被引：10

作者：

梁军

程显毅

机构：

[1] 江苏大学计算机科学与通信工程学院

来源：

计算机科学 | 2009年 / 36卷 / 04期

关键词：

Agent联盟; 蚁群算法; 遗传算法; 机器人足球比赛;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对混合蚁群遗传算法容易融合时机过早或过晚、种群进化经历的代数过多、效率低等问题,首先改进了蚁群算法,并将改进的蚁群算法和遗传算法结合,应用于Agent联盟求解。提出了基于混合蚁群遗传算法的Agent联盟求解算法(Hybrid Ant Colony and Genetic Algorithm,HAGA),算法的核心是动态寻找两个算法的衔接点,在该点左侧使用遗传算法,右侧使用蚁群算法。与其他传统算法的实验比较,证明了该算法在求解联盟的最优解的时间和精度上都有较高的效果。把HAGA应用于RoboCup2D龙队客户端程序中,使用比赛分析工具软件SoccerDoctor对比赛结果进行了统计分析,结果显示龙队在诸多技术参数方面均占有明显优势。

引用

页码：227 / 231

页数：5

共 5 条

[1] 改进型蚁群算法求解单任务Agent联盟 [J].

夏娜 ;

蒋建国 ;

魏星 ;

章玲 .

计算机研究与发展, 2005, (05) :734-739

[2] 用遗传算法实现多智能体联盟的形成 [J].

郑金华 ;

陈振洲 ;

蔡自兴 .

计算机工程与科学, 2004, (06) :58-61

[3]

Agent计算[M]. 黑龙江科学技术出版社 , 程显毅, 2003

[4]

Methods for task allocation via agent coalition formation[J] . Onn Shehory,Sarit Kraus.Artificial Intelligence . 1998 (1)

[5]

Generation coalition structures with finite bound from optimal guarantees .2 Jennings N R,Dang V D. Proc of the AAMAS2004 . 2004

← 1 →