基于量子多目标进化算法的多任务Agent联盟生成  

Multi-tasking agent coalition formation based on quantum multi-objective evolutionary algorithm

作　　者：许波[1] 彭志平[1] 余建平[2] 王永[3] 

机构地区：[1]广东石油化工学院计算机科学与技术系,茂名525000 [2]湖南师范大学数学与计算机科学学院,长沙410081 [3]湖南大学电气与信息工程学院,长沙410082

出　　处：《系统工程理论与实践》2012年第10期2253-2261,共9页Systems Engineering-Theory & Practice

基　　金：广东省自然科学基金(10252500002000001);广东省教育部产学研结合项目(2010B090400235);湖南省教育厅优秀青年项目(10B062);国家自然科学基金(60903168)

摘　　要：多Agent联盟生成是多Agent系统的关键问题之一,主要研究如何在多Agent系统中动态生成面向任务的最优联盟.为使Agent能稳定的组织起来完成单Agent不能完成的任务并在成本、资源、利益等方面达到一个良好的平衡性能并达到全局最优,提出了联盟多目标综合评价模型,并将量子进化多目标算法应用于多目标多任务Agent联盟问题,运用编码的映射,将资源组合和任务分配合并为一个过程,降低了问题的复杂性.对比实验结果表明该算法求得的解的质量高,平衡性好,能有效避免了联盟死锁和资源浪费.Multi-agent coalition formation is one of the key problems in multi-agent systems. The main research is how to dynamically generate task-oriented coalition and the optimal structure in multi-agent systems. For the establishment of a mechanism to organize agent stability completes the task that can not be completed by a single agent and reach the global optimum. This paper presents a multi-objective comprehensive evaluation model, and a multi-objective quantum evolutionary algorithm is proposed to solve multi-agent coalition formation problem. The algorithm uses coding mapping, the combination of resources and task allocation are combined to a process, which reducing the complexity of the problem. Experimental results show that the proposed algorithm can solve the multi-task agent coalition formation problem effectively and efficiently.

关 键 词：多AGENT 联盟生成 多目标优化 量子多目标进化算法 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]