发明名称 | 一种多Agent系统非对称分布式约束优化方法 | ||
摘要 | 本发明提出了一种多Agent系统非对称分布式约束优化方法,包括如下步骤:控制器接收Agent信息并获得非对称关系,构建Agent连接图;根据Agent连接图中的节点间的连接关系,建立基于排序的链式结构;将Agent连接图按照深度优先的方式构造深度优先树;通过分枝定界策略,计算不同深度优先树的根节点的权重值,最终获取更优的树形结构;依赖得到更优的树形结构,调整多Agent系统中的Agent行为参数。本发明针对多Agent系统的非对称特征,引入预测机制,弥补不完全信息决策的不足,使Agent能预估自己行为的影响,获取更有效的策略,在一定程度上改变收益非单调特性,达到个体利益和全局利益的平衡。 | ||
申请公布号 | CN103995750A | 申请公布日期 | 2014.08.20 |
申请号 | CN201410244687.3 | 申请日期 | 2014.06.04 |
申请人 | 重庆大学 | 发明人 | 张程;陈自郁 |
分类号 | G06F9/50(2006.01)I | 主分类号 | G06F9/50(2006.01)I |
代理机构 | 重庆市前沿专利事务所(普通合伙) 50211 | 代理人 | 郭云 |
主权项 | 一种多Agent系统非对称分布式约束优化方法,其特征在于,包括如下步骤:S1,控制器接收Agent信息,根据所述Agent信息获得非对称关系,判断各个Agent之间是否存在约束关系,如果存在,则在有约束关系的两个Agent间搭建一条边,从而构建Agent连接图,其中,各个Agent之间的约束关系决定了Agent节点之间的连接关系,并判定所述连接图为稀疏图还是稠密图;S2,根据Agent连接图中的节点间的连接关系,采用单枝的构造策略,建立基于排序的链式结构,每个Agent节点作为链式结构中的一环,由于Agent间约束关系的稀疏紧密程度不同,Agent在链中的不同位置及其邻居关系会导致整个链式结构的不同分布;S3,将步骤S1中所述Agent连接图按照深度优先的方式构造深度优先树,首先对根进行选择时,采用了约束关系最多的节点作为根,然后根据约束边的数量和有无回边确定子节点,构造深度优先树;S4,通过分枝定界策略,计算不同深度优先树的根节点的权重值,在计算根节点权重时,采用分枝定界遍历的方式,通过设置阈值,并计算每个Agent节点的上下界来进行剪枝,以最终获取更优的树形结构;S5,依赖步骤S4中得到的所述更优的树形结构,调整多Agent系统中的Agent行为参数。 | ||
地址 | 400044 重庆市沙坪坝区沙正街174号 |