面向多智能體的多任務分配策略研究.pdf

1、論文題目：面向多智能體的多任務分配策略研究學科專業(yè)：計算機應用技術研究生：王健指導教師：王磊教授摘要簽名：王使簽名：芻琵匕隨著智能體理論與技術的發(fā)展，多智能體系統(tǒng)在科學研究、互聯(lián)網(wǎng)、生產(chǎn)控制、金融服務、企業(yè)管理等諸多領域中有了較廣泛的應用，但在執(zhí)行效率和效果上依然存在很大的提升空間，而面向多智能體的任務分配問題是其中的一個重要因素，這也成為目前研究的熱點之一。因此，針對多智能體的任務分配策略的研究逐漸呈現(xiàn)出日益重要的理論意義與現(xiàn)實價值。

2、本文主要研究內(nèi)容如下：(1)針對面向合作型多智能體的多任務分配策略問題，探討了其基本的工作流程，并在此基礎上構建數(shù)學模型，并以其中的一些重要性能作為目標函數(shù)，以便于進一步對任務分配策略問題的研究。(2)針對面向合作型多智能體的任務分配模型，分析了粒子群算法在求解上述問題的可行性，并從理論分析的角度做了比較深入的探討和仿真實驗分析。將所要考慮的兩個目標有機地歸結成一個目標函數(shù)，從而將多目標優(yōu)化問題簡化為相對簡單的單目標優(yōu)化問題。通過編程仿

3、真，分析標準的粒子群算法和改進后的粒子群算法在求解該問題上的優(yōu)劣。(3)在改進的單目標粒子群算法的基礎上改進多目標粒子群算法，并將其應用于面向合作型多智能體的任務分配模型的求解中，并進行仿真實驗。同時，測試標準的多目標粒子群算法在解決該組合優(yōu)化問題的性能，比較兩者的優(yōu)劣，并不斷調(diào)整各個系數(shù)，以找到較好的系數(shù)取值或取值規(guī)律。(4)探討了多目標混合粒子群算法在解決面向合作型多智能體的任務分配問題上的性能。在保留(2)和(3)中研究成果的基礎

4、上，引入遺傳算法的交叉操作和變異操作，引入交叉操作以加強算法的適應性和精英粒子的搜索能力，引入變異操作以更有效地避免搜索陷入局部極值。(5)針對面向非合作型多智能體的任務分配問題，在合同網(wǎng)協(xié)議的相關研究的基礎上，受現(xiàn)在網(wǎng)上招聘和應聘現(xiàn)象的啟發(fā)，探討了一種基于聘雇機制的合同網(wǎng)協(xié)作模型。區(qū)分緊急任務和普通任務，在處理過程中突出雙向選擇和雙重競爭的機制，對管理Agent和任務Agent分別引入主動搜索的理念，以實現(xiàn)任務動態(tài)的，快速有效的和優(yōu)質(zhì)