多Agent联盟结构生成算法的剪枝优化

针对与联盟值有关的联盟结构生成算法,通过归纳总结整数划分数与联盟结构图中各层联盟结构数之间的对应规律,并利用已知联盟值之间的信息对解空间进行充分剪枝,快速获得不同大小的联盟结构局部最优解,从而计算出全局最优解。通过剪枝示例统计验证算法效果,剪枝优化后的搜索空间减少50%。     

基于多Agent联盟的无人机群任务协同控制

在分析无人机群多任务处理过程的基础上,给出了一种基于多Agent联盟体系结构的无人机群任务协同过程控制模型,并通过对Agent通信的消息结构定义时间约束条件和自主权标志等消息参数,实现在Agent协作基础上的可变自主权任务处理过程控制。     

多Agent合作问题求解方法的研究综述

多Agent合作问题求解是多Agent系统理论与技术研究的重点.多Agent合作的目的是使合作求解的效用大于单个Agent独立完成的效用,因此多Agent之间如何协调一致,形成统一的行动步调或者规范也成为了多Agent合作问题求解的主要目的.介绍了目前研究多Agent合作问题求解的主要方法、多agent合作问题求解的步骤以及其应用领域,并给出了目前存在的问题与未来的发展方向.     

多Agent协作模型

Agent系统是人工智能中的一个重要部分,而多Agent系统便是侧重于各个Agent之间的协作机制。对于已经存在的多Agent系统,多数都是人类以语言的形式进行描述.本文首先提出多Agent协作模型,并对该模型进行形式上的描述。     

基于Agent的软件工程探讨

当前,随着软件系统越来越大,越来越复杂,使得现有的软件工程技术很难解决系统中存在的一些问题.为了更好地解决这些问题,智能Agent凭借其自身所具有的灵活性被应用到了软件工程当中.据此本文提出了一种新的基于Agent的软件工程方法学,为大型复杂系统的设计和实现提供了一种有效的新途径.     

基于Agent的网上教学系统的研究

Agent是一种新兴技术 ,有很大的发展潜力。本文主要讨论如何把 Agent技术应用于网上教学 ,以提高网上教学系统的智能性和个性化 ,从而充分挖掘学习者的潜力 ,改善教学效果     

改进遗传算法求解TSP问题

遗传算法(GA)是由遗传进化理论指导的随机搜索寻优算法,传统GA的寻优能力与随机搜索能力之间存在着相互制约的关系,所以对地形极其复杂、极无规律的TSP的应用效果并不十分理想.通过利用互换启迪交叉算子加快局部搜索算法的收敛速度,利用模式增加修补算子防止算法早熟收敛,给出了一种求解TSP问题的新型遗传算法.仿真实验表明该算法是有效的和可行的.     

基于多Agent的网络教学平台系统研究

本丈从传统网络教学平台的发展趋势出发,对教学系统设计理论及代理技术的应用做了分析,提出了基于多Agent网络系统框架,并对相应关键问题做了研究探讨,这些都为系统的进一步开发提供了理论依据。     

基于Agent技术的语义网服务模型

随着Internet的发展和信息共享需求的不断提升,语义网作为下一代Web技术成为计算机领域中的一个研究热点.Agent是一种新的分布式计算方式,是分布式人工智能中的重要技术.文章将Agent与语义网相结合,提出基于Agent技术的语义网服务模型.     

发挥多Agent系统的威力

本文给出了一个基于多Agent技术的教育信息资源配送系统模型,这个系统改进了当前单一下载、缺乏调度机制、缺乏个性化资源挖掘等缺点,实现了通过多个智能体的相互通信和协商,最大效率地完成信息资源的配送。     

改进的蚂蚁遗传混合算法及应用

车间作业调度问题是一个典型的NP-hard问题。分析了蚂蚁算法和遗传算法的特点,就遗传算子、交叉概率和变异概率上对传统遗传算法进行了改进;同时为了加速蚂蚁的搜索效率、减少迭代次数,重构了传统蚂蚁算法的下一个结点选择策略、信息素的局部更新策略,并将改进后的两个算法进行混合求车间作业调度的最优解。试验表明,算法的改进和混合提高了搜索效率及搜索结果的准确性。     

基于改进遗传算法的柔性作业车间调度研究

针对中小型企业生产车间柔性作业调度问题,采用改进的遗传算法求解最优调度结果。将最大完工时间最小化作为调度目标,对经典遗传算法进行相应的改进。首先利用粒子群算法获取工序序列与粒子参数之间的映射关系,在初始种群中利用混沌映射和反向学习策略以提高初始种群质量;然后提出一种将机器编码和工序编码相结合的分段编码方法,以解决某道工序有多台可选机器加工的问题;最后利用自适应交叉和变异概率提高算法收敛速度。通过对 Brandimarte 设计的 10 组不同规格的基准案例进行仿真实验,得到进化曲线和最优调度方案。实验结果验证了该方法的实用性和有效性。     

遗传算法在云任务调度中的应用

云任务调度的目的是快速找到全局最优解.将多个云任务合理的分配给有限的资源上,使得整个任务的完成时间较短.文中主要介绍了遗传算法在云任务调度中的应用.通过仿真实验分析了采用精英策略的遗传算法和没有采用精英策略的遗传算法在云任务调度中的不同.     

基于改进遗传算法的组合电路测试生成

测试生成是集成电路测试研究的一个热点问题。针对遗传算法存在的搜索空间大、时间长的不足,在分析了逻辑门的关键位和非关键位的基础上,提出一种电路分块方法,使得遗传算法在测试生成中的应用得到了优化。仿真结果显示,该方法可获得100%的故障覆盖率,且测试时间缩短了15%。证实了该方法的有效性和可行性。     

一种改进的遗传算法及其应用

为解决遗传算法的早熟和局部收敛现象,提出的一种改进的遗传算法,该算法引入海明距离构造初始种群,在选择、交叉、变异过程中采用最优保存策略。实验表明改进的遗传算法增强了种群的多样性,并在一定程度上避免早熟现象发生,同时又能较快找到全局最优解。     

一种改进的变种群规模遗传算法

传统的遗传算法在遗传操作的过程中,不管具体问题对种群规模的要求都事先指定,造成种群规模表现的不合理。针对这一问题,Arabas,J.等人提出了一种变种群规模遗传算法GAVaPS(Genetic Algorithms withVarying Population Size),旨在遗传操作的过程中自适应地调整种群的规模。黄乐等人提出了一种改进的变种群规模遗传算法VPSG-GM(Varying Population Size Genetic Combined with Gradient Search Method),它与GAVaPS方法在遗传操作上的不同之处是把评价目标函数的步骤置于重组种群时“淘汰”步骤之前,这样做减少了算法由于重组造成的不必要开销。文章提出的改进的变种群规模的遗传算法,在调整种群规模时通过增加补算算子,从而达到保持种群多样性的目的。这样做可以略去变异操作,减少了系统开销。实验证明了该算法的有效性。     

一种基于排序的新型遗传算法

提出了一种新型遗传算法,算法的遗传操作是基于排序的模式下进行的,且根据每代种群的集中度对种群进行一定数量的突变.最后对几个标准函数进行了试算,结果表明算法具有良好的效果.     

基于改进遗传算法的自动组卷系统的研究

针对基本的遗传算法在自动组卷系统中容易陷入局部最优解、迭代后期容易早熟收敛等缺点,提出了改进的初始种群选择方法、自适应的交叉概率和变异概率的改进遗传算法。并且通过对组卷数学模型的改进,使得系统对多门课程具有通用性。实验结果表明,改进遗传算法改善了算法的全局搜索能力,更好地克服了迭代后期的早熟现象,因而在组卷效果及效率上优于基本遗传算法。     

基于改进遗传算法的地区电网优化规划

阐述与分析遗传算法的原理与技术特点,并通过在某地区电网的优化规划,仿真结果表明,该算法能够带来较大的经济效益。     

基于改进遗传算法的组卷研究

针对现有遗传算法组卷的不足,提出基于项目反应理论,并采用参数估计的方法,对遗传算法的适应度进行相应的改进,从而提高了组卷算法对学生群体的适应性．