学位论文 > 优秀研究生学位论文题录展示
基于蚁群算法的分布式多智能体任务分配研究
作 者: 施龙
导 师: 琚春华
学 校: 浙江工商大学
专 业: 管理科学与工程
关键词: 任务分配 多Agent系统 蚁群算法 随机扰动
分类号: TP301.6
类 型: 硕士论文
年 份: 2011年
下 载: 148次
引 用: 0次
阅 读: 论文下载
内容摘要
任务分配问题是一种比较典型的组合优化问题。由于系统内外环境的变化不断,系统内成员能力的动态变化等,这些都可能给任务分配问题的求解带来困难。从理论上讲,任务分配问题是公认的NP难问题,因此如何建立一个有效的启发式算法或近似算法是研究的一个热门领域。而蚁群算法是受自然界中的蚂蚁觅食行为启发而提出的一种新颖的仿生进化算法,适用于求解复杂组合优化问题。所以本文利用蚁群算法来求解分布式系统多任务分配问题。同时本文提出了逆转分配思想,即让蚂蚁代表任务的分配解,然后为每个任务选择任务的执行智能体,从而使蚁群算法能求解多智能体密集型的任务分配问题。多Agent系统(MAS)是研究如何使一个或多个实体不需要人的指导,以及通过相互协作、协调和协商和相互服务来完成用户所委托的复杂或繁琐的任务。主要研究内容包括:第一,建立了一种基于效用的任务分配模型UTAM,给出基于效用的任务分配问题的定义,然后分析了UTAM任务分配模型,并做了具体的数学描述。然后对UTAM模型进行了讨论和给出了如何应用这个模型,最后说明了UTAM的模型架构。第二,针对基本蚁群算法计算时间较长和容易出现停滞现象的缺陷,设计一种随机扰动蚁群算法(ant system with random perturbation behavior, RPAS)。对RPAS和基本蚁群算法进行比较,然后对仿真计算结果进行比较。第三,基于RPAS构建基于蚁群算法的任务分配机制RPASTA。对基本任务分配问题进行了数学描述。然后,着重描述了基于蚁群算法的多智能体协调机制RPASTA。研究了RPASTA的具体分配过程、功能设计以及工作流程。并将蚁群算法和其他启发式算法进行了比较,最后利用仿真,根据仿真结果得出蚁群算法的性能要优于其他启发式算法的结论。第四,研究了RPASTA任务分配机制的应用。给出了具体的系统分析与总体设计,包括实例简介、系统总体设计、实施步骤和开发环境等。
|
全文目录
摘要 2-4 ABSTRACT 4-7 目录 7-9 第一章 绪论 9-18 1.1 研究背景 9-10 1.2 研究现状 10-16 1.3 本文的研究内容和主要工作 16-17 1.3.1 研究内容 16 1.3.2 主要工作 16-17 1.4 论文组织结构 17-18 第二章 相关理论介绍 18-45 2.1 Agent与MAS系统 18-28 2.1.1 Agent技术概述 18-23 2.1.2 MAS理论 23-28 2.2 蚁群算法与其他启发式算法 28-41 2.2.1 其他启发式算法 28-33 2.2.2 蚁群算法 33-41 2.3 在分布式系统的任务分配理论 41-43 2.4 本章小结 43-45 第三章 基于效用的任务分配模型UTAM 45-53 3.1 效用 45 3.2 基于效用的任务分配问题定义 45-46 3.3 UTAM任务分配模型分析 46-48 3.4 UTAM任务分配模型的数学描述 48-50 3.5 UTAM分配模型讨论 50-51 3.6 UTAM模型架构 51-52 3.7 本章小结 52-53 第四章 基于蚁群算法的分布式任务分配机制RPASTA 53-71 4.1 改进蚁群算法RPAS的算法设计与比较 53-56 4.2 基于RPAS的任务分配机制RPASTA描述 56-60 4.3 RPASTA的分配过程 60-62 4.4 RPASTA的功能设计 62-63 4.5 RPASTA工作流程 63-64 4.6 实例分析与仿真 64-69 4.6.1 实例分析 64-65 4.6.2 算法主要参数的选取 65-68 4.6.3 仿真结果 68-69 4.7 本章小结 69-71 第五章 RPASTA任务分配机制的应用 71-80 5.1 系统应用背景 71-72 5.2 系统分析与设计 72-75 5.3 系统实现与流程 75-76 5.4 实验数据分析 76-79 5.5 本章小结 79-80 第六章 结论与展望 80-82 6.1 研究结论 80-81 6.2 进一步展望 81-82 参考文献 82-86 攻读硕士论文期间发表的论文 86 攻读硕士论文期间参加的课题和项目 86-87 附录 部分重要代码展示 87-103 致谢 103-104
|
相似论文
- 多导弹协同作战突防效能评估及组合优化算法研究,TJ760.1
- 基于蚁群算法的电梯群优化控制研究,TU857
- 动态环境下移动对象导航系统相关技术的研究,TP301.6
- 基于改进蚁群算法的机器人路径规划研究,TP242
- 改进的蚁群算法及其在TSP上的应用研究,TP301.6
- 基于免疫机制蚁群算法的电力系统无功优化研究,TP18
- 基于视觉反馈与行为记忆的GPU并行蚁群算法,TP301.6
- 基于物理拓扑感知的Chord算法研究,TP393.02
- 电渣炉过程控制系统的设计及优化控制,TP273
- Ad Hoc网络中分簇路由算法的研究,TN929.5
- 图像信息处理机的图像处理方法研究,TP391.41
- 智能光网络中路由选择算法的研究,TN929.1
- 面向无线传感器网络的多路径路由协议研究,TN915.04
- 改进蚁群算法在盲均衡中的应用,TN911.5
- 智能光网络动态路由和波长分配算法的研究,TN929.1
- 基于蚁群算法的移动商务个性化推荐体系研究,TP391.3
- 基于蚁群算法的车辆调度问题研究,TP301.6
- 融合MMTD与仿生算法的路由选择研究,TP393.05
- 基于本体多Agent系统的交易伙伴智能发现相关技术研究,F713.36
- 车间生产调度中基于聚类的虚拟联盟协商机制,TP301.6
- 基于改进蚁群算法的多目标退化调度问题的研究,O221.6
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 一般性问题 > 理论、方法 > 算法理论
© 2012 www.xueweilunwen.com
|