一种基于混合遗传算法的双边多议题协商

为了提高基于智能体电子商务双边多议题协商当中agent协商的效率,提出了一种agent的协商模型,并且将混合遗传算法HGA应用于这种模型当中,来提高模型中agent协商的效率。分别对4种遗传算法各进行1000次的实验。结果表明,它们同样达到协商最优解时,标准遗传算法SGA平均需要218次协商,基于Metropolis准则的遗传算法MGA平均需要184次协商,自适应遗传算法AGA平均需要152次协商,而混合遗传算法HGA平均仅需要121次协商。这说明,在求解双边多议题协商问题的时候,HGA可以使得协商当中的agent高效达到协商的最优解。     

求解航班时间表问题的混合遗传算法

针对基于模拟退火的混合遗传算法求解航班时间表问题的特征,利用矩阵编码形成个体,使用模拟退火算法快速形成优良初始解,并构建优良基因库以改良解精度.仿真实验表明,该算法和传统模拟退火算法及遗传算法相比,所得结果的方差降低了20.6%～24.6%,进化代数降为标准遗传算法的16.58%,运行时间缩短6.3%～14.0%,且算法直观,易于实现.     

电子市场中AGENT协商行为机制分析

提出了一种电子市场模型,然后对电子市场中卖方(买方)AGENT的协商活动进行分析,在协商过程 中AGENT以某种行为方式代表客户进行活动,行为方式通过一种复杂函数(参变量包括:电子市场条件、产品目 录信息、个人态度(由:时间、价格、买卖信用级别、质量重要性等要素构成))表现出来。     

基于BPNN-GA算法的双边多属性谈判求解

通过对现有网上谈判模型研究发现,原有求解方法因多采用线性效用函数假设而存在自身无法克服的局限性。提出了基于BPNN-GA算法的双边多属性谈判求解方法。为求解属性间具有复杂函数依赖关系、效用函数难以显式表达,以及具有非线性效用函数映射关系的双边多属性谈判提供了一种有效的求解方法。最后通过谈判实例验证了该方法的有效性。     

B2B市场中基于Mediator调节的双边协商模型

随着电子商务的发展,基于Agent的智能协商得到广泛的关注。由于协商方不愿透漏更多的信息,传统交替式提议的协商方法容易陷于僵局,这需要中间方Mediator参与调节。针对B2B市场,提出了一种基于Mediator调节的双边协商模型。在该模型中,买卖双方同时向Mediator提交封闭提议以最大化本方效益,而Mediator根据调节策略确定每回合的让步度,以及最终的成交价和成交量。仿真实验验证了该模型在获得联合效益和维护公平方面是有效的。     

基于混合遗传算法的网络通信费用问题求解

随着In ternet信息资源的不断丰富,通信费用的增长使得信息资源的选择成为一个复杂的问题。描述了网络通信费用问题的形成及其特征,并把它归结为组合优化问题中的一个经典问题,即背包问题,建立了对应的数学模型,并用改进的模拟退火遗传算法进行求解。     

轴辐式网络快递货运问题的混合遗传算法求解

目前具有区域集散地群的轴辐式网络快递货运是快递运输的主要形式。此类网络的物流优化1＂-3题是快递公司获得最佳效益所面临的关键问题。本文分析了轴辐式网络快递货运的特点,提出了单一轴点轴辐式网络快递货运问题的混合遗传算法求解办法。该算法采用混合编码方式,并将货运站车辆调度算法嵌入到遗传算法中形成混合遗传算法。实验结果表明,本文算法给出的轴辐式网络快递货运集散地群划分方案和货运站车辆调度方案合理可行,能达到节省运营成本的目的,从而使企业获得较好的经济效益。     

混合遗传模拟退火算法求解背包问题

提出了一种混合遗传模拟退火算法求解背包问题,该算法应用改进的模拟退火算法作为局部搜索,提高算法的搜索效率,采用同时考虑解的质量和种群多样性的种群更新策略,保持种群的多样性,仿真实验结果表明该算法是有效的.     

基于混合遗传算法求解飞机定常状态

为保证对飞机定常状态准确求解,在分析了定常状态的基本特性和相应约束条件的基础上,提出了一种新的混合遗传算法.算法基于"学习潜能"的概念将遗传算法中的拉马克学习与鲍德温学习两种学习机制有机结合在一起,将局部搜索次数在群体中进行合理分配,使学习的优势得到充分发挥,使其不足得到有效抑制.本文算法不依赖于飞机动力学模型的具体形...     

求解非线性规划问题的混合遗传算法

本文针对一般形式的非线性规划问题，提出一种具有学习算子的混合遗传算法，该算法有收敛速度快且能收敛于最优解等特点。     

混合遗传算法的最优通信频率分配研究

随着移动通信的迅速发展,飞速增长的用户数量与有限的频率资源这两者之间的矛盾越来越突出,如何能高速有效地分配有限的通信频率是通信公司的重要任务。针对此问题,采用混合遗传算法为通讯基站分配通信频率,该分配算法违约率低,分配速度快,可以在规定频率范围和时间内生成最优频率分配。     

混合遗传算法的电力系统无功优化

针对遗传算法（GA）的局限性,提出了一种应用于电力系统无功优化问题的混合遗传算法（GASA）。实施了最优保留策略,改进交叉和变异操作,并结合模拟退火算法（SA）的Metropolis判别准则的复制策略,使寻优过程能够跳出局部最优解,从而形成了混合遗传算法。优化过程中考虑了电力系统无功优化自身特点,提高了计算效率。对IEEE30节点系统的仿真表明：该算法能够有效地提高收敛速度,避免早熟收敛。     

Double Learning Algorithm in Bilateral Multi-Issue Negotiation under Incomplete Information

In order to enhance the efficiency in bilateral multi-issue negotiation under incomplete information,double learning algorithm that includes Q-learning algorithm and Bayesian learning algorithm is presented.TheQ-learning algorithm is used to learn the weights of issues,and the Bayesian learning algorithm is used to learnthe reservation price of issues.Experiments show that the algorithm can help agents to negotiate more efficiently.     

应用混合遗传算法的建筑结构优化设计

提出一种离散变量结构优化设计的单向搜索算法并与标准遗传算法结合成混合遗传算法,即发挥了单向搜索算法省时、高效、局部搜索能力强的特点,又发挥了遗传算法全局性好的特点。算例结果表明,该方法能直接计算具有应力约束和截面尺寸约束的离散变量结构优化设计问题,也能处理同时具有稳定约束和位移约束的多工况、多约束、多变量的离散变量结构优化设计问题。这种混合遗传算法优于标准遗传算法和单向搜索算法,是兼二者之长,弃二者之短的高效的理想优化设计方法。     

工程结构优化设计的混合遗传算法

根据工程实际，充分考虑规范规定的约束条件和各项技术标准要求，建立了工程结构优化设计模型。为了改善遗传算法在迭代过程中经常出现未成熟收敛、振荡、随机性太大和迭代过程缓慢等缺点，提出一种离散变量结构优化设计的三等分割算法，并与标准遗传算法结合成混合遗传算法。对25杆框架结构优化设计，结果表明，这种混合遗传算法的收敛特性得到很好的改善，即发挥了三等分割算法省时、局部搜索能力强的特点，又发挥了遗传算法全局性好的特点，是有效的工程结构优化设计方法。     

多Agent自动协商中的改进遗传算法

针对多Agent自动协商中所存在的协商时间长、复杂性高、协商结果无法保证等问题,文中提出了一个基于Pareto最优解的改进遗传算法。该算法在评价函数、种群规模与分布、交叉和变异操作等方面都对传统遗传算法进行了改进,以提高具有高维度多Agent自动协商中算法的性能和效率。通过买卖Agent之间的多对多自动协商典型算例表明,这种算法在保证不同利益群体Agent之间协商取得Pareto最优解的稳定性和使得协商参与者达到协同进化等方面都具有明显的优势。     

自适应遗传算法在多边多议题协商中的应用

为了使基于智能体电子商务中协商智能体最大限度地达到协商的最优解,并且提高协商的效率,提出将自适应遗传算法AGA应用于基于智能体电子商务的多边多议题同时出价的协商中. 经过1000次实验,标准遗传算法SGA平均需要210次才能达到协商的最优解,而AGA平均仅需要187次. 这表明,在基于智能体的电子商务中,自适应遗传算法可以使多边多议题协商中的智能体高效达到协商的最优解.     

基于遗传算法和模拟退火算法的混合算法

结合离散时间系统最优控制问题,提出一种新的混合算法.该算法是在遗传操作中嵌入模拟退火算子,有效地结合了遗传算法隐含并行与模拟退火算法全局寻优的特点,同时用罚函数方法处理约束条件,设计了专门的遗传操作算子,构造了相应的适应度函数,实现了离散时间系统的最优控制.实验结果表明,新算法既具有较快的收敛速度,又能够收敛到最优解.