自适应遗传算法的Multi-Agent交通信号优化控制

在区域交通多智能体信号控制系统中,由于传统遗传算法早熟收敛,全局搜索能力不强,无法快速找到最佳配时方案,同时没有考虑相邻交叉口的关联性,针对这种情况,提出交叉口子区Agent代替传统的交叉口Agent,在交叉口子区Agent中引入自适应遗传算法,算法根据交通流量的变化对绿信比[λ]进行优化,使交叉口平均延误时间[D]最短。实验结果表明交叉口子区Agent代替交叉口Agent后,控制效果相似,节省了硬件资源,在交叉口子区Agent中引入自适应遗传算法下的信号控制能迅速找到最佳配时方案,使平均延误时间最短。仿真实验表明,将基于自适应遗传算法的交叉口区域控制应用到交叉口信号控制中有更好的性能,证明了用交叉口区域智能体替代交叉口智能体的可行性。     

基于Multi-Agent的木马模型设计

针对单木马的生存问题,提出了基于Multi-Agent思想的新型木马模型。通过实验,证明其体现了多木马协同作业的优越性,提高了生存能力。     

基于遗传算法的多边多议题自动协商模型

协商是MAS实现协同、协作和冲突消解的关键环节。在虚拟组织建立的背景之下,讨论了现有的多agent协商技术,提出了一个基于遗传算法的多边多议题自动协商模型,并且给出了相应的协议和算法。该模型能够迅速求出协商解,且agent能保持较高的效用,因此具有一定的通用性,适宜在动态的、时间约束强的开放网络环境下工作。     

交互式Multi-Agent遗传算法

提出一种新的交互式Multi-Agent遗传算法.该算法使固定在网格上的相邻智能体之间进行交叉、变异、死亡与再生操作和最优智能体本身进行自学习,来提高智能体的能量,从而使得算法获得较强的全局收敛能力和局部搜索能力.用户在每代进化中,只需选择感兴趣的个体,而不用评价每个个体的适应值,使得用户的评价操作变得简单易行.函数优化和服装设计的仿真实验表明算法能以较快的进化速度收敛,并使用户总评价次数减少,从而有效缓解用户的疲劳.     

基于遗传算法的自学习模糊逻辑系统

利用遗传算法实现模糊逻辑系统的自学习,提出了遗传算法和模糊逻辑系统的结合方式,并针对模糊逻辑系统的特点,提出了初始种群的生成方法,较大地提高了遗传模糊逻辑系统的自学习性能。仿真结果表明,该系统对复杂的非线性系统具有较好的学习效果。     

基于知识模型的改进遗传算法

针对遗传算法个体进化缺乏明确导向的缺点,该文提出了一种基于知识模型的改进遗传算法,将遗传算法和神经网络有效结合起来,利用神经网络的学习功能。构造知识模型,用来引导群体中某些个体的进化。模拟实验验证了该算法的有效性。     

基于学习算子的自学习遗传算法设计

遗传算子是影响遗传算法优化效果的重要因素。针对目前遗传算法研究中忽视个体能动性,没有充分利用进化经验信息的不足,提出反映个体学习能力的学习算子。给出了以个体适应度的变化方向和速度为依据的学习算子设计方法及其计算过程。在此基础上与现有的改进遗传算子结合,提出一种新的改进遗传算法-自学习遗传算法,分析了自学习遗传算法与自适应遗传算法之间在原理上的区别。以一个弹道导弹射程优化问题为算例对算法进行了性能测试,结果表明,在采用相同的改进遗传算子的条件下,学习算子能够以较低的代价提高遗传算法的收敛速度,并获得更好的最终优化结果。     

基于改进的Multi-Agent诊断的时间调度算法的研究

为了合理安排多任务合作中的时间,提出了基于改进的遗传算法的Multi-Agent的多任务协作调度算法.在Multi-Agent的多任务协作时间调度算法中引入遗传算法,能提高运算的准确性.在介绍Multi-Agent系统结构的基础上,分析了Multi-Agent的协作问题以及基于改进的遗传算法的调度算法.多任务协作调度算法的应用有效地最小化了系统的额外代价,实现了Multi-Agent系统的优化.     

基于遗传算法的Agent组织信誉度研究

首先描述Agent组织信誉度问题;接着介绍遗传算法在Agent组织信誉度中的应用;最后通过使用MATLAB遗传算法工具箱,对一个典型的实例进行计算,表明遗传算法对Agent组织信誉度优化具有可行性和有效性。     

服务于检索的Multi-Agent模型

在为搜索服务的智能Agent(IARS)模型的基础上,进一步探讨了利用多Agent(Multi-Agent)概念完善该文系统的理论基础和方法。由于多智能Agent系统中的任一Agent都能在任一时刻参加或离开系统的检索工作,因此,由单个Agent所获得的知识应能在系统各Agent间通信和传输。为此,在描述了总体设计的基础上,文章重点研究了为获取用户所需的信息,多Agent系统应在知识的通信和传输中采取的方法。     

基于分治思想和遗传算法的集装箱装载优化模型

大型平台的远距离运输任务中,对装载方案作合理规划,可以显著降低成本、提高效率,具有重要研究意义.基于实际场景,提出一种改进的集装箱装载优化模型.综合考虑空间利用效率、船队控制成本和快速作业反应三个要求,设计多目标优化函数;对船型、设备种类构建双重匹配约束;通过分治思想对复杂模型进行拆分,应用遗传算法优化求解.仿真实验结...     

基于交互式遗传算法的服装风格偏好模型的研究

交互式遗传算法通过交互式的手段以用户对个体的评估来替代传统遗传算法的适应度函数设计.提出并设计了一个基于交互式遗传算法的获取服装风格款式偏好模型的算法,通过交互获取用户的主观评分,结合部件对服装风格的影响度,并应用遗传算法得到用户对服装风格款式的偏好模型.     

遗传算法在T—S模糊模型辨识中的应用

给出了Ｔ－Ｓ模糊模型的一种模糊神经网络实现方法。提出了采用遗传算法优化网络参数，实现了Ｔ－Ｓ模型的辨识。给出了参优化的详细过程，并用仿真实例证实了 这种方法的有效性。成功地将神经网络，模糊逻辑与遗传算法融合于一个系统中。     

基于遗传算法的模糊树建模方法

1　引言近年来模糊逻辑理论在非线性系统辨识领域中得到了广泛的应用 .模糊逻辑建模方法的主要内容可分为两个层次 ,一是模型结构的辨识 ,另一则是模型参数的估计 .模糊模型的结构辨识问题是指如何划分输入空间 .模糊树模型 (FT模型 )是一种利用二叉树结构描述输入空间模糊划分     

基于遗传算法的SVM特征选择和模型参数优化

建立在统计学习理论和结构风险最小原则上的支持向量机(SVM)在理论上保证了模型的最大泛化能力,因此将支持向量机理论应用于入侵检测领域可以获得很好的效果.但是它在应用中也存在如何对网络数据进行特征选择和选择适当的支持向量机模型参数的问题.在分析了特征选择和SVM模型参数对分类器识别精度的影响基础上,提出用遗传算法建立支持向量机特征选择和分类器模型参数的自适应优化算法,并把它应用到网络入侵检测中去.最后,使用KDD CUP 99数据进行的仿真实验表明了算法的正确有效性.     

一种基于群代理协同交互的共乘出行仿真模型

作为一种新兴的交通方式,共乘出行既环保又可持续,因为它不仅能让乘客节省出行成本,还能减少汽车的交通拥堵,所以共乘成为人们首选的出行方式。考虑到现实中人力资源的有限性,对共乘出行服务进行了深入的研究。对多Agent技术和共乘过程进行详细的论述,提出一种基于群代理协同交互的仿真模型,该模型采用基于三层架构的JADE平台。给出司乘人员路径匹配模型和协商模型,提出最短路径算法来仿真启动司乘代理之间的共乘过程。选取覆盖北京市区的真实轨迹数据集Geolife和西安市15天的出租车营运轨迹数据,对提出的路径匹配模型和协商模型进行实验验证。实验结果表明,两类模型在准确性和执行效率上具有高效性。     

基于PAC模型的多Agent用户界面设计

介绍了基于多Agent的用户界面模型PAC,提出了应用PAC模型按照功能与表现分离、层次化组织结构的原则开发多gent用户界面的分析与设计方法,提出了10条用于多Agent用户界面设计的启发式规则。该方法具有概念清楚,分析设计容易等特点。最后,应用该方法,设计了具有机器学习功能的航空公司安全管理智能决策支持系统的用户界面。     

基于遗传算法的选播路由算法的研究

随着基于IPv6选播应用的研究与发展,选播路由算法已成为选播服务质量的关键.以遗传算法为基础,提出一种改进的交叉、变异遗传操作,在克服传统算法中早熟现象的基础上,加快了收敛速度;同时本算法以延时、带宽和服务器负载作为选择操作的依据.仿真结果显示,该算法能够在合理利用网络资源的同时找到最优解.     

基于量子遗传算法的非测距节点定位算法研究

为了提高非测距节点定位算法的定位精度,针对DV-Hop算法提出一种基于量子遗传算法的改进算法。利用节点间的估计距离和锚节点的位置,在DV-Hop算法的第三阶段采用量子遗传算法校正DV-Hop得到的估算位置,采用二进制量子编码和量子旋转门以及变异处理更新个体。仿真结果表明,改进的算法性能稳定,能找到全局最优解,并使DV-Hop的定位误差明显下降。     

一种新的基于遗传操作的改进型遗传算法

交叉与变异是遗传算法的重要操作,提出了一种新的基于遗传操作的改进型遗传算法.采用最优保留和改进的轮盘赌选择方法,通过基因交叉概率控制交叉,根据高斯分布改进了交叉算子和变异算子,保证了算法的全局搜索能力、局部搜索能力及收敛速度.通过标准函数的数值实验,验证了新算法的有效性.