基于多摇臂赌博机的产品定价算法

针对在线零售商在不完全需求信息下的单产品定价问题,提出了一种基于多摇臂赌博机的产品定价算法.为了提升多摇臂赌博机算法在定价问题中的效果,该算法利用了需求曲线的单调性,并加入了消费者偏好识别.对消费者的保留价格进行分析得到消费者购买概率,将在线零售商的定价问题建模为多摇臂赌博机模型,给出了相应的定价算法并进行了理论分析,...     

在线核选择的对抗式多臂赌博机模型

在线核选择是在线核方法的重要工作,可分为过滤式、包裹式和嵌入式3种类型。已有在线核选择探索了包裹式方法和嵌入式方法,也经验地采用了过滤式方法,但迄今尚没有一个统一的框架来比较、分析并研究各种在线核选择问题。文中 提出一种在线核选择的多臂赌博机模型,该模型可作为一个统一框架,同时给出在线核选择的包裹式方法和嵌入式方法。给定候选核集合,候选集中的一个核对应多臂赌博机模型中的一个臂,在线核选择的每回合依据一个概率分布重复地随机选择多个核,并应用指数加权的方法来更新该概率分布。这样,在线核选择问题本质上可归约为一个非遗忘对手环境下的对抗式多臂赌博机问题,并可应用对抗式多臂赌博机模型统一地给出在线核选择的包裹式方法和嵌入式方法。文中进一步提出一个新的在线核选择后悔的概念,理论证明包裹式方法具有关于回合数亚线性的弱期望后悔界,并且嵌入式方法具有关于回合数亚线性的期望后悔界。最后,在标准数据集上通过实验验证了所提统一框架的可行性。     

考虑时变奖励的多摇臂算法在动态定价中的应用

考虑到动态定价是一个非固定性的多摇臂(Multi-Armed Bandit,MAB)问题,即厂商的利润会随时间变化,因此在相关研究基础上,研究了需求不确定情况下考虑时变奖励的置信区间上界(Upper Confidence Bound,UCB)算法在动态定价问题上的应用.将商品定价问题描述为一个多摇臂问题,并构建利润最大...     

基于多臂赌博机的时变信道速率自适应选择方法

针对在复杂多变的无线通信环境中合适的传输速率难以确定,导致吞吐率下降的问题,提出了一种基于多臂赌博机模型的跨层速率自适应选择算法(DUCB-RA,Discounted Upper Confidence Bound Based Rate Adaptation),把速率选择问题转换为多臂赌博机(MAB,Multi-Armed Bandit)问题,同时利用了物理层以及媒体接入控制层反馈的信道信息来选择合适的发送速率。在最后给出了算法性能的数学证明和仿真结果。实验结果表明,与其他速率自适应选择方案相比,该算法在平稳以及时变信道条件下均能取得较好的性能。     

Distributed Weighted Data Aggregation Algorithm in End-to-Edge Communication Networks Based on Multi-armed Bandit

As a combination of edge computing and artificial intelligence, edge intelligence has become a promising technique and provided its users with a series of fast, precise, and customized services.In edge intelligence, when learning agents are deployed on the edge side, the data aggregation from the end side to the designated edge devices is an important research topic.Considering the various importance of end devices, this paper studies the weighted data aggregation problem in a single hop end-to-...     

一种群体智能算法——狮群算法

基于狮群中狮王、母狮及幼狮的自然分工,模拟狮王守护、母狮捕猎、幼狮跟随3种群智能行为,提出群体智能算法——狮群算法.算法中不同种类的狮子位置更新方式不同.遵循自然界生物“适者生存”的竞争法则,狮王守护领土,优先享用食物,母狮合作捕猎,幼狮分为学习捕猎、饥饿进食和成年被驱逐.狮子位置更新方式的多样化保证算法快速收敛,不易陷入局部最优.最后,将算法应用于6个标准测试函数优化问题,并对比粒子群算法、骨干粒子群算法,测试结果表明,文中算法收敛速度较快,精度较高,能较好地获得全局最优解.     

基于鲁棒Restless Bandits模型的多水下自主航行器任务分配策略

针对水下监测网络中多自主航行器（AUV）协同信息采集任务分配问题进行了研究。首先，为了同时考虑系统中目标传感器的节点状态与声学信道状态对AUV任务分配问题的影响，构建了水声监测网络系统的综合模型；其次，针对水下存在的多未知干扰因素并考虑了模型产生不精确的情况，基于强化学习理论将多AUV任务分配系统建模为鲁棒无休止赌博机问题（RBP）。最后，提出鲁棒Whittle算法求解所建立的RBP，从而求解得出多AUV的任务分配策略。仿真结果表明，在干扰环境下与未考虑干扰因素的分配策略相比，在系统分别选择1、2、3个目标时，鲁棒AUV分配策略对应的系统累计回报值参数的性能分别提升了5.5%、12.3%和9.6%，验证了所提方法的有效性。     

群体智能与人工生命

群体智能和人工生命是正在迅速发展的新兴研究领域.它们通过对自然界生命现象的模拟,在不同层次上揭示生命现象和进化规律,为复杂系统的复杂行为建模与仿真提供了新的思路.本文分别对人工生命和群体智能进行了综述,分析了两者的区别与联系,并对人工生命和群体智能的未来发展趋势进行了展望.     

群体智能优化算法

群体智能优化算法利用群体的优势,在没有集中控制并且不提供全局模型的前提下,为寻找复杂的分布式问题的解决方案提供了基础。介绍了两种群体智能算法模型:蚁群算法模型和粒子群算法模型,研究了两种算法的原理机制、基本模型、流程实现、改进思想和方法;通过仿真把蚁群算法与其他启发式算法的计算结果作对比,验证了蚁群算法具有很强的发现较好解的能力,不容易陷入局部最优;微粒群算法保留了基于种群的、并行的全局搜索策略,采用简单的速度-位移模型操作,在实际应用中取得了较高的成功率。     

群体智能优化算法

群体智能优化算法利用群体的优势,在没有集中控制并且不提供全局模型的前提下,为寻找复杂的分布式问题的解决方案提供了基础.介绍了两种群体智能算法模型:蚁群算法模型和粒子群算法模型,研究了两种算法的原理机制、基本模型、流程实现、改进思想和方法;通过仿真把蚁群算法与其他启发式算法的计算结果作对比,验证了蚁群算法具有很强的发现较好解的能力,不容易陷入局部最优;微粒群算法保留了基于种群的、并行的全局搜索策略,采用简单的速度-位移模型操作,在实际应用中取得了较高的成功率.     

群智能理论及应用研究

群智能是一种由无智能或简单智能的个体通过任何形式的聚集协同而表现出智能行为。它为在没有集中控制且不提供全局模型的前提下寻找复杂的分布式问题求解方案提供了基础。目前,群智能已成为有别于传统人工智能中连接主义、行为主义和符号主义的一种新的关于智能的描述方法。论文对群智能理论的起源背景、发展及应用作了系统阐述,并对群智能与一般演化计算的异同作了深入分析。     

基于群体智能的算法研究

计算机技术不断发展,从而带动着算法技术不断更新,尤其是在模仿社会性动物的行为领域,产生了很多的智能算法。本文主要介绍当前几种热门研究的算法,阐述了其工作原理和特点,同时对其发展进行了展望。     

群体智能研究综述

群体智能利用群体的优势,在没有集中控制、不提供全局模型的前提下,为寻找复杂问题的解决方案提供了新的思路。首先阐述了群体智能的研究现状,包括典型的蚂蚁群优化算法、粒子群优化算法、群体机器人以及算法的应用。在此基础上,对今后的研究趋势进行了分析和展望：对群体智能系统底层机制的研究以及群体机器人的研究将是今后研究的重点,具有重大意义和广阔前景。     

基于群智能算法无线传感网络分簇路由协议

无线传感网络路由协议——LEACH协议(Low Energy Adaptive Clustering Hierarchy)是一种经典的分簇路由协议,LEACH协议相比其他平面路由协议生命周期提高15%以上。然而LEACH协议还是存在不少使能耗过大的缺陷,为改进LEACH协议这些缺陷本文提出了一种节能高效的基于群智能算法的智能分簇路由协议SI-CRP协议(Swarm Intelligence-Clustering Routing Protocol)。     

游戏中的人工智能技术

本文阐述了游戏中的人工智能技术目前在国内外的应用现状,并分析了可用于游戏中的主要人工智能技术。     

具有混合群智能行为的萤火虫群优化算法研究

萤火虫群优化算法是一种新型的群智能优化算法,基本的萤火虫群优化算法存在收敛精度低等问题。为了提高算法的性能,借鉴蜂群和鸟群的群体智能行为,改进萤火虫群优化算法的移动策略。运用均匀设计调整改进算法的参数取值。若干经典测试问题的实验仿真结果表明,引入混合智能行为大幅提升了算法的优化性能。     

基于群智能和人工生命的群体行为动画仿真

为了更好地提高智能鱼在复杂动画中的应用,在分析自然鱼的感知、认知、运动和行为系统的基础上,研究并实现了简单的智能鱼动画。首先建立了虚拟环境下智能鱼的视觉感知模型和认知模型以及听觉模型,然后通过微粒群算法确定智能鱼的运动轨迹,模拟智能鱼的自由游动、捕食和躲避危险几种行为动作,最后经动画仿真,智能鱼具有集群、躲避鲨鱼的攻击、绕障碍物游动和觅食行为。经过仿真之后的动画效果有所优化,因此将微粒群算法应用到群体行为动画仿真中有一定的现实意义。     

群智能算法的研究进展

群智能是一种仿生自然界动物昆虫觅食筑巢行为的新兴演化计算技术。目前主要的群智能优化算法有蚁群算法、微粒群算法和人工鱼群算法。本文介绍了群智能算法的产生、发展和优点,并着力阐述了上述三种典型算法的基本原理,同时概述了各算法的应用现状,最后提出了算法将来有待研究的内容。     

群体智能中的知识涌现与复杂适应性问题综述研究

阐述了群体智能的相关概念，分析了群体智能中的自恢复、间接通信和进化学习等特点;对群体智能中的知识涌现现象进行了研究，对智能的本质问题进行了探讨．将群体智能系统与复杂适应性系统进行了联系和对比，提出了群体系统是一种复杂适应性系统的观点．介绍了几个典型的实验模型．最后，在总结群体智能局限性的基础上，提出了系统智能的观点，并对群体智能的意义和发展趋势进行了简单的总结．