基于策略选择的Agent多议题协商优化

Agent和多Agent系统（Multi—Agent Syste璐，简称MAS）正在成为人工智能研究实用化和在分布计算环境下的软件智能化的重要技术。协商策略是Agent协商的一个重要问题，选择有效的策略，可以有效地提高协商的效率。提出了一个策略选择算法，并以此为基础，在协商模型中运用预测结果，对协商模型进行了优化，使Agent在协商过程中能根据自己的需要来缩短协商进程，同时获得合理的收益，提高协商过程的可控性。最后通过实验证明了工作的有效性。     

混沌遗传算法在配电网无功优化中的应用

配电网无功优化可以有效地降低网络有功损耗,并提高系统的电压合格率,从而降低网络年运行费用,提高供电质量。为了提高配电网无功优化的收敛速度,文中对常规的遗传算法进行了改进,利用混沌优化算法加速了适应值较低的个体的淘汰,提高了每一代个体的平均适应值水平,从而显著提高了常规遗传算法的收敛速度。通过实际算例计算,验证了该算法能有效地提高配电网无功优化的收敛速度和优化效果。     

采用新杂交运算的遗传算法在求解优化问题中的应用

以遗传算法为基础，提出了一种利用混沌模型产生随机控制开关，以此控制杂交运算，从而能快速地求解０－１规划问题，并获得全局最优解。     

基于混沌遗传算法的排课问题的研究

对于传统的遗传算法中二进制编码引起的海明悬崖现象,提出了运用浮点数编码代替遗传算法中的二进制编码;针对在遗传算法中存在的种群多样性大大降低、陷入局部最优解以及出现不收敛等现象,提出了采用混沌系统算法加以改正.仿真实验表明,相比于一般的遗传算法,该算法能更有效地克服保持种群多样性困难,解决陷入局部最优解等方面的问题.     

基于混沌遗传算法的图像匹配

图像匹配是计算机视觉和图像分析中的一个基本问题。针对常规遗传算法存在的问题,提出了一种实现图像匹配的新的混沌遗传算法,实验表明,此算法具有更高的精度和速度,取得了满意的结果。     

基于混沌遗传算法的干线交叉口信号控制优化研究

城市道路干线交叉口交通信号的配时优化控制直接影响了整个城市的交通状况。为了提高干线交叉口信号控制的效率,以干线交叉口模型的交通信号控制问题为背景,构造了基于最小延误的常态交通条件下干线双向绿波控制模型。同时,结合混沌理论和遗传算法各自的优势,开发了混沌遗传算法。通过该算法对模型进行仿真数据求解,并与传统优化算法相比,系统延误明显减少了。结果表明,基于混沌遗传算法的控制优化方法可以提高干线交通运行的效率。     

一种基于Metropolis准则遗传算法的多边多议题协商

 为了使得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满意解,甚至最优解,并且提高协商的效率,提出将基于Metropolis准则的遗传算法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当中.经过1000次的实验数据表明,简单遗传算法平均需要155次才能达到协商的最优解,而基于Metropolis准则的遗传算法平均需要76次就达到协商的最优解.这个结果表明,基于Metropolis准则的遗传算法可以使得多边多议题协商中的智能体高效达到协商的最优解.     

不确定条件下的多Agent自动协商模型

考察了在不确定条件下的双边多议题协商中对Agent的效用建模的问题,给出一个引入了不确定因素的Agent的效用函数形式,更为准确地描述了不确定条件下Agent的偏好.提出了一个不确定条件下的自动协商模型,基于遗传算法设计了协商算法.仿真实验结果表明,该模型能够降低风险,改善Agent在协商过程中的决策效果.     

基于改进混沌遗传算法的无人机航迹规划

如何快速地规划出满足约束条件的飞行航迹,是实现无人机自主规划的关键.提出了一种基于混沌遗传算法的航迹规划方法,该方法首先由Voronoi图生成初始航速,然后采用混沌遗传算法在生成的航迹空间中寻优.主要对近年来出现的混沌遗传算法进行了改进以使其更具智能化.该方法采用幂函数载波代替传统混沌优化算法中的线性载波;为进一步提高混沌映射迭代序列的均匀性,提出了确定区间的随机幂指数概念并将其应用到混沌遗传算法中.仿真结果表明,该方法可以提高混沌遗传算法收敛的精确性.     

异步CDMA并行混沌遗传算法的多用户检测

基于传统遗传算法的多用户检测器易陷入局部最优解且收敛较慢,影响实时性。利用混沌优化算法的优势来弥补遗传算法的这一缺陷,使2种算法优势互补,同时采用具有“迁移策略”的并行搜索机制,提出了一种新的次优多用户检测方法——并行混沌遗传混合算法(PCGA),并在异步CDMA系统中对其性能进行了研究。仿真结果表明,提出的这种算法能有效克服传统遗传算法易陷入局部极小的问题,收敛速度更快,在抗干扰与克服“远一近”效应方面均优于传统遗传算法,有较明显的性能优势。     

一种竞争环境下基于自适应遗传算法的多边多议题协商

为了提高竞争环境下基于智能体电子商务多边多议题协商当中agent协商的效率,该文提出了一种竞争环境下agent的协商模型,并且将自适应遗传算法AGA应用于该模型当中,来提高模型中agent协商的效率。在实验中,分别对于两种遗传算法即：标准遗传算法SGA和自适应遗传算法AGA各进行了1000次的实验。结果表明同样达到协商满意解的时候,SGA平均需要183次协商,而AGA平均需要152次协商。这个结果说明,在求解竞争环境下多边多议题协商问题的时候,自适应遗传算法AGA可以使得协商当中的agent高效达到协商的满意解。     

一种改进的遗传优化算法

讨论了遗传算法的基本原理,提出一种引入局部搜索机制的遗传算法,并用于求解TSP。实验表明,本算法在城市规模较小时,能100%求得最优解,而且寻优速度很快;当城市规模较大时,能在很短的时间内求得次优解。     

基于混沌免疫遗传算法的神经网络及应用

借助混沌随机序列构造初始种群,将免疫机制引入传统遗传进化过程,有效克服传统遗传算法种群“退化”和“早熟”的不足,保持种群多样性,构造得到混沌免疫遗传优化算法。进而将混沌免疫遗传优化算法与BP神经网络相结合,分别用混沌免疫遗传优化算法和自适应BP算法对网络权值进行全局优化和局部二次优化,建立基于混沌免疫遗传算法的神经网络模型。利用所建立的混合神经网络模型对渤海某海域年极值冰厚进行训练预测,并将模型预测结果与实际数据以及动态拓扑预测的结果进行对比,表日周基于混沌免疫遗传算法的神经网络模型具有很高的预测精度和工程适用性。     

一种消解协商僵局的多目标粒子群优化算法

解决协商僵局问题是协商优化中的重要研究课题.利用协商议题之间的相关性,提出了一种用于消解双边多议题协商僵局的多目标粒子群优化算法(MOPSO).MOPSO首先动态放宽僵局议题的保留值,然后将僵局议题相关的多个议题的保留值缩紧问题转化为一个多目标优化问题,通过粒子群搜索到Pareto最优解集,从而并行优化了这些相关议题的保留值,最后在不降低协商者整体利益条件下进行协商议题保留值向量等效置换.实验验证了MOPSO是有效的,其僵局解决能力明显比现有的其他方法强.     

基于改进遗传算法的X波段驻波加速结构优化

针对X波段驻波轴耦合加速管设计,本文提出一种基于改进遗传算法的加速结构多参数自动优化方法.该方法采用MATLAB与电磁仿真软件CST协同,将结构的多个参量进行同时优化,以求得高有效分流阻抗的加速腔结构尺寸.该方法与传统单变量优化方法相比较,可大大节省优化时间,提高了设计效率,同时增加了保持腔体工作频率不变的功能,优化过...     

基于混沌集的图像加密算法

该文提出一种基于包含离散混沌系统、连续混沌系统的混沌系统集的混沌加密算法,该加密算法可以根据加密强度需求选择不同的混沌系统组合,利用图像像素的像素均值及像素坐标值为参数控制混沌密钥产生,增强混沌密钥与明文数据之间的联系。在加密基础上,将密文按位切割成3个数据后伪装隐藏在一个处理后的公开图像内,改变了密文外观特性。通过对加密后的图像进行图像直方图分析、相邻像素相关性分析及图像信息熵分析,表明该加密算法有效,在图像保密传输中具有应用潜力。

     

一种解决组合优化问题的量子遗传算法QGA

本文在量子变异的基础上,提出了一种解决组合优化问题的量子遗传算法QGA,它融合了遗传量子算法GQA和经典遗传算法的优点,只用一个个体就可在很短的时间内搜索到最优解,并针对一个典型的组合优化问题——0/1背包问题进行了对比实验,实验结果表明本文所提出的量子遗传算法QGA优于传统遗传算法和遗传量子算法GQA.     

改进遗传模拟退火算法求解TSP

遗传算法和模拟退火算法均是解决TSP的有效方法,分析2种算法各自的优缺点,在已有遗传模拟退火算法的基础上进行改进并用于求解TSP.引用部分最近插入法、部分随机产生初始种群,减小了群体多样性与收敛速度的矛盾.在遗传算法中,使用精英保留策略对选择操作进行改进,保证种群的质量;引入进化逆转算子,使子代继承亲代的较多信息,增强搜索能力.经过国际公认的TSPLIB实验数据仿真验证,改进后的遗传模拟退火算法搜索最优能力提高.     

基于遗传算法的搜索引擎调度

通用搜索引擎（GSE）通过将用户的请求分发给实际的搜索引擎来为用户提供服务。GSE所选用的实际搜索将直接决定搜索的质量。由于实际搜索引擎的性能及用户的请求是动态改变的,所以固定的实际搜索引擎不利于系统整体性能的优化。文中利用一种模拟自然界生物进化过程的计算模型－－遗传算法来实现GSE中智能代理管理器的调度策略。利用它可以动态优化实际搜索引擎的组合,从而提高GSE的整体性能。