社会协作的多智能体进化(2)

社会协作的多智能体进化

第2期　　　　　　　　　　　　　　　潘晓英等:社会协作的多智能体进化

275

置相邻的感知邻域,这一点与实际的多智能体协作相差甚远,在一定的程度上影响了算法的性能.为克服该缺陷,笔者从研究多智能体系统中的协作机制出发,提出了一种社会协作的多智能体进化算法(SCMAEA).该算法定义可信任度表示智能体之间的历史活动信息,在多智能体和进化算法结合的基础上引入社会协作机制来建立和更新局部环境,加快算法的收敛速度;同时构造一个非一致变异算子来提高算法的局部搜索能力,在收敛的前提下保持多智能体种群的多样性.

1　问题描述

不失一般性,函数优化问题可描述为下述的数学模型

min　f(x)　,　x=(x1,x2,…,xn)∈S　,

其中f(x)为目标函数,SΑRnx≤xi≤xi,i=1,2,…,n的n维搜索空间.

定义1　智能体a表示待优化函数的一个候选解,其能量值等于目标函数的相反数,即

a∈Sandenergy(a)=-f(a)　,

(2)

(1)

其目标为最大化智能体的能量.

2　智能体社会协作机制———关系网模型

陈等[8]对agent社会组织方法和,agent之间联系的“熟人关系网模型”,同时对a的属性包括:name,address,capability以及(;address(a)表示联系地址;capability(a)用于描述a对问题的求解能力;a)所有熟人通信信息的列表,表示为contact(a)=<l1,l2,…,lm>,列表中的每一个元素li称为熟人i的联系信息,有li=<name,address,trust2degree>,其中name(i),address(i)和trust2degree(a,i)分别表示熟人i的名称,联系地址以及智能体a对i的可信任度.其中trust2degree(a,i)的取值范围为[-1,+1],与可信任度值大的熟人合作,成功的可能性也就越大.

定义2　智能体a认为b在时间t的可信任度为T(a,b,t),规定:T(a,b,t)∈[-1,+1];并将初始时间t=0时对b的可信任度置为0,即T(a,b,0)=0.

Agent为了确定熟人的可信任度,需从与熟人合作的成功与否来考虑,如果合作成功则给该熟人的可信任度增加一个数量值,如果合作失败,则减少一个数量值.为了鼓励agent积极合作,假设在agent社会中,agent遵循“知己难寻,冤家易结”的基本原则确定可信任度.设一次失败的合作对agent可信任度造成的损

γ>δ失为γ,一次成功的合作对agent可信任度带来的收益为δ,则.一种简单的可信任度确定方法为可信任

δ;当a与b合作失败时:T(a,b,t+度积累策略,当a与b合作成功时:T(a,b,t+1)=T(a,b,t)+

1)=T(a,b,t)-γ.

3　社会协作的多智能体进化

该算法采用多智能体进化的思想,将智能体作为传统进化算法中的个体并采用进化机制,每个智能体能够同时与环境和其他智能体交换信息,互相影响彼此的进化过程,通过其相互作用达到全局优化的目的,以下对此进行详细说明.311　智能体定义

根据函数优化问题的具体要求,定义agenta=(location,body,energy,neighbor),其中location表示智能体的位置;body(a)=(a1,a2,…,an)为智能体的内容;energy为智能体的能量;neighbor为智能体的局部环境,表示为neighbor(a)=(l1,l2,…,lm),其中每个元素为一智能体记录,有li=(location,trust2degree),location(i)和trust2degree(a,i)分别表示agenta局部环境中agenti所处的位置以及可信任度.所有的智能体均生存在规模为lat×lat的网格上,每个智能体占据网格上一个节点,且不能移动,如图1所示.