基于相对距离和关联度的多任务联盟的蚁群算法
针对蚁群算法在求解多任务联盟问题(multi-task coalition problem,MTCP)时存在的迭代次数多、求解精度不高的问题,提出了一种基于相对距离和关联度的蚁群算法.该算法针对蚁群算法搜索机制和信息素增量模型,提出了2种策略.首先,为提高资源利用效率,减少Agent的能力浪费,引入了相对距离的概念,提出了基于相对距离的搜索机制;其次,为强化蚂蚁间的协作,利用已获得的解信息,给出了一种基于关联度的信息素增量模型.仿真实验结果表明,与已有的一些算法相比,本文算法不仅能获得更好的联盟结构,而且具有较快的收敛速度.
多任务联盟问题、蚁群算法、相对距离、关联度、多Agent系统
39
TP18(自动化基础理论)
国家自然科学基金重大资助项目60496322;北京市自然科学基金资助项目4102010
2013-03-07(万方平台首次上网日期,不代表论文的发表时间)
共6页
57-62