基于多目标粒子群优化的协作智能体及其自动协商
神经与进化计算
2019-01-29 v1
摘要
本文研究了一种多目标粒子群优化（MOPSO）与协作智能体（MOPSO-CA）的新混合方法，以处理 MOPSO 中遇到的停滞问题，该问题会导致解陷入局部最优。所提方法涉及一种基于子种群集合思想的新分布策略，每个子种群由一个智能体处理。子种群与智能体的数量通过 Pareto 排序动态调整。该方法按需分配动态数量的子种群以改善搜索空间的多样性。此外，智能体用于更好地管理子种群内的 exploitation（开发）以及子种群间的 exploration（探索）。进一步，我们研究了智能体间的自动协商以共享最优知识。为验证我们的方法，进行了若干基准测试。结果表明，所引入的变体相对于对比算法确保了开发与应用探索之间的权衡。
引用
@article{arxiv.1901.09292,
title = {Multi Objective Particle Swarm Optimization based Cooperative Agents with Automated Negotiation},
author = {Najwa Kouka and Raja Fdhila and Adel M. Alimi},
journal= {arXiv preprint arXiv:1901.09292},
year = {2019}
}