基于多Agent的复杂适应系统建模仿真研究

发布时间：2020-04-05 20:49

【摘要】：复杂系统遍布日常生活的每一个角落,人们对复杂系统及复杂性科学的研究也日益重视。基于Agent建模方式是利用Agent的思想对复杂系统中的仿真实体进行建模,通过对复杂系统中的基本元素及其之间交互的建模与仿真,可以将复杂系统的微观行为和宏观“涌现”现象有机地结合到一起,是一种自底向上的、行之有效的仿真建模方式。因此,对Agent建模技术的研究具有重要的理论意义和现实意义。本文首先介绍了霍兰教授提出的复杂适应系统(CAS)理论的基本概念,并分析、阐述了CAS的研究方法、特点以及现实应用,接着介绍了多Agent相关技术及研究现状。紧接着在接下来两章提出了基于Agent的复杂适应系统建模研究和基于多Agent技术的遗传算法研究,并对算法结果进行了分析比较,验证了上述技术的正确性和可行性。最后,对复杂适应系统理论的一个具体应用-社会民意系统进行了阐述和分析。针对复杂系统中个体的微观行为极其重要的特点,本文在第三章分析了个体与环境的关系后,还着重对个体Agent进行了建模,包括它的形态、内部规则、通信方式等。为了体现复杂适应系统的对未来状态的预测能力,以达到预测效果,本文设计并实现了基于多Agent技术的遗传算法,针对协商时间长,协商无结果的情况,本文引入了遗传算法并做了相应改进,该算法结合Agent理论和技术,在评价函数、种群规模与分布、交叉和变异操作等方面都对传统遗传算法进行了改进,尤其是在高维度计算下,利用多Agent技术达成的自动协商,在性能和效率上都有提高。
【图文】：

复杂适应系统,抽象化

学习能力、协同能力等具备社会人基本素质的个体。由此，可以设想:用Agent来替代个体，多Agent及外部因素构成环境，Agent的适应性就能逐步演化出个体之间互相制约的复杂环境。复杂适应系统可以浓缩为图3一1所示。为了有更清晰的认识，论文从以下两个方面来剖析复杂环境中Agent的形态及演化。图3一1抽象化的复杂适应系统(1)个体Agent的形态在复杂适应系统理论中，个体是自主的、能够通过学习调整自己对环境的反应来适应环境，最终成为环境的一部分。因此，认识Agent的具体形态，对更深层次的把握复杂适应系统演化是非常重要的。所谓Agent的具体形态，主要包括Agent的结构、初始状态、思维方式、行为规则。为了将复杂适应系统中的个体投映为Agent，论文在构建模型时，讲究此原则:复杂适应系统中的个体，类似社会中的“自然人”

反应过程,规则集

规则fl表示当智能体满足这个投票条件:profit(某决策获得的利润)大于100元时，智能体就有强烈意愿趋向并愿意执行该项投票动作。智能体根据环境、条件及状态做出各种行为的过程如图5一3所示。智能体的所有规则构成一个有限规则集R[54]，，它可表示为:R={rl几，~·，rm}mEN公式(5一1)规则集中的规则可以是不完备的，相互之间允许矛盾的存在，也允许规则存在一定的冗余[56]。规则集不完备的原因是:建模时，建模者对局部细节分析和
【学位授予单位】：中南大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：N941.4

【参考文献】