分布式智能系统中多任务协作机制研究
发布时间：2022-02-14 17:19
在复杂的分布式智能系统（DIS）中,多智能子系统之间的多任务协作尤为关键。本文运用云模型理论、智能优化算法和多Agent系统（MAS）理论,对DIS中实现多任务协作的主要方式——协作联盟及其资源优化分配算法、决策评价方法和效用划分策略等关键问题进行了较深入的理论探讨,并应用到新能源汽车联盟的资源优化分配和决策评价中,从而为复杂的DIS中多任务协作的资源分配、决策评价和效用划分等机制研究提供有效的方法和途径。本文完成的主要研究工作及创新如下:1)针对多任务协作联盟（MTCC）资源分配问题,提出了一种基于二进制粒子群（BPSO）-二进制差分进化（BDE）混合算法（简称BPSO-BDE混合算法）的MTCC资源优化分配方法。构建了以资源为导向的MTCC资源优化分配模型,建立基于二维二进制编码修正的资源冲突消解机制,避免了MTCC中潜在资源冲突和联盟死锁;采用二维二进制编码方式进行种群个体编码,以联盟总收益值作为适应度值,融合BPSO的粒子速度、位置更新操作和无参数变异的BDE种群变异、交叉、选择操作,不断进行寻优迭代获得联盟资源分配的最优方案,并通过实例分别与基于BPSO算法和BDE算法的MT...
【文章来源】：合肥工业大学安徽省211工程院校教育部直属院校
【文章页数】：125 页
【学位级别】：博士
【部分图文】：
智能系统模型
混合式Agent的结构
1绪论11分策略进行对比分析，验证了基于信任度和能力融合的效用划分策略的合理性和有效性。（5）针对新能源汽车产业联盟的特点，在前述MTCC资源优化分配算法和决策评价方法研究的基础上，面向大数据进行新能源汽车联盟资源优化分配和云评价问题探讨与应用研究，提出了一种面向大数据的新能源汽车联盟资源优化分配与云决策评价方法。首先，基于BPSO-BDE混合算法进行面向大数据的多任务协作资源优化分配；然后，基于云模型理论进行面向大数据的新能源汽车联盟决策评价；最后，通过实例验证了面向大数据的新能源汽车联盟资源优化分配与云决策评价的可行性和合理性。1.6.2论文组织结构论文主要是运用云模型理论、智能优化算法和MAS理论，重点研究了DIS中多任务协作联盟的资源优化分配、决策评价和效用划分等关键问题。主要研究思路为：首先，对所研究的问题进行抽象，并建立相应的模型；其次，针对不同模型应用相关理论提出相应的解决方案和途径，如：算法、方法和策略等；最终，对所提出的方法和策略进行验证分析，并应用到新能源汽车联盟资源优化分配和决策评价研究中。根据上述研究思路和研究内容，确定论文的组织结构如图1.3所示。图1.3论文整体组织结构示意图Fig1.3Overallorganizationdiagramofthedissertation全文共分六章，其中第二章到第五章为本文的主要研究内容。具体各章节内容安排如下：第一章为绪论。首先，阐述DIS中多任务协作机制研究的背景和MAS、DIS相
【参考文献】：
期刊论文
[1]基于Q学习的受灾路网抢修队调度问题建模与求解[J]. 苏兆品,李沫晗,张国富,刘扬. 自动化学报. 2020(07)
[2]基于云模型理论面向大数据的协作联盟决策评价[J]. 尹蕾,蒋建国,张国富. 模式识别与人工智能. 2019(02)
[3]面向大数据的新能源汽车复杂联盟云评价研究[J]. 尹蕾,蒋建国,路瑞刚,尹安东. 汽车工程. 2019(01)
[4]分布式自利agent任务分配算法[J]. 伏明兰,王浩,方宝富,黄晓玲. 模式识别与人工智能. 2018(12)
[5]基于改进差分进化算法的机械臂运动学逆解[J]. 谢习华,范诗萌,周烜亦,李智勇. 机器人. 2019(01)
[6]基于离散差分演化的KPC问题降维建模与求解[J]. 贺毅朝,王熙照,张新禄,李焕哲. 计算机学报. 2019(10)
[7]基于离散粒子群算法的应急物资选址与调度[J]. 许可,宫华,刘芳,王世海. 重庆师范大学学报(自然科学版). 2018(06)
[8]基于案例推理和启发式Q学习的资源分配算法[J]. 徐琳,赵知劲. 计算机应用研究. 2019(12)
[9]新型群智能优化算法综述[J]. 林诗洁,董晨,陈明志,张凡,陈景辉. 计算机工程与应用. 2018(12)
[10]基于D-S证据理论的城市轨道交通线网规划评价研究[J]. 石红国,贺玉姣. 铁道运输与经济. 2018(02)
博士论文
[1]不确定多属性决策方法及其在航运企业评价中的应用研究[D]. 包甜甜.大连海事大学 2017
[2]基于智能算法和Multi-Agent的电力供应链网络协同的研究[D]. 张轶堃.吉林大学 2016
[3]不确定语言及直觉模糊信息的多属性群决策方法研究[D]. 韩二东.西北工业大学 2016
[4]大数据处理若干关键技术研究[D]. 王占业.清华大学 2016
[5]基于云理论的差分进化算法改进及应用研究[D]. 刘国安.哈尔滨工程大学 2012
[6]多Agent系统中信任和信誉模型的研究[D]. 贺利坚.北京交通大学 2011
本文编号：3624960
【文章来源】：合肥工业大学安徽省211工程院校教育部直属院校
【文章页数】：125 页
【学位级别】：博士
【部分图文】：
智能系统模型
混合式Agent的结构
1绪论11分策略进行对比分析，验证了基于信任度和能力融合的效用划分策略的合理性和有效性。（5）针对新能源汽车产业联盟的特点，在前述MTCC资源优化分配算法和决策评价方法研究的基础上，面向大数据进行新能源汽车联盟资源优化分配和云评价问题探讨与应用研究，提出了一种面向大数据的新能源汽车联盟资源优化分配与云决策评价方法。首先，基于BPSO-BDE混合算法进行面向大数据的多任务协作资源优化分配；然后，基于云模型理论进行面向大数据的新能源汽车联盟决策评价；最后，通过实例验证了面向大数据的新能源汽车联盟资源优化分配与云决策评价的可行性和合理性。1.6.2论文组织结构论文主要是运用云模型理论、智能优化算法和MAS理论，重点研究了DIS中多任务协作联盟的资源优化分配、决策评价和效用划分等关键问题。主要研究思路为：首先，对所研究的问题进行抽象，并建立相应的模型；其次，针对不同模型应用相关理论提出相应的解决方案和途径，如：算法、方法和策略等；最终，对所提出的方法和策略进行验证分析，并应用到新能源汽车联盟资源优化分配和决策评价研究中。根据上述研究思路和研究内容，确定论文的组织结构如图1.3所示。图1.3论文整体组织结构示意图Fig1.3Overallorganizationdiagramofthedissertation全文共分六章，其中第二章到第五章为本文的主要研究内容。具体各章节内容安排如下：第一章为绪论。首先，阐述DIS中多任务协作机制研究的背景和MAS、DIS相
【参考文献】：
期刊论文
[1]基于Q学习的受灾路网抢修队调度问题建模与求解[J]. 苏兆品,李沫晗,张国富,刘扬. 自动化学报. 2020(07)
[2]基于云模型理论面向大数据的协作联盟决策评价[J]. 尹蕾,蒋建国,张国富. 模式识别与人工智能. 2019(02)
[3]面向大数据的新能源汽车复杂联盟云评价研究[J]. 尹蕾,蒋建国,路瑞刚,尹安东. 汽车工程. 2019(01)
[4]分布式自利agent任务分配算法[J]. 伏明兰,王浩,方宝富,黄晓玲. 模式识别与人工智能. 2018(12)
[5]基于改进差分进化算法的机械臂运动学逆解[J]. 谢习华,范诗萌,周烜亦,李智勇. 机器人. 2019(01)
[6]基于离散差分演化的KPC问题降维建模与求解[J]. 贺毅朝,王熙照,张新禄,李焕哲. 计算机学报. 2019(10)
[7]基于离散粒子群算法的应急物资选址与调度[J]. 许可,宫华,刘芳,王世海. 重庆师范大学学报(自然科学版). 2018(06)
[8]基于案例推理和启发式Q学习的资源分配算法[J]. 徐琳,赵知劲. 计算机应用研究. 2019(12)
[9]新型群智能优化算法综述[J]. 林诗洁,董晨,陈明志,张凡,陈景辉. 计算机工程与应用. 2018(12)
[10]基于D-S证据理论的城市轨道交通线网规划评价研究[J]. 石红国,贺玉姣. 铁道运输与经济. 2018(02)
博士论文
[1]不确定多属性决策方法及其在航运企业评价中的应用研究[D]. 包甜甜.大连海事大学 2017
[2]基于智能算法和Multi-Agent的电力供应链网络协同的研究[D]. 张轶堃.吉林大学 2016
[3]不确定语言及直觉模糊信息的多属性群决策方法研究[D]. 韩二东.西北工业大学 2016
[4]大数据处理若干关键技术研究[D]. 王占业.清华大学 2016
[5]基于云理论的差分进化算法改进及应用研究[D]. 刘国安.哈尔滨工程大学 2012
[6]多Agent系统中信任和信誉模型的研究[D]. 贺利坚.北京交通大学 2011
本文编号：3624960
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3624960.html
