动态博弈框架下的分布式动态优化

为了实时在线求解复杂的大规模动态优化问题,本文基于动态博弈理论提出了一种分布式动态优化方案,滚动合作博弈优化(RCGO).首先基于滚动时域优化框架,该方案将原本复杂的大规模动态优化问题分解为若干简单的小规模局部优化子问题,使得计算复杂度降低从而保证优化求解的实时性.之后本文基于动态博弈提出了分解迭代法求解各局部动态优化子问题,并对RCGO优化方案下系统稳定性进行分析.最后本文选择一个化工过程网络作为仿真案例,基于RCGO方案得到了极大化经济效益下该网络的最优操作.优化结果表明在求解复杂大规模动态优化问题时,RCGO方案较传统的集中式优化方案在由系统经济效益、闭环控制性能及优化求解实时性等组成的综合指标上有较大优势.

一种动态分布式约束优化问题协同求解算法

多Agent协作过程中的许多问题都可在分布式约束优化问题(DCOP)框架下建模,但多局限于规划问题,且一般需Agent具有完全、准确收益函数.针对DCOP局限性,定义动态分布式约束优化问题(DDCOP),分析求解它的两个关键操作:Exploration和Exploitation,提出基于混沌蚂蚁的DDCOP协同求解算法(CA-DDCOP).该算法借鉴单只蚂蚁的混沌行为和蚁群的自组织行为,实现Exploration和Exploitation,根据玻尔兹曼分布,建立平衡Exploration和Exploitation的协同方法.通过多射频多信道无线Ad Hoc网络的信道分配验证该算法的有效性.