虚拟企业资源结盟博弈的启发式遗传算法

将制造企业联合生产问题归结为一类资源结盟博弈问题,每个企业持有的资源,不足以满足其生产目标要求,而通过建立联盟则可相互合作,各自实现目标。从考察企业联盟稳定性入手,基于目标可行性及联盟相容性等概念,深入分析了联盟及其目标集之间的约束关系。采用评价函数来判断企业联盟的稳定性,设计了交叉修正算子、变异算子等启发式遗传算子,提出了求解稳定联盟的遗传算法。启发式遗传算子充分利用了资源结盟博弈领域知识,能够引导染色体避开不可行解,并快速向最优解方向进化,算法具有更好的搜索性能。

资源约束下基于离散粒子群算法求解多Agent资源结盟博弈问题

针对资源结盟博弈(CRGs,Coalitional Resource Games)中自治Agent结盟问题,每个Agent占有的资源不足以满足其目标要求,Agent通过建立联盟可以相互合作,各自实现目标。求解CRGs稳定联盟及其可达目标集的问题是一个NP-完全问题,由于可能的联盟数目随着Agent数目呈指数增长,需要设计高效的搜索算法。通过引入离散粒子群算法解决CRGs中自治Agent结盟问题。

求解虚拟企业资源结盟博弈的启发式群智能优化算法

通过对求解虚拟企业资源结盟博弈问题与求解经典SAT问题相似性的分析,提出了一种求解虚拟企业资源结盟博弈的启发式群智能优化算法.算法融合萤火虫优化算法与布谷鸟优化算法部分原理,并设计可行的交叉算子以及变异优化算子,能够修复不可行解并保持种群多样性.实验结果表明本文算法的迭代次数与搜索到的稳定联盟数成线性增长,较启发式遗传算法有着更好的爬山性能和搜索能力.

带有目标偏好的最大成功联盟生成算法

资源结盟博弈(CRGs)研究均假设每个agent可以响应所有目标,即使目标不在其感兴趣的子目标集内.针对此问题,文中提出带有目标偏好的CRGs模型,即每个agent只愿意把自己的有限资源贡献给自己的兴趣集中的目标.此外,设计基于二维二进制编码的最大成功联盟生成算法,并提出编码修正启发式算法解决多个目标竞争同一agent资源可能引起的的资源冲突.最后,通过与已有相关算法的对比实验验证文中算法的有效性.