在復(fù)雜的分布式智能系統(tǒng)（DIS）中,多智能子系統(tǒng)之間的多任務(wù)協(xié)作尤為關(guān)鍵。本文運用云模型理論、智能優(yōu)化算法和多Agent系統(tǒng)（MAS）理論,對DIS中實現(xiàn)多任務(wù)協(xié)作的主要方式——協(xié)作聯(lián)盟及其資源優(yōu)化分配算法、決策評價方法和效用劃分策略等關(guān)鍵問題進(jìn)行了較深入的理論探討,并應(yīng)用到新能源汽車聯(lián)盟的資源優(yōu)化分配和決策評價中,從而為復(fù)雜的DIS中多任務(wù)協(xié)作的資源分配、決策評價和效用劃分等機制研究提供有效的方法和途徑。本文完成的主要研究工作及創(chuàng)新如下:1)針對多任務(wù)協(xié)作聯(lián)盟（MTCC）資源分配問題,提出了一種基于二進(jìn)制粒子群（BPSO）-二進(jìn)制差分進(jìn)化（BDE）混合算法（簡稱BPSO-BDE混合算法）的MTCC資源優(yōu)化分配方法。構(gòu)建了以資源為導(dǎo)向的MTCC資源優(yōu)化分配模型,建立基于二維二進(jìn)制編碼修正的資源沖突消解機制,避免了MTCC中潛在資源沖突和聯(lián)盟死鎖;采用二維二進(jìn)制編碼方式進(jìn)行種群個體編碼,以聯(lián)盟總收益值作為適應(yīng)度值,融合BPSO的粒子速度、位置更新操作和無參數(shù)變異的BDE種群變異、交叉、選擇操作,不斷進(jìn)行尋優(yōu)迭代獲得聯(lián)盟資源分配的最優(yōu)方案,并通過實例分別與基于BPSO算法和BDE算法的MT... 

【文章來源】：合肥工業(yè)大學(xué)安徽省211工程院校教育部直屬院校

【文章頁數(shù)】：125 頁

【學(xué)位級別】：博士

【部分圖文】：

智能系統(tǒng)模型

混合式Agent的結(jié)構(gòu)

1緒論11分策略進(jìn)行對比分析，驗證了基于信任度和能力融合的效用劃分策略的合理性和有效性。（5）針對新能源汽車產(chǎn)業(yè)聯(lián)盟的特點，在前述MTCC資源優(yōu)化分配算法和決策評價方法研究的基礎(chǔ)上，面向大數(shù)據(jù)進(jìn)行新能源汽車聯(lián)盟資源優(yōu)化分配和云評價問題探討與應(yīng)用研究，提出了一種面向大數(shù)據(jù)的新能源汽車聯(lián)盟資源優(yōu)化分配與云決策評價方法。首先，基于BPSO-BDE混合算法進(jìn)行面向大數(shù)據(jù)的多任務(wù)協(xié)作資源優(yōu)化分配；然后，基于云模型理論進(jìn)行面向大數(shù)據(jù)的新能源汽車聯(lián)盟決策評價；最后，通過實例驗證了面向大數(shù)據(jù)的新能源汽車聯(lián)盟資源優(yōu)化分配與云決策評價的可行性和合理性。1.6.2論文組織結(jié)構(gòu)論文主要是運用云模型理論、智能優(yōu)化算法和MAS理論，重點研究了DIS中多任務(wù)協(xié)作聯(lián)盟的資源優(yōu)化分配、決策評價和效用劃分等關(guān)鍵問題。主要研究思路為：首先，對所研究的問題進(jìn)行抽象，并建立相應(yīng)的模型；其次，針對不同模型應(yīng)用相關(guān)理論提出相應(yīng)的解決方案和途徑，如：算法、方法和策略等；最終，對所提出的方法和策略進(jìn)行驗證分析，并應(yīng)用到新能源汽車聯(lián)盟資源優(yōu)化分配和決策評價研究中。根據(jù)上述研究思路和研究內(nèi)容，確定論文的組織結(jié)構(gòu)如圖1.3所示。圖1.3論文整體組織結(jié)構(gòu)示意圖Fig1.3Overallorganizationdiagramofthedissertation全文共分六章，其中第二章到第五章為本文的主要研究內(nèi)容。具體各章節(jié)內(nèi)容安排如下：第一章為緒論。首先，闡述DIS中多任務(wù)協(xié)作機制研究的背景和MAS、DIS相

【參考文獻(xiàn)】：
期刊論文
[1]基于Q學(xué)習(xí)的受災(zāi)路網(wǎng)搶修隊調(diào)度問題建模與求解[J]. 蘇兆品,李沫晗,張國富,劉揚.  自動化學(xué)報. 2020(07)
[2]基于云模型理論面向大數(shù)據(jù)的協(xié)作聯(lián)盟決策評價[J]. 尹蕾,蔣建國,張國富.  模式識別與人工智能. 2019(02)
[3]面向大數(shù)據(jù)的新能源汽車復(fù)雜聯(lián)盟云評價研究[J]. 尹蕾,蔣建國,路瑞剛,尹安東.  汽車工程. 2019(01)
[4]分布式自利agent任務(wù)分配算法[J]. 伏明蘭,王浩,方寶富,黃曉玲.  模式識別與人工智能. 2018(12)
[5]基于改進(jìn)差分進(jìn)化算法的機械臂運動學(xué)逆解[J]. 謝習(xí)華,范詩萌,周烜亦,李智勇.  機器人. 2019(01)
[6]基于離散差分演化的KPC問題降維建模與求解[J]. 賀毅朝,王熙照,張新祿,李煥哲.  計算機學(xué)報. 2019(10)
[7]基于離散粒子群算法的應(yīng)急物資選址與調(diào)度[J]. 許可,宮華,劉芳,王世海.  重慶師范大學(xué)學(xué)報(自然科學(xué)版). 2018(06)
[8]基于案例推理和啟發(fā)式Q學(xué)習(xí)的資源分配算法[J]. 徐琳,趙知勁.  計算機應(yīng)用研究. 2019(12)
[9]新型群智能優(yōu)化算法綜述[J]. 林詩潔,董晨,陳明志,張凡,陳景輝.  計算機工程與應(yīng)用. 2018(12)
[10]基于D-S證據(jù)理論的城市軌道交通線網(wǎng)規(guī)劃評價研究[J]. 石紅國,賀玉姣.  鐵道運輸與經(jīng)濟. 2018(02)

博士論文
[1]不確定多屬性決策方法及其在航運企業(yè)評價中的應(yīng)用研究[D]. 包甜甜.大連海事大學(xué) 2017
[2]基于智能算法和Multi-Agent的電力供應(yīng)鏈網(wǎng)絡(luò)協(xié)同的研究[D]. 張軼堃.吉林大學(xué) 2016
[3]不確定語言及直覺模糊信息的多屬性群決策方法研究[D]. 韓二東.西北工業(yè)大學(xué) 2016
[4]大數(shù)據(jù)處理若干關(guān)鍵技術(shù)研究[D]. 王占業(yè).清華大學(xué) 2016
[5]基于云理論的差分進(jìn)化算法改進(jìn)及應(yīng)用研究[D]. 劉國安.哈爾濱工程大學(xué) 2012
[6]多Agent系統(tǒng)中信任和信譽模型的研究[D]. 賀利堅.北京交通大學(xué) 2011



本文編號：3624960