工学 >>> 计算机科学技术 >>> 计算机科学技术基础学科 >>> 算法理论 >>>
搜索结果: 1-15 共查到算法理论 Agent相关记录19条 . 查询时间(0.169 秒)
以真实蚁群算法为基础,提出了一种分布式信息检索下的移动agent动态迁移算法。该算法有如下特点:a)Agent能根据当前主机的状态,自主选择下一个负载轻的主机移动;b)Agent能找到一条开销最小的路径移动。仿真结果表明,该算法与固定路由算法相比,性能提高80%以上,并且算法无须依赖集中的迁移模块。蚁群算法分布在各节点中,提高了系统的容错性,具有分布、并行的特点。
针对移动Agent在路径迁移的问题,提出了基于Agent任务权重的改进蚁群算法。该方法是将Agent任务权重的思想应用到蚁群路径信息素的更新当中,使任务权重较大的Agent有权去更新所经过的路径上的信息素,从而提高该算法的全局搜索能力。实验结果表明,相比现有的Agent迁移中路径选择的蚁群算法,提出的改进蚁群算法,在提高该算法的搜索全局最优解的能力的基础上,能更好地提高多任务的Agent系统的运行...
研究了基于mobile agent的分布式并行计算及其在石油勘探时移地震数据相位校正中的应用,实现相位校正的高性能计算;利用mobile agent技术把各个可以并行执行的子任务派遣到不同的主机上,从而实现并行计算。将计算任务封装在mobile agent中发送至目的主机,在目的主机端借助目的主机所提供的计算环境及资源,利用本地操作的优势快速而高效地完成其计算任务;在计算过程中,mobile ag...
为了测试和比较各种先进的多Agent合作求解智能算法,给多Agent合作策略提供一个比较与测试的平台。针对多Agent联盟数量是Agent个数指数倍的问题提出了一种对Agent联盟结构图自上而下的搜索算法,该算法可以对联盟结构图进行化简,降低搜索空间大小。在基于Agent合作收益独立性假设的基础上,证明了同构的联盟结构是最优的收益。最后,以机器人足球赛RoboCup为背景给出了仿真实验,表明了SC...
针对现有Web服务集成方法在动态性、灵活性和智能性等方面存在的不足,提出一种基于Agent的Web服务集成模型,对模型中多Agent系统的组织结构和交互方式进行了设计。为实现集成服务整体的QoS目标,以一个通用的Web服务QoS度量模型为基础,将局部最优与全局最优的思想相结合,提出一种基于QoS的Web服务集成路径选择算法,通过实验验证了其有效性。
针对任务分配算法应用于不确定动态环境时存在的不足,研究具有动态模糊特性的任务环境,借助动态模糊集理论,给出相关的多Agent动态任务分配算法并进行实例测试。测试结果表明,该算法模型可以合理地模拟MAS系统中任务分配的运行过程,并获得最优的任务分配策略与良好的任务实现效果。
定题爬虫的研究是定题搜索引擎的关键技术。该文提出一种基于多Agent系统的爬虫算法,采用本题语义主题关键词过滤的方法来抓取与主题相关的网页,利用本体库语义网络实现本体领域中同近义词的过滤。凭借HTML网页标记对关键字识别的不同权重和超链接锚文本对主题相关网页进行预测,通过黑板的通信机制实现多Agent交互。实验结果表明算法在抓取网页的查准率、查全率方面有一定的改善。
agent移动的可靠性、实时性是移动agent通信中的难点。该文在总结已有算法的基础上,引入多邮箱和主机Controller的概念,结合两者实现了一个高效、可靠的移动agent通信算法,能保证通信的可靠性和实时性,使得移动agent的迁移变得简单且完全自由。
提出一种可覆盖全部解空间的移动agent多任务分配与调度混合遗传算法。给出问题模型及染色体表示方法,采用禁忌表加随机算法生成初始种群,设计新的交叉机制保证交叉进化解的合法性。为促进算法的收敛,变异个体使用禁忌及任务均衡启发变异算子。还采用保持解的不降性的最佳个体保留策略。2种任务节点、3种通信代价、3种主机节点共18组图的仿真结果表明该算法进化的最优解较标准遗传算法有37.1%的平均改进量。
针对多Agent协作强化学习中存在的行为和状态维数灾问题,以及行为选择上存在多个均衡解,为了收敛到最佳均衡解需要搜索策略空间和协调策略选择问题,提出了一种新颖的基于量子理论的多Agent协作学习算法。新算法借签了量子计算理论,将多Agent的行为和状态空间通过量子叠加态表示,利用量子纠缠态来协调策略选择,利用概率振幅表示行为选择概率,并用量子搜索算法来加速多Agent的学习。相应的仿真实验结果显示...
提出了一种新颖的基于Q-学习、蚁群算法和轮盘赌算法的多Agent强化学习。在强化学习算法中,当Agent数量增加到足够大时,就会出现动作空间灾难性问题,即:其学习速度骤然下降。另外,Agent是利用Q值来选择下一步动作的,因此,在学习早期,动作的选择严重束缚于高Q值。把蚁群算法、轮盘赌算法和强化学习三者结合起来,期望解决上述提出的问题。最后,对新算法的理论分析和实验结果都证明了改进的Q学习是可行的...
网格环境的复杂性和动态性迫切需要自主计算技术的支持。在前期工作中给出地自主网格体系结构基础上,为解决任务执行过程中资源或服务失效情况下多Agent间协同的问题,提出了多Agent动态协同图的概念和任务偏序集驱动地多Agent动态协同图构造算法。图中的顶点是由Agent和自主网格服务组成的序偶,构造算法由任务偏序集到服务集的映射,逐层构造图中的顶点。该图通过Agent对本地服务的感知和Agent间的...
在多Agent系统(MAS)环境中,协商是一个复杂的动态交互过程。如何提高协商效率,成为了研究者关注的焦点。应用记忆演化理论的强化学习思想,提出一种Agent协商算法。它与基本强化学习相比,3阶段的记忆演化的强化学习,使得Agent可以在实时回报与延迟回报间更好的做出平衡,并为Agent记忆社会化交互创造条件,使强化学习更适合MAS的要求。通过模拟实验证明该协商算法是有效性的。
双边多议题协商是一个复杂的动态交互过程。解决Agent在对环境和对方信息不全知的情况下通过协商达成一致并最大化自身效用是非常重要的。为了寻求Pareto效率解,提出了一种在无中介参与的情况下双方通过多轮相互探测求解的方法。实验分析了偏好对协商过程的影响并说明了该算法是一种在较低计算代价下求得Pareto效率解的有效双边多议题协商算法。
在基于认知的人工鱼行为模型的基础上,增加实现鱼群个体间通信及鱼群与环境交互的互操作行为模块,建立面向群体行为的人工鱼体系结构与模型。提出了一种基于多Agent的人工鱼群自组织行为的研究方法:将基于这种体系结构的人工鱼作为Agent,其能感知环境信息,产生意图,规划行为。建立鱼群中Agent的运动、捕食、逃逸模型,通过个体间的相互作用涌现出群体的自组织行为,从而实现对鱼群的逼真模拟。

中国研究生教育排行榜-

正在加载...

中国学术期刊排行榜-

正在加载...

世界大学科研机构排行榜-

正在加载...

中国大学排行榜-

正在加载...

人 物-

正在加载...

课 件-

正在加载...

视听资料-

正在加载...

研招资料 -

正在加载...

知识要闻-

正在加载...

国际动态-

正在加载...

会议中心-

正在加载...

学术指南-

正在加载...

学术站点-

正在加载...