基于多智能體進化算法的COA方法研究.pdf

1、現(xiàn)代戰(zhàn)爭中復(fù)雜態(tài)勢的出現(xiàn)要求指揮者能夠協(xié)調(diào)多種資源參與多個行動以達到理想的效果，處理這種復(fù)雜態(tài)勢的第一步就是尋找和挑選能達到理想效果的行動規(guī)劃(COA-Course ofAction)。COA的主要目的就是將多個行動排序并將可用的資源正確地分配給序列中的每個任務(wù)，即將正確的資源放在正確的位置和時間執(zhí)行適當(dāng)?shù)男袆印OA問題屬于NP-難問題，本文主要提出了一種基于多智能體進化算法解決COA的方法。文章的主要內(nèi)容如下：
　　 1、C

2、OA問題本質(zhì)上為一個帶約束的多目標(biāo)優(yōu)化問題，本文利用多智能體進化算法(MAEA-Multi-Agent Evolutionary Algorithm)解決COA問題。首先，初始化COA種群，我們將種群中的每個個體看作是一個智能體，所有的智能體生存在網(wǎng)格中，每個智能體只能與其鄰域智能體進行競爭操作。在約束條件的處理上，本文將約束條件的判斷加入到智能體鄰域的競爭操作中，制定了特殊的競爭策略：該策略依據(jù)約束處理的多目標(biāo)方法，在判斷個體間的優(yōu)劣

3、時首先判斷其約束條件的滿足情況，然后再比較它們之間的支配關(guān)系，該方法可以避免因使用懲罰函數(shù)所帶來的懲罰因子大小不易設(shè)置的麻煩。最后將該算法與多準(zhǔn)則濾波遺傳算法(MFGA-Multi-criteria Filtering Genetic Algorithm)進行對比仿真實驗，實驗證明該方法在非支配解集的支配關(guān)系，以及解集的寬廣性方面具有一定的優(yōu)越性。
　　 2、由多智能體進化算法得到的是多個供選擇的優(yōu)秀的COA個體，因此我們還面臨

4、著如何為決策者選擇一個最合適的解。主要利用標(biāo)準(zhǔn)0-1線性變換對各目標(biāo)值進行歸一化數(shù)據(jù)預(yù)處理，然后采用加權(quán)求和方式求取最合適解。加權(quán)求和中權(quán)重的確定會很大地影響評價結(jié)果，因此必須合理確定權(quán)向量。首先本文通過制定模糊規(guī)則庫將權(quán)向量分為三個等級，然后采用環(huán)比評分法分別確定每一等級的權(quán)重，該方法可以從實際出發(fā)，靈活確定比例，沒有限制。實驗證明該方法是合理有效的。
　　 3、針對多智能體進化算法中智能體的競爭策略可能存在的缺陷：后代解有時

5、不一定比前代占優(yōu)，即所謂的過淘汰現(xiàn)象，這在一定程度上損失了群體的多樣性。本文提出了一種基于精英多智能體進化算法解決COA問題的方法。該方法將多智能體種群分為A、B兩個子種群，每個種群分別制定不同的競爭策略。另外引入了精英種群用以存儲每代子種群中的優(yōu)秀個體，A、B兩個子種群只能與精英種群之間進行遷移。為了避免精英種群過于龐大，我們還引入了淘汰環(huán)節(jié)來保持精英種群的規(guī)模。最后我們將該算法與本文提出的多智能體進化算法和MFGA算法進行對比仿真實