動態(tài)競爭策略的鏈式多智能體遺傳算法的研究.pdf

1、遺傳算法（Genetic Algorithm）是根據(jù)生物進化理論和遺傳變異理論提出的一種基于種群搜索的優(yōu)化算法。由于其具有簡單易行、魯棒性強，以及不需要很多專業(yè)領域先驗知識等特點，所以遺傳算法在眾多領域有良好的應用前景。但傳統(tǒng)遺傳算法有時會出現(xiàn)早收斂及搜索效率不高的現(xiàn)象，制約了它的進一步推廣應用。
　　針對這兩個不足，提出了一種鏈式智能體遺傳算法 CAGA（Chainlike Agents Genetic Algorithm）。該

2、算法是一種單種群智能體遺傳算法，采用實數(shù)編碼，用生存在鏈式環(huán)境中的智能體代表候選解，通過智能體間的競爭與合作來搜索最優(yōu)解。同時，該算法通過動態(tài)鄰域競爭、鄰域正交交叉、自適應變異等改進措施，提高智能體的搜索效率從而提高算法的優(yōu)化性能。實驗采用多個國際標準測試函數(shù)對該算法和其它幾種改進遺傳算法進行了多次函數(shù)優(yōu)化性能測試。實驗結果表明，該算法能有效防止早收斂現(xiàn)象，比其它多種改進GAs有較高的搜索效率。
　　對于一些復雜性和難度較大的應用

3、問題，CAGA這種單種群智能體遺傳算法僅采用一個種群進化，無法實現(xiàn)多種群并行搜索的性能，其算法的優(yōu)化速度仍不能滿足系統(tǒng)的實時性要求?；诖耍疚倪M一步展開研究，提出了多子群協(xié)同鏈式智能體遺傳算法（Multi-population Agents Genetic Algorithm，MPAGA）。該算法結合協(xié)同進化思想，采用了多子群并行搜索模式。其思路是：首先整個種群被劃分為多個子群；其次，每個子群采用CAGA的方式進行進化，子群間通過共享

4、智能體進行遺傳信息的分享與傳遞，以實現(xiàn)多個子群協(xié)同尋找滿意解的目的，有效提高了優(yōu)化速度。本文采用多個國際標準的復雜測試函數(shù)對該算法的優(yōu)化性能進行了測試。測試結果表明，與其它多種改進GAs相比，該算法不僅有較高質(zhì)量的滿意解，而且有較短的算法運行時間，能有效提高算法的優(yōu)化速度。
　　此外，本文簡短討論了鏈式智能體遺傳算法在特征選擇中的應用。為了適應特征選擇應用的需要，本文采用二進制編碼作為搜索算法的編碼方式，選用距離測度作為評價準則，