一种多Agent系统非对称分布式约束优化方法技术方案
【技术实现步骤摘要】
一种多Agent系统非对称分布式约束优化方法
本专利技术涉及一种非对称分布式约束优化方法，特别涉及一种多Agent系统非对称分布式约束优化方法。
技术介绍
多Agent系统是研究在一群自治的Agent之间如何协调它们的知识、目标、技能和相互规划采取行动或解决问题。该系统目前已逐步应用在了任务调度、资源分配、传感器网络、交通管理、微网配置等实际应用中。但是，当前在这些应用领域中，对于多Agent系统仍然使用的是“对称性”特性，即认为各Agent对与其有约束关系的其他Agent的特征、取值(策略)空间及代价(收益)函数有准确的信息，每个Agent没有个人的偏好信息和隐私性，进而简化了其求解的过程。但是，在实际问题中，大多数的多Agent系统都具有非对称特征，即每个个体具有自己的偏好且不希望与其他个体共享。例如，在微网控制中，每个分布式电源(DG)由于各自的特性不同(如风能或水电站电源等等)，彼此之间的影响是不同的，在相同网络配置下相邻DG的收益也不相同，而每个DG并不清楚其他DG的收益情况。因此，现实情况使得在此类多Agent系统中，需要充分考虑其非对称性特征。专利技...
【技术保护点】
一种多Agent系统非对称分布式约束优化方法，其特征在于，包括如下步骤：S1，控制器接收Agent信息，根据所述Agent信息获得非对称关系，判断各个Agent之间是否存在约束关系，如果存在，则在有约束关系的两个Agent间搭建一条边，从而构建Agent连接图，其中，各个Agent之间的约束关系决定了Agent节点之间的连接关系，并判定所述连接图为稀疏图还是稠密图；S2，根据Agent连接图中的节点间的连接关系，采用单枝的构造策略，建立基于排序的链式结构，每个Agent节点作为链式结构中的一环，由于Agent间约束关系的稀疏紧密程度不同，Agent在链中的不同位置及其邻居关...
【技术特征摘要】
1.一种多Agent系统非对称分布式约束优化方法，其特征在于，包括如下步骤：S1，控制器接收Agent信息，根据所述Agent信息获得非对称关系，判断各个Agent之间是否存在约束关系，如果存在，则在有约束关系的两个Agent间搭建一条边，从而构建Agent连接图，其中，各个Agent之间的约束关系决定了Agent节点之间的连接关系，并判定所述连接图为稀疏图还是稠密图；S2，根据Agent连接图中的节点间的连接关系，采用单枝的构造策略，建立基于排序的链式结构，每个Agent节点作为链式结构中的一环，由于Agent间约束关系的稀疏紧密程度不同，Agent在链中的不同位置及其邻居关系会导致整个链式结构的不同分布；S3，将步骤S1中所述Agent连接图按照深度优先的方式构造深度优先树，首先对根进行选择时，采用了约束关系最多的节点作为根，然后根据约束边的数量和有无回边确定子节点，构造深度优先树，具体方法为：S31，将约束关系最多的Agent选择为根节点，令根节点为参考节点；S32，将与参考节点有连接关系的所有节点建立节点集；S33，选择所述节点集中与参考节点连接的约束边最多的节点作为子节点，在选择时需判断该节点的加入会否造成出现交叉回边或伪树；S34，当S33中构造的深度优先树出现交叉回边或伪树时，则放弃选择最后纳入树的该节点，而重新选择其他Agent节点作为子节点来继续构造深度优先树，新的节点选择规则仍然是判断是否有与参考节点连接的约束边次多的节点，如果有，则选择与参考节点连接的约束边次多的节点作为子节点，令子节点为参考节点，返回步骤S32，如果没有，则执行步骤S35；S35，将其他没有在树中出现的Agent根据约束边的连接关系与树中的节点相连；S4，通过分枝定界策略，计算不同深度优先树的根节点的权重值，在计算根节点权重时，采用分枝定界遍历的方式，通过设置阈值，并计算每个Agent节点的上下界来进行剪枝，以最终获取更优的树形结构，具体方法为：对每个Agenti定义了上下界：其中，i为Agent的序号，i为正整数，δi是Agenti的本地代价，childreni为Agenti的子节点的数量，j＝1，......，childreni，LBj(d)为i＝d时Agenti中第j个子节点的下界，Di为Agenti形成的集合，为Agentd的下界，为Agenti的下界，UBj(d)为i＝d时Agenti中第j个子节点的上界，UBiCPA(d)为Agentd的上界，为Agenti的上界；LB是一个待...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。