一种基于两阶段优化的多智能体网络自适应信息共享方法技术

本发明专利技术实施例提供了一种基于两阶段优化的多智能体网络自适应信息共享方法，包括：S1、分析并计算网络某任务下网络拓扑结构、智能体拥有的资源和信息需求程度因素；S2、局部优化：根据所述网络拓扑结构、智能体拥有的资源和信息需求程度的计算结果，选择第一优化算法，获取每个智能体与其邻域之间的最优信息共享模式；S3、全局优化：利用第二优化算法调整各智能体的信息共享模式，获取与当前任务相对应的整个网络的优化信息共享模式。本发明专利技术实施例提供了一种基于两阶段优化的多智能体网络自适应信息共享方法可以实现自适应获取各种网络结构和任务的最优信息共享模式的目的。

【技术实现步骤摘要】
一种基于两阶段优化的多智能体网络自适应信息共享方法
本专利技术涉及网络信息共享
，尤其涉及一种基于两阶段优化的多智能体网络自适应信息共享方法。
技术介绍
多智能体网络是多个智能体组成的网络，它的研究涉及智能体的知识、目标、技能、规划以及如何使智能体采取协调行动解决问题等。多智能体网络可以被运用到企业的经营管理过程、产业链等方面，结合实际应用构造对应的多智能体网络。目前，大多采用基于传统机器学习方法建模或仿真实验进行多智能体信息共享的研究，且一般是针对某任务并基于某个结构或网络进行研究，然后分析信息共享，并没有一个针对不同网络和不同任务的自适应方法，而且现有的方法对于共享的信息的范围无法有效确定。例如：“供应链中信息共享的最优范围”，常志平,蒋馥.，工业工程与管理,2002,7(005):47-49.中从制造商利润最大化的角度，研究了供应链中信息共享的最优范围，给出了最优范围的具体算法。该论文研究基于特定的任务和网络进行分析。因此，现有技术中存在以下局限性：1)没有兼顾信息需求考虑到不同类型的任务和网络的动态特性，不能自适应本文档来自技高网...

【技术保护点】
1.一种基于两阶段优化的多智能体网络自适应信息共享方法，其特征在于，包括：/nS1、分析并计算网络某任务下网络拓扑结构、智能体拥有的资源和信息需求程度因素；/nS2、局部优化：根据所述网络拓扑结构、智能体拥有的资源和信息需求程度的计算结果，选择第一优化算法，获取每个智能体与其邻域之间的最优信息共享模式；/nS3、全局优化：利用第二优化算法调整各智能体的信息共享模式，获取与当前任务相对应的整个网络的优化信息共享模式。/n

【技术特征摘要】
1.一种基于两阶段优化的多智能体网络自适应信息共享方法，其特征在于，包括：
S1、分析并计算网络某任务下网络拓扑结构、智能体拥有的资源和信息需求程度因素；
S2、局部优化：根据所述网络拓扑结构、智能体拥有的资源和信息需求程度的计算结果，选择第一优化算法，获取每个智能体与其邻域之间的最优信息共享模式；
S3、全局优化：利用第二优化算法调整各智能体的信息共享模式，获取与当前任务相对应的整个网络的优化信息共享模式。


2.根据权利要求1所述的方法，其特征在于，所述S2包括：
所述第一优化算法的输入为TSi、Mi、IDi,、Si、Nei(i)、α、β，输出为Ri、Xi，其中，TSi是指智能体i的资源总量；Mi是指智能体i的信息总量；IDi是指智能体i的邻居对其所拥有的信息的需求程度，智能体i的邻居k对信息j的需求是IDijk；Si是指i与邻居实现信息共享所需的资源，i与邻居k共享信息j所需的资源是Sijk；Nei(i)是指i的邻居；Ri为矩阵，大小为M×P，表示与邻居共享信息后对智能体i的奖励，与邻居k共享信息j的奖励为Rijk，Rijk＝α*ID3ijk+β，α，β表示多项式的参数；Xi代表智能体i的信息共享模式，Xijk为0或1，1表示与邻居k共享的智能体信息j，0表示不共享；TSi是一个数，TSi≥0，Mi、IDi、Si、Nei(i)、Ri、Xi都是大小分别为1×M、M×P、M×P、1×P、M×P、M×P的矩阵，其中M表示智能体i拥有的信息数，P表示智能体i的邻居数，目标函数是：
Rewar...

【专利技术属性】
技术研发人员：杨凤，王小妮，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：北京;11