用多Agent系统分配具有启动成本的有限资源

doi:10.3778/j.issn.1002-8331.2010.04.069

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (4): 219-222.DOI: 10.3778/j.issn.1002-8331.2010.04.069

用多Agent系统分配具有启动成本的有限资源

郑明，王玲娟，蔚承建

南京工业大学信息科学与工程学院，南京 210009

收稿日期:2008-08-01 修回日期:2008-10-20 出版日期:2010-02-01 发布日期:2010-02-01
通讯作者: 郑明

Allocating limited capacity resources with fixed price using multi-agent systems

ZHENG Ming，WANG Ling-juan，WEI Cheng-jian

College of Information Science and Engineering，Nanjing University of Technology，Nanjing 210009，China

Received:2008-08-01 Revised:2008-10-20 Online:2010-02-01 Published:2010-02-01
Contact: ZHENG Ming

摘要/Abstract

摘要： 提出了基于多Agent系统分配具有启动成本的有限资源的两种方法：集中式求解方法和分布式求解方法。在分布式求解方法中，给出了分布式的连续双向拍卖协议算法，其Agent采用零智慧增强学习策略。实验结果表明：相对于集中式求解方法，使用分布式求解方法是以降低部分效率为代价的，但是当市场的总需求逐渐接近所有卖者能提供的最大资源数时，市场平均效率呈现逐渐递增的趋势。

关键词: 多Agent系统, 集中式求解方法, 分布式求解方法, 连续双向拍卖协议, 零智慧增强学习策略, 市场效率

Abstract: Two methods which are centralized solving method and decentralized solving method are proposed to allocate limited capacity resources with fixed price based on multi-agent system.In the decentralized solving method，a distributed Continuous Double Auction（CDA） protocol is given in which agents adopt Zero Intelligence Plus（ZIP） strategy.The experimental results illustrate that，compared with centralized solving method，the usage of the decentralized solving method is at the cost of reducing part of efficiency and the market efficiency has a trend to increase as total demand gradually approaches the maximum capacity of the sellers.

Key words: multi-agent system, centralized solving method, decentralized solving method, Continuous Double Auction（CDA）, Zero Intelligence Plus（ZIP） strategy, market efficiency

中图分类号:

TP18

郑明，王玲娟，蔚承建. 用多Agent系统分配具有启动成本的有限资源[J]. 计算机工程与应用, 2010, 46(4): 219-222.

ZHENG Ming，WANG Ling-juan，WEI Cheng-jian. Allocating limited capacity resources with fixed price using multi-agent systems[J]. Computer Engineering and Applications, 2010, 46(4): 219-222.

[1]	胡晓辉，李兰凤，方政，刘雪亮. 改进的任务分配策略在WSN中的应用研究[J]. 计算机工程与应用, 2017, 53(2): 124-128.
[2]	闫萌，刘建宾，郑丽伟. QueTy：支持时间边际效益的云服务协同框架[J]. 计算机工程与应用, 2017, 53(19): 86-97.
[3]	戈军1，周莲英2. 面向交通信号的两层递阶控制解决方案[J]. 计算机工程与应用, 2015, 51(20): 246-252.
[4]	赵良辉，王天擎，陶雪萍. 以多Agent系统为架构的实时调度模型[J]. 计算机工程与应用, 2012, 48(13): 223-226.
[5]	杨怡1，王洪国1，邵增珍2，成照乾2. 基于任务能力排序的虚拟企业联盟生成方法[J]. 计算机工程与应用, 2011, 47(7): 229-232.
[6]	王雯¹，栾飞^1，2，傅卫平¹. 车间调度中的数据挖掘技术研究[J]. 计算机工程与应用, 2010, 46(22): 217-220.
[7]	孟祥萍¹，王圣镔². 基于量子理论及蚁群算法的多Agent Q学习[J]. 计算机工程与应用, 2010, 46(21): 43-46.
[8]	赵辉，刘铁男. MAS理论下集卡动态调度系统研究[J]. 计算机工程与应用, 2010, 46(21): 246-248.
[9]	吴士泓，李德华，潘莹. 集体理性约束的Agent协作强化学习[J]. 计算机工程与应用, 2010, 46(17): 8-10.
[10]	陈学松^1，2，杨宜民²，陈建平²，蔡述庭². 一种联盟结构的多Agent合作求解算法[J]. 计算机工程与应用, 2009, 45(28): 64-66.
[11]	刘亮，李龙澍. 基于场景任务划分的多智能体Q－学习研究[J]. 计算机工程与应用, 2009, 45(21): 21-24.
[12]	余贻鑫,徐臣,贾宏杰. 智能电网快速仿真与模拟任务调度优化方法[J]. 计算机工程与应用, 2009, 45(19): 26-30.
[13]	李福芳¹,谢冬青¹,齐德昱²,郭四稳¹,胡景林². Agent在网格资源管理中的应用研究[J]. 计算机工程与应用, 2009, 45(10): 30-33.
[14]	赵旭宝,耿祥义,张雪. 基于XML的多Agent消息通讯机制研究与实现[J]. 计算机工程与应用, 2008, 44(31): 108-111.
[15]	谭万禹¹,王建忠²,孟祥萍¹. 基于量子计算的多Agent协作学习算法[J]. 计算机工程与应用, 2008, 44(26): 62-64.

用多Agent系统分配具有启动成本的有限资源

Allocating limited capacity resources with fixed price using multi-agent systems

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics