智能体遗传算法空间维数的比较研究

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (33): 33-36.

智能体遗传算法空间维数的比较研究

周頔¹,李勇明²,曾孝平²

1.四川文理学院,四川达州 635000
2.重庆大学通信工程学院,重庆 400030

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-11-21 发布日期:2007-11-21
通讯作者: 周頔

Research of space dimension of agent genetic algorithm

ZHOU Di¹,LI Yong-ming²,ZENG Xiao-ping²

1.Sichuan University of Arts and Science,Dazhou,Sichuan 635000,China
2.College of Communication Engineering of Chongqing University,Chongqing 400030,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-11-21 Published:2007-11-21
Contact: ZHOU Di

摘要/Abstract

摘要： 将智能体引入到遗传算法构成一个局部环境,可有效保持种群的多样性从而获得优良的优化性能。但是这个局部环境的空间维数一直未得到研究。根据智能体遗传算法的工作原理,空间维数越小,越能避免过早收敛现象发生。基于此,提出一种维数为1的链式智能体遗传算法（CAGA）,并针对函数优化问题将其与文献[4]提出的维数为2的网络式智能体遗传算法（MAGA）进行了比较。实验采用了多个多维复杂函数进行优化实验,结果表明,该遗传算法比二维网格式遗传算法可获得更优的优化结果。

关键词: 维数, 智能体, 遗传算法, 数值优化

Abstract: The introduction of agent into genetic algorithm can keep the diversity of population to obtain good optimization performance.According to the principle of agent algorithm,the smaller the dimension is,the better the early convergence can be avoided.Based on it,this paper proposes Chainlike Agent Genetic Algorithm（CAGA） with one dimension.Besides,according to numerical optimization problems,this algorithm is compared with MAGA with two dimensions proposed in the paper [4].The experimental results show that CAGA can obtain better optimization performance than MAGA in paper [4].

Key words: dimension, agent, genetic algorithm, numerical optimization

周頔¹,李勇明²,曾孝平². 智能体遗传算法空间维数的比较研究[J]. 计算机工程与应用, 2007, 43(33): 33-36.

ZHOU Di¹,LI Yong-ming²,ZENG Xiao-ping². Research of space dimension of agent genetic algorithm[J]. Computer Engineering and Applications, 2007, 43(33): 33-36.

[1]	伍京华，吴学桥. 基于Agent的改进贴近度的多属性评价模型[J]. 计算机工程与应用, 2021, 57(5): 65-70.
[2]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[3]	陈世明，林子朋，高彦丽，裴惠琴. 自适应耦合权重下的异质群体一致性研究[J]. 计算机工程与应用, 2021, 57(4): 231-235.
[4]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[5]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[6]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[7]	林炜星，王宇嘉，陈万芬，梁海娜. 基于多因子粒子群的高维数据特征选择算法[J]. 计算机工程与应用, 2021, 57(22): 199-207.
[8]	王军，曹雷，陈希亮，赖俊，章乐贵. 多智能体博弈强化学习研究综述[J]. 计算机工程与应用, 2021, 57(21): 1-13.
[9]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[10]	李振涛，冯元珍，王正新. 事件触发下多智能体系统固定时间二分一致性[J]. 计算机工程与应用, 2021, 57(21): 80-86.
[11]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[12]	况立群，李思远，冯利，韩燮，徐清宇. 深度强化学习算法在智能军事决策中的应用[J]. 计算机工程与应用, 2021, 57(20): 271-278.
[13]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[14]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[15]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.