多Agent系统中任务分配的蚁群优化

【文件属性】：
文件名称：多Agent系统中任务分配的蚁群优化
文件大小：256KB
文件格式：PDF
更新时间：2021-04-08 11:24:23
multi-agent systems; task allocation; ant 任务分配是多Agent系统中代理协作机制的关键问题。 代理商的重要特征网络基础架构的延迟，动态拓扑和节点异构性等系统对多Agent环境中的任务分配提出了新的挑战。 在传统并行计算任务分配方法和蚁群优化（ACO）的基础上，提出了一种新的任务分配方法，即集合路径蚁群优化（CPACO），以实现全局优化和减少处理时间。 分析了ACO存在的问题； CPACO通过修改蚂蚁循环模型中的启发式函数和更新策略并建立三维路径信息素存储空间来克服此类问题。 实验结果表明，CPACO 与前向最优启发式算法相比，仅消耗了全局搜索算法所花费时间的10.3％，并且表现出更好的性能