论文部分内容阅读
随着计算机、通讯,特别是人工智能理论与技术的发展,关于多Agent系统的理论与应用研究已成为计算机科学、生命科学交叉学科研究中的一个热点前沿课题。人工免疫系统是继神经计算、进化计算之后的自然计算的研究新方向,已在许多应用领域取得了丰硕的成果。与此同时,作为典型的多Agent系统,生物免疫系统所蕴涵的丰富的信息处理机制为多Agent系统的建模与设计提供了丰富的思想来源。本论文旨在进一步探索复杂的免疫信息处理机制与多Agent系统研究的有效结合方式,拓展基于人工免疫的多Agent系统的应用领域。本文从生物免疫理论学说和模型出发,通过对相关免疫信息处理机制的分析建模,采用自下而上的设计方式构建具有高效问题求解能力的多Agent系统模型,并设计相应的算法求解实际问题,充分体现了生物免疫系统的自适应和动态调节功能在多Agent系统构建中的成功应用。本论文的主要研究工作有:(1)提出了一个基于克隆选择原理的免疫识别算法。此通用搜索算法基于生物免疫系统的自适应免疫识别机制,通过整合克隆选择过程中的亲和度成熟、阴性选择、免疫记忆、基因库进化和元动力学等关键要素,能够在搜索过程中自动获取和积累有关搜索空间的知识,协调利用群体记忆与基因库记忆机制,在资源受限的条件下高效率地求得问题的解。针对STSP问题的实验结果验证了算法的性能。(2)构建了一个具有高效问题求解能力的多Agent系统模型。该模型将基于克隆选择原理的免疫识别算法应用为单Agent系统的主要控制算法,模型中的多个Agent依靠单体控制算法的自适应性和强大搜索能力,协同进化并涌现出智能求解能力。该模型采用基于群体的多点随机搜索以及多Agent完全并行的执行方式,是一种高效的新型协同进化模型。针对K-TSP和CVRP这两个复杂的组合优化问题的实验结果充分证明了该模型的求解能力及应用潜力。(3)研究了免疫网络模型在无线传感器网络的路由协议构造中的应用。将免疫网络机制的自组织、自适应、自学习等优良特性应用于对定向扩散协议中网络节点路由决策机制的改进,构建了一个高效的动态路由机制,整个无线传感器网络也就形成了一个基于人工免疫的多Agent系统。仿真实验结果验证了基于免疫网络的路由决策机制的有效性。