论文部分内容阅读
针对多Agent系统（MAS）资源有限、环境信息未知、任务依次随机产生的情况，通过引入惩罚系数，基于剩余资源平衡定义一种新的适应度函数，并提出改进的二进制离散粒子群优化（BPSO）算法。新的适应度函数不仅考虑系统收益，同时还考虑系统剩余资源的平衡性，并通过调整惩罚系数在两者之间做出折衷。利用改进的BPSO算法对联盟进行优化，给出粒子速度和位置的更新公式，从而控制粒子的发散性，提高算法的局部搜索能力。仿真结果表明，新的适应度函数可使MAS执行更多的任务。与基本BPSO和遗传算法相比，改进算法在解的质量、收敛