分布式优化问题(DOP)是在大规模、开放、动态网络环境中的优化问题,在计算网格、多媒体网络、电子商务、企业资源规划等领域中都有广泛应用。除了具有传统优化问题的非线性、约束性等特点,DOP还具有动态演化、信息区域化、控制局部化、网络状态异步更新等特点。寻求一种解决DOP的大规模、并行、具有智能特征的求解方法已成为一个具有挑战性的研究课题。采用移动Agent技术求解DOP能够有效降低求解过程中的网络负载和求解系统设计的复杂性,被认为是一种有前景的解决方法,但目前还面临一些困难,集中体现在现有移动Agent技术所提供的问题求解机制还不具有求解DOP所要求的自适应性和自组织性。针对这个问题,本课题拟借鉴群集智能的正反馈思想将自适应性和自组织性引入移动Agent技术中,研究面向DOP的自适应自组织移动Agent协作机制和基于该机制求解DOP的一般方法。
{{i.achievement_title}}
数据更新时间:2023-05-31
Hindsight-aware deep reinforcement learning algorithm for multi-agent systems
物联网中区块链技术的应用与挑战
一种改进的多目标正余弦优化算法
基于混合优化方法的大口径主镜设计
人工智能技术在矿工不安全行为识别中的融合应用
分布式问题求解
基于智能Agent的对地观测分布式卫星系统动态协作任务求解
基于Agent与分解协调的综合生产计划分布式建模与求解研究
分布式差分进化算法求解大规模动态优化问题研究