主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
李瑾姝,刘静,焦李成,胡康,王景润.一种基于多智能体进化的广义图染色算法.软件学报,2009,20(2):315-326
一种基于多智能体进化的广义图染色算法
T-Coloring Algorithm Based on Multiagent Evolution
投稿时间:2007-07-12  修订日期:2007-09-30
DOI:
中文关键词:  智能体  进化算法  广义图染色问题  频率分配问题
英文关键词:agent  evolutionary algorithm  T-coloring problem  frequency assignment problem
基金项目:Supported by the National Natural Science Foundation of China under Grant Nos.60872135, 60502043, 60602064 (国家自然科学基金); the Program for New Century Excellent Talents in University of China under Grant No.NCET-06-0857 (新世纪优秀人才支持计划); the National High-Tech Research and Development Plan of China under Grant No.2006AA01Z107 (国家高技术研究发展计划(863))
作者单位
李瑾姝 西安电子科技大学 智能信息处理研究所,陕西 西安 710071 
刘静 西安电子科技大学 智能信息处理研究所,陕西 西安 710071 
焦李成 西安电子科技大学 智能信息处理研究所,陕西 西安 710071 
胡康 西安电子科技大学 智能信息处理研究所,陕西 西安 710071 
王景润 西安电子科技大学 智能信息处理研究所,陕西 西安 710071 
摘要点击次数: 2936
全文下载次数: 4368
中文摘要:
      基于对广义图染色问题的研究,提出了一种求解广义图染色问题的多智能体进化算法(multiagent evolutionary algorithm for T-coloring problem,简称MAEA-TCP),并将该算法应用到实际中的频率分配问题上,取得了良好的效果.该方法中每个智能体作为一个候选解被固定在智能体网格上,为了增加自身能量而与邻域当中的智能体展开竞争或者合作,同时智能体也可以利用自身的知识进行自学习来增加能量.根据广义图染色问题的特点,为智能体设计了3种算子:竞争算子、自学习算子和变异算子,以引导其进化,并用进化的方式来控制各算子,以协调智能体之间的相互作用.在实验中,分别使用大规模的随机图实例和费城实例来测试算法性能,同时给出参数测试结果和最佳取值区间.比较结果表明,该算法优于其他方法,具有良好的收敛性和实用价值.
英文摘要:
      Based on the study of T-coloring problem, multiagent systems and evolutionary algorithms are integrated to form a new algorithm, multiagent evolutionary algorithm for T-coloring problem (MAEA-TCP). Then, this method is used to deal with the realistic frequency assignment problem, and has achieved encouraging results. In this algorithm, each agent is fixed on a lattice point of agent lattice as a possible solution. In order to increase energies, they compete or cooperate with their neighbors. They can also use knowledge to achieve their aims. Three evolutionary operators are designed for simulating the intelligent behaviors of agent, such as competition, self-learning and so on. The evolutionary operators are controlled through evolution, so that the populations can evolve. Experiments on large random graph instances and Philadelphia instances show that MAEA-TCP is a more encouraging algorithm than other methods.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利