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:2018年第12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
郑宇军,陈胜勇,凌海风,徐新黎.多Agent 主从粒子群分布式计算框架.软件学报,2012,23(11):3000-3008
多Agent 主从粒子群分布式计算框架
Multi-Agent Based Distributed Computing Framework for Master-Slave Particle Swarms
投稿时间:2012-06-09  修订日期:2012-08-21
DOI:10.3724/SP.J.1001.2012.04305
中文关键词:  agent  粒子群优化  主从模型  协同进化  分布式计算
英文关键词:agent  particle swarm optimization (PSO)  master-slave model  cooperative evolution  distributed computing
基金项目:国家自然科学基金(61105073, 61173096, 61103140, 61020106009, 61070043); 浙江省自然科学基金(R1110679)
作者单位E-mail
郑宇军 浙江工业大学 计算机科学与技术学院,浙江 杭州 310023 yujun.zheng@computer.org 
陈胜勇 浙江工业大学 计算机科学与技术学院,浙江 杭州 310023  
凌海风 解放军理工大学 机械工程系,江苏 南京 210007  
徐新黎 浙江工业大学 计算机科学与技术学院,浙江 杭州 310023  
摘要点击次数: 4069
全文下载次数: 3824
中文摘要:
      面向大规模复杂优化问题,提出了一个基于并行粒子群优化的分布式Agent 计算框架.框架中使用一个主群(master swarm)来演化问题的完整解,并使用一组从群(slave swarm)来并行优化一组子问题的解,主群和从群通过交替执行来提高问题的求解效率.采用异步组结构,主群/从群中的各类Agent 共享一个解群,并通过相互协作,对解群进行构造、改进、修补、分解和合并等演化操作.该框架可用于求解复杂的约束多目标优化问题.通过一类典型运输问题上的实验,其结果表明,所提出的方法明显优于另外两种先进的演化算法.
英文摘要:
      To effectively solve large-scale optimization problems, the paper proposes a distributed agent computing framework based on the parallel particle swarm optimization (PSO). The framework uses a master swarm for evolving complete solutions of the problem, and uses a set of slave swarms for evolving sub-solutions of the subproblems concurrently. The master swarm and slave swarms alternatively implement the PSO procedure to improve the problem-solving efficiency. Using the asynchronous team based agent architecture, a master/slave swarm consists of different kinds of agents, which share a population of solutions and cooperate to evolve the population, such as initializing solutions, moving particles, handling constraints, and decomposing/synthesizing sub-solutions. The framework can be used to solve complicated constained and multiobjective optimization problems efficiently. Experimental results demonstrate that this approach has significant performance advantage over two other state-of-the-art algorithms on a typical transportation problem.
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
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