CN107734005A - 一种基于移动智能体技术下智能体联盟形成方法 - Google Patents
一种基于移动智能体技术下智能体联盟形成方法 Download PDFInfo
- Publication number
- CN107734005A CN107734005A CN201710886103.6A CN201710886103A CN107734005A CN 107734005 A CN107734005 A CN 107734005A CN 201710886103 A CN201710886103 A CN 201710886103A CN 107734005 A CN107734005 A CN 107734005A
- Authority
- CN
- China
- Prior art keywords
- mobile agent
- alliance
- intelligent
- coalition
- intelligent mobile
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于移动智能体技术下智能体联盟形成方法。本发明子任务之间需要进行数据交换,为无向有权图,权值为两者之间的数据交换量,完成任务的社会网络由个体节点组成,为无向有权图,权值为两者之间通信距离,每个子任务分配一个移动智能体,搜索到完成任务的社会网络中的个体节点,移动智能体形成联盟,所有联盟构成联盟结构,根据其偏好形成多个联盟移动到相应的个体节点,联盟的操作耗费分为数据交换成本和时延成本。本发明克服了储备之间无依赖关系、无联盟及耗费高等缺陷。本发明一个复杂任务由多个有依赖关系的子任务组成,分配一个移动智能体,搜索到完成任务的个体节点,根据其偏好形成多个联盟移动到相应的个体节点。
Description
技术领域
本发明涉及联盟形成领域,特别涉及一种基于移动智能体技术下智能体联盟形成方法。
背景技术
移动智能体具有感知运行环境和对其变化做出自主反应的能力,网络技术的发展使得智能体在网络中移动并执行完成某些功能。移动智能体技术是智能体技术与分布式计算技术结合的产物,用户可以创建多个智能体,在一个或者若干个节点上运行求解,拥有自治性的特点。在电子商务,分布式信息检索,信息发布,并行处理等领域都有重要的应用。
在本发明做出之前,基于移动智能体技术下智能体联盟形成存在如下几个难点:
1)智能体随机分布在网络节点上,使得当任务数量以线性增加时,联盟数量会呈指数型增长,任务之间的依赖关系增加了图的限制,能够大大减少联盟的数量从而能够在多项式的时间内收敛到稳定状态。现有的任务请求仅考虑的是各自独立的,而没有考虑任务之间的依赖关系。
2)某个智能体在当前节点产生的收益高于在其他个体节点产生的收益,那么该智能体就会停留在当前所在节点上,否则,该智能体将以一定概率从当前节点移动到其他个体节点上,这样的转移操作不必重新形成联盟。而在传统的集中式群组形成方法中,当某个联盟的智能体离开当前联盟时,必须重新形成新的联盟,即采用暴力搜索策略考虑可能的联盟形成方案来形成最优联盟。
3)移动智能体联盟形成的复杂度与联盟的规模呈指数增长。因此,移动智能体的最优联盟结构生成是NP完全问题。在合作方式下,创建不相交的自治联盟合作,以实现个人目标最大化以最大化系统的总收益。而独立地考虑任务请求,即在非合作形势下,完成任务的操作耗费会比形成联盟的操作耗费高。
发明内容
本发明的目的就在于克服上述问题,研发一种基于移动智能体技术下智能体联盟形成万法。
本发明的技术方案为:
一种基于移动智能体技术下智能体联盟形成方法,其主要技术特征在于如下步骤:
(1)一个复杂任务由多个有依赖关系的子任务组成,子任务之间需要进行数据交换,为无向有权图,权值为两者之间的数据交换量;完成任务的社会网络由个体节点组成,为无向有权图,权值为两者之间通信距离;
(2)为每个子任务分配一个移动智能体,移动智能体能搜索到完成任务的社会网络中的个体节点,这些移动智能体形成联盟,所有联盟构成联盟结构;
(3)移动智能体可根据其偏好形成多个联盟移动到相应的个体节点,联盟的操作耗费分为数据交换成本和时延成本。
所述的移动智能体联盟结构生成,移动智能体采用边收缩的概念形成独立的不相交的联盟,包含所有移动智能体的各个联盟组成联盟结构。
所述的社会网络中个体节点的选择,移动智能体选择使得联盟结构操作耗费最小的节点。
所述的偏好关系,移动智能体更愿意加入使得自己收益变大的联盟。
本发明的优点和效果在于一个复杂任务由多个有依赖关系的子任务组成,社会网络由个体节点组成,为每个子任务分配一个移动智能体,移动智能体能搜索到完成任务的个体节点,移动智能体可根据其偏好形成多个联盟移动到相应的个体节点,联盟的操作耗费分为数据交换成本和时延成本。
与传统的联盟形成不同,本发明考虑为子任务分配移动智能体以形成联盟,联盟移动到能够完成任务的个体节点上。智能体联盟内的移动智能体可以根据其合作产生的收益决定加入哪个联盟,以提高自己的效益。在联盟形成过程中,移动智能体可进行离开当前联盟,加入新联盟的操作,直至形成稳定的联盟结构。迭代形成联盟结构的方法降低了时间复杂度。
附图说明
图1——本发明模型示意图。
图2——本发明联盟结构生成图。
图3——本发明联盟形成示意图。
具体实施方式
本发明的技术思路是:
为子任务分配移动智能体,移动智能体形成联盟,移动到能够完成任务的个体节点上。智能体联盟内的移动智能体可以根据其合作产生的收益决定加入哪个联盟,以提高自己的效益。在联盟形成过程中,移动智能体可进行离开当前联盟,加入新联盟的操作,直至形成稳定的联盟结构。迭代形成联盟结构的方法降低了时间复杂度。
下面具体说明本发明。
如图1所示,其中左部分为一个复杂任务的分解,分为若干个互相依赖的子任务,每个子任务需要一种技能为S,为每个子任务分配一个移动智能体A,移动智能体可以形成联盟移动到能够完成任务的个体节点上去,即图1的右部分,个体节点之间的边的连接表明二者之间有合作关系。
考虑到子任务之间的依赖关系,任务之间不再是独立的,而是通过带图限制的影响,基于图论中边收缩的概念形成不相交的联盟以降低系统操作耗费,包含所有的联盟就是联盟结构,即图2所示的联盟结构生成,其中实线代表两者可以合并,虚线代表两者不能合并。同时,如果形成的联盟所需的组合任务技能不能被某个个体节点满足的话,直接在移动智能体之间连接的边上标虚线,表明这两个智能体是不能形成联盟的,从而又能减少很大一部分联盟结构。
在非合作形势下,每个移动智能体ai独立地选择移动到合适的个体节点上,为每个子任务定义完成时间t(ai)。产生的时延成本为完成个体节点上所有的子任务所需的时间,即为每对子任务定义数据交换量p(ai,aj),为每对个体节点定义通信距离,用d表示。产生的数据交换成本为与ai所有相关智能体RA(ai)通信时所需要的数据交换费用,即 那么每个移动智能体ai在个体节点上执行完任务所需的操作耗费为参数α和β决定他们对应变量的权值,并且不同的应用具有不同的比例。而在合作形式下,每个移动智能体可以形成联盟移动到合适的个体节点上,形成联盟会产生一定的合作成本,合作成本和联盟大小有关,用e(S)表示。产生的联盟G的操作耗费为 其中表示个体节点nG上执行移动智能体对应的子任务执行所需时间,tG表示联盟G中所有的移动智能体对应的子任务的执行所需时间。
因此在联盟G下,移动智能体的收益定义一种偏好关系,为联盟的偏好函数:
其中h(ai)为ai加入的历史联盟集,也就是说ai不会再加入之前已经保存在h(ai)中的联盟。
移动智能体的转移操作如下:给定一个移动智能体的划分П={G1,...,G1},任意ai如果想要离开当前联盟m∈{1,...,1},并且加入新的联盟Gk∈П∪{φ},当且仅当因此{Sm,Sk}→{Sm\{ai},Sk∪{ai}}。整个联盟形成的方案如图3所示,给定当前的移动智能体的划分,即联盟结构,使用所给的偏好关系查看可行的转移操作,如果转移操作可行,ai就执行如下操作:首先在离开当前划分前,增加当前aj所处的联盟到ai的历史联盟集合h(ai),然后ai离开当前联盟,最后ai加入新的联盟。如此迭代直到收敛到一个最终稳定的移动智能体的划分。移动智能体采用贪婪的方式移动到合适的个体节点上,在给定一个联盟结构的情况下,根据联盟的优先级,贪婪地依次将每个联盟分配到个体节点上,每次分配使得产生的联盟的操作耗费最小。
Claims (4)
1.一种基于移动智能体技术下智能体联盟形成方法,其特征在于步骤如下:
(1)一个复杂任务由多个有依赖关系的子任务组成,子任务之间需要进行数据交换,为无向有权图,权值为两者之间的数据交换量;完成任务的社会网络由个体节点组成,为无向有权图,权值为两者之间通信距离;
(2)为每个子任务分配一个移动智能体,移动智能体能搜索到完成任务的社会网络中的个体节点,这些移动智能体形成联盟,所有联盟构成联盟结构;
(3)移动智能体可根据其偏好形成多个联盟移动到相应的个体节点,联盟的操作耗费分为数据交换成本和时延成本。
2.根据权利要求1所述的基于移动智能体技术下智能体联盟形成方法,其特征在于所述移动智能体联盟结构生成,移动智能体采用边收缩的概念形成独立的不相交的联盟,包含所有移动智能体的各个联盟组成联盟结构。
3.根据权利要求1所述的基于移动智能体技术下智能体联盟形成方法,其特征在于所述社会网络中个体节点的选择,移动智能体选择使得联盟结构的操作耗费最小的联盟结构。
4.根据权利要求1所述的基于移动智能体技术下智能体联盟形成方法,其特征在于所述偏好关系,移动智能体更愿意加入使得自己收益变大的联盟。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710886103.6A CN107734005A (zh) | 2017-09-21 | 2017-09-21 | 一种基于移动智能体技术下智能体联盟形成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710886103.6A CN107734005A (zh) | 2017-09-21 | 2017-09-21 | 一种基于移动智能体技术下智能体联盟形成方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107734005A true CN107734005A (zh) | 2018-02-23 |
Family
ID=61208023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710886103.6A Pending CN107734005A (zh) | 2017-09-21 | 2017-09-21 | 一种基于移动智能体技术下智能体联盟形成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107734005A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110162400A (zh) * | 2019-05-21 | 2019-08-23 | 湖南大学 | 复杂网络环境下实现mas系统中智能体合作的方法和系统 |
CN111275420A (zh) * | 2020-01-19 | 2020-06-12 | 南京邮电大学 | 一种面向异构环境下的微小算力调度系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104951898A (zh) * | 2015-07-02 | 2015-09-30 | 北京理工大学 | 一种面向任务的协同多智能体联盟形成方法 |
CN105975332A (zh) * | 2016-05-03 | 2016-09-28 | 北京理工大学 | 一种多智能体分布式联盟形成方法 |
-
2017
- 2017-09-21 CN CN201710886103.6A patent/CN107734005A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104951898A (zh) * | 2015-07-02 | 2015-09-30 | 北京理工大学 | 一种面向任务的协同多智能体联盟形成方法 |
CN105975332A (zh) * | 2016-05-03 | 2016-09-28 | 北京理工大学 | 一种多智能体分布式联盟形成方法 |
Non-Patent Citations (4)
Title |
---|
VAISHNAVI等: "Distributed task allocation in dynamic multi-agent system", 《INTERNATIONAL CONFERENCE ON COMPUTING,COMMUNICATION & AUTOMATION》 * |
XIANGXIANG ZHOU ETC.: "A coalition formation strategy of multi-agent in network condition", 《2010 INTERNATIONAL CONFERENCE ON COMPUTER APPLICATION AND SYSTEM MODELING(ICCASM 2010)》 * |
倪斌等: "一种基于移动Agent的云端计算任务按期分割与分配算法", 《现代电子技术》 * |
董红斌: "移动Agent系统的联盟形成", 《系统工程理论与实践》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110162400A (zh) * | 2019-05-21 | 2019-08-23 | 湖南大学 | 复杂网络环境下实现mas系统中智能体合作的方法和系统 |
CN111275420A (zh) * | 2020-01-19 | 2020-06-12 | 南京邮电大学 | 一种面向异构环境下的微小算力调度系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Coupling resource management based on fog computing in smart city systems | |
Wang et al. | Community-aware task allocation for social networked multiagent systems | |
CN115333956B (zh) | 一种多联盟非合作博弈的多智能体状态控制方法 | |
Huang et al. | Modeling of learning inference and decision-making engine in cognitive radio | |
CN107734005A (zh) | 一种基于移动智能体技术下智能体联盟形成方法 | |
Xiao et al. | Minimization of Energy Consumption for Routing in High‐Density Wireless Sensor Networks Based on Adaptive Elite Ant Colony Optimization | |
Wang et al. | An improved routing algorithm based on social link awareness in delay tolerant networks | |
Yuan et al. | GraphComm: Efficient graph convolutional communication for multiagent cooperation | |
CN102546230B (zh) | 一种p2p流媒体系统覆盖网拓扑优化方法 | |
Amirazodi et al. | An adaptive algorithm for super-peer selection considering peer’s capacity in mobile peer-to-peer networks based on learning automata | |
Cao et al. | A resource allocation strategy in fog-cloud computing towards the Internet of Things in the 5G era | |
CN102624893B (zh) | 基于spiral曲线的无线Mesh网络P2P资源共享方法 | |
CN102420812A (zh) | 一种支持分布并行处理的Web服务自动QoS组合方法 | |
Nimisha et al. | Energy efficient connected dominating set construction using ant colony optimization technique in wireless sensor network | |
Wang et al. | A deep learning based data forwarding algorithm in mobile social networks | |
CN109167833B (zh) | 一种基于图的可扩展QoS感知组合方法 | |
Thirumurugan et al. | Ex-PAC: An improved clustering technique for ad hoc network | |
Jiang et al. | Resource discovery and share mechanism in disconnected ubiquitous stub network | |
Toda et al. | Autonomous and distributed construction of locality aware skip graph | |
Zhu et al. | Blockchain-based consensus study on distributed control systems | |
Kang et al. | Energy efficient topology control based on sociological cluster in wireless sensor networks | |
Li et al. | A role-based distributed publish/subscribe system in IoT | |
Amiri et al. | Nodes clustering using Fuzzy logic to optimize energy consumption in Mobile Ad hoc Networks (MANET) | |
Bai et al. | Skyline-join query processing in distributed databases | |
Gao et al. | An efficient data acquisition and processing scheme for wireless multimedia sensor networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180223 |
|
WD01 | Invention patent application deemed withdrawn after publication |