[发明专利]基于多智能体协同进化的任务排序方法

说明书

技术领域

本发明属于计算机技术领域，更进一步涉及信息融合技术领域中的基于多智能体协同进化的任务排序方法。该方法可应用于物流管理、车间调度、交通工具调度管理、交通管制领域中有关事件安排的一种方法。

背景技术

任务排序是物流管理、车间调度的基础，关系到资源的优化配置，同时也为交通工具调度管理、交通管制领域里合理方案的制定提供了很好的辅助功能。

任务排序重在推理任务的重要程度并给出排序，它涉及众多因素，包括完成任务所要耗费的时间，完成任务所要耗费的资源，完成任务本身得到的效能，这些因素可以定性地描述也可以定量地描述。由于考虑的因素比较多，目前，人们更多地把任务排序模型抽象成多目标函数的模型，处理多目标模型的方法很多，常用的方法有遍历搜索和进化算法，遍历搜索对于小规模的优化问题不失为一种可行的优化问题解法，但随着问题规模的扩大，搜索空间将呈指数形式递增，完全遍历搜索变得不切实际。进化算法是基于达尔文进化论，在计算机上模拟生命进化机制而发展起来的新方法，但这种方法有容易陷入局部最优，速度缓慢的缺点，研究难度较大。

利弗莫尔软件技术公司申请的专利“用于基于多目标进化算法的工程设计优化的方法和系统”(专利申请号：CN201010287263.7，公布号CN102033977A)，公开了一种用于进行基于多目标进化算法(MOEA)的产品(例如汽车、蜂窝电话等)工程设计优化的系统和方法。该方法根据设计目标对每个产品设计选择方案进行评估，获得对应的一组解，在每一代后，采用一个或多个非支配解来更新档案。该方法仍存在的不足是，初始化得到一组解，即是第一代解，每一次进化得到的一组解即是当前代的解，在该方法中，每一代解只采用一个或多个非支配解更新，在更新过程中可能会丢失一部分解，由此使得种群多样性保持得不好，导致在进化过程中得到的后代解不一定比前代解整体占优。

华中科技大学申请的专利“一种基于多种群协同进化的柔性作业车间调度方法”(专利申请号：CN201010226408.2，公布号CN101901425A)，公开的柔性作业车间调度方法的主要步骤包括：(1)参数设置；(2)按照设定的机器选择子问题的编码方式初始化种群；(3)按照设定的方法计算各个种群中每个染色体的适应度值，并记录最佳适应度值及其各组成染色体；(4)多种群协同进化：对各子种群中的染色体进行交叉和变异的进化操作，并对新染色体进行评价；(5)判断方法终止准则是否达到，若满足，则方法结束，输出最佳适应度值及其各组成染色体；否则跳转到步骤。每个机器选择子问题是一个个体。该方法存在的不足是，每一个个体是独立的，只是随机地与周围相邻个体进化交叉变异操作，从而忽略了每个个体和其他个体的联系，也就是忽略了每个个体的局部感知、竞争协作和自学习的能力，降低了个体的适应能力，不能更好的适应复杂、动态的环境。

发明内容

本发明的目的在于克服上述已有技术的不足，提出一种基于多智能体协同进化的任务排序方法。该方法应用智能体模型对每一种可能存在的任务序列进行编码，从而建立多智能体种群，并用协同进化算法对智能体进行优化，得到合理的任务排序。

本发明的具体思路是：本方法采用两个种群A、B和一个精英种群，种群A、B中的智能体分布在网格中，只能与相邻网格上的智能体进行竞争操作，精英种群是由种群A、种群B中能量高的智能体组成。对种群A中的个体按照“支配关系决定胜负”的竞争规则进行竞争操作。对种群B中的个体，将资源可用性和任务优先性这两个约束条件作为带优化的目标函数，按照“支配关系决定胜负”的竞争规则进行竞争操作。种群A、种群B只能与精英种群进行迁移操作，进化代数到达最大代数后，在精英种群中采用加权求和的方式筛选出结果。

为实现上述目的，本发明的具体步骤包括如下：

(1)设置参数

用户在输入数据框中输入需要排序的任务个数、每个任务需要的资源数量、完成任务需要的时间、任务拟达到的效果、进化的最大代数。

(2)初始化

2a)用户根据运行速度的要求设置种群A、B的规模；

2b)分别对A、B种群中每一个任务序列进行编码；

2c)按照智能体网格的结构建立种群A、B。

(3)存储信息：存储种群A、B中每个个体的目标函数的极值，均值。

(4)竞争操作

4a)对种群A中的个体按照“支配关系决定胜负”的竞争规则进行竞争操作，更新能量值；