[发明专利]一种多智能体分布式联盟形成方法

摘要

本发明公开了一种多智能体分布式联盟形成方法。本发明针对智能体在面向不同任务时，智能体能力与任务的适合程度不同，以个数为2的小联盟作为理想基本单元，结合任务收益特点，通过Learning Automata算法进行权值的动态分配。充分考虑了从任务角度和从智能体角度两个方面来进行表达，更加符合现实情况，更加理性，并且实现了任务的并发选择，加快了任务分配速度以及智能体资源的有效利用。

主权项

一种多智能体分布式联盟形成方法，其特征在于，定义：共有m个任务，对于m个任务中的任意一个任务，定义为任务r，完成该任务需要具备k项能力，且每项能力有最低需求值r(l)和完成该任务r能够获得的收益值；其中，l代表第l项能力；其联盟形成方法具体为：步骤一、对于智能体网络中的每个智能体来说，均与其相邻的其他智能体形成潜在小联盟，计算每个潜在小联盟面对每项任务时,所具备的各项能力值，进而获得完成该任务的任务能力值；步骤二、计算每个潜在小联盟完成每项任务的准备度值：针对每个潜在小联盟，完成任意一个任务的准备度值由两部分组成：第一部分为步骤一中求出的任务能力值；第二部分为潜在小联盟完成当前任务的任务意愿值；任务能力值与任务意愿值两部分通过加权的方式构成了当前潜在小联盟完成当前任务的准备度；初始情况下，任务能力值和任务意愿值的权值相等；其中，所述的任务意愿值根据完成当前任务的收益值与完成当前任务中各项能力的最低需求值之和求商获得的；根据上述方法，遍历所有任务，获得每个潜在小联盟完成每项任务的准备度值；之后,分别将每个潜在小联盟所针对不同任务的准备度按从大到小的顺序排列，将准备度值最高的任务挑出，所述任务则作为该潜在小联盟的备用申请任务；将所有挑出的任务与潜在小联盟一一对应后，形成集合；步骤三、对集合中的所有潜在小联盟进行筛选，并获得完成每项任务的最终联盟，具体为：S30：将集合中的所有潜在小联盟，以每个智能体作为基准智能体，将所有包含基准智能体的所有潜在小联盟按准备度值的大小排序，将准备度值最大的作为完成对应任务的最优潜在小联盟；每一个基准智能体均对应一个最优潜在小联盟；S31：针对任意一个智能体，定义为智能体a来说：智能体a向其对应的最优潜在小联盟中的另一个智能体b发出结盟申请，所述另一个智能体b判断其自己对应的最优潜在小联盟中的另一个智能体是否是智能体a，即智能体a与智能体b是否互为最优智能体；如果是，则智能体a和智能体b直接形成最终联盟，并向对应的备用申请任务发出申请，执行步骤四；如果不是，执行S32；S32：智能体a根据S30中的所述大小排序，向下一个潜在小联盟中的智能体c发出结盟申请；当前智能体c按照S31的方法，判断与智能体a是否互为最优智能体；如果是，且智能体a之前的最优智能体b未向智能体a发出结盟申请，则智能体a与智能体c发出结盟申请，并向对应的备用申请任务发出申请，执行步骤四；如果不是，则返回本步骤S32，直至智能体a形成最终联盟，并向对应的任务发出申请，执行步骤四；按S31和S32的方法，遍历所有智能体，形成多个最终联盟，且每个智能体只能形成一个最终联盟；其所对应的备用申请任务作为该最终联盟的申请任务；步骤四、根据步骤三中获得的所有最终联盟，按照每个最终联盟的申请任务进行分类，将同一个申请任务归为一类，并将同一类任务下的所有最终联盟按照准备度值的大小进行排序；然后根据各类任务其所需的每项能力最低需求值进行分配；其分配原则为：以准备度值最高的最终联盟为基准，按照排列好的顺序，将准备度值最高的最终联盟的各项能力的能力值与在其后面的其他最终联盟的各项能力的能力值依次对应地累计相加，每次仅累计一个最终联盟，一旦累计相加后的各项能力值均对应地满足当前任务所需的最低需求值，则停止累计，并将参与累计的所有最终联盟形成大联盟，执行当前的任务；对于没有被选择上的其他最终联盟，执行步骤五；步骤五、将所述没有被选择上的其他最终联盟的权值进行调整：根据Learning Automata学习算法，将没有被选择上的其他最终联盟的权值进行动态调整；之后，根据步骤二的方法，重新计算未被选择上的其他最终联盟完成未被执行的其他任务的准备度值，并根据步骤三和步骤四的方法，最终向对应的任务进行申请，直至任务完成分配为止。