[发明专利]面向大规模多Agent系统的非对称分布式约束优化算法及系统

摘要

本发明公开了一种面向大规模多Agent系统的非对称分布式约束优化算法及系统，包括以下步骤S1，构造约束图；S2，每个Agent随机选择状态信息si,t并发送到其邻居Agent；S3，每个Agent计算初始最佳响应状态s′i,t+1后再计算增益信息GIi,t并将所述增益信息GIi,t发送到其邻居Agent；S4，每个Agent计算最佳响应s′i,t+1，计算最佳响应s′i,t+1的预测概率P并产生一个随机概率Pm，如果Pm＜P，则s′i,t+1＝s′i,t+1；否则si,t+1＝si,t；S5，每个Agent计算状态信息si,t+1的状态出现频率如果则采用随机调度方法；否则采用确定性调度，执行Agent的状态改变；发送si,t+1，令t＝t+1；S6，当t＞tmax，结束算法，否则返回步骤S3。本发明适用于大规模多Agent的协调优化问题，解决有用户偏好以及不确定环境下多Agent系统的优化控制。

主权项

一种面向大规模多Agent系统的非对称分布式约束优化算法，其特征在于，包括以下步骤：S1，根据具有非对称关系的Agent构造约束图，令t＝0，所述t为时刻；S2，每个Agent随机选择t时刻的状态信息si,t，根据约束图向邻居Agent发送所述t时刻的状态信息si,t，所述i为Agent的序号；S3，每个Agent接收到邻居Agent的状态信息sj,t后，所述每个Agent计算初始最佳响应状态s”i,t+1，计算增益信息GIi,t并将所述增益信息GIi,t发送到其邻居Agent；所述Agent i只接收邻居Agent的状态信息sj,t，所述初始最佳响应状态s”i,t+1的计算方法为：si,t+1′′=argmaxsi∈Sif(si),]]>f(si)=Σj∈v(i)ξj×ui(j)(si,sj,t),]]>其中，ξj为ηj、0或1，所述ηj表示邻居Agent j在系统中的影响程度，ui(j)表示Agent的私有信息，Si表示Agent的状态信息集合，si是Si中的一个状态信息，sj,t表示在t时刻邻居Agent j的状态信息，j表示Agent i的邻居Agent的序号，v(i)表示Agent i的邻居集合，ui(j)(si,sj,t)为Agent i和邻居Agent j的收益，f(si)为Agent i的初始响应状态；S4，每个Agent接收到所有邻居Agent的增益信息GIj,t及所有邻居Agent的的状态信息sj,t后，计算最佳响应状态s'i,t+1，计算最佳响应状态s′i,t+1的预测概率P并产生一个随机概率Pm，如果Pm＜P，则si,t+1＝s'i,t+1；否则si,t+1＝si,t；S5，计算t+1时刻的状态信息si,t+1的状态出现频率如果则采用随机调度；否则采用确定性调度，执行Agent的状态改变；发送si,t+1，令t＝t+1；S6，当t＞tmax，结束算法，所述tmax为允许的最大时刻；否则返回步骤S3。