發(fā)布時間：2017-06-29 20:00

  本文關鍵詞：有限感知蜂擁集群模型噪聲問題的研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：集群行為是對現(xiàn)實生活中的生物群體和人工群體的一種高度抽象。單一智能個體只能完成比較簡單的任務,但是由很多智能個體組成的多智能體系統(tǒng)能夠通過個體間的相互作用涌現(xiàn)出集體智能,完成比較復雜的任務,解決現(xiàn)實生活中很多難以解決的問題。在當前社會中,多智能體系統(tǒng)已經(jīng)廣泛的應用到人們生活的方方面面,包括環(huán)境監(jiān)測、災難搜救、軍事行動和工業(yè)操作等等諸多領域,對多智能體系統(tǒng)的研究具有重要的理論和現(xiàn)實意義。為了更好的分析智能群體的性質,從而構建了有限感知蜂擁集群模型。有限感知蜂擁集群模型描述的是N個隨機分布在空間內且不斷進行交互的智能體中第i個個體的運動狀態(tài)。它是基于引力/斥力函數(shù)構建的,所遵循的基本原則是“遠則吸引,近則排斥”。該模型所描述的系統(tǒng)中的所有智能體能在有限的時間內收斂到一個有界區(qū)域,并有較好的局部穩(wěn)定性。在進行理論計算時,引力/斥力函數(shù)需要同時考慮引力項g_a(|y|)的模和斥力項g_r(|y|)的模,所以運算過程相對比較復雜,在實際運算中很難快速的得到數(shù)據(jù),因此效率比較低;而且,在實際應用中會出現(xiàn)噪聲干擾的情況,本文經(jīng)過對噪聲問題的研究,證實了噪聲具有不可控性,此時,噪聲干擾項也影響了模型的穩(wěn)定性�？紤]到模型的狀態(tài)方程和一致性問題在本質上是一樣的,那么是否可以把一致性問題中的噪聲控制策略引入到模型的狀態(tài)方程中去進行實例模型研究。針對上述問題,本文所做的工作如下:(1)對有限感知蜂擁集群模型進行了仔細的研究和分析,研究表明模型中引力/斥力函數(shù)在理論計算時需要同時考慮引力項g_a(|y|)模和斥力項g_r(|y|)模的計算,運算過程相對復雜,因此會影響計算效率。針對有限感知蜂擁集群模型中引力/斥力函數(shù)計算困難的問題將函數(shù)進行了簡化,把引力/斥力函數(shù)合并成一個函數(shù),使得運算過程更加簡便。同時引入了引力權重因子G,此時,智能體的距離越遠,吸引力就越大,有效地提高了模型的計算效率。文章經(jīng)過科學的理論分析,證明了在簡化函數(shù)的同時,模型依然保持了良好的局部穩(wěn)定性。(2)針對一致性算法中的噪聲問題進行了研究,證明了噪聲的不可控性,同時提出了一種基于抑噪算子ε(t)的噪聲控制策略,證明了當ε(t)取t~(-0.5)的高階無窮小時,抑噪后的算法噪聲可控。在無噪的情況下,當ε(t)取t~(-1)的低階無窮小時,抑噪后的算法可以使智能體的最終狀態(tài)收斂到X~*;在有噪的情況下,當ε(t)的取值在t~(-0.5)和t~(-1)之間,智能體的最終狀態(tài)將會以X~*為中心呈正態(tài)分布。以算法DHA為實例對提出的基于抑噪算子ε(t)的噪聲控制策略進行了驗證和討論,證明了該噪聲控制策略的可行性。(3)考慮到有限感知蜂擁集群模型的狀態(tài)方程和一致性算法在本質上是一樣的,把抑噪算子ε(t)引入模型的狀態(tài)方程x_m(t+1),證明了在有噪聲的情況下,當ε(t)取t~(-1)的低階無窮小、t~(-0.5)的高階無窮小時,抑噪算法可以使智能體的最終狀態(tài)收斂到以X~*為中心呈正態(tài)分布,即模型中的智能體最終收斂到有界區(qū)域。綜上所述,本文對有限感知蜂擁集群模型和一致性算法中的噪聲問題進行了深入的研究,概括和總結了模型的優(yōu)點和不足、一致性算法中噪聲的不可控性,針對存在的問題提出了有效的解決方案,通過理論分析和實驗結果證明了方案的有效性。
【關鍵詞】：集群智能 多智能體系統(tǒng) 一致性算法 噪聲 抑噪算子 穩(wěn)定性
【學位授予單位】：山東師范大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TB53
【目錄】：

• 摘要5-7
• Abstract7-9
• 第一章 緒論9-14
• 1.1 研究背景9-10
• 1.2 研究現(xiàn)狀10-12
• 1.3 論文的研究內容和創(chuàng)新點12-13
• 1.4 論文的組織結構13-14
• 第二章 生物集群和一致性問題及群體動力學建模14-20
• 2.1 生物集群和一致性問題14-16
• 2.1.1 集群行為14-15
• 2.1.2 一致性問題15-16
• 2.2 智能群體系統(tǒng)的協(xié)同控制16-17
• 2.3 群體系統(tǒng)建模17
• 2.4 群體系統(tǒng)的動力學內涵及特征17-19
• 2.4.1 群體動力學的內涵17-18
• 2.4.2 智能個體的動力學特征18-19
• 2.5 小結19-20
• 第三章 有限感知蜂擁集群模型中引力/斥力函數(shù)的改進20-26
• 3.1 有限感知蜂擁集群模型20
• 3.2 對有限感知蜂擁集群模型的引力函數(shù)進行改進20-22
• 3.2.1 引力權重因子21
• 3.2.2 簡化后的引力函數(shù)21
• 3.2.3 簡化函數(shù)后模型的運動方程21-22
• 3.3 簡化后模型的穩(wěn)定性分析及證明22-25
• 3.3.1 Lyapunov穩(wěn)定性的基本原理23
• 3.3.2 定義集群中心23-24
• 3.3.3 定義誤差變量24-25
• 3.4 小結25-26
• 第四章 噪聲對系統(tǒng)穩(wěn)定性的影響及解決方法26-47
• 4.1 多智能體系統(tǒng)一致性問題的描述26-27
• 4.1.1 一致性問題的含義26
• 4.1.2 一致性在實際應用中存在的問題26-27
• 4.2 一致性算法噪聲問題的研究27-37
• 4.2.1 相關描述及定義27-29
• 4.2.2 線性一致性算法中的噪聲問題29-30
• 4.2.3 噪聲的不可控性30-31
• 4.2.4 噪聲控制31-37
• 4.3 仿真實驗和討論37-44
• 4.3.1 DHA的噪聲不可控性和 ε(t)的噪聲抑制作用38-39
• 4.3.2 抑噪自平衡算法智能體的最終狀態(tài)39-43
• 4.3.3 系統(tǒng)的平均誤差與均值誤差43-44
• 4.4 智能體的分布方差與執(zhí)行效率44-45
• 4.5 將抑噪算子 ε(t)引入有限感知蜂擁集群模型的狀態(tài)方程45-47
• 4.6 小結47
• 第五章 總結與展望47-50
• 5.1 總結47-48
• 5.2 展望48-50
• 參考文獻50-53
• 攻讀碩士期間取得的科研成果53-54
• 致謝54

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張蕾,曹其新,李杰,張春余,張靜永;面向智能維護的嵌入式無線預診斷智能體技術[J];機械設計與研究;2004年02期

2 潘志庚;楊宏偉;劉箴;;虛擬智能體情感研究綜述[J];計算機輔助設計與圖形學學報;2007年12期

3 伍文平;魏明;王東;王剛;;基于可信買方智能體輔助選擇高質量賣方模型研究[J];科學技術與工程;2008年17期

4 李宏光;宿

本文編號：499093