群体智能与多Agent系统交叉结合 理论、方法与应用PDF|Epub|txt|kindle电子书版本网盘下载

群体智能与多Agent系统交叉结合 理论、方法与应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 群体智能1

1.1.1 群体智能的概念与特点1

1.1.2 群体智能中的知识涌现3

1.1.3 群体智能研究方法4

1.1.4 群体智能典型算法5

1.2 多Agent系统12

1.2.1 Agent的定义与结构12

1.2.2 多Agent系统基本理论14

1.2.3 多Agent系统的应用领域18

参考文献21

第2章 基于多Agent结构的粒子群优化算法24

2.1 粒子群优化算法的研究现状24

2.1.1 粒子群优化算法的研究方向24

2.1.2 粒子群优化算法的应用现状25

2.1.3 粒子群优化算法面临的难题27

2.2 粒子群优化算法的框架与设计步骤28

2.2.1 粒子群优化算法的总体框架28

2.2.2 粒子群优化算法的设计步骤28

2.3 粒子群优化算法与其他进化算法比较29

2.4 粒子群优化算法的改进策略30

2.5 粒子群优化算法收敛性分析36

2.5.1 粒子轨迹收敛分析36

2.5.2 粒子速度收敛分析37

2.6 多Agent粒子群优化算法38

2.6.1 Agent所在的环境39

2.6.2 Agent的适应值与行动策略40

2.6.3 自学习机制41

2.6.4 多Agent粒子群优化算法流程41

2.7 随机选取邻居的多Agent粒子群优化算法42

2.8 加入混沌优化的多Agent粒子群优化算法43

2.8.1 混沌优化43

2.8.2 多Agent混沌粒子群优化算法及其流程44

2.8.3 算法函数测试45

参考文献47

第3章 多Agent粒子群优化算法在电力系统优化中的应用51

3.1 电力系统优化运行的目的与意义51

3.2 随机选取邻居的多Agent粒子群优化算法用于电力系统经济负荷分配52

3.2.1 电力系统经济负荷分配的数学模型52

3.2.2 仿真实验与结果分析54

3.3 加入混沌优化的多Agent粒子群算法用于电力系统无功优化60

3.3.1 电力系统无功优化的数学模型61

3.3.2 仿真实验与结果分析62

3.4 采用多Agent混沌粒子群优化算法的配电网重构67

3.4.1 配电网络重构的数学模型68

3.4.2 破圈法搜索可行解69

3.4.3 基于破圈的多Agent系统混沌粒子群算法70

3.4.4 仿真实验与结果分析71

参考文献74

第4章 多Agent粒子群优化算法在控制系统中的应用77

4.1 基于多Agent粒子群优化的支持向量回归模型预测控制77

4.1.1 引言77

4.1.2 模型预测控制基本原理78

4.1.3 多Agent粒子群优化算法优化的支持向量回归模型81

4.1.4 基于MAPSO-SVR的模型预测控制83

4.1.5 仿真实验与结果分析88

4.2 基于多Agent混沌粒子群优化的磁悬浮系统PID控制器93

4.2.1 引言93

4.2.2 磁悬浮系统描述94

4.2.3 基于MAS-CPSO的PID控制器95

4.2.4 仿真实验与结果分析97

参考文献100

第5章 基于群体智能的多Agent系统协作模型103

5.1 基于蚁群算法的多Agent系统自适应任务分配103

5.1.1 任务分解103

5.1.2 合同网模型111

5.1.3 基于蚁群算法的合同网的扩展113

5.1.4 基于扩展合同网协议的自适应任务分配模型114

5.1.5 仿真实验与结果分析116

5.2 自适应蚁群聚类算法在协作追捕中的应用121

5.2.1 聚类分析121

5.2.2 动态自适应蚁群算法126

5.2.3 基于信息素的自适应蚁群聚类算法127

5.2.4 追捕问题的多Agent协作方法128

5.2.5 仿真实验与结果分析132

5.3 未知环境中基于蚁群算法的多Agent自主协作规划策略136

5.3.1 引言136

5.3.2 多Agent协作搬运问题参数及任务描述136

5.3.3 基于蚁群算法的多Agent协作策略137

5.3.4 引入距离因子和控制因子改进蚁群算法的多Agent协作策略138

5.3.5 仿真实验与结果分析139

参考文献142

第6章 基于改进蚁群算法的移动Agent路径规划与避障145

6.1 移动Agent路径规划145

6.1.1 环境建模方法145

6.1.2 路径规划方法147

6.2 基于改进蚁群算法的静态路径规划方法149

6.2.1 引言149

6.2.2 环境信息预处理150

6.2.3 栅格法环境建模150

6.2.4 静态环境中的路径规划151

6.2.5 最大选择概率法在栅格地图中的应用152

6.2.6 仿真实验与结果分析153

6.3 基于改进蚁群算法的移动Agent路径规划与避障方法156

6.3.1 动态路径规划方法156

6.3.2 基于最大选择概率法的动态路径规划方法159

6.3.3 动态避障方法——倒退法161

6.3.4 基于最大选择概率法的动态路径规划仿真原理163

6.3.5 基于最大选择概率法的动态路径规划仿真实验及结果分析164

6.3.6 最大选择概率法在动态路径规划中的应用173

参考文献177

第7章 基于群体智能的仿真机器人足球比赛策略及应用179

7.1 引言179

7.2 仿真机器人足球系统180

7.2.1 仿真系统的研究背景与作用180

7.2.2 仿真系统的结构181

7.2.3 仿真系统的环境特点183

7.3 基于多目标混沌粒子群算法的机器人足球防守策略185

7.3.1 基于多目标混沌粒子群算法的机器人足球防守策略186

7.3.2 仿真实验与结果分析188

7.4 基于蚁群算法的机器人足球攻防转换策略192

7.4.1 基于蚁群算法的队形决策过程193

7.4.2 仿真实验与结果分析198

参考文献201