蚁群正反馈驱动的高效Agent联盟形成策略研究

本文主要探讨的是"基于蚁群正反馈的Agent联盟形成策略"，由作者蒋建国、张国富、夏娜和苏兆品共同研究。在多agent系统中，联盟形成是一个核心问题，由于计算资源有限，设计一种能够有效缓解计算瓶颈和信息拥塞的策略至关重要。蚁群算法的正反馈思想被引入，通过将agent间的相互关系表示为熟悉度，提出了一种新的联盟形成策略。 在传统的联盟形成策略中，许多方法侧重于在联盟内部如何分配效用，但往往忽视了agent之间的频繁交互导致的通信成本和计算负担，这直接影响了系统的整体效率。叶东海等人提出的熟人集机制虽然在一定程度上减少了通信问题，但在复杂系统中，熟人联盟的生成和结构稳定性受到领域易变性的影响，且依赖于简单的阈值策略可能无法确保任务完成。 本文策略则创新性地运用了蚁群的正反馈机制，利用信息素浓度来衡量agent之间的熟悉度。这种策略旨在在保持高效沟通的同时，降低通信成本，提高系统的协商质量和协商效率。通过模拟实验，策略的性能得到了验证，它在一定程度上提高了系统的可靠性和整体运行效果。 这项研究提供了一种新的agent联盟形成策略，不仅考虑了联盟内部的效用分配，还注重了agent间交互的成本优化，对于提高多agent系统的性能具有实际意义。关键词包括控制理论、联盟形成、蚁群算法、正反馈以及熟悉度，这些概念在本文中紧密相连，共同构成了核心研究内容。