导读:本文包含了复杂联盟论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:联盟,粒子,系统,分布式,新能源,传感器,算法。
复杂联盟论文文献综述
尹蕾,蒋建国,路瑞刚,尹安东[1]（2019）在《面向大数据的新能源汽车复杂联盟云评价研究》一文中研究指出联盟评价是联盟机制不可缺少的关键环节,大数据是联盟评价的重要战略资源,面向大数据的联盟评价是新能源汽车联盟的研究热点。本文中基于云模型理论,提出了一种面向大数据的新能源汽车复杂联盟云评价方法。首先面向大数据建立新能源汽车联盟的评价模型,并运用逆向云发生器和云综合运算生成联盟评价指标评价云;其次在确定联盟评价指标权重云和任务权重云的基础上,运用云运算规则分别产生单任务联盟评价云和多任务复杂联盟评价云,并针对复杂联盟备选方案进行云评价和选优;最后通过实例验证了该方法的有效性和合理性。(本文来源于《汽车工程》期刊2019年01期）
杜继永,张凤鸣,黄国荣,吴虎胜[2]（2015）在《多属性能力agent的复杂联盟生成算法》一文中研究指出研究了具有多属性能力的agent复杂联盟生成问题。首先从能力分类的角度,给出了agent及联盟的能力向量的形式化描述,并建立了复杂联盟生成问题的模型;然后提出了基于二阶段修正的PSO算法的求解框架,采用面向可加能力分配的整数编码策略,每次优化过程分两个阶段对约束进行处理。第一阶段通过粒子编码修正过程处理可加能力约束,生成初始联盟;第二阶段针对可并能力约束,提出了一种具有多项式时间复杂度的算法,生成可行联盟。仿真实验结果表明,该算法能够有效地实现多属性能力的agent复杂联盟的生成。(本文来源于《计算机应用研究》期刊2015年10期）
郭文忠,苏金树,陈澄宇,陈国龙[3]（2014）在《无线传感器网络中带复杂联盟的自适应任务分配算法》一文中研究指出针对无线传感器网络任务调度的实时性及节点计算及能量受限的特点,根据任务截止期赋予任务优先级,优先考虑高优先级任务,设计了一个无线传感器网络中带复杂联盟的自适应任务分配算法。为尽最大努力确保任务在截止期前完成,对截止期较为紧迫的任务采用历史信息生成历史联盟,并执行快速子任务分配算法;而对截止期较为宽裕的任务,在满足任务截止期约束条件下,以节点能耗和网络能量分布平衡为优化目标,采用矩阵的二进制编码形式,设计了一种离散粒子群优化算法以并行生成联盟,并执行基于负载和能量平衡的子任务分配算法。仿真实验结果表明所构造的自适应算法是有效的,在局部求解与全局探索之间能够取得较好的平衡,并能够在较短的时间内取得满意解。(本文来源于《通信学报》期刊2014年03期）
蒋建国,张国富,齐美彬,苏兆品[4]（2009）在《基于离散粒子群求解复杂联盟的并行生成》一文中研究指出联盟生成是多agent系统中的一个关键问题。该文引入离散粒子群优化来解决这一问题,采用粒子的随机扰动避免了算法的早熟,设计一种二维二进制编码实现复杂联盟的并行生成,通过编码可行性检查、冲突消解和补偿策略克服了求解过程中的资源冲突和联盟死锁。仿真实验说明了算法的有效性。(本文来源于《电子与信息学报》期刊2009年03期）
张国富[5]（2008）在《基于群智能的复杂联盟机制研究》一文中研究指出基于多agent系统(Multi-agent systems,MAS)的分布式智能控制正在蓬勃兴起,以适应计算机支持的协同工作等应用需求,因而使得对MAS中的联盟研究也变得越来越重要。如何形成一个稳定均衡的联盟,使联盟朝着稳定的方向发展,是控制理论的前沿课题,已经成为迫切需要解决的关键问题。传统的研究方法仅考虑一个agent只能加入一个联盟,势必造成agent能力和资源的极大浪费,而且在很多应用场合不能满足实际系统的需要。基于上述背景,本文提出“复杂联盟”的概念,并引入群智能技术,力图在多任务环境中实现真正意义上的一个agent可以同时加入多个联盟和一个联盟可以同时承担多个任务,从而能在一定程度上提高系统的任务求解效率和资源利用率,为解决复杂控制问题提供理论指导和方法依据。本文的主要内容及创新之处如下:(1)提出一种基于多粒子群协同优化的复杂联盟串行生成算法。基于图论的思想,给出了“虚拟agent”的概念,旨在转移父联盟的剩余能力,由“虚拟agent”代表其父联盟参与后续任务的竞争,在一定程度上解决了agent资源和能力的浪费问题。实验结果表明,本算法对于任务较多且较简单的情形特别有效。(2)将离散粒子群算法扩充到二维二进制编码,实现复杂联盟的并行生成。算法中设计的编码有效性检查、冲突消解策略克服了求解过程中因多个任务求解联盟同时竞争某个能力有限的agent而导致的资源冲突和联盟死锁,而且实现了真正意义上的一个agent可以参加多个联盟,在一定程度上可以提高系统的资源利用率。(3)提出一种基于按劳分配和效用非减的效用分配策略。针对已有工作无法摆脱搭便车问题,导致联盟潜在的不稳定,采用拍卖机制对任务进行快速和有效分解,基于合同机制对联盟效用以及额外效用进行合理分配,并依据联盟机制的数学模型推导出了局部效用非减和全局效用非减应满足的条件。该策略既严格遵循按劳分配又完全符合效用非减,在具有超加性的面向任务的领域中可以形成全局最优联盟,并具有Nash均衡意义下的稳定性。(4)基于Markov过程和鞅理论推演了蚁群算法的几乎处处强收敛性,并提出一种基于蚁群正反馈的动态联盟形成策略。利用蚁群中的信息素浓度表示熟人之间的熟悉度,以信息素更新规则作为熟悉度调整规则。仿真实验的测试及分析说明了该策略能在一定程度上降低整个系统的通信代价和资源开销,提高了系统的可靠程度。(本文来源于《合肥工业大学》期刊2008-05-01）
张国富,蒋建国,夏娜,苏兆品[6]（2007）在《基于离散粒子群算法求解复杂联盟生成问题》一文中研究指出针对联盟生成问题现有解决方案的不足,提出复杂联盟和虚拟Agent的概念,设计一种基于多粒子群协同优化的复杂联盟串行生成算法,实现一个Agent可以加入多个联盟和一个联盟可以承担多个任务,在一定程度上解决了Agent资源和能力的浪费问题.实验结果证明了算法的有效性.(本文来源于《电子学报》期刊2007年02期）
复杂联盟论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
研究了具有多属性能力的agent复杂联盟生成问题。首先从能力分类的角度,给出了agent及联盟的能力向量的形式化描述,并建立了复杂联盟生成问题的模型;然后提出了基于二阶段修正的PSO算法的求解框架,采用面向可加能力分配的整数编码策略,每次优化过程分两个阶段对约束进行处理。第一阶段通过粒子编码修正过程处理可加能力约束,生成初始联盟;第二阶段针对可并能力约束,提出了一种具有多项式时间复杂度的算法,生成可行联盟。仿真实验结果表明,该算法能够有效地实现多属性能力的agent复杂联盟的生成。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
复杂联盟论文参考文献
[1].尹蕾,蒋建国,路瑞刚,尹安东.面向大数据的新能源汽车复杂联盟云评价研究[J].汽车工程.2019
[2].杜继永,张凤鸣,黄国荣,吴虎胜.多属性能力agent的复杂联盟生成算法[J].计算机应用研究.2015
[3].郭文忠,苏金树,陈澄宇,陈国龙.无线传感器网络中带复杂联盟的自适应任务分配算法[J].通信学报.2014
[4].蒋建国,张国富,齐美彬,苏兆品.基于离散粒子群求解复杂联盟的并行生成[J].电子与信息学报.2009
[5].张国富.基于群智能的复杂联盟机制研究[D].合肥工业大学.2008
[6].张国富,蒋建国,夏娜,苏兆品.基于离散粒子群算法求解复杂联盟生成问题[J].电子学报.2007
论文知识图
