基于神经网络与群智能的多代理人决策与行为演化

摘要

本文提出了一种利用神经网络与群智能技术对多代理人系统作决策的理论方法。该方法以神经网络作为决策控制器，神经网络的输入层是代理人的历史行为策略，输出层决定了代理人的当前策略，神经网络的权重通过粒子群优化技术进行训练。权重值的更新过程刻画了代理人行为策略的演化过程。仿真实验表明该决策方法具有自适应学习的能力，并能克服代理人之间的冲突取得Pareto最优。