一种基于分布估计算法的连续型分布式约束优化问题求解方法

摘要

本发明公开了一种基于分布估计算法的连续型分布式约束优化问题求解方法(EDA‑CD)，在EDA‑CD中，一组解被刻画为一个个体，通过对解的各个维度构建概率模型来刻画智能体(Agent)取值的分布，从宏观的角度出发捕获解集的全局统计信息。智能体首先构建分布式种群，分别计算其变量的均值与方差以并行构建概率模型；然后所有智能体通过在广度优先搜索(Breadth First Search,BFS)伪树上的协同通信来评估个体的适应度；最后智能体基于个体的评估更新概率模型。在四类基准问题上的广泛实验结果表明，相较于最先进的C‑DCOP求解算法，EDA‑CD的求解质量有20％左右的提升。