基于粒子群的算法用于功能分布式约束优化问题
摘要：分布式约束优化问题（DCOP）是一个广泛研究的约束处理框架。DCOP算法的目标是优化一个可以描述为分布式约束成本函数聚合的全局目标函数。在DCOP中，每个函数都由一组离散变量定义。然而，在许多应用中，如目标跟踪或传感器网络中的睡眠调度，连续值变量比离散变量更适用。考虑到这一点，提出了能够显式地建模包含连续变量的问题的功能DCOPs（F-DCOPs）。然而，目前最先进的F-DCOP方法存在昂贵的内存或计算开销。为了解决这个问题，我们提出了一种新的F-DCOP算法，名为基于粒子群的F-DCOP（PFD），它受到一种元启发式方法粒子群优化（PSO）的启发。虽然PSO已成功应用于许多连续优化问题，但其在F-DCOP中的潜力尚未得到充分利用。具体而言，PFD提出了一种分布式解构造方法，同时显著降低了计算和存储需求。此外，我们在理论上证明了PFD是一个任意时间的算法。最后，我们的实证结果表明，PFD在解决质量和计算开销方面优于现有的方法。
作者：Moumita Choudhury, Saaduddin Mahmud and Md. Mosaddek Khan
论文ID：1909.06168
分类：Multiagent Systems
分类简称：cs.MA
提交时间：2019-09-16