资源和目标双重约束下的复杂联盟机制研究

With the advent of the era of big data, the current complex systems are developing rapidly in the direction of high intelligence, where the simulation technology based on multiagent systems and coalition formation has been a very important and active area. However, conventional research on coalition formation usually focuses on unbounded resources or goals, and this makes the technology difficult to deal with the increasingly complex and intelligent application requirements. In this proposal, we introduce a complex coalition mechanism for concurrent multi-objective decision-making and scheduling under the dual constraints of resources and goals, and make some research on several outstanding problems illustrated in the technical route. The concrete research contents of this proposal include: the mathematical model and computational complexity analysis of complex coalition mechanism; searching for successful coalitions based on one-dimensional binary differential evolution and heuristic strategy; the stability analysis of complex coalition structure based on the core theory and uncovering the optimal complex coalition structure by using two-dimensional binary differential evolution and encoding repair strategy; solving the concurrent scheduling problem of multiple emergency points and resources in emergency decision-making based on complex coalition mechanism. This proposal belongs to one of the interdisciplinary applied basic researches and its implementation may provide some important algorithms and technologies for the research and development of practical complex intelligent systems and promote the expansion of simulation technologies for complex systems.

随着大数据时代的来临，当前复杂系统正在向高度智能化的方向迅猛发展。基于多agent系统和联盟形成的复杂系统仿真技术研究成为其中一个非常重要和活跃的方向。然而，由于传统的联盟形成研究大都简单的要求资源无约束或者目标无约束，难以适应日益复杂和智能的应用需求。为此，本课题提出通过复杂联盟机制来实现资源和目标双重受限下的各种并发多目标决策和调度，并围绕技术路线中若干有待解决的问题开展研究。具体内容包括：复杂联盟机制数学建模与计算复杂性分析；基于一维二进制差分进化和启发式策略搜索成功联盟；基于核心理论分析复杂联盟结构的稳定性，并基于二维二进制差分进化和编码修正策略挖掘最优复杂联盟结构；同时基于提出的复杂联盟机制解决应急决策中的多应急点多资源并发调度问题。本课题属于多学科交叉的应用基础研究，可为实际复杂智能系统的研制和开发提供核心算法和技术，推动复杂系统仿真技术的发展。

随着大数据时代的来临，当前复杂系统正在向高度智能化的方向迅猛发展。基于多agent系统和联盟形成的复杂系统仿真技术研究成为其中一个非常重要和活跃的方向。然而，由于传统的联盟形成研究大都简单的要求资源无约束或者目标无约束，难以适应日益复杂和智能的应用需求。为此，本课题提出通过复杂联盟机制来实现资源和目标双重受限下的各种并发多目标决策和调度，并围绕技术路线中若干有待解决的问题开展研究。主要创新成果有：（1）重叠联盟博弈。提出一种面向任务的重叠联盟结构生成启发式方法。与已有的面向agent的方法对比，面向任务的启发式方法不仅降低了算法复杂度，而且可以让算法在极其苛刻的场景中依然有效，提高了算法的鲁棒性和适应性。此外，将传统的差分进化扩充到三维整数编码，编码中的每一个元素代表某智能体在某种资源上对某任务的实际贡献量。设计了相应的编码修正策略以评估和解决编码中可能存在的资源冲突。针对串行效用分配存在的问题，提出一种面向并发多任务的重叠联盟效用分配策略，在任务分派时采取按比例进行任务分派，而且通过调整不会出现资源冗余。（2）技能结盟博弈。基于计算智能算法求解联盟结构生成问题。评估了二进制粒子群优化和二进制差异演化这两种计算智能技术在求解技能结盟博弈中的联盟结构生成问题上的可用性。具体来说，我们将上述两种算法扩充到二维二进制编码并提出相应的启发式方法对不可行个体进行修正。（3）资源结盟博弈。提出带有目标偏好的最大成功问题，设计了一种基于二维二进制编码的最大成功联盟生成算法，并提出一种编码修正启发式算法以解决多个目标竞争同一agent 资源可能引起的资源冲突。（4）智能应急决策。基于提出的复杂联盟机制解决灾后响应中的救灾物资分配问题。上述研究成果属于多学科交叉的应用基础研究，可为实际复杂智能系统的研制和开发提供核心算法和技术，推动复杂系统仿真技术的发展。