.png){kind=icon}
返回
FROM: A Fish Recognition-Inspired Optimization Method for Multi-Agent Decision-Making Problems with a Fluid Environment
.png){kind=icon}
OA
AI
DOI：10.3390/biomimetics10040215.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
水下多智能体系统面临关键的水动力学约束，这些约束在动态流体环境中显著降低了传统约束优化算法的性能。为满足水下多智能体应用的需求，本文提出了一种受鱼类识别启发的优化方法（FROM）。所提出的方法引入了鱼类识别的特性。该方法主要有两项改进：基于视觉识别的邻域拓扑改进和基于水动力学识别的学习策略改进。对所提出算法的计算复杂度进行了分析，结果表明其是可接受的。实验结果的统计分析显示，FROM算法在基于目标函数计算的最小值、最大值、标准差、均值和中位数方面表现优于其他算法。基于可靠的实验结果，我们得出结论：所提出的FROM算法是解决具有流体环境约束的多智能体决策问题的更好方案。
Keyword:
multi-agent learning
fish recognition
bio-inspired optimization method
hydrodynamic analysis
期刊
B
IF:
3.9
论文数:
3.2K
被引数:
5.1K
机构
引用论文
Major Advances in Particle Swarm Optimization: Theory, Analysis, and Application粒子群优化的主要进展: 理论，分析和应用
.png){kind=icon}
PREAI
分享收藏
Comprehensive learning particle swarm optimizer for global optimization of multimodal functions
PREAI
分享收藏
查看更多内容