39、异构多智能体学习与学生友谊关系分析

异构多智能体学习与学生友谊关系分析

1. 异构多智能体学习相关内容

1.1 GNP的遗传操作

GNP（Genetic Network Programming）的遗传操作包括交叉和变异。在交叉过程中，通过替换特定区域来替换节点并改变连接；在变异过程中，改变节点之间的连接。

1.2 GNPIAM算法

GNPIAM使用GAIAM作为进化算法，GAIAM是一种采用免疫系统两个特征的遗传算法。免疫系统的两个特征如下：
- 特征1 ：适应抗原突变的能力。由于难以预先为每个抗原产生抗体，当缺乏针对特定抗原的抗体时，特异性最佳的抗体基因会通过突变做出反应，经过反复突变产生能适应抗原的抗体。
- 特征2 ：通过其他抗体平衡抗体生成的机制。抗体的生成不是连续过程，抗体根据结构相互识别，当某种抗体过量生成时，其他将其识别为抗原的抗体也会生成以抑制其生长，从而维持平衡。

GNPIAM算法步骤如下：
1. 初始抗体群生成 ：初始生成N个抗体，这些抗体类似于遗传算法中的个体，有助于解决优化问题。
2. 亲和力计算 ：计算抗原的亲和力axi（i = 1, …, N），axi根据具体问题设定，抗原亲和力类似于GNP中的适应度概念。
3. 期望值计算 ：计算能存活到下一代的抗体数量的期望值ei（i = 1, …, N），计算公式为：
- (e_i=\frac{ax_i}{C_i})
- 其中，(C_i)是i型抗