17、数值二维 P 群落与黑板及灰狼算法研究

数值二维 P 群落与黑板及灰狼算法研究

1. 引言

2D P 群落是用于模拟生活在共享二维环境中简单智能体群落行为的理论模型，它起源于受生物细胞功能和行为启发的 P 系统。2D P 群落适合模拟各种简单的多智能体系统和自然现象，如洪水。智能体之间仅能通过环境进行交流，这种交流方式对应着 stigmergy。当环境交流不足以支持智能体间的信息传递时，2D P 群落就不太适合模拟此类系统。

P 系统在解决优化问题方面也取得了成功。例如，T. Y. Nishida 设计了用于解决 NP 完全优化问题的膜算法，G. Zhang 等人提出了将 P 系统与蚁群优化相结合的 ACOPS 来解决旅行商问题。数值 P 系统和数值 2D P 群落的工作原理相似，且都曾被用作机器人控制器。

灰狼优化算法（GWO）是一种成熟的元启发式优化技术，它受灰狼群体社会动态和等级制度的启发。灰狼的主要目标是在环境中寻找并追捕猎物，这对应着找到给定问题的最优解。原始的 2D P 群落模型无法成功模拟 GWO，因为智能体只能通过环境交流，无法共享位置信息，难以形成所需的等级制度。因此，引入了带黑板的数值 2D P 群落，其环境由适应度函数的离散值表示，并配备了通用通信设备——黑板。

2. 灰狼优化算法

2.1 灰狼等级与捕猎步骤

灰狼群体形成了一个社会等级制度，每只狼有明确的角色：
- Alpha 对 ：主导对，狼群在捕猎或寻找栖息地时跟随它们的领导。
- Beta 狼 ：支持并尊重 Alpha 对的决策。
- Delta 狼