28、利用细胞自动机代理解决全对全通信问题及GCA - w模型介绍

利用细胞自动机代理解决全对全通信问题及GCA - w模型介绍

1. 问题设定与研究背景

在解决多智能体系统中的全对全通信问题时，为了简化控制自动机，我们对状态和动作的数量进行了限制。将网格大小设定为33×33，智能体数量设定为k = 16，因为以往研究表明，大约8到64个智能体之间可以产生良好的协同效应和足够的冲突，这对于本研究是必要的。

2. 遗传算法流程

由于无法对所有可能的初始配置进行测试，我们的目标是为20个随机生成的初始配置（10个带边界和10个环绕式）找到最佳行为。搜索不同行为的空间非常大，因此采用了遗传算法。
- 状态机数量计算 ：使用状态表编码的状态机数量为K = (#s#y)(#s#x#f)，其中#s是状态数，#x#f是不同输入值的数量，#y是不同输出动作的数量。
- 适应度定义 ：多智能体系统的适应度定义为在所有测试的初始配置下，平均分配信息所需的步数。我们搜索能够以最少步数解决问题的状态算法。
- 个体基因组表示 ：状态表中(s′, y)对的串联是一种字符串表示，定义了一个个体的基因组，即一个可能的解决方案。
- 种群更新与后代生成 ：
1. 获取父母 ：每个种群选择两个父母，每个父母以概率p1从自己的种群中选择，以概率(1 - p1)从任意其他种群中选择。
2. 交叉 ：基因组字符串的每个新组件(s′i, yi)以50%的概率从第一个父母或第二个父母中获取。