非对称分布式约束优化问题
本文旨在探究利用基于逻辑编程技术的基础设施,通过使用一种通用约束求解器(此处为约束逻辑编程系统)来处理代理层次的约束求解,以解决分布式约束优化问题,并通过初步实验表明其在性能和可扩展性方面较目前最先进的 DCOP 系统有所提高,为解决 DCOP 问题提供更先进的技术手段(例如搜索策略和复杂约束) 。
May, 2014
该论文提出了一种基于图神经网络的 DCOPs 解决方案,通过预训练的优化标签数据构建出有效的启发式方法,在分布式环境中实现了去中心化的模型推理,并结合局部搜索或回溯搜索算法,在各种测试中都取得了显著的优异表现。
Dec, 2021
本文探讨了 Answer Set Programming 在解决 Distributed Constraint Optimization Problems 方面的应用。其贡献包括:将 DCOPs 表示为逻辑程序;介绍了基于逻辑编程的第一个 DCOP 算法 ASP-DPOP;实验证明 ASP-DPOP 可以比 DPOP 快两个数量级,并且可以解决 DPOP 无法解决的一些问题;以及演示了 ASP 在当前被建模为 DCOPs 的各种多代理问题中的适用性。
May, 2017
本文介紹了一種名為 Branch-and-Bound ADOPT 的內存有限的異步 DCOP 搜索算法,它用於協調解決代理問題,該算法對於相應的問題可以比 ADOPT 和 NCBB 更快地找到代價最小的解決方案,同時實現了相對誤差邊界。
Jan, 2014
提出了一种新的分布式交互图构建算法,用于解决在开放和动态环境下 DCOP 算法中交互图的生成和维护问题,并通过实验测试表明,该算法有效地构建和维护稳定的多智能体交互图。
Dec, 2022
本文提出了一种名为 PT-ISABB 的混合完整算法,该算法使用定制的推理算法提供紧密下界,并使用基于树的完整搜索算法来搜索空间,以有效解决 ADCOPs 问题,该算法证明了其正确性,并且实验结果表明其优于其他现有的完整算法。
Feb, 2019
该论文提出了用于解决分布式约束优化问题(DisCOPs)的一种新的搜索算法,即基于异步边界计算的异步前向绑定算法(AFB),该算法通过处理候选目标队列来进行分布式回溯搜索,实验结果表明,AFB 相对于同步分支和界限搜索算法的效率提高了许多个数量级,并且在问题紧度增加时,产生相变的效果。而 AFB-BJ 算法则通过引入回跳机制进一步提高了算法效率,是 DisCOPs 的一种非常有效的算法。
Jan, 2014
本研究提出了一种基于 SC-ProbLog 的新方法来解决 SCOPs(Stochastic Constraint Optimization Problems)。相比先前使用 PLP 技术创造 OBDD 的方法,我们的方法更具高效性和领域一致性,并基于约束编程方法开发了一个新的传递器。
Jul, 2018