Feb, 2016

分布式约束优化问题及其应用：综述

PDF
TL;DR该篇论文概述了分布式约束优化问题在多智能体系统中的应用，对其各种扩展和解析方法进行了分类并提出了未来研究方向和挑战。
multi-agent systemdistributed constraint optimization problemsresolution methodsautonomous behaviorreal-time
发现论文，激发创造
  • 非对称分布式约束优化问题

    本文提出了一种适用于具有不对称约束问题的分布式组合优化问题的一般框架，即 ADCOP， 并提供了相应算法。

    Feb, 2014

  • 分布式约束优化的逻辑和约束逻辑编程

    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

  • 利用逻辑编程解决分布式约束优化问题

    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

  • 分布式约束优化问题的预训练成本模型

    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

  • 合作多智能体系统中动态 DCOP 的分布式交互图构建

    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

  • BnB-ADOPT：一种异步分支界限 DCOP 算法

    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

  • 组合优化的多目标指针网络

    这项研究提出了一种名为 MOPN 的多目标指针网络单模型深度强化学习框架，用于有效解决多目标组合优化问题，在不同应用场景下深度增强学习与代表性模型、迁移学习等策略相结合下取得了更好的性能。

    Apr, 2022

  • 逻辑约束部分可观测多智能体马尔科夫决策过程的最优控制

    本文讲述了一种基于特定约束的自主系统与多智能体的优化控制方法，以实现其最大化收益并同时满足时间逻辑约束的概率足够高。

    May, 2023

  • 部分可观察马尔科夫博弈中多目标自组织追捕问题研究

    该研究提出了一个基于多代理系统的分布式自组织搜索和追踪框架，其中智能代理协同追踪多个动态目标。使用模糊自组织协同共进化（FSC2）算法解决了多目标自组织搜索（SOS）、分布式任务分配和分布式单目标追踪三个方面的挑战。实验表明，该框架可以有效处理具有内在部分观测和分布式决策制定的问题，实现高达近 100％的成功捕获率。

    Jun, 2022

  • PT-ISABB: 用于解决非对称分布式约束优化问题的混合树完全算法

    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