多智能体系统散布式共鸣优化的一系列相干来了！

在智能城市、智能电网、无东谈主系统等前沿应用连续彭胀的今天，多智能体系统（Multi-Agent Systems, MAS）手脚新一代智能协同的技巧基础，正迎来前所未有的发展机遇。

在这些系统中，多个具备规画与通讯才略的智能体需要在莫得中心妥洽、通讯受限的条目下已矣任务妥洽、资源分享与一致性有缱绻。

这一流程的核心挑战之一，等于散布式共鸣优化问题。

连年来，散布式共鸣优化逐步成为机器学习、运筹优化、群体智能等多个交叉限度的相干热门，聚焦如安在仅依赖土产货信息和邻居通讯的前提下，已矣全局主张的优化与智能体之间的解一致性。

在这一布景下，华南理工大学规画智能团队围绕"多智能体共鸣与合作中的散布式进化规画"这一核心问题，握续开展系统相干，已获取一系列具有代表性的后果：

在 IEEE/CAA Journal of Automatica Sinica 发表综述论文，建议描绘性框架转头现存相干后果；

建议多智能体粒子群优化算法 MASOIE，篡改性地引入了里面学习与外部学习机制；

建议主张激勉脱手的协同演化算法 MACPO，通过激勉机制诱惑妥洽活动；

遐想了一种具有妥洽与积存特色的步长自适应机制，构建了更生动的搜索节律调控格局；

建议 MASTER 算法应酬无线传感器网罗中常见的"大批据关联"问题。

另外，华南理工大学规画智能团队还于 CEC2024 组织并主导了首届散布式黑盒共鸣优化竞赛。

干系相干不仅表面塌实、设施篡改，更在多个本质场景中展现出显耀应用后劲。

散布式进化规画的系统性探索与算法篡改系统综述：构建 EC 与 MAS 交融相干的表面蓝图

为梳理进化规画与多智能体系统交叉限度的发展线索，团队在 IEEE/CAA Journal of Automatica Sinica 发表综述论文，系统转头了二者交融的主要相干场地与技巧旅途。

论文从两个维度启程：

基于 MAS 的 EC 建模：探索如何诈欺多智能体模子增强 EC 的散布式才略与并行规画性能；

EC 辅助 MAS 优化：诈欺 EC 雄壮的全局搜索才略，援助 MAS 在协同任务中的优化发扬。

此外，团队还建议了一个描绘性框架，转头现存相干后果，并预测了异日在联邦学习、旯旮规画等新兴技巧布景下的交融后劲。

论文标题： 《The confluence of evolutionary computation and multi-agent systems: A survey》

期刊信息：IEEE/CAA Journal of Automatica Sinica（综述），DOI：10.1109/JAS.2025.125246

多智能体粒子群优化算法 MASOIE：表里部学习机制助力协同优化

在散布式环境下，智能体之间的通讯才略和信息分享受限，如安在这一适度下协同优化全局主张函数是首要挑战。

为此，团队建议MASOIE（Multi-Agent Swarm Optimization With Adaptive Internal and External Learning）算法，篡改性地引入了里面学习与外部学习机制，在保握系长入致性的同期援助全体优化性能。

里面学习：每个智能体证明我方的局部主张函数孤独优化，聚焦局部最优。

外部学习：智能体通过与邻居的疏通，已矣告诫分享与协同进化，从而慢慢接近全局最优。

算法还引入外部学民风性速率适度战术，在演化流程中自适应治疗通讯频率，援助了算法在不断速率和通讯效用上的均衡才略。

该使命联接共鸣表面和能源学系统表面，初度从表面上诠释注解了所建议的表里部协同学习机制在多智能体系统上的系总共鸣性  

论文标题：《Multi-Agent Swarm Optimization With Adaptive Internal and External Learning for Complex Consensus-Based Distributed Optimization》

期刊信息：IEEE Transactions on Evolutionary Computation，DOI：10.1109/TEVC.2024.3380436

代码开源：GitHub - MASOIE

主张激勉脱手的协同演化算法 MACPO：让"自利"节点协同起来

当系统中各个节点的局部主张函数存在矛盾时，如何完联接作优化？

团队建议MACPO（A Multiagent Co-Evolutionary Algorithm With Penalty-Based Objective）算法，核心念念路是通过激勉机制诱惑妥洽活动。

MACPO 在遐想上将优化流程拆分为两个阶段：

局部优化阶段：引入处置主张函数，使每个节点即使在只知谈土产货信息的前提下，也能通过"奖励 / 处置"机制更感性地搜索。

协商阶段：节点之间证明分享变量是否存在突破进行通讯，并基于局部响应动态治疗主张场地，已矣更合理的集体进化。

此外，算法遐想了突破检测机制与分享变量协商机制（评估 - 竞争 - 分享），提高了解的一致性与可控性。

实验线路，该设施在无梯度料理优化场景中能获取与聚合式算法十分的效果，且适应散布式部署需求。

论文标题：《A Multi-Agent Co-evolutionary Algorithm with Penalty-Based Objective for Network-Based Distributed Optimization》

期刊信息：IEEE Transactions on Systems, Man, and Cybernetics: Systems，DOI：10.1109/TSMC.2024.3380389

步长自适应机制 CCSA：动态治疗节律，援助黑盒优化性能

在黑盒共鸣优化中，如何接收符合的步长战术至关首要。传统设施大多使用固定或单调递减的步长，难以适应复杂任务。

为此，团队遐想了一种具有妥洽与积存特色的步长自适应机制（CCSA），构建了更生动的搜索节律调控格局。

当多个智能体的搜索场地一致时，放大步长，快速朝向最优区域不断。

当搜索场地存在显耀突破时，减弱步长，以避赦罪状扩散和信息偏离。

实验松手标明，该算法在多个复杂函数测试中获取更优的不断效果与系长入致性，展现出极强的黑盒优化才略。

论文标题：《Multi-Agent Evolution Strategy With Cooperative and Cumulative Step Adaptation for Black-Box Distributed Optimization》

期刊信息：IEEE Transactions on Evolutionary Computation，DOI：10.1109/TEVC.2025.3525713

MASTER 算法：援助传感器网罗下多主张协同定位精度

面临无线传感器网罗中常见的"大批据关联"问题，团队建议MASTER 算法（Multi-Agent Swarm with contribution-based collaboration）。

该设施将传感器间信息分享建模为双层优化问题，核心孝顺包括：

诈欺 Kuhn-Munkres 算法与 CSO 设施已矣土产货优化；

遐想"孝顺学习机制"，证明传感器在全局主张中的孝顺进程，进行加权式告诫传播；

在多个定位维度与主张数目场景下，已矣了更小的罪状、更强的一致性。

论文标题：《Multi-agent swarm optimization with contribution-based cooperation for distributed multi-target localization and data association》

期刊信息：IEEE/CAA Journal of Automatica Sinica，DOI：10.1109/JAS.2025.125150

散布式黑盒共鸣优化竞赛：构建长入相干基准平台

华南理工大学规画智能团队于 CEC2024 组织并主导了首届散布式黑盒共鸣优化竞赛，为散布式共鸣优化限度构建了具有挑战性与实质导向的测试平台。

竞赛模拟多智能体在不同通讯拓扑、主张函数异质性、突破环境下的协同场景，诱惑了宽绰相干团队参与，推动了算法性能与工程适配的共同跨越。

异日预测：从智能协同到聪惠生态系统

散布式共鸣优化不仅是算法问题，更是智能系统妥洽才略的"核心神经"。

跟着 IoT、自动驾驶、智能制造的深刻发展，去中心、可彭胀、高鲁棒的优化机制将成为智能基础法子的刚需。 异日，该限度有望向以下场地握续拓展：

与联邦学习、图神经网罗等架构深度交融；

面向阴私保护和不行见主张函数的优化；

在工业适度、能源系统、复杂机器东谈主编队等场景中粗鄙部署。

华南理工大学规画智能团队将握续围绕"散布式智能优化"的核心命题，鼓吹基础相干预应用落地的双轮脱手，迎接来自不同限度的同业共同接头与合作。

[ 1 ] Tai-You Chen, Wei-Neng Chen, F.-F. Wei, X.-Q. Guo, W.-X. Song, R. Zhu, Q. Lin, and J. Zhang, " The confluence of evolutionary computation and multi-agent systems: A survey, " IEEE/CAA J. Autom. Sinica, 2025. https://www.ieee-jas.net/article/doi/10.1109/JAS.2025.125246

[ 2 ] Tai-You Chen, Wei-Neng Chen, Feng-Feng Wei, Xiao-Min Hu and Jun Zhang, "Multi-Agent Swarm Optimization With Adaptive Internal and External Learning for Complex Consensus-Based Distributed Optimization", IEEE Transactions on Evolutionary Computation, 2024, early access. https://ieeexplore.ieee.org/document/10477458

[ 3 ] Tai-You Chen, Wei-Neng Chen, Xiao-Qi Guo, Yue-Jiao Gong, Jun Zhang, "A Multi-Agent Co-evolutionary Algorithm with Penalty-Based Objective for Network-Based Distributed Optimization", IEEE Transactions on Systems, Man, and Cybernetics: Systems, 2024, early access. https://ieeexplore.ieee.org/abstract/document/10500484

[ 4 ] Tai-You Chen, Wei-Neng Chen, J. -K. Hao, Y. Wang and J. Zhang, "Multi-Agent Evolution Strategy With Cooperative and Cumulative Step Adaptation for Black-Box Distributed Optimization," in IEEE Transactions on Evolutionary Computation, doi: 10.1109/TEVC.2025.3525713. https://ieeexplore.ieee.org/document/10824905

[ 5 ] Tai-You Chen, X.-M. Hu, Q. Lin, and Wei-Neng Chen, " Multi-agent swarm optimization with contribution-based cooperation for distributed multi-target localization and data association, " IEEE/CAA J. Autom. Sinica, 2025. doi: 10.1109/JAS.2025.125150 https://www.ieee-jas.net/en/article/doi/10.1109/JAS.2025.125150

[ 6 ] Tai-You Chen, Wei-Neng Chen, F. -F. Wei, Yang Wang, " Decentralized Evolutionary Optimization for Multi-Target Tracking and Data Association with Bearing-only Measurements, " in IEEE INFOCOM 2025.

[ 7 ] CEC2025 竞赛信息与测试平台：https://github.com/iamrice/Proposal-for-Competition-on-Black-box Consensus-based-Distributed-Optimization

一键三连「点赞」「转发」「贯注心」

迎接在磋商区留住你的想法！

—  完  —

学术投稿请于使命日发邮件到：

ai@qbitai.com

标题注明【投稿】，告诉咱们：

你是谁，从哪来，投稿内容‍

附上论文 / 样式主页一语气，以及干系格局哦

咱们会（尽量）实时恢复你

� � 点亮星标 � �

科技前沿进展逐日见开yun体育网