将智能体对环境的感知和反作用的能力与遗传算法的搜索方式相结合提出了一种改进的多智能体遗传算法,用于马斯京根模型的参数估计。该方法中每个智能体代表一个候选解并固定在网格上,为了增加自身能量,它将与其邻域的智能体进行合作或竞争,也可以利用自身的知识进行自学习来增加能量,通过这些智能体与智能体间的相互作用来达到优化模型中参数的目的。应用实例表明,该算法同其他算法相比具有更好的优化性能,从而为准确估计马斯京根模型参数提供了一种更为有效的方法。

Matlab遗传算法工具GUI率定马斯京根模型参数

本文在分析经典二进制遗传算法 不足之处的基础上提出一种改进的混合遗传算法 (MGA) ,用于对非线性马斯京根模型参数的估计 .同其它算法相比显示出求解精度高而且收敛速度快的特点 .通过具体仿真计算验证了该方法的正确性 ,从而为准确估计非线性马斯京根模型参数提供了一种十分有效的方法