网络结构化多智能体协作学习群组形成研究。
实现双层网络模型。
单智能体。包含:技能、学习效率。
双层网络模型。包含智能体集合、两层网络权值、计算收益的辅助矩阵T1和T2。
实现遗传算法。
实现模拟退火算法。
实现基于均一k均值聚类的分组算法。
1.生成模拟数据。
2.保存/读取实验数据的函数。
3.将数据组织成表格。
1.绘制SA算法和GA算法的收敛曲线。
2.绘制SA算法、GA算法和UKB算法在不同网络下的收益条形图。
运行实验,三种算法在各种参数各种网络模型下的完整实验。
实验的python环境。可用anaconda安装实验环境。
conda env create -f environment.yml
由于上传文件大小限制50M,因此压缩包不包含下面这些内容,完整内容见 https://github.com/VON-z/graduation_project
生成的网络连边数据和智能体集合数据。
运行data.py的Generate data.部分。
三种算法在各种参数各种网络模型下的完整实验结果,具体对应的参数已用文件路径+文件名的方式标记。
完整运行main.py,产生完整的实验数据。
将上述result文件夹中的所有实验数据整理成的表格。
运行data.py的Organize data into tables.部分。
0文件夹: 对应SA算法和GA算法的收敛曲线。
运行draw.py的Draw evaluation line chart.部分。
performance文件夹: 绘制的SA算法、GA算法和UKB算法在不同网络下的收益条形图。
运行draw.py的Draw performance bar.部分。