在之前的工作中，我们提出了一个进化计算系统，用于解决人类群体的群体决策多目标问题，这相当于获得多目标优化问题的一致解。基于多人代理的进化计算（Mhab-EC）是该系统的主要组成部分，用于获得多目标优化问题的收敛解。另一个主要组成部分是一种机制，允许模拟人类代理的所有者查看到目前为止的模拟结果，并在Mhab-EC的连续模拟运行之间相应地调整其代理。然而，在我们之前的研究中，我们只是进行了模拟，以证明单次运行产生了收敛的解决方案。假设通过Mhab-EC运行和代理调整的迭代获得共识解决方案。因此，在本研究中，我们对整个系统进行了仿真，包括代理调整机制。为此，我们实现了一个由所有者进行代理调整的简单模型，以促进解决方案的收敛。仿真结果表明，该系统确实产生了收敛解，这被认为是一致的。

1. [1] K.Deb，“使用进化算法的多目标优化”，John Wiley&Sons，Inc.，2001年。
2. [2] H.Sakamoto、K.Nakamoto和K.Ohnishi，“通过基于多人代理的进化计算获得共识解决方案”，2021年IEEE第五届控制论国际会议（CYBCONF），doi:10.1109/CYBCONF51991.2021.94641472021年。
3. [3] K.Nag、T.Pal、R.Mudi和N.Pal，“具有稳健共识的稳健多目标优化”，IEEE Trans。关于模糊系统，第26卷，第6期，第3743-37542018页。
4. [4] L.Thiele、K.Miettinen、P.J.Korhonen和J.Molina，“基于偏好的多目标优化进化算法”，《进化计算》，第17卷，第3期，第411-436页，2009年。
5. [5] K.Li、M.Liao、K.Deb、G.Min和X.Yao，“偏好总是有帮助吗？使用参考点对基于偏好的进化多目标优化进行整体研究”，IEEE Trans。进化计算，第24卷，第6期，第1078-1096页，2020年。
6. [6] A.Byrski、R.Drezewski、L.Siwik和M.Kisiel-Dorohinicki，“进化多智能体系统”，《知识工程评论》，第30卷，第2期，第171-186页，2015年。
7. [7] A.S.Akopov和M.A.Hevencev，“用于多目标优化的多代理遗传算法”，2013年IEEE系统、人和控制论国际会议，第1391-1395页，2013年。
8. [8] R.Tanese，“分布式遗传算法”，Proc。第三届遗传算法国际会议，第434-439页，1989年。
9. [9] B.Manderick和P.Spiessens，“细粒度并行遗传算法”，Proc。第三届ICGA，第428-433页，1989年。
10. [10] R.Hasebe、K.Ohnishi和M.Koeppen，“利用移动Ad Hoc网络的分布式基于人类的遗传算法”，第174-179页，2013年。
11. [11] K.Ohnishi、J.Okano和M.Köppen，“构建分布式人类进化计算的仿真模型”，2013 IEEE控制论国际会议（CYBCO），第40-49页，2017年。
12. [12] E.Zitzler和L.Thiele，“多目标进化算法：比较案例研究和强度帕累托方法”，IEEE Trans。《进化计算》，第3卷，第24期，第257-2711999页。