欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2018100595674
申请人: 南京邮电大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.低通信环境下的仿真智能体救援通信决策优化方法,其特征在于,包括以下步骤:智能体判断是否特定地图;

如果是特定地图,则读取地图配置文件,获取地图详细信息;

如果不是特定地图,则读取地图名字,获取模糊系统所需关键信息,所述关键信息为燃烧建筑物的数量、阻塞道路的数量、待救受灾者数量;

遗传算法通过对智能体感知到信息进行分析与处理,调整配比各种信息所占总信息的比例,从而将相对重要的信息传递出去;所述相对重要的信息是指使用遗传算法来确定在特定地图中不同信息的重要程度,从而得到不同环境下不同信息占总信息的比例;

智能体获得上述遗传算法处理后得到的相对重要的信息或模糊系统所需的关键信息;

对上述遗传算法处理后得到的相对重要的信息或模糊系统所需的关键信息数据进行离散化处理;

根据实际情况对缺失数据进行补齐;

动态模糊决策树分类属性选择;

对该动态模糊决策树进行剪枝,从而获得最终决策树。

2.根据权利要求1所述的低通信环境下的仿真智能体救援通信决策优化方法,其特征在于:所述智能体分为警察智能体、救火智能体、医疗智能体。

3.根据权利要求1所述的低通信环境下的仿真智能体救援通信决策优化方法,其特征在于:智能体传递的信息种类用式(Ⅰ)表示:其中:

State(i,j)是第i个实体的第j个状态;

Action(i,j)是第i个智能体的第j个动作;

m是智能体的数目;

n是智能体状态的数目;

o是智能体动作的数目;

p是对应的异构智能体的种类。

4.根据权利要求1所述的低通信环境下的仿真智能体救援通信决策优化方法,其特征在于:所述遗传算法动态的添加或者移除参数,并且精准的测量每一个环境下的染色体的适应度值,其包括以下步骤:流程开始;

产生初世代;

计算整体族群的适应度函数,若世代不符合要求,则通过变异、杂交、轮盘赌方法产生新世代;

若世代符合要求,流程结束。

5.根据权利要求4所述的低通信环境下的仿真智能体救援通信决策优化方法,其特征在于:所述遗传算法选择轮盘赌方法产生新世代,用式(Ⅱ)表示:

其中Fi为第i个个体的适应度函数。

6.根据权利要求1所述的低通信环境下的仿真智能体救援通信决策优化方法,其特征在于:基于模糊系统的T‑S模糊算法,得到智能体在未知的非特定环境下各种信息所占总信息的比例,模糊系统的控制基于环境参数和训练数据,模糊系统输出模糊集与适应度函数,经过规则产生器、模糊推理系统编辑器,得到最优信息种类配比数组。

7.根据权利要求1所述的低通信环境下的仿真智能体救援通信决策优化方法,其特征在于:对智能体获得的重要信息数据进行离散化处理,基于信息熵的类别属性的离散化方法,依照类信息熵最小的原则寻求分点q,对数值型属性进行k个区间的划分,用式(Ⅲ)、式(Ⅳ)表示:

Entroy(U)=‑∑pilog2pi        (Ⅲ);

其中,U为实例集合,Midi是一个区间划分, 为集合U小于Midi部分的实例集合, 为集合U大于Midi部分的实例集合。

8.根据权利要求1所述的低通信环境下的仿真智能体救援通信决策优化方法,其特征在于:对缺失数据进行补齐采用:K最近距离临法和就近补齐法。

9.根据权利要求1所述的低通信环境下的仿真智能体救援通信决策优化方法,其特征在于:分类属性选择算法:

(1)对于每个条件属性,计算 其中,(2)计算条件属性 将实例划分为 类的确定度 以及决策属性值为 的实例个数占实例集总个数的比例prok;

(3)计算 选取满足 的属性作为分支属性,此时,将实例集进行了划分

(4)判断 中包含的实例是否属于同一类别,若属于同一类别,则其对应的结点为叶节点;否则,转至(1)重复前三步,已经用于分支不再进行选择。

10.根据权利要求1所述的低通信环境下的仿真智能体救援通信决策优化方法,其特征在于:对动态模糊决策树进行剪枝,基于误差基础的修剪法,从下而上检查每一棵子树,计算每一棵子树的估计错误率,并把它还原成叶节点的错误率,若子树的错误率大于还原成叶节点的错误率,就把此子树还原成一个叶节点,叶节点的估计错误率et:

N为落入此叶节点的总的实例个数,f=E/N为计算节点分类错误率的公式,E为错误分类的实例个数,当信赖度为25%时,常数Z=0.69,信赖度是预计这个样本代替整个对象整体的比例;

子树的估计错误率eT:

M为子树T的根节点的总实例数,Mi为T的第i个子节点的实例个数,而T有k个子节点。