基于多Agent自适应在线验证的智能泊车方法及系统

    公开(公告)号:CN112434440A

    公开(公告)日:2021-03-02

    申请号:CN202011403489.9

    申请日:2020-12-02

    Abstract: 本发明公开了一种基于多Agent自适应在线验证的智能泊车方法,包括步骤:提取智能泊车系统的关键状态以及引起状态转换的事件;使用关键状态和事件表示智能泊车系统行为,构建智能泊车系统不带转移概率的状态转移图;通过贝叶斯网络的方法将主要环境影响因素转化为概率值,并作为状态间的转移概率;将状态间的转移概率加入状态转移图,得到完整的状态转移图;根据智能泊车系统的业务逻辑,提取智能泊车系统的需求与目标;使用概率计算树逻辑公式对智能泊车系统的需求与目标进行形式化描述;构建离散时间马尔可夫模型,并载入概率计算树逻辑公式;使用检查工具进行分析,将得到的验证结果用于智能泊车系统在不确定环境下的决策。

    一种动态环境下的多Agent协作方法及系统

    公开(公告)号:CN106126245A

    公开(公告)日:2016-11-16

    申请号:CN201610492787.7

    申请日:2016-06-28

    Inventor: 吴坤 刘玮 李明

    CPC classification number: G06F8/20

    Abstract: 本发明公开了一种动态环境下的多Agent协作方法及系统,方法包括以下步骤:S1、通过多Agent领域描述语言描述多Agent系统的当前环境;S2、接收用户输入的待解决问题并进行描述;S3、规划出一解决该待解决问题的最优方案;S4、多Agent系统中各Agent根据该最优方案依次完成分配给自己的动作,直到完成所有动作,解决该待解决问题;S5、当确定当前动作无法完成时,对当前环境进行重新感知并进行重新描述,随后转至步骤S3。本发明产生的有益效果是:在由于多Agent系统的当前环境发生变化而导致各Agent无法继续执行动作时,各Agent可以重新规划以保证任务的完成。

    合同网任务分配方法、获取方法、智能代理器及MAS

    公开(公告)号:CN105338074A

    公开(公告)日:2016-02-17

    申请号:CN201510689032.1

    申请日:2015-10-21

    Inventor: 刘玮 李明 吴坤

    CPC classification number: H04L67/10

    Abstract: 本发明涉及MAS任务分配领域,公开了一种合同网任务分配方法、获取方法、智能代理器及MAS,以解决现有技术中不能保证选择出的智能代理器的能力满足任务需求的技术问题。该方法应用于第一智能代理器,包括:接收任务发布系统发布的包含第一任务的任务请求;基于任务请求制作包含任务信息的任务招标书;向多个智能代理器发布任务招标书;接收多个智能代理器中的至少一个智能代理器发送的投标书;基于投标书从至少一个智能代理器选择出用于完成第一任务的第二智能代理器。达到了保证选择出的第二智能代理器能够满足第一任务的任务需求的技术效果。

    一种基于能耗预测的边端协同AI模型推理方法

    公开(公告)号:CN117331699A

    公开(公告)日:2024-01-02

    申请号:CN202311330737.5

    申请日:2023-10-13

    Abstract: 本发明公开了一种基于能耗预测的边端协同AI模型推理方法,包括:将若干AI模型整合成AI统合模型;采集AI统合模型各类型层时延与能耗数据,形成时延与能耗数据集;构建AI统合模型各类型层时延与能耗预测模型;计算得到传输时延与能耗理论值;计算得到推理过程的总时延与总能耗;根据传输时延与能耗理论值、推理过程的总时延与总能耗,构建全局预测模型;根据全局预测模型预测全局时延与能耗;通过贪心算法找到最优分割点;执行推理,进行到最优分割点时,将推理数据和分割点索引传输给边缘服务器;边缘服务器继续推理,完成推理后将推理结果传输给终端,推理任务结束。本发明在保证时延的前提下将能耗作为优化目标,降低了应用AI模型所带来的能耗。

    一种基于深度强化学习的多乘客动态车辆路径优化方法

    公开(公告)号:CN113189998B

    公开(公告)日:2023-04-18

    申请号:CN202110478381.4

    申请日:2021-04-30

    Inventor: 刘玮 甘陈峰 王宁

    Abstract: 本发明提供了一种基于深度强化学习的多乘客动态车辆路径优化方法,针对大量乘客的动态巴士路线规划的问题,使用深度强化学习中的神经网络DQN代替表格数据存储方式,解决了维度爆炸的缺陷,实现了在开放环境下优化大量乘客的浮动巴士路径的功能。本发明满足了巴士运行动态路线变化的需求,为管理者进行应急处置、应急决策提供了技术支撑。本发明通过模拟乘客分布对现实的巴士规划做出参考,提高了城市规划效率。

    一种基于Bi-LSTM和中文知识图谱的复合问答方法

    公开(公告)号:CN113449117A

    公开(公告)日:2021-09-28

    申请号:CN202110701932.9

    申请日:2021-06-24

    Abstract: 本发明提供了一种基于Bi‑LSTM和中文知识图谱的复合问答方法,通过将语义解析技术改进并引入问答系统,使用基于深度学习的复合问句分解方法,将复杂的长难句改写为多个简单句并分别作答,提高了语义解析技术对复合问题的处理能力,实现了解析复合自然语言问句和生成复合自然语言答案的功能,提高了问答系统的智能理解能力、准确率,使问答系统处理复合问句的过程具有可解释性,丰富了原复合问句的语义信息,去除了原复合问句的冗余信息,解决了难以回答句式结构复杂、主题多样复杂问句的问题和复合答案生成中的答案信息丢失的问题。

    一种基于深度强化学习的多乘客动态车辆路径优化方法

    公开(公告)号:CN113189998A

    公开(公告)日:2021-07-30

    申请号:CN202110478381.4

    申请日:2021-04-30

    Inventor: 刘玮 甘陈峰 王宁

    Abstract: 本发明提供了一种基于深度强化学习的多乘客动态车辆路径优化方法,针对大量乘客的动态巴士路线规划的问题,使用深度强化学习中的神经网络DQN代替表格数据存储方式,解决了维度爆炸的缺陷,实现了在开放环境下优化大量乘客的浮动巴士路径的功能。本发明满足了巴士运行动态路线变化的需求,为管理者进行应急处置、应急决策提供了技术支撑。本发明通过模拟乘客分布对现实的巴士规划做出参考,提高了城市规划效率。

    基于知识图谱的法律条文精准搜索排序方法

    公开(公告)号:CN108563773B

    公开(公告)日:2021-03-30

    申请号:CN201810361909.8

    申请日:2018-04-20

    Abstract: 本发明公开了一种基于知识图谱的法律条文精准搜索排序方法,包括以下步骤:S101、输入待搜索关键词;S102、从法律知识图谱模型中获取与待搜索关键词匹配的主题词及该主题词的关联词,形成主题词库;S103、根据与法律知识图谱模型中核心主题的关联关系,动态生成同一案由的主题词库中的主题词及其关联词的权值;S104、获取主题词库的子集组合,依次形成元素个数为m,m‑1,m‑2…2的子集组合;S105、从每个子集组合中各取出一个主题词形成最终用于搜索的主题词组合;S106、以最终用于搜索的主题词组合中的个数和关键词总权重为依据对所有的子集组合进行排序;S107、使用排序后选择的主题词组合在法律条文数据库中进行搜索,并对搜索结果进行排序显示。

Patent Agency Ranking