公开(公告)号：CN108171333B

公开(公告)日：2022-04-29

申请号：CN201810059567.4

申请日：2018-01-22

Applicant: 南京邮电大学

Inventor： 周戎 ,  梁志伟

IPC: G06N5/04 ,  G06N3/12 ,  G06N7/06

Abstract: 本发明公开了低通信环境下的仿真智能体救援通信决策优化方法，在城市救援仿真比赛中针对通信不畅的环境下，智能体的通信与决策优化方法由两部分组成，模糊‑遗传算法与动态模糊决策树，模糊—遗传算法通过对智能体感知到信息进行分析与处理，调整不同信息占总信息的比例，从而将相对重要的信息传递出去，对上述重要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；对决策树进行剪枝，从而获得最终决策树，提高了比赛成绩。

公开(公告)号：CN108171333A

公开(公告)日：2018-06-15

申请号：CN201810059567.4

申请日：2018-01-22

Applicant: 南京邮电大学

Inventor： 周戎 ,  梁志伟

IPC: G06N5/04 ,  G06N3/12 ,  G06N7/06

Abstract: 本发明公开了低通信环境下的仿真智能体救援通信决策优化方法，在城市救援仿真比赛中针对通信不畅的环境下，智能体的通信与决策优化方法由两部分组成，模糊‑遗传算法与动态模糊决策树，模糊—遗传算法通过对智能体感知到信息进行分析与处理，调整不同信息占总信息的比例，从而将相对重要的信息传递出去，对上述重要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；对决策树进行剪枝，从而获得最终决策树，提高了比赛成绩。

公开(公告)号：CN108694465A

公开(公告)日：2018-10-23

申请号：CN201810465146.1

申请日：2018-05-16

Applicant: 南京邮电大学

Inventor： 周戎 ,  梁志伟

IPC: G06Q10/04 ,  G06Q50/26 ,  G06F17/50

CPC classification number: G06Q10/04 ,  G06F17/5009 ,  G06Q50/265

Abstract: 本发明公开了一种基于SVM向量机Q学习的城市救援仿真决策优化方法，包括步骤：基于SVM向量机的Q学习算法构建一个多智能体系统，在系统中引入Q学习控制器和SVM向量机模型，并初始化所述Q学习控制器及SVM向量机模型的参数；检测智能体当前的环境状态st，并构造t时刻SVM向量机的学习训练样本D，得到SVM向量机的结构参数ω和b；选择所述智能体系统的某一类操作中所有动作并计算其Q值大小，然后根据Boltzmann‑Gibbs策略比较选择最大Q值对应的动作at；依照Q学习算法的递归公式执行动作at，并根据Boltzmann‑Gibbs策略继续跟住获取下一时刻st+1的状态，同时多智能体系统接收Q学习算法的回报rt；并更新Q值，最终根据对Q值的判断得到最终决策结果；本发明的方法精简而快速。