基于信息熵的多智能体态势推理算法研究

《基于信息熵的多智能体态势推理算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、代号10701学号1012121126分类号TP18密级公开题（中、英文）目基于信息熵的多智能体态势推理算法研究AStudyofMulti-AgentSituationReasoningAlgorithmBasedonInformationEntropy作者姓名张芳指导教师姓名、职务于昕副教授学科门类工学学科、专业模式识别与智能系统提交论文日期二〇一三年一月西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包

2、含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切的法律责任。本人签名：日期西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后结合学位

3、论文研究课题再攥写的文章一律署名单位为西安电子科技大学。本人签名：日期导师签名：日期摘要Ⅰ摘要态势评估是高层次信息融合的核心内容，也是人工智能研究的关键理论和技术。现阶段，态势推理中的确定性推理方法已逐渐成熟，而不确定性推理的相关方法还处在探索与发展的阶段。本文针对上述问题，对态势评估理论以及基于信息熵的态势推理模型和算法进行了深入的分析和研究，提出了基于信息熵的多智能体态势推理算法。主要工作概括如下：1．建立了基于多智能体网络的态势推理模型。在深入研究多智能体组织结构、描述方式、通信以及交互协作方面的基础上，将智能体技术应用于态势推理，建立了智能体实体层、群体层、态势层三

4、层态势推理模型，并详细论述了各智能体层的推理目标和过程。2．提出了基于信息熵的实体层智能体态势推理方法。深入研究了信息熵与信息量的相关理论知识和技术，将信息量作为实体层智能体状态转移过程中奖惩函数的一个参数，建立了实体层智能体推理模型，并给出模型中节点的知识表示方法，简单知识库的建立流程，最后用深度优先遍历搜索算法与遗传算法进行仿真实验并给出推理结果。3．提出了基于信息熵的多智能体态势推理算法。在上述工作的基础上进一步深入研究了多智能体之间的相互协作关系，建立了多个智能体的态势推理模型，给出了基于信息熵的多智能体态势推理算法，并使用深度优先遍历算法给出仿真实验结果。关键词：

5、信息融合态势推理信息熵多智能体AbstractⅢAbstractSituationassessmentisthecorecontentofthehighlevelinformationfusion.Itisalsothekeytheoryandtechnologyontheartificialintelligenceresearch.Atthisstage,certainreasoningmethodinsituationreasoninghasbeengraduallymature,buttherelatedmethodsoftheuncertaintyreasoning

6、arestillintheexplorationanddevelopmentstage.Basedonaboveproblems,thepaperdescribesthetheoryofthesituationassessmentdeeplyandgivesasituationalreasoningmodelandalgorithmbasedoninformationentropytheory.Themainworksaresummarizedasfollows:1.Establishasituationreasoningmodelbasedonmulti-agentnet

7、works.Onthebaseofresearchtheknowledgeofthedescriptionmethods,thecommunicationmethods,theinteractionandcooperationmethodsofmulti-agent,andthenappliedthemulti-agenttechnologyintosituationreasoning.Establishthreelayersreasoningmodel,andintroducethemodelindetail.2