基于信息熵的多智能体态势推理算法研究

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。

目录

声明

摘要

第一章 绪论

1．1 态势评估研究背景

1．2 态势评估理论基础

1．2．1 态势评估概念

1．2．2 态势评估功能模型

1．2．3 态势评估研究现状

1．3 态势评估中态势推理技术

1．4 本论文的主要工作和安排

第二章 基于多智能体网络的态势推理模型

2．1 引言

2．2 智能体

2．2．1 智能体概念及特性

2．2．2 智能体结构

2．3 多智能体系统

2．3．1 多智能体网络结构

2．3．2 多智能体通信方式

2．4 基于多智能体网络的态势推理模型

2．5 本章小结

第三章 基于信息熵的实体层智能体推理

3．1 引言

3．2 熵的概念及信息熵的引入

3．2．1 熵的概念

3．2．2 信息熵

3．2．3 离散信息源的信息熵

3．2．4 信息熵和信息量

3．3 基于信息熵的实体层智能体推理

3．3．1 智能体推理知识表示

3．3．2 智能体推理知识库建立

3．4 仿真实验与分析

3．4．1 仿真实验一

3．4．2 仿真实验二

3．5 本章小结

第四章 基于信息熵的多智能体态势推理

4．1 引言

4．2 基于信息熵的多智能体态势推理模型描述

4．2．1 多智能体之间的交互与协作

4．2．2 多智能体推理网络模型描述

4．3 仿真实验与分析

4．3．1 仿真实验一

4．3．2 仿真实验二

4．3．3 仿真实验三

4．4 本章小结

第五章 总结与展望

致谢

参考文献

研究生在读期间的研究成果