买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：大连大学

摘要：本发明公开了一种面向大规模任务空间的协同多智能体通信方法，具体包括通信阶段和动作选择阶段；所述通信阶段实现过程为：获取当前时刻智能体j的注意力权重，得到该注意力权重对应评分值；对所述评分值进行归一化处理得到权重系数；基于所述权重系数生成通信向量；所述动作选择阶段实现过程为：构建基于长短时记忆LSTM的神经网络，所述神经网络作为每个智能体的独立控制器；训练所述基于长短时记忆LSTM的神经网络；通过训练后的神经网络执行动作选择。训练的时候可以通过通信知道其他智能体的消息、内部状态和行动目的等；在动作选择的时候，每个智能体只用自己的隐藏层状态信息决策，它允许训练每个智能体使其个体奖励最大化，进而提高可扩展性。

主权项：1.一种面向大规模任务空间的协同多智能体通信方法，具体包括通信阶段和动作选择阶段；其特征在于：所述通信阶段实现过程为：获取当前时刻智能体j的注意力权重，得到该注意力权重对应评分值；对所述评分值进行归一化处理得到权重系数；基于所述权重系数生成通信向量；所述动作选择阶段实现过程为：构建基于长短时记忆LSTM的神经网络，所述神经网络作为每个智能体的独立控制器；训练所述基于长短时记忆LSTM的神经网络；通过训练后的神经网络执行动作选择；构建基于长短时记忆LSTM的神经网络，具体为：通过输入信息定义神经网络的门值和候选值函数；更新下一状态的候选值再更新智能体j的自身隐藏层状态通过输入信息定义神经网络的门值和候选值函数，具体为：门值Γu、Γf、Γo和候选值计算公式分别为： 为候选参数，wu、bu为更新参数，wf、bf为遗忘参数，wo、bo输出参数，上述参数在每个长短时记忆LSTM单元中是共享的；δ代表sigmoid函数，它使门值非常接近0或1；在每个时间步骤中，通过激活函数tanh，当前输入的观察值其他智能体隐藏层状态向量融合值和从上一个状态传下来的智能体j自身隐藏层状态向量拼接和训练得到候选值更新门Γu、遗忘门Γf和输出门Γo是为了调整流经神经网络的值；更新下一状态的候选值具体为：使用更新门Γu和遗忘门Γf更新下一状态的候选值 具体来说，作为遗忘门Γf，控制前一个状态的候选值sjt哪些信息应该保留，哪些应该遗忘；作为更新门Γu，选择和记忆这个阶段的输入观察值和融合值将遗忘门Γf与更新门Γu相加，意味着当前状态的部分信息被删除，新输入的部分信息被添加，从而得到下一个状态的候选值再更新智能体j的自身隐藏层状态具体为： 其中，候选值被激活函数缩放，并由输出门Γo控制。

全文数据：

权利要求：

百度查询： 大连大学 一种面向大规模任务空间的协同多智能体通信方法