[發明專利]基于Map-Reduce與多智能體模型的大規模人群行為演化分析方法

在審

• 申請號: 201610111329.4
• 申請日: 2016-02-29
• 公開（公告）號: CN105787180A
• 公開（公告）日: 2016-07-20
• 發明（設計）人: 陳丹;竇明罡;陳靚影;王力哲
• 申請（專利權）人: 武漢大學
• 主分類號: G06F17/50
• 分類號: G06F17/50
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 魏波

1.一種基于map-reduce與多智能體模型的大規模人群行為演化分析方法，其 特征在于，包括以下步驟：

步驟1：將智能體信息轉化為智能體鍵值-屬性值條目；

步驟2：Map過程；接受輸入的智能體鍵值-屬性值條目，并且計算智能體 所有鄰域的吸引力，最終生成一個由若干對鍵值-屬性值形式數據組成的中間數 據表；

步驟3：Reduce過程；接收由map過程輸出的中間數據表并進行處理；

步驟4：位置選擇與個體移動；

步驟5：仿真數據生成。

2.根據權利要求1所述的基于map-reduce與多智能體模型的大規模人群行 為演化分析方法，其特征在于：步驟1中所述將智能體信息轉化為智能體鍵值- 屬性值條目，所述智能體信息包括一組屬性和一個候選網格列表，屬性用來描述 智能體的各種狀態，包括一個鍵值屬性以及其他一些屬性和一組權重；候選網格 列表用于智能體的決策過程，這個列表存儲了所有候選鄰域的吸引力值；所述智 能體鍵值-屬性值條目包括屬性位置、鍵值位置及其他一些預定義的屬性；仿真 開始之前每個智能體被轉化為智能體鍵值-屬性值條目；轉換通過預定義的一些 屬性和上一個處理的智能體屬性位置信息和鍵值位置信息將智能體信息依次轉 換為智能體鍵值-屬性值條目。

3.根據權利要求1所述的基于map-reduce與多智能體模型的大規模人群行 為演化分析方法，其特征在于：步驟2中所述中間數據表包括了一個智能體鍵值 -屬性值條目，以及若干個記錄由候選鄰域相關參數的條目，所述相關參數包括 候選領域的位置信息以及其吸引力值；iKey是中間數據表條目的標識符；同一 個智能體的候選隊列形成的中間數據表條目具有相同的標識iKey，因此它們將 在Hadoop框架下reduce操作中進行統一提交；Map過程完成后，中間數據表將 被Hadoop框架按吸引力進行排序。

4.根據權利要求3所述的基于map-reduce與多智能體模型的大規模人群行 為演化分析方法，其特征在于：步驟3中所述接收由map過程輸出的中間數據 表并進行處理，在處理過程中，具有相同iKey的中間數據表條目被合并并且排 序，形成新的描述智能體信息的智能體鍵值-屬性值條目，該條目附加了對應的 智能體的決策信息；Reduce過程的輸出與map過程的輸入具有形式上的一致性； 經過reduce過程處理的智能體組成了一個新的鍵值-屬性值列表，這個列表中的 智能體鍵值-屬性值條目與map過程輸入列表中的智能體鍵值-屬性值條目一一 對應：輸出列表與輸入列表相比，每個智能體的信息中都附加了本次仿真時間片 的決策信息；整個reduce過程輸出的新的智能體鍵值-屬性值條目列表按照智能 體的競爭力從高到低排序，為下一步驟做好準備。

5.根據權利要求1所述的基于map-reduce與多智能體模型的大規模人群行 為演化分析方法，其特征在于：步驟4中所述位置選擇和個體移動，其具體實現 過程是：reduce過程輸出的有序的智能體鍵值-屬性值條目列表被串行化的逐個 處理，保證競爭力較高的智能體在位置選擇中具有更高的優先級；對于列表中的 每一個智能體，候選列表項中第一個可到達的位置就被選為移動目標；所述候選 列表是智能體決策過程中，對智能體所在位置周邊的可到達鄰域進行排序而得 到；目標選定之后就進行移動過程，即對當前智能體的位置坐標信息進行更新， 使智能體所描述的個體被移動到所選的位置，輸出一個新的智能體條目列表，該 列表同樣具有和步驟2中map過程的輸入智能體鍵值-屬性值條目列表相同的形 式，并直接被作為下一個仿真時間片的map過程的輸入。

6.根據權利要求1所述的基于map-reduce與多智能體模型的大規模人群行 為演化分析方法，其特征在于：步驟5中所述仿真數據生成，其具體實現過程是： 整個仿真過程在Hadoop集群上異步化的執行，以仿真時間片作為單位不停地循 環，當用戶需要特定時刻的仿真數據時，通過仿真系統的數據請求模塊發送一個 必要同步信號，該信號為整個map-reduce過程制造一個全局鎖，使整個hadoop 集群的所有節點都在當前仿真時間片暫停；來自所有仿真節點的中間數據可構成 靜態仿真場景，并返回用戶；當這個過程完成后，全局鎖消失，所有節點恢復正 常運行狀態。