[發明專利]數據驅動的群體智能交互關系推斷與演化計算方法

在審

• 申請號: 202011169997.5
• 申請日: 2020-10-28
• 公開（公告）號: CN112269931A
• 公開（公告）日: 2021-01-26
• 發明（設計）人: 王甲海;利國卿;陳思遠
• 申請（專利權）人: 中山大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9536;G06F16/9537;G06Q50/00;G06N3/04;G06N3/08
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 林梅繁

1.數據驅動的群體智能交互關系推斷與演化計算方法，其特征在于，包括：

S1、通過具有關系交互機制的編碼器模型，從群體智能系統的N個對象在T個時刻可觀測軌跡數據x中建模交互關系的分布；

S2、從步驟S1中離散的交互關系分布中采樣出交互關系類型的特征向量；

S3、通過具有時空消息傳遞機制的解碼器模型，根據可觀測軌跡數據x和交互關系類型的特征向量，學習動態演化規則并計算群體智能系統的未來狀態；

S4、引入交互關系的對稱性作為結構先驗知識，即在損失函數中加入正則項來實施軟約束；

S5、多次訓練模型參數直至收斂，獲得損失函數值最小的模型作為最終模型；最終模型根據對象的歷史軌跡數據，推斷出對象之間的交互關系，進而預測對象的運動軌跡和群體智能系統的未來狀態。

2.根據權利要求1所述的群體智能交互關系推斷與演化計算方法，其特征在于，群體智能系統為城市交通系統，對象包括車輛和行人，交互關系為車輛、行人之間的交互關系，對象的歷史軌跡數據包括位置和速度，群體智能系統的未來狀態包括交通流量及其變化趨勢。

3.根據權利要求1所述的群體智能交互關系推斷與演化計算方法，其特征在于，可觀測軌跡數據x為：

其中表示第i個對象的軌跡序列，i＝1,...,N；表示所有N個對象在t時刻的狀態信息；

步驟S1包括：

S11、以每個對象的軌跡作為其在全連接圖中的相應節點的特征，使用基于消息傳遞機制的圖神經網絡，為每對對象生成交互關系隱向量；

S12：根據步驟S11得到的交互關系隱向量，使用基于序列模型的關系交互機制來捕獲交互關系之間的依賴關系，從而進行交互關系的聯合建模，得到融合了依賴關系的邊緣特征向量；

S13、根據融合了依賴關系的邊緣特征向量，建模交互關系的分布。

4.根據權利要求1所述的群體智能交互關系推斷與演化計算方法，其特征在于，步驟S2使用Gumbel-Softmax采樣方法，通過連續函數模擬離散分布的可微分采樣過程。

5.根據權利要求1所述的群體智能交互關系推斷與演化計算方法，其特征在于，步驟S3包括：

S31、根據可觀測軌跡數據x和步驟S2得到的交互關系類型的特征向量，使用基于序列模型的關系級別的時空消息傳遞機制來計算關系隱狀態；

S32、使用基于序列模型的對象級別的時空消息傳遞機制來計算對象隱狀態；

S33、使用神經網絡計算群體智能系統的未來演化狀態；

S34、演化計算群體智能系統未來多個時刻的預測值，得到群體智能系統的未來狀態。

6.根據權利要求3或5所述的群體智能交互關系推斷與演化計算方法，其特征在于，序列模型包括循環神經網絡、卷積神經網絡。