[發明專利]一種基于多智能體Q學習的模型評估方法

在審

• 申請號: 202110381457.1
• 申請日: 2021-04-09
• 公開（公告）號: CN113283158A
• 公開（公告）日: 2021-08-20
• 發明（設計）人: 張磊;馮俊堯;戎智;張竣皓
• 申請（專利權）人: 武漢理工大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N20/00
• 代理公司: 昆明合眾智信知識產權事務所 53113
• 代理人: 劉靜怡

本發明公開了一種基于多智能體Q學習的模型評估方法，該基于多智能體Q學習的模型評估方法具體步驟如下：S1：建立模型，S2：模型數據采集，S3：模型數據分析，S4：模型功能演示，S5：調整模型數據，S6：二次演示，S7：評估結果。本發明可以方便對Q學習的模型進行評估，能夠準確的對模型實用的掌握，避免影響實用，通過對模型數據的采集，能夠清楚的了解模型的具體參數，通過設置模型功能演示，能夠直觀的了解模型的用處，通過設置調整模型數據，能夠實現模型功能的最大化，通過設置二次演示，能夠在直觀的了解模型所承受的范圍。

技術領域

本發明涉及多智能體Q學習的模型技術領域，具體一種為多智能體Q學習的模型評估方法。

背景技術

目前，搜救人員大多是通過AUV(Autonomous Underwater Vehicle,自主式水下滑翔器)對失事海域進行搜救，由于大規模鋪設水下滑翔器整體隊列的控制較為復雜，因此我們提出一種基于Multi-agent、Q-learning的理論模型，對整體隊列進行多層分布式控制，但是在使用中，不清楚哪個理論模型更為實用，不能對二者的理論模型作出正確評估，所以，我們提出一種基于多智能體Q學習的模型評估方法，以解決上述問題。

發明內容

本發明的目的在于提供一種基于多智能體Q學習的模型評估方法，以解決上述背景技術中提出的問題。

為實現上述目的，本發明提供如下技術方案：一種基于多智能體Q學習的模型評估方法，具體步驟如下：

S1、建立模型：根據初始數據，并按照建模要求，建立初始設計的模型；

S2、模型數據采集：將初始建立的模型的各部分重要的數據收集，并歸類，其中部分數據，根據對應的公式計算得出；

S3、模型數據分析：對采集到的數據，進行理論推算，并對照建模數據的要求，一一對照；

S4、模型功能演示：通過將建立好的模型在計算機上動態展示，將模型按照實際操作要求，進行演示；

S5、調整模型數據：對一些關鍵部位的數據，在模型建立的要求范圍內，進行適當的修改，并增加該處數值；

S6、二次演示：對改變數據后的模型，再一次在計算機上動態演示，二次演示的過程中，演示速度減慢；

S7、評估結果：根據首次演示和二次演示得到的結果和模型建立所需要的成本及時間，進行比對，最終作出相應的評估。

優選的，所述S5中的調整模型數據，調整壓力值、排水量、動力值中的一種或多種。

優選的，所述S6中的二次演示和S4中的模型功能演示，均設置為3D動態演示，所述S6中的二次演示中標注修改數據的位置。

優選的，所述S2中的數據采集，將模型上的數據分別收集，并劃分為主次。

優選的，所述S1中的建立模型，根據設計要求及基本的設計程序，建立虛擬的模型。

與現有技術相比，本發明的有益效果是：本發明通過設置模具數據采集，能夠了解模型的具體參數，通過設置模型數據分析，能夠了解模型的數據是否符合模型建立的要求，并判斷是否能夠實現相應的功能，通過設置模型功能演示，能夠發現相應的問題，并及時的改善，通過設置調整模型數據，能夠試驗不同數據下的模型功能，實現功能最大化，通過設置二次演示，能夠將修改后的模型，進一步檢驗，以便及時的發現問題，該裝置能夠準確的對模型評估，避免后期影響使用，評估簡單，方便。

具體實施方式

為了使本發明的目的、技術方案及優點更加清楚明白，以下結合具體實施例，對本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，并不用于限定本發明。

一種基于多智能體Q學習的模型評估方法，具體步驟如下：