[發(fā)明專利]人機對抗知識數(shù)據(jù)混合驅(qū)動型決策方法、裝置及電子設(shè)備

有效

• 申請?zhí)枺?/td>: 202110489056.8
• 申請日: 2021-05-06
• 公開（公告）號: CN112906881B
• 公開（公告）日: 2021-08-03
• 發(fā)明（設(shè)計）人: 趙美靜;黃凱奇;尹奇躍
• 申請（專利權(quán)）人: 中國科學院自動化研究所
• 主分類號: G06N3/063
• 分類號: G06N3/063;G06N7/00
• 代理公司: 北京華夏泰和知識產(chǎn)權(quán)代理有限公司 11662
• 代理人: 孫劍鋒;李雪

本發(fā)明涉及人工智能領(lǐng)域，尤其涉及一種人機對抗知識數(shù)據(jù)混合驅(qū)動型決策方法、裝置、電子設(shè)備及存儲介質(zhì)。所述方法包括：在每個決策時間節(jié)點，首先在決策規(guī)則庫中查找當前人機對抗態(tài)勢下各行動單元對應的行動任務(wù)，在所述決策規(guī)則庫中不存在當前人機對抗態(tài)勢下各行動單元的行動任務(wù)時，再基于蒙特卡洛樹搜索來實現(xiàn)在線決策。本發(fā)明適用于在人機對抗環(huán)境中給出對抗決策。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能領(lǐng)域，尤其涉及一種人機對抗知識數(shù)據(jù)混合驅(qū)動型決策方法、裝置、電子設(shè)備及存儲介質(zhì)。

背景技術(shù)

人機對抗作為人工智能研究的前沿方向，已成為國內(nèi)外智能領(lǐng)域研究的熱點，并為探尋機器智能的內(nèi)在生長機制和關(guān)鍵技術(shù)的驗證提供有效試驗環(huán)境和途徑。目前，面對復雜、動態(tài)、對抗環(huán)境下智能認知與決策需求，迫切需要以機器為載體的人工智能技術(shù)的輔助與支撐。

隨著人工智能技術(shù)的巨大發(fā)展，將會面臨越來越多的現(xiàn)實世界應用系統(tǒng)，在人機對抗決策技術(shù)路線上，一方面，知識驅(qū)動型決策方法具有可解釋的優(yōu)點，但由于知識瓶頸的存在，其決策性能受到約束；另一方面，數(shù)據(jù)驅(qū)動型決策方法具有自主學習的性能，但由于“黑箱”機制，其決策結(jié)果面臨不可解釋的局限。在現(xiàn)實世界應用場景中，如何充分利用知識驅(qū)動型決策方法與數(shù)據(jù)驅(qū)動型決策方法兩者的優(yōu)點，使得人機對抗決策過程做到可解釋、可學習，對提升人機對抗決策的自主化程度和智能化程度具有重要意義。

發(fā)明內(nèi)容

基于此，本發(fā)明實施例提供了一種人機對抗知識數(shù)據(jù)混合驅(qū)動型決策方法、裝置、電子設(shè)備及存儲介質(zhì)，能夠充分利用知識驅(qū)動型決策方法與數(shù)據(jù)驅(qū)動型決策方法兩者的優(yōu)點，使得人機對抗決策過程做到可解釋、可學習。

第一方面，本發(fā)明實施例提供了一種人機對抗知識數(shù)據(jù)混合驅(qū)動型決策方法，所述方法包括：在每個決策時間節(jié)點，獲取當前人機對抗態(tài)勢；在決策規(guī)則庫中查找當前人機對抗態(tài)勢下各行動單元分別對應的行動任務(wù)，其中，所述決策規(guī)則庫中保存有各種人機對抗態(tài)勢下行動單元與行動任務(wù)之間的對應關(guān)系；若在所述決策規(guī)則庫中沒有查找到當前人機對抗態(tài)勢下各行動單元分別對應的行動任務(wù)，則基于蒙特卡洛樹搜索確定當前人機對抗態(tài)勢下各行動單元分別對應的行動任務(wù)；將所述當前人機對抗態(tài)勢下各行動單元分別對應的行動任務(wù)發(fā)送給相應的行動單元，以使各所述行動單元執(zhí)行所述行動任務(wù)。

可選的，所述方法還包括：若在所述決策規(guī)則庫中查找到當前人機對抗態(tài)勢下各行動單元分別對應的行動任務(wù)，則將查找到的各所述行動任務(wù)發(fā)送給相應的行動單元，以使各所述行動單元執(zhí)行所述行動任務(wù)。

可選的，所述基于蒙特卡洛樹搜索確定當前人機對抗態(tài)勢下各行動單元分別對應的行動任務(wù)包括：按照匹配策略為每個行動單元分別匹配一個行動任務(wù)，生成第一戰(zhàn)術(shù)；通過擴展策略對所述第一戰(zhàn)術(shù)進行擴展，生成至少一個第二戰(zhàn)術(shù)，其中，所述第二戰(zhàn)術(shù)中至少一個行動單元的行動任務(wù)與所述第一戰(zhàn)術(shù)中的該行動單元的行動任務(wù)不同；將所述第一戰(zhàn)術(shù)作為蒙特卡洛樹的根節(jié)點、第二戰(zhàn)術(shù)作為所述蒙特卡洛樹的第一級子節(jié)點，構(gòu)建蒙特卡洛樹；繼續(xù)根據(jù)所述擴展策略對所述蒙特卡洛樹進行擴展，直至所述蒙特卡洛樹達到設(shè)計深度；從所述蒙特卡洛樹中搜索當前人機對抗態(tài)勢下的最優(yōu)戰(zhàn)術(shù)；將所述最優(yōu)戰(zhàn)術(shù)中各所述行動單元分別對應的行動任務(wù)作為當前人機對抗態(tài)勢下各行動單元分別對應的行動任務(wù)。

可選的，所述按照匹配策略為每個行動單元分別匹配一個行動任務(wù)，生成第一戰(zhàn)術(shù)包括：為每個行動單元隨機匹配一個行動任務(wù)，生成第一戰(zhàn)術(shù)。

可選的，所述行動任務(wù)包括以下至少一個任務(wù)要素：任務(wù)客體、任務(wù)目標點、任務(wù)關(guān)鍵點、任務(wù)結(jié)束時間節(jié)點、任務(wù)動作；所述通過擴展策略對所述第一戰(zhàn)術(shù)進行擴展，生成至少一個第二戰(zhàn)術(shù)包括：對所述第一戰(zhàn)術(shù)中至少一個行動單元的行動任務(wù)的任務(wù)要素進行調(diào)整，生成至少一個第二戰(zhàn)術(shù)。