[發(fā)明專利]一種智能分布式選線系統(tǒng)及選線方法

有效

• 申請?zhí)枺?/td>: 202110999785.8
• 申請日: 2021-08-30
• 公開（公告）號: CN113435671B
• 公開（公告）日: 2021-11-19
• 發(fā)明（設(shè)計）人: 梁志強;趙成文;盧原;王祥;苗松
• 申請（專利權(quán)）人: 北京恒信啟華信息技術(shù)股份有限公司;深圳市國電科技通信有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/30
• 代理公司: 北京鼎德寶專利代理事務(wù)所(特殊普通合伙) 11823
• 代理人: 牟炳彥

本發(fā)明提供了一種智能分布式選線系統(tǒng)及選線方法，所述系統(tǒng)包括以下部分：模型生成組件、信息采集組件、屬性權(quán)重預(yù)測組件、屬性作用組件、篩選組件、智能選線組件、評價輸出組件；由所述模型生成組件生成選線模型，通過計算初始控制點不同屬性的權(quán)重可以獲知不同屬性的重要程度，從而得到控制點在不同方面的影響力，便于對控制點進行全面了解和進一步分析，保證選線的精準性。

技術(shù)領(lǐng)域

本發(fā)明涉及計算機領(lǐng)域，尤其涉及一種智能分布式選線系統(tǒng)及選線方法。

背景技術(shù)

選線是一種結(jié)合各種屬性的多維約束決策，也就是多準則決策問題。每步?jīng)Q策都會使線路向前延伸一定距離。智能選線將人工智能等技術(shù)結(jié)合，提供多樣化的線路備選方案。

對于選線的方法有很多，黃耀龍等人于2020.02.21公開的發(fā)明專利CN201911051420.1一種基于模糊層次分析法的道路選線方法，主要包括：結(jié)合層次分析法建立巖土穩(wěn)定性概率模型，結(jié)合概率模型選擇最優(yōu)路線S。但本申請發(fā)明人在實現(xiàn)本申請實施例中發(fā)明技術(shù)方案的過程中，發(fā)現(xiàn)上述技術(shù)至少存在如下技術(shù)問題：該方法計算量大，計算復(fù)雜度較高，不能保證搜索的方案是否為全局最優(yōu)，且方法論較為落后，沒有嘗試過人工智能領(lǐng)域最新的優(yōu)化理論，所公開的方法較為局限，無法確保能適用于本領(lǐng)域的其他場景問題中。

發(fā)明內(nèi)容

本申請實施例通過提供一種智能分布式選線系統(tǒng)及選線方法，解決了現(xiàn)有技術(shù)中計算量較大、選線精準性和智能性不足以及應(yīng)用場景較為局限的問題，最終能夠降低計算復(fù)雜度，得到最佳線路，具有較強智能性和自適應(yīng)性，并適用于多種場景的選線設(shè)計。

本發(fā)明的技術(shù)方案如下：

一種智能分布式選線系統(tǒng)，包括以下部分：模型生成組件、信息采集組件、屬性權(quán)重預(yù)測組件、屬性作用組件、篩選組件、智能選線組件、評價輸出組件。

優(yōu)選的，所述屬性權(quán)重預(yù)測組件，用于構(gòu)建屬性權(quán)重預(yù)測模型，根據(jù)所述屬性權(quán)重預(yù)測模型得到不同屬性信息的屬性權(quán)重，將屬性權(quán)重發(fā)送給所述屬性作用組件；

所述屬性作用組件，分布于M個服務(wù)器中，每個屬性作用組件相當于區(qū)塊鏈的一個節(jié)點，用于計算每個初始控制點不同屬性的影響因子，由影響因子繪制出每個初始控制點的屬性作用圓，并根據(jù)屬性作用圓計算每個候選線路的通訊成本，將通訊成本發(fā)送給所述篩選組件；

所述智能選線組件，用于引入智能體agent，設(shè)置智能體的狀態(tài)和動作，并為智能體設(shè)置分裂功能和記憶功能，通過智能體遍歷選線模型所有可行線路，智能體輸出給所述評價輸出組件；

所述評價輸出組件，用于設(shè)置智能體的獎勵機制，根據(jù)獎勵值得到最佳線路，完成選線方法。

一種智能分布式選線方法，包括以下步驟：

S1.構(gòu)建選線模型，確定選線設(shè)計區(qū)域內(nèi)初始控制點的屬性信息，計算每個初始控制點不同屬性的權(quán)重值；

S2.將每個初始控制點不同屬性的加權(quán)量化值作為影響因子，繪制每個初始控制點的屬性作用圓，計算每條通訊線路的通訊成本，建立候選線路的通訊覆蓋區(qū)；

S3.基于通訊覆蓋區(qū)篩選得到整體候選線路，引入智能體agent，設(shè)置智能體的狀態(tài)和動作，根據(jù)智能體的獎勵值選出最佳線路，完成智能分布式選線。

優(yōu)選的，所述步驟S1具體包括：所述屬性權(quán)重預(yù)測組件構(gòu)建屬性權(quán)重預(yù)測模型，根據(jù)所述屬性權(quán)重預(yù)測模型得到不同屬性信息所對應(yīng)的重要程度，即屬性權(quán)重。

優(yōu)選的，所述步驟S2具體包括：將每個初始控制點不同屬性的影響因子作為以當前初始控制點為圓心構(gòu)成的屬性作用圓的半徑。以每個初始控制點為圓心，以當前初始控制點不同屬性的影響因子為半徑，繪制每個初始控制點的屬性作用圓。