[发明专利]基于深度自动编码和特征融合的智能体蜂拥行为控制方法

权利要求书

1.一种基于深度自动编码和特征融合的智能体蜂拥行为控制方法，其特征在于，所述方法用于控制智能体集群蜂拥运动，包括：

确定智能体的感知范围内的所有邻域智能体；

利用并行的深度学习自动编码机分别将智能体及每个邻域智能体的多源异构状态信息转化为数值化状态特征；

分别对智能体及每个邻域智能体的所有数值化状态特征进行维度级联，并利用第一预设深度神经网络对维度级联后的数值化状态特征进行融合，获取智能体的综合状态信息特征及每个邻域智能体的综合状态信息特征；

对所有邻域智能体的综合状态信息特征进行加权合并，获取智能体对应的融合邻域特征；

对智能体的综合状态信息特征和智能体对应的融合邻域特征进行维度级联，基于维度级联后的特征，利用第二预设深度神经网络映射得到智能体的输出控制量；

智能体的多源异构状态信息包括智能体的位置、速度、加速度、标识编码和能源剩余量；

第一预设深度神经网络采用以Relu函数为非线性激活函数的三层全连接神经网络；

第二预设深度神经网络采用四层全连接神经网络，并且四层全连接神经网络中前三层采用Relu函数作为非线性激活函数，第四层通过线性叠加进行输出；

智能体的输出控制量为智能体的速度矢量。

2.根据权利要求1所述的基于深度自动编码和特征融合的智能体蜂拥行为控制方法，其特征在于，深度学习自动编码机包括编码器和解码器，深度学习自动编码机形式表示为：

φ_i:X_i→H_fi

ρ_i:

其中，φ_i表示针对智能体的第i个状态信息X_i的编码器函数，H_fi表示经过编码器后生成的第i个状态信息X_i的数值化状态特征，ρ_i表示针对智能体的第i个状态信息X_i的解码器函数，表示智能体的第i个状态信息X_i对应的解码器输出。

3.根据权利要求2所述的基于深度自动编码和特征融合的智能体蜂拥行为控制方法，其特征在于，编码器采用以Relu函数为非线性激活函数的四层全连接神经网络；

解码器采用四层全连接神经网络，并且四层全连接神经网络中前三层采用Relu函数作为非线性激活函数，第四层通过线性叠加进行输出。

4.根据权利要求3所述的基于深度自动编码和特征融合的智能体蜂拥行为控制方法，其特征在于，设定智能体集群中的第i个智能体A_i的邻域为

第i个智能体A_i的综合状态信息特征为：

第i个智能体A_i对应的邻域智能体A_j的综合状态信息特征为：

其中，A_j表示智能体集群中的第j个智能体，表示智能体A_i与智能体A_j间的距离，R_i表示智能体A_i的感知半径，表示第i个智能体A_i的综合状态信息特征，Ψ表示用于融合特征的第一预设深度神经网络，concat表示特征在维度上的级联合并，表示第i个智能体A_i的第i个状态信息对应的数值化状态特征，W和b表示网络Ψ的可学习参数，表示第j个智能体A_j的综合状态信息特征，表示第j个智能体A_j的第i个状态信息对应的数值化状态特征。

5.根据权利要求4所述的基于深度自动编码和特征融合的智能体蜂拥行为控制方法，其特征在于，对所有邻域智能体的综合状态信息特征进行加权合并时，每个邻域智能体对应的权重系数利用以下公式计算；

其中，表示智能体A_i的邻域智能体A_j对应的权重系数。