[发明专利]自治操作条件反射自动机及在实现智能行为中的应用

摘要

自治操作条件反射自动机及在实现智能行为中的应用属于仿生领域。一种自治操作条件反射自动机AOC涉及一种描述自治式自动机器的离散计算机模型，主要包括：操作集合、状态集合、“条件-操作”规则集合、可观测的状态转移，以及操作条件反射学习律，并且，定义了基于AOC状态取向值的行为熵，规定了AOC的递归运行程序。AOC的重要特征在于模拟生物的操作条件反射机制，因而具有仿生的自组织功能，包括自学习和自适应功能，可用于描述，模拟，设计各种自组织系统，特别地，应将其应用于描述，模拟，设计机器人系统的各种智能行为。

主权项

1、一种自治操作条件反射自动机，以下简称AOC是一个九元组：AOC=<t,Ω,S,Γ,δ,ϵ,η,ψ,s0>]]>其中(1)AOC的离散时间：t∈{0，1，2，…，n_t}，t＝0为AOC的起始时刻；(2)AOC的操作符号集合：Ω＝{α_k|k＝1，2，…，n_Ω}，α_k为AOC的第k个操作符号；(3)AOC的状态集合：S＝{s_i|i＝0，1，2，…，n_S}，s_i为AOC的第i个状态；(4)AOC的操作规则集合：Γ＝{r_ik(p)|p∈P；i∈{0，1，2，…，n_S}；k∈{0，1，2，…，n_Ω}}，随机“条件-操作”规则r_ik(p)：s_i→α_k(p)意味着AOC在其状态处于s_i∈S的条件下依概率p∈P实施操作α_k∈Ω，p＝p_ik＝p(α_k|s_i)即AOC在状态处于s_i的条件下实施操作α_k的概率值，P表示p_ik的集合；(5)AOC的状态转移函数：δ：S(t)×Ω(t)→S(t+1)，AOC t+1时刻的状态s(t+1)∈S由t时刻的状态s(t)∈S和t时刻的操作α(t)∈Ω确定，与其t时刻之前的状态和操作无关；δ所确定的状态转移过程是已知的或未知的，但其状态转移的结果是能够观测的；(6)AOC的取向函数：ε：S→E＝{ε_i|i＝0，1，2，…，n_S}，ε_i＝ε(s_i)∈E为状态s_i∈S的取向值；(7)AOC的操作条件反射学习律：模拟生物的操作条件反射机制，调节操作规则r_ik(p)∈Γ的实施概率，假设t时刻的状态为s(t)＝s_i，实施操作α(t)＝α_k∈Ω，t+1时刻观测到的状态s(t+1)＝s_j，那么t+1时刻的操作概率依进行更新；这里其中，p_ik(t)是AOC状态处于s_i∈S的条件下实施操作α_k∈Ω的概率在t时刻的值；p_ik(t+1)是AOC状态处于s_i∈S的条件下实施操作α_k∈Ω的概率在t+1时刻的值；并且0≤p_ik+Δ≤1；ϵ→ij=ϵ(sj)-ϵ(si)]]>即取向值的增量；是单调增函数，满足当且仅当x＝0；a是学习率；ξ=piu(t)/Σv≠kpiv(t),]]>这里u表示0到n_Ω之间不等于k的任何一个数值，表示AOC状态处于s_i∈S的条件下实施操作α_u∈Ω的概率之和在t时刻的值，v表示0到n_Ω之间不等于k的所有数值；p_iu(t)是AOC状态处于s_i∈S的条件下实施操作α_u∈Ω的概率在t时刻的值，p_iu(t+1)是AOC状态处于s_i∈S的条件下实施操作α_u∈Ω的概率在t+1时刻的值；(8)AOC的操作熵：ψ：P×E→R⁺，R⁺是正的实数集，AOC在t时刻的操作熵ψ(t)表示t时刻状态处于s_i条件下的操作熵之和：ψ(t)=ψ(Ω(t)|S)=Σi=0nSpiψi(t)=Σi=0nSp(si)ψi(Ω(t)|si)]]>它由t时刻处于状态s(t)＝s_i条件下的操作概率集合和取向函数集合决定；ψ_i(t)是AOC处于状态s_i条件下的操作熵：ψi(t)=ψi(Ω(t)|si)=-Σk=1nΩpiklog2pik=-Σk=1nΩp(αk|si)log2p(αk|si)]]>知道每个状态下的操作熵并加权求和就可以得出AOC在t时刻的操作熵ψ(t)=-Σi=0nSpiΣk=1nΩpiklog2pik=-Σi=0nSp(si)Σk=1nΩp(αk|si)log2p(αk|si);]]>其中，p(s_i)是AOC状态s_i∈S的出现概率在t时刻的值，p(α_k|s_i)是AOC状态处于s_i∈S的条件下实施操作α_k∈Ω的概率在t时刻的值；(9)AOC的起始状态：s₀＝s(0)∈S。