基于神经网络的智能体水平评价算法制造技术

本发明专利技术公开了基于神经网络的智能体水平评价算法，步骤1，建立指标量化方法模型，包括组织能力指标量化、个体智能水平指标量化。步骤2，基于神经网络的智能水平评价算法；首先，利用标签传播算法赋予无标记样本伪标签；然后，通过信息熵定量评估伪标签置信度，降低误标记对模型半监督学习的干扰；同时，在深度特征嵌入空间下优化少量标记样本度量损失，构造更具判别力的特征网络，提升伪标签质量。本发明专利技术为军事智能博弈推演研究提供量化评估的依据，提升多智能体博弈推演的实用价值。

【技术实现步骤摘要】

本专利技术属于指挥与控制领域，具体设计一种对智能体的智能水平进行评估的方法。

技术介绍

1、近年来，人工智能技术取得突破性进展，基于强化学习的军事辅助决策发展迅速，因该算法可在不使用大型数据集或推理信息的情况下学习最优智能体的状态和行为组合。然而应用智能体进行作战决策时，方案是否可行还需对作战决策结果还需进行方案试验、检验、论证和优化等工作，缺乏直接对智能体的智能水平进行评价的手段。因此，构建了评估智能体智能水平的指标，包括组织能力指标的量化方法和个体智能水平的指标量化方法。根据指标特性，设计基于伪标签半监督神经网络的智能水平评价算法，对智能体进行评估，为军事智能博弈推演研究提供量化评估的依据，提升多智能体博弈推演的实用价值。

技术实现思路

1、本专利技术提供一种基于神经网络的智能体水平评价算法，对智能体的智能水平进行评估，以提高智能体的作战水平。

2、基于神经网络的智能体水平评价算法，包括：

3、步骤1，建立指标量化方法模型

4、包括组织能力指标量化、个体智能水平指标量化本文档来自技高网...

【技术保护点】

1.基于神经网络的智能体水平评价算法，其特征在于，包括：

2.根据权利要求1所述的基于神经网络的智能体水平评价算法，其特征在于，步骤1的组织能力指标量化中，通过分析各组织能力指标量化过程所需信息，为树形层次结构的每个节点设置了以下值：节点编号、节点层级、子节点数量、父节点编号、子节点列表、兄弟节点数；其中节点编号用于标记指挥结构中的每一个作战单元，以便于通过编号来快速查找指定节点；节点层级用于记录该节点所在指挥树的层次；子节点数量用于快速得到指挥结构中每个指挥节点的所控制的指挥单元或作战单元的数量，快速得到组织能力指标中的扇出度；父节点编号用于快速得到该节点被哪个指挥单元所控...

【技术特征摘要】

1.基于神经网络的智能体水平评价算法，其特征在于，包括：

2.根据权利要求1所述的基于神经网络的智能体水平评价算法，其特征在于，步骤1的组织能力指标量化中，通过分析各组织能力指标量化过程所需信息，为树形层次结构的每个节点设置了以下值：节点编号、节点层级、子节点数量、父节点编号、子节点列表、兄弟节点数；其中节点编号用于标记指挥结构中的每一个作战单元，以便于通过编号来快速查找指定节点；节点层级用于记录该节点所在指挥树的层次；子节点数量用于快速得到指挥结构中每个指挥节点的所控制的指挥单元或作战单元的数量，快速得到组织能力指...

【专利技术属性】
技术研发人员：王嘉博，樊洁茹，林树新，华家辉，
申请(专利权)人：航天科工集团智能科技研究院有限公司，
类型：发明
国别省市：