论文部分内容阅读
地震危害巨大,强烈的地震会使道路两侧建筑物倒塌从而阻断道路,使整个路网遭到破坏。当地震发生后城市外的救援人员需要将大量救援物资及时送往灾区,而城市内的人们则需要尽快将受伤的群众和灾民送往安全地区。因此,能否以最快的速度建立救援通道对于挽救受伤群众生命,减少财产损失显得至关重要。但是,城市内的一些基础设施由于受到地震的破坏,使电力、通信等系统部分甚至完全失效,导致灾区与外界在短时间内无法进行信息交流,这使得救援工作变的更加困难。本文根据人工智能的相关理论结合城市震后路网的实际特点,把每个救援队看作单个智能体,建立了基于Q学习的城市震后救援路径寻优模型。模型中以城市震后路网作为救援队所处环境,将路网中每个节点作为救援队的状态,救援队从节点到相邻节点的转移作为一个动作,把路段可靠度作为救援队学习的回报值。救援队经过一定次数的学习后可以得到每个状态-动作对的折扣累积的路段可靠度,即Q值。根据Q值大小,救援队确定动作选取的最优策略,通过该策略救援队可以找出一条到达灾区的最优路径。本文以长春市朝阳区部分路网为例进行了实例计算,验证了模型的可行性。并且,对模型参数进行了敏感性分析,结果表明当学习率上升,其它参数不变时,智能体学习速度加快;当折扣率上升,其它参数不变时,智能体学习速度降低。同时,考虑到地震发生后往往会存在多个救援队同时开展救援,建立了基于多智能体通信协作条件下的震后救援路径寻优模型。模型中以震后道路的破坏信息作为共享信息,救援队通过彼此信息的交流加快学习速度。由于在大地震发生后的最初阶段,通信设施遭到破坏,救援队间的通信很少,甚至完全没有。经过一定时间,通信率会逐渐增加。该模型中救援队之间的通信率初始值为零,随着时间的推进逐步增加。为了验证模型的可行性,同样以长春市朝阳区部分路网为例进行了实例分析,结果表明基于多智能体通信协作条件下的路径寻优模型可以以更快的速度找到一条较优的救援路径,多智能体的学习速度要比单智能体的学习速度提高了近三分之一。