基于进化HMM模型的动态Agent系统建模方法  

Evolutionary Hidden Markov Modeling for Dynamic Agent Systems

作　　者：唐健[1,2] 朱纪红[1,2] 孙增圻[1,2] 

机构地区：[1]清华大学计算机科学与技术系,北京100084 [2]清华大学智能技术与系统国家重点实验室,北京100084

出　　处：《控制与决策》2006年第2期189-192,共4页Control and Decision

基　　金：国家自然科学基金项目(60174018;60305008;90205008);国家重点基础研究基金项目(G2002cb312205)

摘　　要：提出一种基于隐式M arkov模型(HMM)的进化建模方法.使用进化算法随机搜索HMM的模型空间,自动选择HMM的结构和参数,完成对动态智能体系统行为的建模,学习智能体对周围环境的分割和反映方式.实验结果表明,该方法可以很好地搜索HMM的模型空间,并且避免了人工确定HMM模型结构的困难和手工设计模型所需的多次反复.An evolutionary approach is proposed to model dynamic agent systems using Hidden Markov Models （HMMs）. An enhanced genetic algorithm is used to automatically learn the structure and parameters of the HMM, and the final HMM can represent the agent＇s behaviors by segmenting its environment with an appropriate manner. Experiments indicate that the new method is good at searching the global model parameter space of HMMs, it outperforms conventional optimal HMM topology design methods which has a tendency to stagnate on local optima and usually requires a priori knowledge from a field expert.

关 键 词：隐式Markov模型 进化算法 智能体建模 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]