CN101877076A

CN101877076A - 非线性模糊逻辑决策算法

Info

Publication number: CN101877076A
Application number: CN2009100686481A
Authority: CN
Inventors: 蔡鸿
Original assignee: Individual
Current assignee: Individual
Priority date: 2009-04-28
Filing date: 2009-04-28
Publication date: 2010-11-03

Abstract

本发明提出的非线性模糊逻辑决策算法包括一个定义和六个步骤：定义决策模型如下：决策是一个七元组(I，X，R，D，p，M，A}，其含义分别是决策影响因素集、模糊语言变量集、模糊规则的集合、决策机、执行主体集、动作集。五个步骤分别是：采用典型函数法对决策影响因素进行模糊化；采用专家经验法和隶属度预计算算法计算模糊结论；采用重心法对模糊结论反模糊化得到决策概率；按决策概率进行决策；为该决策生成动作集。由于采用了隶属度预计算的算法进行模糊规则优化，本发明可以在策略类型的计算机游戏中高效地模拟非确定性智能决策。

Description

非线性模糊逻辑决策算法

技术领域

本发明涉及计算机游戏人工智能领域，特别是非确定性的决策智能。

背景技术

随着计算机技术的迅速发展，计算机游戏产业成为IT行业中最重要的利润增长点。如何在计算机游戏中模拟人类智能，尤其是非确定性的决策智能，增加计算机游戏的娱乐性和互动性，已经越来越吸引产业界和学术界的广泛关注。

在产业界已经产生一些重要的人工智能技术，然而这些技术仍然没有形成完善的理论体系，并且仍然以确定性的智能为主，对于非确定性的智能技术尚处于发展时期。人类智能最大的特点是具有模糊性，即不确定性。人类在做某个动作或者某种决策时，并不是对周围环境进行量化计算，然后根据计算结果做动作和决策的，相反，人类在做决策时是模糊的。因此我们根据决策中的模糊特性，提出非线性模糊逻辑决策算法，在计算机游戏中模拟非确定性的智能。

发明内容

本发明提供了一种非线性模糊逻辑决策算法，使得对非确定性智能的模拟更加真实。

本发明提出的非线性模糊逻辑决策算法包括一个定义以及五个步骤。定义一个计算机游戏中的决策模型是一个七元组：{I，X，R，D，p，M，A，}，其含义分别是决策影响因素集、模糊语言变量集、模糊规则的集合、决策机、执行主体集、动作集。决策算法由五个步骤组成，分别是：采用典型函数法对决策影响因素进行模糊化；采用专家经验法和隶属度预计算算法计算模糊结论；采用重心法对模糊结论反模糊化得到决策概率；按决策概率进行决策；为该决策生成动作集。

具体实施方式

本发明首先对问题领域进行决策建模，提取决策影响因素集，由专家经验建立模糊规则库。然后运行算法执行规则库计算决策结果：采用典型函数法对决策影响因素进行模糊化；采用隶属度预计算算法计算模糊结论；采用重心法对模糊结论反模糊化得到决策概率；按决策概率进行最终决策；为该决策生成相关动作集。

Claims

1.非线性模糊逻辑决策算法，其特征在于包括下列几点：

一个决策模型是一个七元组(I，X，R，D，p，M，A}；

采用典型函数法对决策影响因素进行模糊化；

采用专家经验法和隶属度预计算算法计算模糊结论；

采用重心法对模糊结论反模糊化得到决策概率；

按决策概率进行决策；

生成动作集。

2.如权利要求1所述的方法，其特征在于为决策模型进行形式化建模。一个决策模型是一个七元组：{I，X，R，D，p，M，A}，其中I＝{i_j|j＝1，2，...，n}是决策影响因素的集合；X＝{x_j|j＝1，2，...，n}是对应于I的模糊语言变量集；R＝{r_i|i＝1，2，...，n}是模糊规则的集合；D是决策机，D以规则库为输入，按特定方法计算最终决策概率；p是决策概率；M＝{m_i|i＝1，2，...，n}是执行主体的集合；A＝{a_i|i＝1，2，...，n}是动作的集合。

3.如权利要求1所述的方法，其特征在于，采用三角形函数作为隶属函数对决策影响因素进行模糊化。隶属函数定义为：

μ_{A} (u) = \{\begin{matrix} 0 & u \leq u_{0} \\ \frac{u}{u_{1} - u_{0}} - \frac{u_{0}}{u_{1} - u_{0}} & u_{0} < u < u_{1} \\ 1 & u = u_{1} \\ \frac{- u}{u_{2} - u_{1}} - \frac{u 2}{u_{2} - u_{1}} & u_{1} < u < u_{2} \end{matrix}

4.如权利要求1所述的方法，其特征在于，采用专家经验法建立模糊规则库，采用隶属度预计算算法计算模糊结论。对于模糊规则前件中的每一个合取子式，依次计算模糊子集的隶属度。隶属度预计算算法按下述步骤执行：如果隶属度不为0，则与当前规则当前最小隶属度比较，如果本次计算的隶属度更小，则更新当前规则的最小隶属度；如果隶属度为0，则忽略该规则，取规则库中下一条规则重复上述动作。

5.如权利要求1所描述的方法，其特征在于，采用重心法对模糊结论反模糊化得到决策概率。计算公式表示为：

y = \frac{Σ_{i = 1}^{n} μ_{c_{i}} (u_{i}) u_{i}}{Σ_{i = 1}^{n} u_{c_{i}} (u_{i})}

6.如权利1要求所描述的方法，其特征在于，按决策概率进行决策，以决策概率p进行决策。产生一个随机数r，令r∈[0，1]，若r≤p则执行该决策，否则不执行。

7.如权利要求1所描述的方法，其特征在于，按问题领域具体特征为决策生成动作集。