CN110874312B - 一种适用于异质多智能主体的众智机及其实现方法 - Google Patents

Abstract

本发明公开了一种适用于异质多智能主体的众智机及其实现方法，众智机包括：智能主体交互器，用于智能主体演化博弈、计算个体智能水平、生成交互网络；控制器，用于根据任务信息、个体智能水平、交互网络执行任务，计算任务效能，发出控制指令；智能水平运算器，用于根据交互网络、个体智能水平计算系统智能水平。本发明针对异质智能主体，如个人、企业、机构、智能机器等，关注网络结构、行为规则等外部因素对异质多智能主体智能涌现的影响，提供了一种实时计算并跟踪所有智能主体和众智网络系统的智能水平的方法，为分析、诊断、优化系统提供定量依据。本发明不拘泥于具体场景和问题，适用于各种众智网络系统。

Description

一种适用于异质多智能主体的众智机及其实现方法

技术领域

本发明涉及人工智能领域，具体涉及一种适用于异质多智能主体的众智机，对群体智能进行评估。

背景技术

众智机是评估众智网络系统内在运行的系统，用于评估多智能主体行为交互规律和智能涌现机理。众智网络系统是由众多个人、企业、机构、智能机器和算法等各类异质智能主体通过互联网、物联网深度互联而成的平台或系统(如众包平台、电子商务平台等)。智能主体行为集合是智能主体能够自主决策、自由选择的行为集，它是智能主体行为的全部可行空间。智能涌现机理是指不同的博弈规则、网络结构等外部因素对众多智能主体的行为和表现的影响。规则集合是智能群体受到外生力量影响的规则集，包括所有智能主体共同遵循的宏观规则和部分智能主体遵循的微观规则。智能是指智能主体在单位时间内以有效的方式创造或实现有效价值的能力。智能主体既可以是人类个体，也可以是国家、政府、企业等由人类个体构成的组织或机构，还可以是智能设备、智能算法，人、机、物融合的系统或平台等。异质主体的主要区别在于智能水平和发挥稳定性。网络是指智能主体互相联接并且通过行为互相作用形成的交互网络。这种智能主体之间的联接可以是初始给定的某种静态结构，但其上的作用关系是随着所联接的两个智能主体之间的行为互动而变化的。

群体智能是指在集体层面表现的分散的、去中心化的自组织行为。比如蚁群、蜂群构成的复杂类社会系统，鸟群、鱼群为适应空气或海水而构成的群体迁移，以及微生物、植物在适应生存环境时候所表现的集体智能。目前对群体智能的方法主要有：元胞自动机(CA)、Multi-Agent系统(MAS)、复杂适应系统(CAS)、复杂网络、演化博弈论等。元胞自动机中的元胞空间是规则型的、人为定义的空间格子，是一类特定网络结构的众智机。Multi-Agent强调Agent的自主性、Agent之间的层次性和协调性、系统的分布式和自底向上的构建方法，未涉及复杂网络概念。复杂适应系统(CAS)虽能体现适应性主体与其他个体、环境的交互，但是尚未形成通用的评估范式和方法。复杂网络更为关注网络的结构特征与生成方法，而对网络中节点的自主决策行为及不同节点间的交互作用关注不多。

上述群体智能评估方法大多是围绕同质智能主体展开的场景性的和局部性的评估，缺乏统一评估标准，对于异质智能主体不能有效地评估其群体智能，且评估模型适用性差、评估方法实现复杂、评估效率低。如何实现高效率的异质智能主体的群体智能评估是本领域亟待解决的问题。

发明内容

本发明的目的是针对现有技术的缺陷，提供了一种适用于异质多智能主体的众智机及其实现方法。针对异质智能主体，如个人、企业、机构、智能机器等，关注网络结构、行为规则等外部因素对异质多智能主体智能涌现的影响，提供了一种实时计算并跟踪所有智能主体和众智网络系统的智能水平的方法，为分析、诊断、优化系统提供定量依据。本发明不拘泥于具体场景和问题，适用于各种众智网络系统。

为了实现以上目的，本发明采用以下技术方案：

一种适用于异质多智能主体的众智机，包括：

智能主体交互器，用于智能主体演化博弈、计算个体智能水平、生成交互网络；

控制器，用于根据任务信息、个体智能水平、交互网络执行任务，计算任务效能，发出控制指令；

智能水平运算器，用于根据交互网络、个体智能水平计算系统智能水平。

进一步地，所述众智机还包括：

输入器，用于接收外部输入的主体信息、任务信息；

众智网络信息存储器，用于存储众智机运行的信息；

输出器，用于输出所述系统智能水平。

进一步地，所述主体信息包括智能主体及其博弈策略，任务信息包括智能主体任务、任务执行情况。

进一步地，所述智能主体交互器存储着智能主体博弈流程、博弈规则、行为-关系映射规则、个体智能水平计算方法。

进一步地，所述智能主体演化博弈包括：

智能主体在所述主体信息、任务信息、博弈流程、博弈规则的作用下，根据自身信息选择行为，并根据行为的收益进行行为学习和调整，如此演化直到稳定，每个智能主体演化得到自身最优主体行为。

进一步地，所述计算个体智能水平包括：

完成所述智能主体演化博弈后，触发生成计算个体智能水平的指令，根据所述主体信息、任务信息、个体智能水平计算方法计算个体智能水平。

进一步地，所述生成交互网络包括：

完成所述智能主体演化博弈后，基于所述主体信息、主体行为，根据所述行为-关系映射规则进行映射，得到智能主体间的关系类型及程度，生成以节点表示智能主体、边表示智能主体间的关系的交互网络。

进一步地，所述发出控制指令具体为：

当所述任务效能数据发生变化时，控制器发出更新计算个体智能水平的指令；当所述个体智能水平发生变化时，控制器发出更新计算系统智能水平的指令。

本发明还提出一种适用于异质多智能主体的众智机实现方法，基于本发明所述的众智机，包括：

S1、智能主体交互器基于主体信息、任务信息完成智能主体演化博弈、计算个体智能水平、生成交互网络；

S2、控制器基于任务信息、个体智能水平、交互网络执行任务，计算任务效能，发出控制指令；

S3、智能水平运算器根据交互网络、个体智能水平计算系统智能水平。

进一步地，在所述步骤S1之前，还包括：

输入器接收外部输入的主体信息、任务信息。

本发明针对个人、企业、机构、智能机器等各类异质智能主体，关注网络结构、行为规则等外部因素对异质多智能主体智能涌现的影响，扩大了现有群体智能评估的范围。根据智能主体行为确定交互关系，并生成交互网络，评估了交互对群体智能、群体表现的影响。通过本发明的众智机及其实现方法，能够评估智能主体、规则、网络结构等因素对群体表现的影响。与现有技术相比，本发明具有如下优点：

(1)本发明针对的智能主体不仅局限于人或者同类主体，还适用于异质主体，同时可以通过个体智能水平区分不同的异质主体；本发明用演化博弈的方法对场景进行抽象，将约束条件转化为博弈规则，使众智机的运行不拘泥于具体场景。

(2)众智机通过探究输入信息和规则器规则等对群体表现(任务效能、系统智能水平)的影响，评估具体情境下智能主体、规则、网络结构等因素对多智能主体智能涌现的影响。

(3)本发明提出的众智机是实时、动态、并随时间演进的，因智能主体策略行为是实时变化的，所以系统智能水平是随时间而不断演进的。众智机可以实时计算并跟踪所有智能主体和众智网络系统的智能水平，为分析、诊断、优化系统提供定量依据。

附图说明

图1是实施例一提供的一种适用于异质多智能主体的众智机结构图；

图2是众智机智能主体交互器原理图；

图3是众智机控制器原理图；

图4是众智机智能水平运算器原理图；

图5实施例二提出的一种适用于异质多智能主体的众智机实现方法流程图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。

本发明针对异质智能主体，如个人、企业、机构、智能机器等，关注网络结构、行为规则等外部因素对异质多智能主体智能涌现的影响，提供了一种实时计算并跟踪所有智能主体和众智网络系统的智能水平的方法，为分析、诊断、优化系统提供定量依据。本发明不拘泥于具体场景和问题，适用于各种众智网络系统。

实施例一

如图1所示，本实施例提出了一种适用于异质多智能主体的众智机，包括：

输入器，用于接收外部输入的数据；

输入器提供众智机与外部系统的交互接口，用于接收外部系统输入的数据，包括智能主体及其博弈策略、智能主体任务、任务执行情况等。输入器接收到外部输入数据后，发送到众智网络信息存储器中。

众智网络信息存储器，用于存储众智机运行的信息；

众智网络信息存储器负责众智机运行信息的存储和交互。众智网络信息存储器接收并存储输入器传入的数据。然后按照顺序不断与智能主体交互器、控制器、智能水平运算器交互，向这些模块传入他们所需的数据，接收并存储它们传入的数据。

智能主体交互器，用于智能主体演化博弈、计算个体智能水平、生成交互网络；

智能主体交互器主要负责智能主体演化博弈、个体智能水平计算、交互网络生成三项任务。智能主体交互器自身存储着与智能主体交互有关的规则，包括：智能主体博弈流程、博弈规则、行为-关系映射规则、个体智能水平计算方法。

智能主体博弈流程包括演化博弈流程、收益矩阵、演化稳定判定条件。博弈规则分为两类，一是全部智能主体需要遵守的宏观规则，如博弈范围、惩罚规则、网络结构；二是部分智能主体遵守的微观规则，如学习主体所占比例、惩罚实施范围。行为-关系映射规则用于根据智能主体两两行为确定其关系类型和程度，例如，两智能主体均为合作行为，则其关系为100％的合作关系。两个智能主体的合作关系是指：一个智能主体采用了另一智能主体的目标或群体目标、通过两个智能主体之间的交互，使得两个个智能主体都完成了自己的目标。智能主体之间存在冲突，但是能够通过协商、合作，从而达到一个博弈均衡，如纳什均衡，帕雷托均衡等。个体智能水平计算方法用于计算智能主体的智能水平。

本发明不对智能主体博弈流程、博弈规则、行为-关系映射规则、个体智能水平计算方法进行限定，适用于所有的智能主体博弈流程、博弈规则、行为-关系映射规则、个体智能水平计算方法，用户可以根据不同的众智网络系统进行设置，即预先在智能主体交互器中设置相应的智能主体博弈流程、博弈规则、行为-关系映射规则、个体智能水平计算方法等，完成智能主体演化博弈、计算个体智能水平、生成交互网络。

如图2所示，在接收到众智网络信息存储器传入的主体信息(包括智能主体及博弈策略)、任务信息(包括任务执行信息、任务完成总量、有效量、时间)、指令之后，智能主体交互器完成的任务如下：

智能主体演化博弈：智能主体在主体信息、任务信息、博弈流程、博弈规则的作用下，根据自身信息选择行为，并根据行为的收益进行行为学习和调整，如此演化直到稳定，每个智能主体演化得到自身最优行为，即得到主体行为。

计算个体智能水平：当接收到计算个体智能水平的指令后，根据个体智能水平计算方法，计算个体智能水平。众智网络信息存储器指令初始状态为计算系统智能水平指令，因此，在接收到众智网络信息存储器传入的主体信息、任务信息，智能主体演化博弈后，触发生成计算个体智能水平的指令。

例如，智能个体为某个具有车牌识别功能的车库管理系统，其任务是进行车牌识别，个体智能水平通过“单位时间完成的快速、有效完成的工作”度量。任务信息为：对第一个图库进行车牌识别，工作总时长34秒，识别的图片总量为1000张，识别的有效图片量为995张，当接收到计算个体智能水平的指令后，计算智能个体对第一个图库进行车牌视频的个体智能水平为0.029。

本发明通过对个体智能水平进行计算，能够定量评估智能个体的智能水平，例如在计算等方面的能力。此外，由于不同类型的异质主体其个体智能水平的范围及规律不同，因此，可以根据个体智能水平值能够区分不同的异质主体。例如，对于人类智能和机器智能而言，人类是有限理性的智能主体，机器是完全理性或接近完全理性的智能主体。因此，人类与机器相比，在特定环境和问题空间中，其智能的释放具有更大的波动性，在此情况下，可以通过个体智能水平的方差区别人类智能和机器智能，方差越大说明智能主体的波动性越大，该智能主体可能为人类智能，反之则为机器智能。而在计算能力方面，机器智能可能比人类智能高的多，在此情况下，可以通过个体智能水平的期望区别人类智能和机器智能，例如当智能主体一秒能完成上亿次的计算，那该智能主体为机器智能。

生成交互网络：智能主体演化博弈演化稳定后，基于主体信息、两两智能主体行为，根据行为-关系映射规则进行映射，得到智能主体间的关系类型及程度。根据智能主体关系及程度，生成以节点表示智能主体、边表示智能主体间的关系的交互网络。

在智能主体演化博弈、计算个体智能水平、生成交互网络后，智能主体交互器将交互网络和个体智能水平传输给众智网络信息存储器进行信息更新。

智能主体及博弈策略、任务信息、博弈规则等是多智能主体智能涌现机理的影响因素，通过分析不同的智能主体及博弈策略、任务信息、博弈规则等对群体表现的影响(如群体中合作策略的智能主体占比、分布等)。

控制器，用于根据任务信息、个体智能水平、交互网络执行任务，计算任务效能，发出控制指令；

如图3所示，控制器的主要任务有：执行任务、计算任务效能、发出控制指令。控制器存储着任务效能计算方法。在接收到众智网络信息存储器传入的任务信息、交互网络、个体智能水平后，控制器完成执行任务、计算任务效能、发出控制指令：

执行任务：接收传入的交互网络、任务信息，执行任务完毕后，统计任务信息，包括任务完成总量、有效量、时间；

计算任务效能：基于任务效能计算方法，根据任务信息(任务完成总量、有效量、时间)计算任务效能；同时更新任务信息，包括任务完成总量、有效量、时间、任务效能。

发出控制指令：当任务效能数据发生变化时，控制器发出控制指令，更新计算个体智能水平；当个体智能水平发生变化时，控制器发出控制指令，触发更新计算系统智能水平；当两者均保持不变时，控制器不发出更新智能水平的控制指令。

控制器在执行任务完毕、完成任务效能计算后，将更新后的任务信息传输给众智网络信息存储器进行信息更新，同时根据任务效能、个体智能水平发出相应的控制指令。

例如，智能个体A，B，C为三个不同的具有车牌识别功能的车库管理系统，其任务是进行车牌识别。三个智能个体相互独立，因此其形成的交互网络是包括三个相互独立节点的网络结构，节点代表智能个体。

智能个体A的任务信息为：对第一个图库进行车牌识别，工作总时长34秒，识别的图片总量为1000张，识别的有效图片量为995张；对第二个图库进行车牌识别，工作总时长35秒，识别的图片总量为1000张，识别的有效图片量为992张。

智能个体B的任务信息为：对第一个图库进行车牌识别，工作总时长27秒，识别的图片总量为1000张，识别的有效图片量为997张；对第二个图库进行车牌识别，工作总时长33秒，识别的图片总量为1000张，识别的有效图片量为989张。

智能个体C的任务信息为：对第一个图库进行车牌识别，工作总时长32秒，识别的图片总量为1000张，识别的有效图片量为985张；对第二个图库进行车牌识别，工作总时长30秒，识别的图片总量为1000张，识别的有效图片量为979张。

当接收到计算个体智能水平的指令后，计算智能个体A对第一个图库进行车牌视频的个体智能水平为0.029，对第二个图库进行车牌视频的个体智能水平为0.028。智能个体B对第一个图库进行车牌视频的个体智能水平为0.037，对第二个图库进行车牌视频的个体智能水平为0.03。智能个体C对第一个图库进行车牌视频的个体智能水平为0.031，对第二个图库进行车牌视频的个体智能水平为0.029。

为了提高图像识别的效率及准确率，以“合作促进群体表现，对抗削弱群体表现”的原则，智能个体A、B、C进行交互。此时，三个智能个体相互交互，因此对智能个体的交互网络进行更新，形成的是包括三个彼此连接节点的网络结构。其中，节点间存在的连接边指示两节点存在合作交互。同时，智能个体由于交互相互影响，其任务信息发生更新：

智能个体A的任务信息为：对第一个图库进行车牌识别，工作总时长25秒，识别的图片总量为1000张，识别的有效图片量为998张；对第二个图库进行车牌识别，工作总时长23秒，识别的图片总量为1000张，识别的有效图片量为996张。

智能个体B的任务信息为：对第一个图库进行车牌识别，工作总时长20秒，识别的图片总量为1000张，识别的有效图片量为1000张；对第二个图库进行车牌识别，工作总时长23秒，识别的图片总量为1000张，识别的有效图片量为993张。

智能个体C的任务信息为：对第一个图库进行车牌识别，工作总时长27秒，识别的图片总量为1000张，识别的有效图片量为994张；对第二个图库进行车牌识别，工作总时长28秒，识别的图片总量为1000张，识别的有效图片量为988张。

由于任务信息数据发生变化，控制器发出控制指令，更新计算个体智能水平，计算智能个体A对第一个图库进行车牌视频的个体智能水平为0.035，对第二个图库进行车牌视频的个体智能水平为0.033。智能个体B对第一个图库进行车牌视频的个体智能水平为0.042，对第二个图库进行车牌视频的个体智能水平为0.035。智能个体C对第一个图库进行车牌视频的个体智能水平为0.036，对第二个图库进行车牌视频的个体智能水平为0.033。

由于智能个体A、B、C的个体智能水平发生变化，控制器发出控制指令，更新计算系统智能水平。

智能水平运算器，用于根据交互网络、个体智能水平计算系统智能水平；

如图4所示，智能水平运算器的目的是计算系统智能水平。智能水平运算器存有系统智能运算方法，在接收到外部传入的更新计算系统智能水平指令、交互网络以及个体智能水平后，若指令为计算系统智能水平(众智网络信息存储器指令初始状态为计算系统智能水平指令)，根据系统智能水平计算方法，计算系统智能水平。计算完毕后，智能水平运算器将系统智能水平传输给众智网络信息存储器进行信息更新。

输出器，用于输出系统智能水平。

输出器提供众智机外部系统的交互接口，在接收到众智网络信息存储器更新后的系统智能水平、任务效能后，向外部系统传输系统智能水平。众智网络信息存储器在接收到更新后的系统智能水平时，把信息传输给输出器。输出器可以为显示器等，用于输出显示系统智能水平。

实施例2

如图5所示，本实施例提出了一种适用于异质多智能主体的众智机实现方法，包括：

S1、智能主体交互器基于主体信息、任务信息完成智能主体演化博弈、计算个体智能水平、生成交互网络；

智能主体交互器主要负责智能主体演化博弈、个体智能水平计算、交互网络生成三项任务。智能主体交互器自身存储着与智能主体交互有关的规则，包括：智能主体博弈流程、博弈规则、行为-关系映射规则、个体智能水平计算方法。

智能主体博弈流程包括演化博弈流程、收益矩阵、演化稳定判定条件。博弈规则分为两类，一是全部智能主体需要遵守的宏观规则，如博弈范围、惩罚规则、网络结构；二是部分智能主体遵守的微观规则，如学习主体所占比例、惩罚实施范围。行为-关系映射规则用于根据智能主体两两行为确定其关系类型和程度，例如，两智能主体均为合作行为，则其关系为100％的合作关系。两个智能主体的合作关系是指：一个智能主体采用了另一智能主体的目标或群体目标、通过两个智能主体之间的交互，使得两个个智能主体都完成了自己的目标。智能主体之间存在冲突，但是能够通过协商、合作，从而达到一个博弈均衡，如纳什均衡，帕雷托均衡等。个体智能水平计算方法用于计算智能主体的智能水平。

本发明不对智能主体博弈流程、博弈规则、行为-关系映射规则、个体智能水平计算方法进行限定，适用于所有的智能主体博弈流程、博弈规则、行为-关系映射规则、个体智能水平计算方法，用户可以根据不同的众智网络系统进行设置，即预先在智能主体交互器中设置相应的智能主体博弈流程、博弈规则、行为-关系映射规则、个体智能水平计算方法等，完成智能主体演化博弈、计算个体智能水平、生成交互网络。

在接收到众智网络信息存储器传入的主体信息(包括智能主体及博弈策略)、任务信息(包括任务执行信息、任务完成总量、有效量、时间)、指令之后，智能主体交互器完成的任务如下：

智能主体演化博弈：智能主体在主体信息、任务信息、博弈流程、博弈规则的作用下，根据自身信息选择行为，并根据行为的收益进行行为学习和调整，如此演化直到稳定，每个智能主体演化得到自身最优行为。

计算个体智能水平：当接收到计算个体智能水平的指令后，根据个体智能水平计算方法，计算个体智能水平。指令初始状态为计算系统智能水平指令，因此，在接收到主体信息等信息，智能主体演化博弈后，触发生成计算个体智能水平的指令。

本发明通过对个体智能水平进行计算，能够定量评估智能个体的智能水平，例如在计算等方面的能力。此外，由于不同类型的异质主体其个体智能水平的范围及规律不同，因此，可以根据个体智能水平值能够区分不同的异质主体。例如，对于人类智能和机器智能而言，人类是有限理性的智能主体，机器是完全理性或接近完全理性的智能主体。因此，人类与机器相比，在特定环境和问题空间中，其智能的释放具有更大的波动性，在此情况下，可以通过个体智能水平的方差区别人类智能和机器智能，方差越大说明智能主体的波动性越大，该智能主体可能为人类智能，反之则为机器智能。而在计算能力方面，机器智能可能比人类智能高的多，在此情况下，可以通过个体智能水平的期望区别人类智能和机器智能，例如当智能主体一秒能完成上亿次的计算，那该智能主体为机器智能。

生成交互网络：智能主体演化博弈演化稳定后，基于主体信息、两两智能主体的行为，根据行为-关系映射规则进行映射，得到智能主体间的关系类型及程度。根据智能主体关系及程度，生成以节点表示智能主体、边表示智能主体间的关系的交互网络。

智能主体及博弈策略、任务信息、博弈规则等是多智能主体智能涌现机理的影响因素，通过分析不同的智能主体及博弈策略、任务信息、博弈规则等对群体表现的影响(如群体中合作策略的智能主体占比、分布等)。

S2、控制器基于任务信息、个体智能水平、交互网络执行任务，计算任务效能，发出控制指令；

控制器的主要任务有：执行任务、计算任务效能、发出控制指令。控制器在执行任务完毕、任务效能计算完成后，同时根据任务效能、智能水平发出相应的控制指令。控制器存储着任务效能计算方法。在接收到众智网络信息存储器传入的任务信息、交互网络、个体智能水平后，控制器完成执行任务、计算任务效能、发出控制指令：

执行任务：接收传入的交互网络、任务信息，执行任务完毕后，统计任务信息，包括任务完成总量、有效量、时间；

计算任务效能：基于任务效能计算方法，根据任务信息(任务完成总量、有效量、时间)计算任务效能；同时更新任务信息，包括任务完成总量、有效量、时间、任务效能。

发出控制指令：当任务效能数据发生变化时，控制器发出控制指令，更新计算个体智能水平；当个体智能水平发生变化时，控制器发出控制指令，更新计算系统智能水平；当两者均保持不变时，控制器不发出更新智能水平的控制指令。

S3、智能水平运算器根据交互网络、个体智能水平计算系统智能水平。

智能水平运算器的目的是计算系统智能水平。智能水平运算器存有系统智能运算方法，在接收到外部传入的指令、交互网络以及个体智能水平后，若指令为计算系统智能水平后，根据系统智能水平计算方法，计算系统智能水平。指令初始状态为计算系统智能水平指令。

本发明所述的众智机实现方法与外部系统进行交互，因此，在步骤S1之前，还包括：

S0、接收外部输入的数据；

输入器提供众智机与外部系统的交互接口，用于接收外部系统输入的数据，包括智能主体及其博弈策略、智能主体任务、任务执行情况等。

本发明中众智网络信息存储器用于存储众智机运行的信息，众智网络信息存储器负责众智机运行的信息存储和交互。众智网络信息存储器接收并存储输入器传入的数据，输入器接收到外部输入数据后，发送到众智网络信息存储器中。然后按照顺序不断与智能主体交互器、控制器、智能水平运算器交互，向这些模块传入他们所需的数据，接收并存储它们传入的数据。

智能主体交互器、控制器、智能水平运算器不断与众智网络信息存储器进行交互，将计算的结果发送到众智网络信息存储器进行更新。在智能主体演化博弈、计算个体智能水平、生成交互网络后，智能主体交互器将交互网络和个体智能水平传输给众智网络信息存储器进行信息更新。控制器在执行任务完毕、任务效能计算完成后，将更新后的任务信息传输给众智网络信息存储器进行信息更新。计算完毕后，智能水平运算器将系统智能水平传输给众智网络信息存储器进行信息更新。

对群体表现与群体智能进行实时、动态、定量计算后，还能将相应的计算结果进行输出，因此，本发明所述的众智机实现方法还包括：

S4、输出器输出系统智能水平。

输出器提供众智机外部系统的交互接口，在接收到众智网络信息存储器更新后的系统智能水平、任务效能后，向外部系统传输系统智能水平。众智网络信息存储器在接收到更新后的系统智能水平时，把信息传输给输出器。输出器可以为显示器等，用于输出显示系统智能水平。

本发明所述的众智机及其实现方法，通过评估输入信息和规则等对群体表现(任务效能、系统智能水平)的影响，分析具体情境下智能主体、规则、网络结构等因素对多智能主体智能涌现的影响。同时，众智机的反馈与动态机制使其能够实时跟踪所有智能主体和众智网络系统的智能水平，实现了实时、动态、定量计算群体智能。

本发明所公开的众智机及其实现方法，能够以硬件、软件或者软硬件相结合的方式来实现。前文中所描述的众智机组成划分只是众智机逻辑划分中的一种，也可将部分单元进一步分离或集成，采用其他方式进行划分。专业技术人员可以根据具体场景来采用不同的方式加以实现，但是这种实现均不应认为超出本发明的范围。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (5)

1.一种适用于异质多智能主体的众智机，其特征在于，包括：

智能主体交互器，用于智能主体演化博弈、计算个体智能水平、生成交互网络；

控制器，用于根据任务信息、个体智能水平、交互网络执行任务，计算任务效能，发出控制指令；

智能水平运算器，用于根据交互网络、个体智能水平计算系统智能水平；

所述众智机还包括：

输入器，用于接收外部输入的主体信息、任务信息；

众智网络信息存储器，用于存储众智机运行的信息；

输出器，用于输出所述系统智能水平；

所述智能主体交互器存储着智能主体博弈流程、博弈规则、行为-关系映射规则、个体智能水平计算方法；

所述智能主体演化博弈包括：

智能主体在所述主体信息、任务信息、博弈流程、博弈规则的作用下，根据自身信息选择行为，并根据行为的收益进行行为学习和调整，如此演化直到稳定，每个智能主体演化得到自身最优主体行为；

所述计算个体智能水平包括：

完成所述智能主体演化博弈后，触发生成计算个体智能水平的指令，根据所述主体信息、任务信息、个体智能水平计算方法计算个体智能水平；

所述生成交互网络包括：

完成所述智能主体演化博弈后，基于所述主体信息、主体行为，根据所述行为-关系映射规则进行映射，得到智能主体间的关系类型及程度，生成以节点表示智能主体、边表示智能主体间的关系的交互网络。

2.根据权利要求1所述的众智机，其特征在于，

所述主体信息包括智能主体及其博弈策略，任务信息包括智能主体任务、任务执行情况。

3.根据权利要求1所述的众智机，其特征在于，所述发出控制指令具体为：

当所述任务效能数据发生变化时，控制器发出更新计算个体智能水平的指令；当所述个体智能水平发生变化时，控制器发出更新计算系统智能水平的指令。

4.一种适用于异质多智能主体的众智机实现方法，其中，众智机为权利要求1-3任一项所述的众智机，其特征在于，包括：

S1、智能主体交互器基于主体信息、任务信息完成智能主体演化博弈、计算个体智能水平、生成交互网络；

S2、控制器基于任务信息、个体智能水平、交互网络执行任务，计算任务效能，发出控制指令；

S3、智能水平运算器根据交互网络、个体智能水平计算系统智能水平。

5.根据权利要求4所述的众智机实现方法，其特征在于，在所述步骤S1之前，还包括：

输入器接收外部输入的主体信息、任务信息。

Images