CN113987842B - 基于知识图谱的bdi建模方法、装置、设备和介质 - Google Patents
基于知识图谱的bdi建模方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN113987842B CN113987842B CN202111594321.5A CN202111594321A CN113987842B CN 113987842 B CN113987842 B CN 113987842B CN 202111594321 A CN202111594321 A CN 202111594321A CN 113987842 B CN113987842 B CN 113987842B
- Authority
- CN
- China
- Prior art keywords
- node
- space map
- action
- cognitive
- perception
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及基于知识图谱的BDI建模方法、装置、设备和介质,方法包括:获取仿真模型的仿真任务;从仿真任务中提取感知要素,根据感知要素建立感知空间图谱;从仿真任务和感知空间图谱中提取动作要素,根据动作要素建立动作空间图谱;从仿真任务、感知空间图谱和动作空间图谱中提取认知要素,根据认知要素建立认知空间图谱;根据感知空间图谱,进行BDI中信念的构建;根据感知空间图谱、动作空间图谱和认知空间图谱,进行BDI中愿望和意图的构建;根据构建的信念、愿望、意图以及动作空间图谱,进行仿真模型智能体的认知行为图谱的建模。采用本方法能够刻画行为以及行为之间的关系,而且以图谱化的低代码方式实现。
Description
技术领域
本申请涉及系统建模与仿真技术领域,特别是涉及基于知识图谱的BDI建模方法、装置、设备和介质。
背景技术
系统仿真是研究客观世界的一种手段,它将客观实体进行抽象建模,通过研究实体组成、行为逻辑、流程、规则、交互关系等内容,从而形成一整套仿真系统。系统仿真领域按照细分研究方向又分为系统建模和系统仿真。充分的系统建模是进行系统仿真的基础。
在面向体系的建模中,主要建模手段是多智能体仿真,多智能体仿真针对一个个实体进行建模,主要包括实体本身和实体内部行为两个方面,实体建模已经较为成熟,但是行为建模还有待进一步研究,目前未见成熟产品或服务。
现有技术中的多智能体仿真,在建模框架上,主要关注实体,对于行为以及行为之间的关系刻画不足,如采用行为树建模,只是顺序关系,而没有考虑其他的相关因素,如事件、状态等;在建模实现上,主要以程序代码实现的方式为主,在需要对建模进行修改或者拓展时,需要从头开始写代码,如果直接修改需要了解整个代码逻辑然后进行针对性修改,稍有错误就有可能导致无法运行。
发明内容
基于此,有必要针对上述技术问题,提供一种基于知识图谱的BDI建模方法,能够刻画行为以及行为之间的关系,而且以图谱化的低代码方式实现。
基于知识图谱的BDI建模方法,包括:
获取仿真模型的仿真任务;
从所述仿真任务中提取感知要素,根据所述感知要素建立感知空间图谱;所述感知要素包括:感知节点、感知关系以及感知属性;
从所述仿真任务和所述感知空间图谱中提取动作要素,根据所述动作要素建立动作空间图谱;所述动作要素包括:动作节点、动作关系以及动作属性;
从所述仿真任务、所述感知空间图谱和所述动作空间图谱中提取认知要素,根据所述认知要素建立认知空间图谱;所述认知要素包括:认知节点、认知关系以及认知属性;
根据所述感知空间图谱,进行BDI中信念的构建;根据所述感知空间图谱、所述动作空间图谱和所述认知空间图谱,进行BDI中愿望和意图的构建;根据构建的信念、愿望、意图以及所述动作空间图谱,进行仿真模型智能体的认知行为图谱的建模。
在其中一个实施例中,所述感知节点包括:实体节点、状态节点、时间节点以及转移节点;所述感知关系包括:具备关系、组合关系、继承关系、关联关系、转移关系以及获取关系;所述感知属性包括:时间属性、状态属性以及实体属性。
在其中一个实施例中,所述动作节点包括:待执行状态节点、执行成功状态节点、执行失败状态节点、执行暂停状态节点以及执行中状态节点。
在其中一个实施例中,所述认知节点包括:期望状态节点以及评估节点。
在其中一个实施例中,根据所述感知空间图谱,进行BDI中信念的构建包括:
根据所述感知空间图谱,对所述感知空间图谱中存储的内外环境的知识信息,进行升级和关联,形成自主信息,完成所述信念的构建。
在其中一个实施例中,根据所述感知空间图谱、所述动作空间图谱和所述认知空间图谱,完成BDI中愿望和意图的构建包括:
根据所述感知空间图谱、所述动作空间图谱和所述认知空间图谱,加入希望达到的状态和当前目标,形成执行规划并存储,完成所述愿望和所述意图的构建。
在其中一个实施例中,所述认知行为图谱采取Neo4j图数据库进行存储,所述认知行为图谱之间的交互采取Cyber语言进行知识查询和管理。
基于知识图谱的BDI建模装置,包括:
获取模块,用于获取仿真模型的仿真任务;
感知空间图谱建立模块,用于从所述仿真任务中提取感知要素,根据所述感知要素建立感知空间图谱;所述感知要素包括:感知节点、感知关系以及感知属性;
动作空间图谱建立模块,用于从所述仿真任务和所述感知空间图谱中提取动作要素,根据所述动作要素建立动作空间图谱;所述动作要素包括:动作节点、动作关系以及动作属性;
认知空间图谱建立模块,用于从所述仿真任务、所述感知空间图谱和所述动作空间图谱中提取认知要素,根据所述认知要素建立认知空间图谱;所述认知要素包括:认知节点、认知关系以及认知属性;
建模模块,用于根据所述感知空间图谱,进行BDI中信念的构建;根据所述感知空间图谱、所述动作空间图谱和所述认知空间图谱,进行BDI中愿望和意图的构建;根据构建的信念、愿望、意图以及所述动作空间图谱,进行仿真模型智能体的认知行为图谱的建模。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取仿真模型的仿真任务;
从所述仿真任务中提取感知要素,根据所述感知要素建立感知空间图谱;所述感知要素包括:感知节点、感知关系以及感知属性;
从所述仿真任务和所述感知空间图谱中提取动作要素,根据所述动作要素建立动作空间图谱;所述动作要素包括:动作节点、动作关系以及动作属性;
从所述仿真任务、所述感知空间图谱和所述动作空间图谱中提取认知要素,根据所述认知要素建立认知空间图谱;所述认知要素包括:认知节点、认知关系以及认知属性;
根据所述感知空间图谱,进行BDI中信念的构建;根据所述感知空间图谱、所述动作空间图谱和所述认知空间图谱,进行BDI中愿望和意图的构建;根据构建的信念、愿望、意图以及所述动作空间图谱,进行仿真模型智能体的认知行为图谱的建模。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取仿真模型的仿真任务;
从所述仿真任务中提取感知要素,根据所述感知要素建立感知空间图谱;所述感知要素包括:感知节点、感知关系以及感知属性;
从所述仿真任务和所述感知空间图谱中提取动作要素,根据所述动作要素建立动作空间图谱;所述动作要素包括:动作节点、动作关系以及动作属性;
从所述仿真任务、所述感知空间图谱和所述动作空间图谱中提取认知要素,根据所述认知要素建立认知空间图谱;所述认知要素包括:认知节点、认知关系以及认知属性;
根据所述感知空间图谱,进行BDI中信念的构建;根据所述感知空间图谱、所述动作空间图谱和所述认知空间图谱,进行BDI中愿望和意图的构建;根据构建的信念、愿望、意图以及所述动作空间图谱,进行仿真模型智能体的认知行为图谱的建模。
上述基于知识图谱的BDI建模方法,根据仿真任务,提取感知要素,并建立感知空间图谱;根据仿真任务和感知空间图谱,提取动作要素,并建立动作空间图谱;根据仿真任务、感知空间图谱和动作空间图谱,提取认知要素,并建立认知空间图谱。根据感知空间图谱、动作空间图谱和认知空间图谱,完成了BDI中信念、愿望和意图的构建,从而可以进行智能体的认知行为图谱的建模。本申请采用基于知识图谱的认知行为建模方法,创新了认知行为建模模式和方法手段,不仅能刻画智能体的实体,还能够刻画智能体的行为以及行为之间的关系;而且,利用知识图谱的“所改即所得”的特点,以图谱化的低代码方式实现建模,只需要配合基础代码就可以实现仿真,对建模知识的储备要求比较低,尤其是对于复杂大系统,建模的便捷程度、迭代速度和效率都有显著提高,减轻了传统程序建模的过程复杂度和时间周期,提升了概念模型资源升级迭代的效率,促进模型资源开发质量提高;在需要对建模进行修改或者拓展时,不需要从头开始写代码,可以简单直观地了解整个代码逻辑然后进行针对性修改,即使修改错误也不影响仿真的运行;在建模的流程上,将认知行为图谱划分为感知空间-动作空间-认知空间三个阶段,进行了良好解耦,支持独立升级;可以对智能体仿真中的认知行为模型等进行“所改即所见,所见即所得”的自动化、可视化、脚本化建模,能够有效支撑多个领域内多智能体认知行为快速、敏捷建模。
附图说明
图1为一个实施例中基于知识图谱的BDI建模方法的流程示意图;
图2为一个实施例中多智能体仿真建模的示意图;
图3为一个实施例中BDI的组成的示意图;
图4为一个实施例中主流行为树建模的示意图;
图5为一个实施例中基于知识图谱的多智能体建模架构的示意图;
图6为一个实施例中认知行为图谱的示意图;
图7为一个实施例中知识图谱的建立顺序的示意图;
图8为一个实施例中知识图谱建模要素的示意图;
图9为一个实施例中感知空间图谱的关系的示意图;
图10为一个实施例中动作空间图谱的关系的示意图;
图11为一个实施例中认知空间图谱的关系的示意图;
图12为一个实施例中运输场景的示意图;
图13为一个实施例中车辆的感知空间图谱建模的示意图;
图14为一个实施例中车辆的动作空间图谱建模的示意图;
图15为一个实施例中车辆的认知空间图谱建模的示意图;
图16为一个实施例中基于知识图谱的BDI建模装置的结构框图;
图17为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的一种基于知识图谱的BDI建模方法,在一个实施例中,如图1所示,包括以下步骤:
步骤102,获取仿真模型的仿真任务。
步骤104,从所述仿真任务中提取感知要素,根据所述感知要素建立感知空间图谱;所述感知要素包括:感知节点、感知关系以及感知属性。
步骤106,从所述仿真任务和所述感知空间图谱中提取动作要素,根据所述动作要素建立动作空间图谱;所述动作要素包括:动作节点、动作关系以及动作属性。
步骤108,从所述仿真任务、所述感知空间图谱和所述动作空间图谱中提取认知要素,根据所述认知要素建立认知空间图谱;所述认知要素包括:认知节点、认知关系以及认知属性。
步骤110,根据所述感知空间图谱,进行BDI中信念的构建;根据所述感知空间图谱、所述动作空间图谱和所述认知空间图谱,进行BDI中愿望和意图的构建;根据构建的信念、愿望、意图以及所述动作空间图谱,进行仿真模型智能体的认知行为图谱的建模。
在本实施例中,感知节点包括:实体节点、状态节点、时间节点以及转移节点;所述感知关系包括:具备关系、组合关系、继承关系、关联关系、转移关系以及获取关系;所述感知属性包括:时间属性、状态属性以及实体属性。
在本实施例中,动作节点包括:待执行状态节点、执行成功状态节点、执行失败状态节点、执行暂停状态节点以及执行中状态节点。
在本实施例中,认知节点包括:期望状态节点以及评估节点。
系统仿真:根据系统分析的目的,在分析系统各要素性质及其相互关系的基础上,建立能描述系统结构或行为过程的、且具有一定逻辑关系或数量关系的仿真模型,据此进行试验或定量分析,以获得正确决策所需的各种信息。
仿真模型:通过主观意识借助实体或者虚拟表现构成客观阐述形态结构的一种表达目的的物件。
仿真模型实例:仿真模型的实例化后的成果,即客观世界中具体的某个事物的抽象,如停在某机场的某架飞机。
MABS:多智能体仿真(Multi-Agent-Based-Simulation),多智能体是具备独立环境反应能力的个体,在仿真中多个智能体并发获取环境信息,并对环境产生影响,从而驱动仿真运行。
多智能体仿真(MABS)中仿真模型建立的层次如图2所示:
MABS本体层:针对多智能体仿真中的共性本体进行建模,固化多智能体仿真建模共性知识,生成多智能体外部框架和内部框架;
领域本体层:针对某一领域内的智能体本体进行建模,明确一些属性类型、参数、关系类型等,积累领域共性知识,形成领域本体库;
领域实例层:针对某一领域内现实仿真对象实例进行建模,明确所有的实体实例、参数值、关系实例等,形成在一定仿真想定下的领域实例库。
本方法基于MABS本体层进行领域构建和扩展,是一步一步形成领域模型的基础。
在多智能体建模与仿真中,在智能体(Agent)的形式化过程中,通常认为智能(Agent)的思维状态包括信念Belief、愿望Desire和意图Intention这三个属性,即BDI,因此BDI模型一直是智能体(Agent)建模研究的重点。
一个BDI模型包含三种基本成分:
(1)信念(Belief)是一个包括了对世界相关的信念、与其它智能体(Agent)思维趋向相关的信念和自我信念的集合。信念是智能体(Agent)对世界的认知,包含描述环境特性的数据和描述自身功能的数据,是智能体(Agent)进行思维活动的基础。
(2)愿望(Desire)是智能体(Agent)的最初动机,是其希望达到的状态或希望保持的状态的集合。智能体(Agent)希望达到的状态,由此可以激发系统的规划和行动。一般来说,可以表达为智能体(Agent)对环境状态的一种期待和判断,也就是通过判断该状态是否成立作为Desire是否实现的标志。智能体(Agent)可以拥有互不相容的愿望,而且也不需要相信它的愿望是绝对可以实现的。
(3)意图(Intention)是承诺实现的愿望中选取的当前最需要完成或者最适合完成的一个,是当前智能体(Agent)将要正在实现的目标,它是属于思维状态的意向方向。当前意图对智能体(Agent)的当前动作具有指导性的作用。
三个部分的关系如图3所示。goal(Desire)是用来指导plan(intention)的执行的,而belief是为实现这个过程提供数据和知识。BDI架构的出现统一了智能体的表达方式,使得建模人员在建立智能体模型时有了理论依据。
知识图谱(Knowledge Graph),是google于2012年提出的概念,本质是语义网络(Semantic Network)的知识库,也可理解为多关系图(Multi-relational Graph)。在图书情报界称为知识域可视化或知识领域映射地图,是显示知识发展进程与结构关系的一系列各种不同的图形,用可视化技术描述知识资源及其载体,挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。知识图谱通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合,并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。
目前,传统的智能体行为决策按照预设规则制定,基于“IF…THEN”指令形式的知识,进行产生式推理,知识库相对固化,一般只能由专家进行维护,智能化程度不够高,而对于专业领域内的复杂仿真场景来说,一般的机器学习方法又缺乏可靠性与可解释性,而且在实际应用中基于机器学习的决策速度较低,而知识图谱同时具备严谨的知识结构、高效的学习能力和快速知识检索查询能力,是实现仿真模型自主认知以及快速智能化行为生成的有效方法。
知识图谱中的图(Graph)由节点(Vertex)和边(Edge)构成。在传统的仿真模型中,虽然也具有行为因素描述,例如图4所示某一飞行场景下的采取行为树建模,但由于关注对象主要在实体上,行为的知识表示一般设计为“边”,这对于实体之间的关系能够得到良好刻画,而对于行为以及行为之间关系的刻画不足,因此需要针对行为进行节点化图谱建模。
基于知识图谱的多智能体建模架构如图5所示。
领域专家需要根据本领域知识,进行两张图谱的设计,分别为Agent实体图谱和Agent行为图谱。全局规律和环境要素采取服务的方式提供标准化的API接口,与图谱系统中关联的程序单元交互,接受程序单元调用。
其中,Agent行为图谱主要包括Agent物理行为图谱和Agent认知行为图谱两个部分,物理行为图谱对客观规律即客观状态转移逻辑进行建模,认知行为图谱对主观认知规律进行建模,内部要素均为对客观世界的映射。本申请重点解决行为图谱中认知行为图谱的构建方法。认知行为模型采取图谱化构建,以知识图谱的方式进行存储。相对应的,行为建模主要分为物理行为建模和认知行为建模两大类,前者主要是一些相对固化的客观规律,如碰撞、机动等行为,后者主要是一些相对灵活的主观决策,如筹划、反应等行为。
认知行为图谱的要素组成如图6所示,包括由事实空间图谱获取和升级的感知空间图谱、认知空间图谱和动作空间图谱。
感知空间图谱:包括当前感知空间和历史感知空间两类,存储对于外部智能体、外部环境态势感知和内部状态认知的知识信息,该知识信息为第一手信息,为主观事实,并经过分析推理进行关系补全等升级,进行状态关联、事件关联等,形成对该时刻的自主认知,完成BDI中信念(Belief)的构建。
认知空间图谱:包括当前认知空间和历史认知空间两类,对主观感知事实进行进一步分析,基于BDI的架构,存储期望、评估标准、决策原则等规划生成要素,支撑产生规划动作集,完成BDI中愿望(Desire)、意图(Intention)的构建。
动作空间图谱:包括当前动作空间和历史动作空间两类,基于认知空间图谱的行动指令规划,能够对自身状态和外部态势产生影响的动作空间进行描述和存储,该知识信息为客观事实在认知空间的映射,为对自身和环境产生影响的能力评估。动作空间图谱主要完成基于能力影响的动作(Action)的构建。
感知空间图谱、认知空间图谱和动作空间图谱不同于传统的知识图谱,是对整个动态过程变化的描述。
由于BDI建模方式主要关注于对于当前事实(态势)的处理分析,因此本技术发明重点对当前感知空间、规划空间、动作空间进行建模分析,不考虑历史空间对于决策和规划的影响。
三个图谱的层次关系如图7所示,构建顺序按照感知空间图谱、动作空间图谱和认知空间图谱的顺序进行。
认知行为图谱同时兼容面向类型建模的方式,行为实例类型同时以节点的方式进行存储,表征行为之间的继承关系、组合关系等,以支持多层次的行为描述。
在利用知识图谱进行建模的过程中,需要对通用知识图谱建模相关要素的基本概念进行明确:
节点(Node)是需要关注的名词或者概念,在图谱中以圆的方式进行表现,具备一定属性描述,可附加节点标签,包括节点类型、节点描述关键词信息等。
关系(Relationship)是节点之间的连接描述,用于刻画节点连接,一般为属性词,在图谱中以有向连线的方式进行表现,可附加关系标签,如关系类型、关系描述关键词信息等。
属性(Property)是图谱中用于描述节点信息的载体,一般以键值对的方式储存。
标签(Label)是对节点简短的语义词语描述,用于对于节点的特征总结或标注。
要素关系如图8所示,节点和关系均具备属性和标签对节点进行刻画,节点和节点之间的连接用关系要素进行刻画。
建立感知空间图谱:
针对感知空间,建立节点实例和关系实例,进行节点实例之间关联连接,建立节点和关系属性。
建立动作空间图谱:
针对动作空间,建立节点实例和关系实例,进行节点实例之间关联连接,建立节点和关系属性。
建立认知空间图谱:
针对认知空间,建立节点实例和关系实例,进行节点实例之间关联连接,建立节点和关系属性。
1.感知空间图谱建模
采取面向实例建模的方式,存储的内容包括一次仿真想定下,在某一瞬时时刻,参与仿真实验中的各种要素实例,包括事件实例、状态实例等,实例均以节点的形式描述。实例内部逻辑的数据需求按照结构化的属性进行存储。
感知空间图谱要素如下表1所示:
表1感知空间图谱要素表
感知空间图谱关系图如图9所示。
2.动作空间图谱建模
动作空间主要对该实体对外部的影响能力进行认知,包括影响对象、影响类型等,形成产生事件的动作源,驱动实体状态的不断改变。
在感知空间图谱要素的基础上,增加动作要素如表2所示,共同形成动作空间图谱要素(即表1和表2的叠加)。
表2动作空间图谱要素的动作要素表
动作空间图谱关系图如图10所示。
3.认知空间图谱建模
认知空间图谱在感知空间图谱和动作空间图谱的基础上,加入愿望(Desire)、意图(Intention)等主观因素,并形成针对该认知态势的动作执行规划。
在动作空间图谱要素的基础上,增加认知要素如表3所示,共同形成认知空间图谱要素(即表1、表2和表3的叠加)。
表3认知空间图谱要素的认知要素表
认知空间图谱关系图如图11所示。
上述基于知识图谱的BDI建模方法,根据仿真任务,提取感知要素,并建立感知空间图谱;根据仿真任务和感知空间图谱,提取动作要素,并建立动作空间图谱;根据仿真任务、感知空间图谱和动作空间图谱,提取认知要素,并建立认知空间图谱。根据感知空间图谱、动作空间图谱和认知空间图谱,完成了BDI中信念、愿望和意图的构建,从而可以进行智能体的认知行为图谱的建模。本申请采用基于知识图谱的认知行为建模方法,创新了认知行为建模模式和方法手段,不仅能刻画智能体的实体,还能够刻画智能体的行为以及行为之间的关系;而且,利用知识图谱的“所改即所得”的特点,以图谱化的低代码方式实现建模,只需要配合基础代码就可以实现仿真,对建模知识的储备要求比较低,尤其是对于复杂大系统,建模的便捷程度、迭代速度和效率都有显著提高,减轻了传统程序建模的过程复杂度和时间周期,提升了概念模型资源升级迭代的效率,促进模型资源开发质量提高;在需要对建模进行修改或者拓展时,不需要从头开始写代码,可以简单直观地了解整个代码逻辑然后进行针对性修改,即使修改错误也不影响仿真的运行;在建模的流程上,将认知行为图谱划分为感知空间-动作空间-认知空间三个阶段,进行了良好解耦,支持独立升级;可以对智能体仿真中的认知行为模型等进行“所改即所见,所见即所得”的自动化、可视化、脚本化建模,能够有效支撑多个领域内多智能体认知行为快速、敏捷建模。
应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在其中一个实施例中,根据所述感知空间图谱,进行BDI中信念的构建包括:
根据所述感知空间图谱,对所述感知空间图谱中存储的内外环境的知识信息,进行升级和关联,形成自主信息,完成所述信念的构建。
在其中一个实施例中,根据所述感知空间图谱、所述动作空间图谱和所述认知空间图谱,完成BDI中愿望和意图的构建包括:
根据所述感知空间图谱、所述动作空间图谱和所述认知空间图谱,加入希望达到的状态和当前目标,形成执行规划并存储,完成所述愿望和所述意图的构建。
在其中一个实施例中,所述认知行为图谱采取Neo4j图数据库进行存储,所述认知行为图谱之间的交互采取Cyber语言进行知识查询和管理。
图谱采取Neo4j图数据库进行存储,图谱之间的交互采取Cyber语言进行知识查询和管理。图谱对于全局规律和环境要素的交互采取restful的API进行全局事实查询和环境影响。
在本实施例中,Neo4j图和Cyber语言均是现有技术,在此不再赘述。
在一个具体的实施例中,如图12所示,以简单的运输场景仿真建模为例,说明本方法的具体应用。
以自然语言描述的仿真场景为:
本体:
车辆是一种实体
车辆是能够在陆地上行动的移动的载体
运输车是一种车辆
运输车最大能承载50人,油量最大是30升
人能够坐在运输车内去想去的地方
一个人上运输车会消耗10分钟时间
一个人下运输车会消耗5分钟时间
运输车的空载行驶速度是60Km每小时
运输车每重100Kg,速度会下降10Km
每个人的体重是80Kg
运输车重量5000kg
运输车每小时消耗油量是10L
运输车每行驶100Km故障的概率是10%
运输车故障后维修的时间是30分钟
运输车没油了加油的时间是10分钟
运输过程是人员先上运输车,运输车运动,到达目的地后,人员下运输车
想定:从营区出发80人,乘坐运输车到达目的地,路从营区到目的地100Km,有两辆车,每辆车开始的油量是20升,每车40人
输入:乘车人数
输出:运输时间、消耗油量
将车辆作为智能体进行建模,并忽略加油站位置等环境因素,针对车辆进行图谱化的认知行为建模如下:
车辆感知空间图谱建模、车辆动作空间图谱建模、车辆认知空间图谱建模分别如图13、图14、图15所示。
在一个实施例中,如图16所示,提供了一种基于知识图谱的BDI建模装置,包括:获取模块1602、感知空间图谱建立模块1604、动作空间图谱建立模块1606、认知空间图谱建立模块1608和建模模块1610,其中:
获取模块1602,用于获取仿真模型的仿真任务;
感知空间图谱建立模块1604,用于从所述仿真任务中提取感知要素,根据所述感知要素建立感知空间图谱;所述感知要素包括:感知节点、感知关系以及感知属性;
动作空间图谱建立模块1606,用于从所述仿真任务和所述感知空间图谱中提取动作要素,根据所述动作要素建立动作空间图谱;所述动作要素包括:动作节点、动作关系以及动作属性;
认知空间图谱建立模块1608,用于从所述仿真任务、所述感知空间图谱和所述动作空间图谱中提取认知要素,根据所述认知要素建立认知空间图谱;所述认知要素包括:认知节点、认知关系以及认知属性;
建模模块1610,用于根据所述感知空间图谱,进行BDI中信念的构建;根据所述感知空间图谱、所述动作空间图谱和所述认知空间图谱,进行BDI中愿望和意图的构建;根据构建的信念、愿望、意图以及所述动作空间图谱,进行仿真模型智能体的认知行为图谱的建模。
在一个实施例中,感知空间图谱建立模块1604还用于所述感知节点包括:实体节点、状态节点、时间节点以及转移节点;所述感知关系包括:具备关系、组合关系、继承关系、关联关系、转移关系以及获取关系;所述感知属性包括:时间属性、状态属性以及实体属性。
在一个实施例中,动作空间图谱建立模块1606还用于所述动作节点包括:待执行状态节点、执行成功状态节点、执行失败状态节点、执行暂停状态节点以及执行中状态节点。
在一个实施例中,认知空间图谱建立模块1608还用于认知节点包括:期望状态节点以及评估节点。
在一个实施例中,建模模块1610还用于根据所述感知空间图谱,进行BDI中信念的构建包括:
根据所述感知空间图谱,对所述感知空间图谱中存储的内外环境的知识信息,进行升级和关联,形成自主信息,完成所述信念的构建。
在一个实施例中,建模模块1610还用于根据所述感知空间图谱、所述动作空间图谱和所述认知空间图谱,完成BDI中愿望和意图的构建包括:
根据所述感知空间图谱、所述动作空间图谱和所述认知空间图谱,加入希望达到的状态和当前目标,形成执行规划并存储,完成所述愿望和所述意图的构建。
在一个实施例中,建模模块1610还用于所述认知行为图谱采取Neo4j图数据库进行存储,所述认知行为图谱之间的交互采取Cyber语言进行知识查询和管理。
关于基于知识图谱的BDI建模装置的具体限定可以参见上文中对于基于知识图谱的BDI建模方法的限定,在此不再赘述。上述基于知识图谱的BDI建模装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图17所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于知识图谱的BDI建模方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。该计算机设备可以是仿真设备,输入装置将相关的信息输入给仿真设备,处理器执行存储器中的程序进行组合仿真,显示屏显示相关的仿真结果。
本领域技术人员可以理解,图17中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现上述实施例中方法的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述实施例中方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (7)
1.基于知识图谱的BDI建模方法,其特征在于,包括:
获取仿真模型的仿真任务;
从所述仿真任务中提取感知要素,根据所述感知要素建立感知空间图谱;所述感知要素包括:感知节点、感知关系以及感知属性;感知节点包括:实体节点、状态节点、时间节点以及转移节点;感知关系包括:具备关系、组合关系、继承关系、关联关系、转移关系以及获取关系;感知属性包括:时间属性、状态属性以及实体属性;其中,转移节点是状态发生转移的逻辑判断节点,关联关系是实体与实体之间的领域关系,转移关系是状态节点与转移节点之间的关系,获取关系是转移节点获取状态用于判断的关系;
从所述仿真任务和所述感知空间图谱中提取动作要素,根据所述动作要素建立动作空间图谱;所述动作要素包括:动作节点以及动作属性;动作节点包括:待执行状态节点、执行成功状态节点、执行失败状态节点、执行暂停状态节点以及执行中状态节点;动作属性包括:对动作节点进行描述的信息;
从所述仿真任务、所述感知空间图谱和所述动作空间图谱中提取认知要素,根据所述认知要素建立认知空间图谱;所述认知要素包括:认知节点;认知节点包括:期望状态节点以及评估节点;其中,期望状态节点是对于自身实体状态或外部状态的期望,评估节点是对期望状态和感知状态进行评估;
根据所述感知空间图谱,进行BDI中信念的构建;根据所述感知空间图谱、所述动作空间图谱和所述认知空间图谱,进行BDI中愿望和意图的构建;根据构建的信念、愿望、意图以及所述动作空间图谱,进行仿真模型智能体的认知行为图谱的建模。
2.根据权利要求1所述的方法,其特征在于,根据所述感知空间图谱,进行BDI中信念的构建包括:
根据所述感知空间图谱,对所述感知空间图谱中存储的内外环境的知识信息,进行升级和关联,形成自主信息,完成所述信念的构建。
3.根据权利要求1所述的方法,其特征在于,根据所述感知空间图谱、所述动作空间图谱和所述认知空间图谱,完成BDI中愿望和意图的构建包括:
根据所述感知空间图谱、所述动作空间图谱和所述认知空间图谱,加入希望达到的状态和当前目标,形成执行规划并存储,完成所述愿望和所述意图的构建。
4.根据权利要求1所述的方法,其特征在于,所述认知行为图谱采取Neo4j图数据库进行存储,所述认知行为图谱之间的交互采取Cyber语言进行知识查询和管理。
5.基于知识图谱的BDI建模装置,其特征在于,包括:
获取模块,用于获取仿真模型的仿真任务;
感知空间图谱建立模块,用于从所述仿真任务中提取感知要素,根据所述感知要素建立感知空间图谱;所述感知要素包括:感知节点、感知关系以及感知属性;感知节点包括:实体节点、状态节点、时间节点以及转移节点;感知关系包括:具备关系、组合关系、继承关系、关联关系、转移关系以及获取关系;感知属性包括:时间属性、状态属性以及实体属性;其中,转移节点是状态发生转移的逻辑判断节点,关联关系是实体与实体之间的领域关系,转移关系是状态节点与转移节点之间的关系,获取关系是转移节点获取状态用于判断的关系;
动作空间图谱建立模块,用于从所述仿真任务和所述感知空间图谱中提取动作要素,根据所述动作要素建立动作空间图谱;所述动作要素包括:动作节点以及动作属性;动作节点包括:待执行状态节点、执行成功状态节点、执行失败状态节点、执行暂停状态节点以及执行中状态节点;动作属性包括:对动作节点进行描述的信息;
认知空间图谱建立模块,用于从所述仿真任务、所述感知空间图谱和所述动作空间图谱中提取认知要素,根据所述认知要素建立认知空间图谱;所述认知要素包括:认知节点;认知节点包括:期望状态节点以及评估节点;其中,期望状态节点是对于自身实体状态或外部状态的期望,评估节点是对期望状态和感知状态进行评估;
建模模块,用于根据所述感知空间图谱,进行BDI中信念的构建;根据所述感知空间图谱、所述动作空间图谱和所述认知空间图谱,进行BDI中愿望和意图的构建;根据构建的信念、愿望、意图以及所述动作空间图谱,进行仿真模型智能体的认知行为图谱的建模。
6.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述方法的步骤。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111594321.5A CN113987842B (zh) | 2021-12-24 | 2021-12-24 | 基于知识图谱的bdi建模方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111594321.5A CN113987842B (zh) | 2021-12-24 | 2021-12-24 | 基于知识图谱的bdi建模方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113987842A CN113987842A (zh) | 2022-01-28 |
CN113987842B true CN113987842B (zh) | 2022-04-08 |
Family
ID=79734214
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111594321.5A Active CN113987842B (zh) | 2021-12-24 | 2021-12-24 | 基于知识图谱的bdi建模方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113987842B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114385866B (zh) * | 2022-03-25 | 2022-06-14 | 湖南高至科技有限公司 | 基于图数据库的可执行模型存储系统及方法 |
CN115861582B (zh) * | 2023-02-22 | 2023-05-12 | 武汉创景可视技术有限公司 | 基于多智能体的虚拟现实引擎系统及实现方法 |
CN116127474B (zh) * | 2023-04-20 | 2023-06-23 | 熙牛医疗科技(浙江)有限公司 | 知识计算低代码平台 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107133416A (zh) * | 2017-05-24 | 2017-09-05 | 西北工业大学 | 一种uuv多层次混杂式免疫智能体结构建模方法 |
CN112585596A (zh) * | 2018-06-25 | 2021-03-30 | 易享信息技术有限公司 | 用于调查实体之间的关系的系统和方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7921066B2 (en) * | 2005-10-12 | 2011-04-05 | Henry Van Dyke Parunak | Characterizing and predicting agents via multi-agent evolution |
US11481658B2 (en) * | 2017-10-01 | 2022-10-25 | Pontificia Universidad Javeriana | Real-time multi-agent BDI architecture with agent migration and methods thereof |
CN110619052B (zh) * | 2019-08-29 | 2021-12-28 | 中国电子科技集团公司第二十八研究所 | 一种基于知识图谱的战场态势感知方法 |
-
2021
- 2021-12-24 CN CN202111594321.5A patent/CN113987842B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107133416A (zh) * | 2017-05-24 | 2017-09-05 | 西北工业大学 | 一种uuv多层次混杂式免疫智能体结构建模方法 |
CN112585596A (zh) * | 2018-06-25 | 2021-03-30 | 易享信息技术有限公司 | 用于调查实体之间的关系的系统和方法 |
Non-Patent Citations (3)
Title |
---|
A BDI agent architecture for the GAMA modeling and simulation platform;Taillandier, P.,;《In International Workshop on Multi-Agent Systems and Agent-Based Simulation》;20160531;全文 * |
Cognition-based hierarchical en route planning for multi-agent traffic simulation;Kim, S.,;《Expert Systems with Applications》;20171231;全文 * |
基于知识图谱的战略智能体BDI模型;李童心;《系统工程与电子技术》;20210702;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113987842A (zh) | 2022-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113987842B (zh) | 基于知识图谱的bdi建模方法、装置、设备和介质 | |
CN110297911A (zh) | 物联网(iot)计算环境中认知数据管护的方法和系统 | |
Girodon et al. | An organizational approach to designing an intelligent knowledge-based system: Application to the decision-making process in design projects | |
CN113836754A (zh) | 面向多智能体仿真建模的仿真方法、装置、设备和介质 | |
Bova et al. | Development of distributed information systems: ontological approach | |
Zhang et al. | A nonlinear pairwise swapping dynamics to model the selfish rerouting evolutionary game | |
Durkin | Expert system development tools | |
Popovich | Intelligent GIS conceptualization | |
Soyez et al. | A methodology to engineer and validate dynamic multi-level multi-agent based simulations | |
Triantis et al. | A comprehensive basis for systems engineering theory | |
Huang et al. | Building a knowledge map model situated in product design | |
Zanni-Merk | KREM: A Generic Knowledge-based Framework for Problem Solving in Engineering. | |
Sliwa et al. | IOEM-ontology engineering methodology for large systems | |
Sokolova et al. | Evaluation of environmental impact upon human health with DeciMaS framework | |
Alelaimat et al. | XPlaM: A toolkit for automating the acquisition of BDI agent-based Digital Twins of organizations | |
Ghosh et al. | Exploring the practicality of circular economy through its associates: A case analysis-based approach | |
Benjamin et al. | Using ontologies for simulation integration | |
Goertzel et al. | Real-World Reasoning: Toward Scalable, Uncertain Spatiotemporal, Contextual and Causal Inference | |
Condotta et al. | Qualitative reasoning | |
Haddad et al. | A framework to support qualitative reasoning about COAs in a dynamic spatial environment | |
Arnäs | Heterogeneous goods in transportation systems | |
Parnell et al. | Role of decision analysis in MBSE | |
Arena | Towards semantics-driven modelling and simulation of context-aware manufacturing systems | |
Liu et al. | A review of digital twin capabilities, technologies, and applications based on the maturity model | |
Iwaniak et al. | Ontology driven analysis of spatio-temporal phenomena, aimed at spatial planning and environmental forecasting |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |