本文關(guān)鍵詞： 災難救援 多智能體 任務分配 分區(qū)策略 ISODATA算法　出處：《西北工業(yè)大學學報》2017年03期 　論文類型：期刊論文

【摘要】：針對城市地震等大規(guī)模災害發(fā)生后,災難救援搜救范圍大、現(xiàn)場情況多變、遠距離通訊交流阻塞、施救人員危險性高等問題,提出了一種使用具有特定功能的多智能體開展救援任務,并利用分區(qū)的思想,將多智能體分配到城市各個區(qū)域,以擴大搜救范圍,節(jié)省救援時間的方案。同時,針對傳統(tǒng)Kmeans聚類方法的不足,提出了一種基于ISODATA(迭代自組織數(shù)據(jù)分析)算法的多智能體任務分配策略,以根據(jù)不同的城市環(huán)境進行自適應聚類劃分。實驗結(jié)果表明,該方法不僅比傳統(tǒng)的K-means分區(qū)算法有更好的救援效果,而且大大促進了的整體救援效果。
[Abstract]:In view of the problems of large-scale disasters such as urban earthquakes, disaster rescue and rescue, wide scope of disaster rescue and rescue, changeable situation on the spot, obstruction of long-distance communications, high risk of rescuers, and so on, In this paper, a multi-agent with specific function is used to carry out the rescue mission, and the multi-agent is allocated to every area of the city by using the idea of partition, in order to expand the scope of search and rescue and save the rescue time. At the same time, Aiming at the shortcomings of traditional Kmeans clustering method, a multi-agent task allocation strategy based on ISODATA (iterative Self-Organizing data Analysis) algorithm is proposed, which can be used for adaptive clustering classification according to different urban environments. This method not only has better rescue effect than the traditional K-means partitioning algorithm, but also greatly promotes the overall rescue effect.
【作者單位】： 西北工業(yè)大學計算機學院;西北工業(yè)大學軟件與微電子學院;解放軍邊防學院訓練部教務科;
【基金】：航空科學基金(2016ZC53022) 陜西省自然科學基金(2015JM6308)資助
【分類號】：TP18;X4

【相似文獻】

相關(guān)期刊論文 前2條

1 王飛;尹占娥;溫家洪;;基于多智能體的自然災害動態(tài)風險評估模型[J];地理與地理信息科學;2009年02期

2 張永利;張建平;任愛珠;李丁;;多智能體的多災種耦合預測模型[J];清華大學學報(自然科學版);2011年02期

相關(guān)碩士學位論文 前1條

1 李芳;基于多智能體的地鐵站臺乘客緊急疏散模型[D];北京交通大學;2015年

，

本文編號：1549482