本文關(guān)鍵詞： 災(zāi)難救援 多智能體 任務(wù)分配 分區(qū)策略 ISODATA算法　出處：《西北工業(yè)大學(xué)學(xué)報(bào)》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(zāi)害發(fā)生后,災(zāi)難救援搜救范圍大、現(xiàn)場情況多變、遠(yuǎn)距離通訊交流阻塞、施救人員危險(xiǎn)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(wù),并利用分區(qū)的思想,將多智能體分配到城市各個(gè)區(qū)域,以擴(kuò)大搜救范圍,節(jié)省救援時(shí)間的方案。同時(shí),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(wù)分配策略,以根據(jù)不同的城市環(huán)境進(jìn)行自適應(yīng)聚類劃分。實(shí)驗(yàn)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(jìn)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(xué)計(jì)算機(jī)學(xué)院;西北工業(yè)大學(xué)軟件與微電子學(xué)院;解放軍邊防學(xué)院訓(xùn)練部教務(wù)科;
【基金】：航空科學(xué)基金(2016ZC53022) 陜西省自然科學(xué)基金(2015JM6308)資助
【分類號】：TP18;X4

【相似文獻(xiàn)】

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(zāi)害動(dòng)態(tài)風(fēng)險(xiǎn)評估模型[J];地理與地理信息科學(xué);2009年02期

2 張永利;張建平;任愛珠;李丁;;多智能體的多災(zāi)種耦合預(yù)測模型[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年02期

相關(guān)碩士學(xué)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(xué);2015年

，

本文編號：1549482