為了提高音樂傳播效率,設(shè)計一種基于智能體的音樂傳播模型,模型主要由音樂傳播環(huán)境類、音樂傳播智能體類兩種智能體類構(gòu)成。音樂傳播智能體類的屬性主要分為傳播意愿程度、傳播機率、再傳播機率、傳播次數(shù)和自身等級;音樂傳播環(huán)境類的屬性即為音樂傳播智能體類的參與度。兩種智能體類主要通過音樂信息傳播交互規(guī)則實現(xiàn)音樂傳播。研究發(fā)現(xiàn),音樂信息價值越大,音樂傳播智能體的數(shù)量越多,則音樂傳播智能體間的音樂信息傳播速度越快;音樂信息價值較大,傳播群體的傳播意愿程度也會出現(xiàn)明顯的上升。與同類傳播模型相比,基于智能體的音樂傳播模型的傳播效率較快,使用價值顯著。 

【文章來源】：現(xiàn)代電子技術(shù). 2019,42(23)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

基于智能體的音樂傳播模型中音樂傳播智能體類與音樂傳播環(huán)境類的關(guān)系Fig.1Relationbetweenmusicpropagationintelligentagent

.1音樂信息價值對音樂信息傳播的影響研究結(jié)果表明，用戶的不滿意率屬于音樂傳播速度的核心因素，當(dāng)用戶在表達不滿意態(tài)度時，音樂信息價值能夠直觀描述出不滿意率。所以在音樂信息傳播時，為了提高對傳播過程的分析效率，對傳播意愿程度中的信息價值參數(shù)β實行調(diào)節(jié)，依次分析音樂信息價值對音樂傳播的干擾。將音樂信息傳播模擬的音樂傳播智能體數(shù)量設(shè)成600個，步長設(shè)成30，信息價值參數(shù)的取值是{}0.3,0.6,0.9,1.2,1.5，取值較大則意味著音樂信息價值較高。不同音樂信息價值對音樂信息傳播的影響結(jié)果如圖2所示。圖2不同音樂信息價值對音樂信息傳播的影響結(jié)果Fig.2Effectofdifferentmusicinformationvalueonmusicinformationpropagation分析圖2可知，音樂信息價值取值的增大對音樂傳播智能體的數(shù)量存在不同影響。若音樂信息價值的值逐漸增大，音樂傳播智能體中接收者的數(shù)量也逐漸增大。當(dāng)音樂信息價值為0.3時，接收者的數(shù)量最小；當(dāng)音樂信息價值為1.5時，接收者的數(shù)量高達580個。音樂信息價值越大，音樂傳播智能體中接收者的數(shù)量越多，則音樂傳播智能體間的音樂信息傳播速度越快。音樂傳播智能體傳播意愿程度趨勢圖如圖3所示。圖3音樂傳播智能體傳播意愿程度趨勢圖Fig.3Trendchartofpropagationwillingnessofmusicpropagationintelligentagents分析圖3可知，音樂信息價值為0.3與0.6時，音樂傳播智能體平均傳播意愿程度均低于80%；當(dāng)音樂信息價值大于0.9時，音樂傳播智能體平均傳播意愿程度直線增大。由此可知，音樂信息價值對于音樂傳播智能體傳播意愿程度存在正向的干擾。音樂信息價值較小，則音樂傳播智能體的傳播意愿程度不高；音樂信息價值較大，音樂?

同音樂信息價值對音樂信息傳播的影響結(jié)果Fig.2Effectofdifferentmusicinformationvalueonmusicinformationpropagation分析圖2可知，音樂信息價值取值的增大對音樂傳播智能體的數(shù)量存在不同影響。若音樂信息價值的值逐漸增大，音樂傳播智能體中接收者的數(shù)量也逐漸增大。當(dāng)音樂信息價值為0.3時，接收者的數(shù)量最��；當(dāng)音樂信息價值為1.5時，接收者的數(shù)量高達580個。音樂信息價值越大，音樂傳播智能體中接收者的數(shù)量越多，則音樂傳播智能體間的音樂信息傳播速度越快。音樂傳播智能體傳播意愿程度趨勢圖如圖3所示。圖3音樂傳播智能體傳播意愿程度趨勢圖Fig.3Trendchartofpropagationwillingnessofmusicpropagationintelligentagents分析圖3可知，音樂信息價值為0.3與0.6時，音樂傳播智能體平均傳播意愿程度均低于80%；當(dāng)音樂信息價值大于0.9時，音樂傳播智能體平均傳播意愿程度直線增大。由此可知，音樂信息價值對于音樂傳播智能體傳播意愿程度存在正向的干擾。音樂信息價值較小，則音樂傳播智能體的傳播意愿程度不高；音樂信息價值較大，音樂傳播智能體的傳播意愿程度會呈現(xiàn)明顯的上升。由此可知，音樂信息價值的提升可促進音樂傳播環(huán)境中音樂信息的傳播。2.2本文模型的使用效果分析為了評估本文模型的使用效果，將本文模型應(yīng)用于174

【參考文獻】：
期刊論文
[1]音樂庫中檢索特征音調(diào)歌曲智能識別仿真[J]. 劉媛.  計算機仿真. 2017(08)
[2]一種多智能體協(xié)同信息一致性算法[J]. 陳旿,張鑫,金鑫,李澤宏,洪亮.  航空學(xué)報. 2017(12)
[3]基于事件驅(qū)動的多智能體強化學(xué)習(xí)研究[J]. 張文旭,馬磊,王曉東.  智能系統(tǒng)學(xué)報. 2017(01)
[4]一種基于多智能體的二層路徑規(guī)劃模型研究[J]. 熊慕舟,黎勇.  計算機科學(xué). 2016(06)
[5]基于多智能體的網(wǎng)絡(luò)社區(qū)負面口碑信息傳播研究[J]. 蔡淑琴,王偉,周鵬,崔曉蘭.  計算機科學(xué). 2016(04)
[6]帶有未知參數(shù)和通訊時延的多智能體蜂擁控制[J]. 張青,李萍,楊正全,陳增強.  哈爾濱工程大學(xué)學(xué)報. 2016(05)
[7]基于事件觸發(fā)的二階多智能體領(lǐng)導(dǎo)跟隨一致性[J]. 黃紅偉,黃天民,吳勝,周坤.  控制與決策. 2016(05)



本文編號：3577131