公开(公告)号：CN109934753A

公开(公告)日：2019-06-25

申请号：CN201910182048.1

申请日：2019-03-11

Applicant: 南京大学

Inventor： 赵佳宝 ,  潘东旭 ,  潘昱宸

IPC: G06Q50/26 ,  G06Q10/06

Abstract: 本发明提供了一种基于JADE和强化学习的多Agent应急行动决策方法，步骤包括：启动JADE平台并建立监控Agent，利用监控Agent实时判断是否有突发公共事件发生；在监控Agent上注册各个应急资源仓库Agent的应急资源保障服务行为，并执行各个应急资源仓库Agent的强化学习，从监控Agent上获得各个应急资源仓库Agent对应的强化学习回馈值；从各个强化学习回馈值中选择一个或多个应急资源仓库Agent加入应急资源调配序列中。该多Agent应急行动决策方法将多Agent技术与强化学习算法相结合，从整个应急行动系统的全局出发来调配应急资源仓库的供应，强化学习算法充分利用了Agent的自主性，来促进多Agent系统的智能化水平和自适应能力。

公开(公告)号：CN109934753B

公开(公告)日：2023-05-16

申请号：CN201910182048.1

申请日：2019-03-11

Applicant: 南京大学

Inventor： 赵佳宝 ,  潘东旭 ,  潘昱宸

IPC: G06Q50/26 ,  G06Q10/0631

Abstract: 本发明提供了一种基于JADE平台和强化学习的多Agent应急行动决策方法，步骤包括：启动JADE平台并建立监控Agent，利用监控Agent实时判断是否有突发公共事件发生；在监控Agent上注册各个应急资源仓库Agent的应急资源保障服务行为，并执行各个应急资源仓库Agent的强化学习，从监控Agent上获得各个应急资源仓库Agent对应的强化学习回馈值；从各个强化学习回馈值中选择一个或多个应急资源仓库Agent加入应急资源调配序列中。该多Agent应急行动决策方法将多Agent技术与强化学习算法相结合，从整个应急行动系统的全局出发来调配应急资源仓库的供应，强化学习算法充分利用了Agent的自主性，来促进多Agent系统的智能化水平和自适应能力。