一种基于行为数据感知的智能体决策方法及系统与流程

本发明属于智能体，具体的说是一种基于行为数据感知的智能体决策方法及系统。

背景技术：

1、随着人工智能、物联网与分布式交互技术的快速发展，智能体作为具备环境感知、自主运算、行为执行、交互协作能力的人工智能单元应运而生，其融合机器学习、感知技术、多主体协同框架等技术，可独立或集群式对外界状态进行实时捕捉、分析响应。目前智能体已广泛应用于工业调度、智慧服务、自动驾驶、虚拟仿真等领域，但现有常规智能体普遍存在感知维度单一、自主适配能力弱、多主体冲突协调不足、泛化性较差等问题，面对高动态、强干扰的复杂环境时运行稳定性受限，因此亟须优化智能体整体架构与运行机制，提升其自主生存与任务执行能力。

2、智能体的核心价值体现在自主决策环节，决策能力直接决定智能体的任务完成质量与环境适配水平。早期智能体多采用规则库预设、固定逻辑判定的决策模式，仅能依据预设条件输出对应行为，面对未定义的突发场景、动态变化的任务目标时极易失效。

3、一般的智能体决策方法通常依赖单一模态或低维特征进行决策，难以充分整合动作、环境、任务反馈及风险等多模态信息，导致在复杂动态场景下意图识别不准确、轨迹规划局部最优且对突发环境扰动和多智能体冲突缺乏有效响应。

技术实现思路

1、为了弥补现有技术的不足，本发明提出的一种基于行为数据感知的智能体决策方法及系统，主要用于解决一般的智能体决策方法通常依赖单一模态或低维特征进行决策的问题。

2、本发明解决其技术问题所采用的技术方案是：

3、一种基于行为数据感知的智能体决策方法，包括：

4、s1：采集智能体在目标场景中的多模态行为数据；

5、s2：对多模态行为数据进行模态权重筛选，基于筛选后的有效模态构建稀疏非欧几里得意图流形；并基于稀疏非欧几里得意图流形计算曲率矢量场；

6、s3：根据曲率矢量场确定高曲率关键区域，并在高曲率关键区域内执行受限波场干涉式并行轨迹采样，在低曲率平稳区域复用历史最优路径；

7、s4：对多个潜在行为路径分别赋予环境适配概率权重，并基于环境适配概率权重生成概率加权干涉图谱；

8、s5：基于概率加权干涉图谱生成候选决策路径，并根据当前场景扰动水平选择快路径决策模式或慢路径决策模式；

9、s6：通过可微分神经共振单元生成内生直觉决策信号，并基于自适应双阈值自组织临界态控制机制对内生直觉决策信号进行触发控制；

10、s7：基于拓扑稳定性熵和任务收益熵构建双约束熵减优化目标，并依据双约束熵减优化目标对意图流形、轨迹采样过程、神经共振单元和决策输出进行动态反馈调节；

11、s8：在多智能体场景下，基于频率滤波式行为共振机制进行多个智能体之间的意图对齐，并在发生意图冲突时基于拓扑优先级机制进行冲突消解，输出最终决策结果。

12、根据本发明提供的一种基于行为数据感知的智能体决策方法，步骤s2中，进行模态权重筛选的步骤包括：

13、s21：基于注意力机制计算各模态行为数据对当前决策任务的贡献权重；

14、s22：剔除贡献权重低于预设阈值或动态阈值的噪声模态；

15、s23：保留贡献权重满足条件的关键模态，并基于度规张量和关键模态构建稀疏黎曼流形。

16、根据本发明提供的一种基于行为数据感知的智能体决策方法，步骤s2中，构建稀疏非欧几里得意图流形的步骤包括：

17、s24：将离散行为数据映射至连续隐空间；

18、s25：基于残差动态图卷积网络拟合连续隐空间中的局部流形曲面；

19、s26：通过残差连接修正动态图卷积网络产生的局部曲面失真，使稀疏非欧几里得意图流形满足连续性、光滑性和可微分性要求。

20、根据本发明提供的一种基于行为数据感知的智能体决策方法，步骤s2中，曲率矢量场的计算公式表示为：

21、

22、

23、

24、式中，为智能体在时刻t对应的流形状态点处的曲率矢量场，为运动曲率幅值分量，为运动曲率方向分量，m为稀疏非欧几里得意图流形，为智能体在所述稀疏非欧几里得意图流形上的状态演化速度场，为基于稀疏非欧几里得意图流形的黎曼梯度算子，为防止分母为零的稳定系数。

25、根据本发明提供的一种基于行为数据感知的智能体决策方法，步骤s3中，执行受限波场干涉式并行轨迹采样的步骤包括：

26、s31：根据曲率矢量场确定波阵面扩散边界；

27、s32：仅在曲率幅值高于曲率阈值和曲率方向发生显著偏转的区域内执行波场干涉计算；

28、s33：对曲率幅值低于曲率阈值且曲率方向稳定的区域复用历史最优路径。

29、根据本发明提供的一种基于行为数据感知的智能体决策方法，步骤s32中，执行波场干涉计算的步骤包括：

30、s321：以高曲率关键区域内的候选状态点作为波源节点，为每一候选行为路径生成对应的路径波函数；

31、s322：根据候选行为路径的环境适配概率权重、路径代价、风险约束和任务收益，确定路径波函数的振幅参数；

32、s323：根据候选行为路径在稀疏非欧几里得意图流形上的路径长度、曲率变化和方向偏转，确定路径波函数的相位参数；

33、s324：对多个候选行为路径的路径波函数进行叠加，得到概率加权干涉结果；

34、s325：根据概率加权干涉结果筛选相长干涉强度满足预设条件的候选行为路径，并抑制相消干涉或低适配概率对应的候选行为路径。

35、根据本发明提供的一种基于行为数据感知的智能体决策方法，步骤s6中，自适应双阈值自组织临界态控制机制包括：

36、设置第一动态熵阈值和第二动态熵阈值；

37、基于环境流形波动幅度、任务优先级、风险等级和历史触发稳定性动态调整第一动态熵阈值和第二动态熵阈值；

38、当系统熵状态处于第一动态熵阈值和第二动态熵阈值之间时，允许神经共振单元进入稳定临界态；

39、当系统熵状态超出第一动态熵阈值和第二动态熵阈值限定的稳定区间时，抑制误触发、频繁触发或失效触发。

40、根据本发明提供的一种基于行为数据感知的智能体决策方法，步骤s7中，进行动态反馈调节的步骤包括：

41、s71：实时监测包含流形曲率突变、拓扑破碎、路径失效和任务收益下降事件的异常事件；

42、s72：当检测到任一异常事件时，执行增量式实时反向传播；

43、s73：基于增量式实时反向传播微调度规张量、流形嵌入参数、轨迹采样参数、神经共振参数和决策输出参数。

44、根据本发明提供的一种基于行为数据感知的智能体决策方法，步骤s8中，基于拓扑优先级机制进行冲突消解的步骤包括：

45、s81：获取多个智能体在稀疏非欧几里得意图流形上的当前意图状态、候选行为路径、任务紧急度、任务收益、风险等级和协同依赖关系；

46、s82：分别计算各智能体的拓扑优先级，其中，拓扑优先级至少基于对应智能体的流形曲率幅值、曲率方向变化量、任务紧急度、任务收益预估值、风险等级和协同依赖权重确定；

47、s83：当多个智能体的候选行为路径或意图状态之间存在空间冲突、时间冲突、资源冲突或任务目标冲突时，比较各智能体的拓扑优先级；

48、s84：将拓扑优先级满足预设主导条件的智能体意图确定为主导意图；

49、s85：使拓扑优先级低于主导意图的智能体执行意图对齐、路径让渡、路径重规划、速度调整或任务次序调整；

50、s86：在冲突消解失败、拓扑优先级差值低于预设差值阈值或协同稳定性低于预设稳定性阈值时，触发极简显式状态同步，以交换必要状态信息、意图摘要信息、优先级信息和安全约束信息。

51、本发明还提供的一种基于行为数据感知的智能体决策系统，包括：

52、行为数据采集模块，用于采集智能体在目标场景中的多模态行为数据；

53、意图流形构建模块，用于对多模态行为数据进行模态权重筛选，基于筛选后的有效模态构建稀疏非欧几里得意图流形；并基于稀疏非欧几里得意图流形计算曲率矢量场；

54、关键区域确定模块，用于根据曲率矢量场确定高曲率关键区域，并在高曲率关键区域内执行受限波场干涉式并行轨迹采样，在低曲率平稳区域复用历史最优路径；

55、权重适配模块，用于对多个潜在行为路径分别赋予环境适配概率权重，并基于环境适配概率权重生成概率加权干涉图谱；

56、候选决策路径生成模块，用于基于概率加权干涉图谱生成候选决策路径，并根据当前场景扰动水平选择快路径决策模式或慢路径决策模式；

57、内生直觉决策控制模块，用于通过可微分神经共振单元生成内生直觉决策信号，并基于自适应双阈值自组织临界态控制机制对内生直觉决策信号进行触发控制；

58、反馈调节模块，用于基于拓扑稳定性熵和任务收益熵构建双约束熵减优化目标，并依据双约束熵减优化目标对意图流形、轨迹采样过程、神经共振单元和决策输出进行动态反馈调节；

59、冲突消解模块，用于在多智能体场景下，基于频率滤波式行为共振机制进行多个智能体之间的意图对齐，并在发生意图冲突时基于拓扑优先级机制进行冲突消解，输出最终决策结果。

60、本发明中通过多模态行为数据筛选、稀疏非欧几里得意图流形构建、曲率矢量场分析、受限波场干涉式轨迹采样、概率加权干涉决策、神经共振触发控制、双约束熵减优化以及多智能体拓扑优先级冲突消解，实现了对智能体意图状态、行为路径和协同决策过程的统一建模与动态调节，能够在复杂动态场景下提高决策实时性、鲁棒性和安全性。