[发明专利]一种基于数据挖掘的网络化多智能体系统建模方法

说明书

本发明一种基于数据挖掘的网络化多智能体系统建模方法，属于数据信息的优化控制方法领域，为研究面向网络化多智能体系统的交互信息丢失多维动态补偿问题，本发明采用基于内膜关联规则挖掘的数据丢失预测方法。采用联机分析处理技术，构建多智能体内膜数据立方体。基于内膜关联规则挖掘，补偿丢失数据，消除数据丢失对控制性能的影响。利用相对状态偏差来构建网络化多智能体系统优化问题数学模型。本发明研究基于数据挖掘的网络化多智能体系统分布式优化控制方案，给出系统模型完全未知情况下，利用数据信息的优化控制问题求解方法，克服了仅基于模型的控制方法设计的局限性。

技术领域

本发明一种基于数据挖掘的网络化多智能体系统建模方法，属于数据信息的优化控制方法领域。

背景技术

目前对基于数据挖掘的网络化多智能体建模研究还处于初级阶段，尚不具备一套完整的理论体系来支持相关技术的发展，急需开展本项目的研究。基于数据挖掘的网络化多智能体建模问题是具有明确应用背景和相当研究难度的技术领域，传统的技术和方法很难适应实际问题的需求，因而需要开展进一步的探索工作。本发明拟采用数据挖掘的方式，通过设计算法从数据中搜索隐藏于其中的信息，以便估计或预测丢失的数据。

发明内容

本发明的目的在于提出在系统模型完全未知的情况下，采用数据挖掘的方式，通过设计算法从数据中搜索隐藏于其中的信息，以便估计或预测丢失的数据。采用联机分析处理技术，构建多智能体内膜数据立方体。基于内膜关联规则挖掘，补偿丢失数据，消除数据丢失对控制性能的影响。利用相对状态偏差，构建网络化多智能体系统优化问题数学模型。是一种分析相对状态偏差与智能体控制行为之间的耦合关联，挖掘关联规则，研究控制行为预测的统计学方法。

本发明的技术方案：

为本发明面向网络化多智能体系统的交互信息丢失多维动态补偿问题，本发明拟采用基于内膜关联规则挖掘的数据丢失预测方法。首先，构建多智能体内膜数据立方体模型；其次，基于内膜关联规则挖掘知识，对引数据丢失而无法计算的控制行为预测。值得注意的是，数据立方体是多维模型的一个形象的说法，不仅限于三维模型。

OLAP技术是一种通用的、快速和有效的多维数据分析技术，内膜关联规则挖掘也是数据挖掘的一种通用方法。如何利用OLAP技术和内膜关联规则，解决网络化多智能体系统因数据丢失而无法估计分布式控制策略问题，是当前存在的发明中很少涉及的，还是一个公开问题。具体需要开展以下分析：

构建智能体多维度内膜数据立方体；

分析相对状态偏差与智能体控制行为之间的耦合关联，挖掘关联规则；

控制行为预测的统计学方法。

本发明的优点与效果是：

现有具有数据丢失的网络化多智能体系统研究，鲜有采用OLAP技术和内膜关联规则方法研究数据丢失补偿策略，估计或预测丢失数据，本发明将呈现广泛的应用价值和深远的理论价值。本发明拟采用数据挖掘的方式，通过设计算法从数据中搜索隐藏于其中的信息，以便估计或预测丢失的数据。解决了一些包含大量信息的设备、生产和运行容易丢失数据的问题，避免了出现影响系统性能，系统无法正常运行的风险。基于数据驱动的控制方法被广泛认为极具竞争力、非常适合于大规模复杂应用系统的新一代先进控制技术。

附图说明

图1 为基于内膜关联规则挖掘的数据丢失预测总体方案；

图2 为智能体内膜数据立方体。

具体实施方式

为了进一步说明本发明，下面结合附图及实施例对本发明进行详细地描述，但不能将它们理解为对本发明保护范围的限定。

实施例：