[发明专利]一种基于图网络的多智能体对抗策略智能预测方法及装置

说明书

本发明实施例提供一种基于图网络的多智能体对抗策略智能预测方法及装置，该方法包括：计算图构造流程、关系特征融合流程、关系特征汇聚流程、节点特征与关系特征融合流程、节点特征汇聚流程及解码预测流程。本发明实施例提供的基于图网络的多智能体对抗策略智能预测方法及装置，通过计算图构造、关系特征融合、关系特征汇聚、节点特征与关系特征融合、节点特征汇聚及解码预测得到多智能体未来行为的预测结果，处理过程中由于所有信息均为有效特征，无需利用卷积操作对多余信息进行过滤，同时在聚合过程能够去除特征间的顺序相关性，提高了整个多智能体对抗策略智能预测的泛化能力。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于图网络的多智能体对抗策略智能预测方法及装置。

背景技术

多智能体对抗问题是指双方多个智能体同时根据自身及外界信息进行决策和行动的问题。在该问题中，智能体通过与外界环境的交互，来感知对方状态并推测对方可能行为和意图，从而调整自身策略。但就单个智能体而言，感知和认知环境的能力有限，因此需要在全局层面上进行宏观策略规划。

常规的多智能体对抗策略智能预测技术，主要包括两类：一种是以结构化数据形式，将所有可观测数据进行串行叠加后输入神经网络，这种方法缺乏数据内在关系描述，对输入特征顺序较为敏感，无法去除特征数据间的空间无关性；另一种是以卷积形式，对图像数据进行特征过滤，这种方法计算中包含大量无关信息，处理速度较慢，同样无法有效描述智能体间的内在关系。

发明内容

为解决现有技术中的问题，本发明实施例提供一种基于图网络的多智能体对抗策略智能预测方法及装置。

第一方面，本发明实施例提供一种基于图网络的多智能体对抗策略智能预测方法，包括：计算图构造流程，包括：基于多智能体对抗场景构造计算图，所述计算图包括节点和边；其中，所述节点的信息包括对应智能体的第一节点特征，所述边的信息包括对应两个智能体间的第一关系特征；关系特征融合流程，包括：将所述第一关系特征与对应两个智能体的所述第一节点特征进行融合，形成第二关系特征；关系特征汇聚流程，包括：将与各个所述节点相关的所述第二关系特征进行汇聚，得到各个所述节点的汇聚关系特征；节点特征与关系特征融合流程，包括：将各个所述节点的所述汇聚关系特征与相应的所述第一节点特征进行融合，得到各个所述节点的第二节点特征；节点特征汇聚流程，包括：将所述计算图中所有节点的所述第二节点特征进行汇聚，得到汇聚节点特征；解码预测流程，包括：对所述汇聚节点特征进行解码处理，得到所述多智能体未来行为的预测结果。

进一步地，在执行所述计算图构造流程之后，迭代执行所述关系特征融合流程、所述关系特征汇聚流程及所述节点特征与关系特征融合流程预设次数后，再执行所述节点特征汇聚流程。

进一步地，所述多智能体中各个所述智能体所加载的神经网络共享网络权值。

进一步地，所述第一关系特征包括被动作用节点和主动作用节点间的距离信息和/或威胁程度信息。

进一步地，所述与各个所述节点相关的所述第二关系特征包括各个所述节点作为所述被动作用节点时，得到的所述第二关系特征。

进一步地，所述第一节点特征包括智能体的速度信息和/或位置信息。

进一步地，所述对所述汇聚节点特征进行解码处理，包括：采用门控循环神经网络GRU对所述汇聚节点特征进行特征解码处理。