[发明专利]基于情绪感染和深度强化学习的人群对抗仿真方法

权利要求书

1.一种基于情绪感染和深度强化学习的人群对抗仿真方法，其特征在于，包括以下步骤：

步骤1)、提取所有agent的人数信息；

步骤2)、随机给每个agent赋予ID信息、初始位置、初始情绪值、初始奖励值和初始动作；

步骤3)、通过初始动作计算获得初始平均生理影响；

步骤4)、将人数信息、ID信息、初始位置、初始情绪值、初始奖励值、初始动作和初始平均生理影响输入到神经网络中，获得t时刻agent的动作；

步骤5)、通过t时刻agent的动作计算获得t时刻agent平均生理影响；

步骤6)、通过t时刻agent的动作获得t时刻agent的位置和t时刻agent获得的奖励值；

步骤7)、根据初始情绪值计算获得t时刻agent的情绪值；

步骤8)、将人数信息、ID信息、t时刻agent的位置、t时刻agent的情绪值、t时刻agent的动作、t时刻agent平均生理影响和t时刻agent获得的奖励值输入到神经网络中获得t+1时刻agent的动作；

步骤9)、重复进行步骤5)、步骤6)、步骤7)、步骤8)获得t+2时刻的动作，依次进行迭代训练若干次。

2.根据权利要求1所述的基于情绪感染和深度强化学习的人群对抗仿真方法，其特征在于：所述的所有agent包括有正方agent、反方agent和受害方agent。

3.根据权利要求1所述的基于情绪感染和深度强化学习的人群对抗仿真方法，其特征在于：将所述的所有agent分为若干个agent组，agent组中包括有中心个体agent_i和中心个体agent_i感知范围内的其他agent_j。

4.根据权利要求2所述的基于情绪感染和深度强化学习的人群对抗仿真方法，其特征在于：所述步骤2)中赋予正方agent的初始情绪值为正数，反方agent的初始情绪值为负数，受害者agent的初始情绪值为零。

5.根据权利要求1所述的基于情绪感染和深度强化学习的人群对抗仿真方法，其特征在于：所述t时刻agent的动作包括有移动动作和攻击动作。

6.根据权利要求1所述的基于情绪感染和深度强化学习的人群对抗仿真方法，其特征在于：所述t时刻agent的情绪值包括有agent受外部环境刺激而产生的感染情绪和agent根据初始动作所产生的行为情绪。

7.根据权利要求3所述的基于情绪感染和深度强化学习的人群对抗仿真方法，其特征在于：使用one-hot编码表示中心个体agent_i感知范围内的t时刻其他agent_j的动作。

8.根据权利要求7所述的基于情绪感染和深度强化学习的人群对抗仿真方法，其特征在于：所述步骤3)中根据平均场理论将agent组中其他agent_j对中心个体agent_i的影响转化为一个整体的影响，计算获得t时刻agent_i平均生理影响。

9.根据权利要求1所述的基于情绪感染和深度强化学习的人群对抗仿真方法，其特征在于：所述的神经网络为DQN神经网络。

10.根据权利要求9所述的基于情绪感染和深度强化学习的人群对抗仿真方法，其特征在于：所述的DQN神经网络采用梯度下降法反向更新DQN神经网络参数。