多Agent动态影响图的一种混合近似推理算法

摘要：

多Agent动态影响图模型适合于对动态环境中多Agent问题进行建模,Agent之间结构关系被表示成局部的概率因式形式.概率图模型推理所面临的一个主要问题是难以实现近似推理的精度和复杂性之间的均衡.近似推理方法可提高推理精度,但同时也会带来推理精度的损失.BK和粒子滤波(PF)是动态概率模型两种重要的近似推理算法,BK算法有较高的计算效率但会引入较大的误差,PF可以近似任意分布但存在计算的高维问题.结合BK和PF的优点,提出多Agent动态影响图(MADIDs)的一种混合近似推理算法.根据概率图模型的可分解性,将MADIDs分解生成用于推理的原型联合树,混合近似推理算法在规模复杂度较小的团上执行PF推理以达到局部最佳估计,而在其他的团上执行BK推理,为了减小推理误差引入了分割团.仿真实验表明混合近似推理算法是MADIDs模型的一种有效推理方法,与BK和PF算法相比,该算法显著提高了推理精度,且可以实现推理精度和时间复杂性之间的均衡.

关键词：BK算法、粒子滤波、多Agent动态影响图、联合树、混合近似推理算法

所属期刊栏目：48

分类号：TP181(自动化基础理论)

资助基金：国家"九七三"重点基础研究发展计划基金项目2009CB326203,2009CB219708;国家自然科学基金项目61070131

在线出版日期：2011-08-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：584-591