论文部分内容阅读
为了提高复杂环境中多机器人系统任务分配的决策质量，获取准确、客观的效用评价，提出了一种基于自适应神经一模糊推理系统（adaptiveneuro-fuzzyinferencesystem，ANFIS）的效用评价算法ANFIS-UE。设计了基于ANFIS的效用评价网络结构，并采用Q学习对效用评价网络的参数进行学习。利用ANFIS优越的函数逼近能力和泛化能力，提高了效用函数的学习效率，能够对连续的状态输入产生连续的效用评价值。实验结果表明，该算法获得的效用评价相对更准确，从而提高了任务分配方案的质量。