یک روش کارا برای الویت بندی اهداف عامل های پلیس در سیستم شبیه ساز امداد با استفاده از اتوماتاهای یادگیری

روبوکاپ تلاشی برای ساخت روبات های هوشمند است به طوری که بتوانند بدون کنترل انسان از عهده وظایفی که برای آنها تعیین شده است برآیند. پروژه شبیه ساز امداد به عنوان یکی از شاخه های روبوکاپ سعی در هوشمند کردن روبات های امدادگر دارد . در سیستم شبیه ساز امداد ، وقوع یک حادثه مخرب مانند زلزله شبیه سازی می شود ، عامل های پلیس و آمبولانس و آتش نشان وظیفه بار کردن خیابان ها ، امداد و نجات شهروندان و خاموش کردن آتش را به عهده دارند . کارایی عامل های آمبولانش و آتش نشان بستگی به این دارد که مسیرهای حرکت آنها تا چه حد توسط عامل های پلیس پاکسازی شده است. بنابر این کارایی کل سیستم به صورت غیر مستقیم تحت تاثیر کارایی عامل های پلیس قرار دارد. عامل های پلیس برای رسیدن به کارایی مناسب نیاز به یک استراتژی مناسب دارند تا براساس ان اهداف خود را الویت بندی کنند. دراین مقاله ، روشی مبتنی بر اتوماتاهای یادگیر برای الویت بندی اهداف عامل های پلیس پیشنهاد می گردد. آزمایشات انجام شده نشان می دهند که روش پیشنهاده علاوه بر سادگی، از کارایی بالاتری در مقایسه با روش های موجود برخوردار است.

کلیدواژه ها:

الویت بندی اهداف ، اتوماتای یادگیر ، سیستم شبیه ساز امداد