این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
International Journal of Information and Communication Technology Research (IJICT، جلد ۷، شماره ۱، صفحات ۲۹-۳۹
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی A Model Based on Cellular Learning Automata for Improving the Intelligent Assistant Agents & Its Application in Earthquake Crisis Management
چکیده انگلیسی مقاله Spatial-temporal coordination problem (STCP) plays a critical role in urban search and rescue (USAR) operations. Artificial Intelligence has tried to tackle this problem by taking advantage of multi-agent systems, GIS, and intelligent algorithms to enhance the task allocation by establishing collaboration between human agents and intelligent assistant agents. This paper presents a model based on cellular learning automata (CLA) to improve the teamwork interaction between human-agent teams in performing the distributed tasks. In this model, the main objective is to add the learning ability to the assistant agents in a way that they can guide human-agent toward the optimal decision(s). The effectiveness of the proposed model is evaluated on different scenarios of an earthquake simulation. Results indicate that the proposed model can significantly improve the rescue time and the maximum distance traveled by the rescue teams.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله | Maryam Khani


| Ali Ahmadi


| Maryam Khademi


نشانی اینترنتی http://ijict.itrc.ac.ir/browse.php?a_code=A-10-27-81&slc_lang=fa&sid=1
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/417/article-417-1212384.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده فناوری اطلاعات
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات