典型文献
基于深度强化学习的多无人机电力巡检任务规划
文献摘要：
无人机因其成本低、操控性强等优势,在电网线路与电塔的巡检任务中取得了广泛的应用.在大范围电网巡检任务中,单台无人机由于其续航半径有限,需要多架无人机协作完成巡检任务.传统任务规划方法存在计算速度慢、协作效果不突出等问题.针对以上问题,本文提出一种基于多智能体强化学习值混合网络(QMIX)的任务规划算法,采用集中训练、分散执行的框架,为每架无人机建立循环神经网络,并通过混合网络得到联合动作值函数指导训练.该算法通过设计任务奖赏函数以激发多智能体的协作能力,有效解决多无人机任务规划协作效率低的问题.仿真实验结果表明所提算法的任务时间相比于常用的值分解网络(VDN)算法减少了350.4 s.
文献关键词：
强化学习;电力巡检;多智能体协作
中图分类号：
作者姓名：
马瑞;欧阳权;吴兆香;丛玉华;王志胜
作者机构：
南京航空航天大学自动化学院,江苏 南京 211106;南京理工大学紫金学院计算机学院,江苏 南京 210023
文献出处：
引用格式：
[1]马瑞;欧阳权;吴兆香;丛玉华;王志胜-.基于深度强化学习的多无人机电力巡检任务规划)[J].计算机与现代化,2022(01):98-102
A类：
B类：
深度强化学习,多无人机,无人机电力巡检,任务规划,操控性,电网线路,电塔,单台,续航,多架,人机协作,规划方法,计算速度,速度慢,多智能体强化学习,混合网络,QMIX,划算,循环神经网络,动作值函数,指导训练,设计任务,奖赏函数,协作能力,值分解,VDN,多智能体协作
AB值：
0.415332
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
