典型文献
基于深度Q网络的多智能体逃逸算法设计
文献摘要：
当前多智能体追逃博弈问题通常在二维平面下展开研究,且逃逸方智能体运动不受约束,同时传统方法在缺乏准确模型时存在设计控制策略困难的问题.针对三维空间中逃逸方智能体运动受约束的情况,提出了一种基于深度Q网络(DQN)的多智能体逃逸算法.该算法采用分布式学习的方法,逃逸方智能体通过对环境的探索学习得到满足期望的逃逸策略.为提高学习效率,根据任务的难易程度将智能体策略学习划分为两个阶段,并设计了相应的奖励函数引导智能体探索满足期望的逃逸策略.仿真结果表明,该算法所得逃逸策略效果稳定,并且具有泛化能力,在改变一定的初始位置条件后,逃逸方智能体也可成功逃逸.
文献关键词：
逃逸算法;深度强化学习;多智能体;深度Q网络
中图分类号：
作者姓名：
闫博为;杜润乐;班晓军;周荻
作者机构：
哈尔滨工业大学航天学院,哈尔滨150000;试验物理与计算数学国家级重点实验室,北京100076
文献出处：
引用格式：
[1]闫博为;杜润乐;班晓军;周荻-.基于深度Q网络的多智能体逃逸算法设计)[J].导航定位与授时,2022(06):40-47
A类：
逃逸算法
B类：
多智能体,算法设计,追逃博弈,受约束,三维空间,DQN,分布式学习,探索学习,习得,学习效率,难易程度,策略学习,奖励函数,泛化能力,初始位置,深度强化学习
AB值：
0.288186
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。
