典型文献
基于协作式深度强化学习的火灾应急疏散仿真研究
文献摘要：
火灾是威胁公共安全的主要灾害之一,火灾产生的高温和有毒有害烟气严重影响了疏散路径的选择.将深度强化学习引入到应急疏散仿真研究,针对多智能体环境提出了协作式双深度Q网络算法.建立随时间动态变化的火灾场景模型,为人员疏散提供实时的危险区域分布信息;对各自独立的智能体神经网络进行整合,建立多智能体统一的深度神经网络,实现所有智能体之间的神经网络和经验共享,提高整体协作疏散效率.结果表明:所提方法具有良好的稳定性和适应性,训练和学习效率得到提升,具有良好的应用价值.
文献关键词：
协作式双深度Q网络算法;深度强化学习;多智能体系统;应急疏散仿真;火灾场景仿真
中图分类号：
作者姓名：
倪凌佳;黄晓霞;李红旮;张子博
作者机构：
中国科学院空天信息创新研究院,北京100094;中国科学院大学,北京100049;自然资源部城市国土资源监测与仿真重点实验室,深圳518034
文献出处：
引用格式：
[1]倪凌佳;黄晓霞;李红旮;张子博-.基于协作式深度强化学习的火灾应急疏散仿真研究)[J].系统仿真学报,2022(06):1353-1366
A类：
火灾场景仿真
B类：
协作式,深度强化学习,火灾应急疏散,应急疏散仿真,仿真研究,公共安全,有毒有害,烟气,疏散路径,网络算法,时间动态,场景模型,人员疏散,危险区域,区域分布,分布信息,体统,深度神经网络,疏散效率,学习效率,多智能体系统
AB值：
0.266815
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。
