典型文献
基于稀疏高斯过程的多智能体区域覆盖控制
文献摘要：
针对未知环境下的多智能体覆盖控制问题,提出一种基于稀疏高斯过程回归的多智能体在线学习区域覆盖控制算法(SGPR-Lloyd).在基站-多智能体通信框架下,多智能体系统采集环境数据并发送至基站,基站通过一种在线稀疏高斯过程回归方法,根据已有数据对全局环境密度函数进行预测和对预测模型中的超参数进行训练,并给出预测方差;其次,基于预测方差,基站对多智能体进行任务分配,对相应维诺区域预测方差较大的智能体指派学习任务,方差较小的则指派覆盖任务,合理地设计覆盖控制律,实现在线学习区域覆盖控制目标;进而通过仿真实验验证了所提出的在线学习区域覆盖控制算法的有效性.实验结果表明,相对于基于传统GPR的学习覆盖控制算法,SGPR-Lloyd算法在预测性能、覆盖效果及运行效率上表现均更优,是一种新型高效的适用于未知环境的区域覆盖控制算法.
文献关键词：
多智能体;覆盖控制;稀疏高斯过程回归;未知环境
中图分类号：
作者姓名：
唐美祺;付俊杰
作者机构：
东南大学数学学院,江苏南京211189
文献出处：
引用格式：
[1]唐美祺;付俊杰-.基于稀疏高斯过程的多智能体区域覆盖控制)[J].控制工程,2022(03):447-454
A类：
SGPR
B类：
区域覆盖,覆盖控制,未知环境,控制问题,稀疏高斯过程回归,在线学习,控制算法,Lloyd,基站,智能体通信,通信框架,多智能体系统,环境数据,数据并发,发送至,密度函数,超参数,预测方差,任务分配,域预测,指派,学习任务,控制律,控制目标,预测性能
AB值：
0.23564
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。
