.png){kind=icon}
返回
An Autonomous SAR Image Interpretation Algorithm Based on Multi-Agent Collaborative Scheduling
.png){kind=icon}
OA
AI
DOI：10.3390/s26113311.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
合成孔径雷达（SAR）图像在动态场景下的解释面临严峻挑战，包括多智能体调度响应迟缓、任务-资源匹配次优以及全流程协作效率低下。为解决这些问题，本文提出了一种基于任务控制点（MCP）驱动的集中式多智能体协同调度框架的自主SAR图像解释算法。为解决任务-资源匹配效率低下的问题，开发了一种整合智能体状态、任务特征和环境动态的多源编排模型，用于优化初始分配。为减轻信息碎片化并提高全流程协作效率，提出了一种基于MCP的集中式架构，以实现多阶段智能体的统一调度和全局优化。此外，为增强动态环境下的适应性，引入了一种验证驱动的自适应策略持续优化机制，使调度策略能够持续适应。在SARCAP公开数据集上进行了实验，所提出的方法实现了97.98%的任务-智能体匹配精度、66.1 ms的平均调度延迟和17.9 fps的协同解释速度。与MAPPO和传统集中式调度相比，调度效率分别提高了12.3%和18.7%。消融研究进一步表明，MCP集中式调度机制和多源信息编排模块均显著贡献了性能提升，确保了高精度和鲁棒性。
Keyword:
SAR image interpretation
MCP-based centralized collaborative scheduling
multi-agent systems
resource allocation
reinforcement learning
期刊
IF:
3.5
论文数:
7.2W
被引数:
20.9W
机构
引用论文
Bibliometric Analysis of Synthetic Aperture Radar (SAR) Remote Sensing Satellite Data Utilization for Rice Paddy Mapping.png)
2024 IEEE Asia-Pacific Conference on Geoscience, Electronics and Remote Sensing Technology (AGERS)
2024 IEEE Asia-Pacific Conference on Geoscience, Electronics and Remote Sensing Technology (AGERS)IF0
PREAI
分享收藏A DQN-based resource scheduling optimization algorithm for multi-computing nodes of large AI models
PREAI
分享收藏Distributed Multiagent Reinforcement Learning Approach for Multiserver Multiuser Task Offloading多服务器多用户任务卸载的分布式多agent强化学习方法
PREAI
分享收藏D’Souza, M.; Sreenivasa, B.L.; Nagalavi, D.; Khan, S.A.; Sathyanarayana, S.; Dhaaraani, R. Optimized Virtual Machine Scheduling for Green Cloud Computing Using MLP-LSTM with Sheep Flock Optimization. In Proceedings of the International Conference on Communication, Control, and Intelligent Systems, Mathura, India, 6–7 December 2024; pp. 1–6. [Google Scholar] [CrossRef]D’Souza, M.; Sreenivasa, B.L.; Nagalavi, D.; Khan, S.A.; Sathyanarayana, S.; Dhaaraani, R. 使用MLP-LSTM与羊群群优化算法优化绿色云计算的虚拟机调度。在国际会议“通信、控制与智能系统”论文集中，印度马图拉，2024年12月6-7日；第1-6页。 [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏
查看更多内容