.png){kind=icon}
返回
Multi-Agent Multi-Target Pursuit with Dynamic Target Allocation and Actor Network Optimization
.png){kind=icon}
OA
AI
DOI：10.3390/electronics12224613.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在本论文中，我们研究了多智能体系统中基于多智能体深度强化学习算法的多目标跟踪协同决策问题。多智能体多目标追捕在实际应用中面临新的挑战，其中追捕者需要规划无碰撞路径并制定合适的多目标分配策略，以确定每个追捕者当前应跟踪哪个目标。我们从不同角度设计了三种可行的多目标分配策略。我们在模拟碰撞风险的多智能体多目标追捕环境中比较了我们的分配策略，并验证了从智能体和目标整体视角考虑的POLICY3分配策略的优越性。我们还发现，在使用多智能体强化学习算法MATD3时，智能体学习的跟踪策略存在显著差距。基于动态执行器网络优化，我们提出了改进算法DAO-MATD3。仿真结果表明，所提出的POLICY3-DAO-MATD3方法有效提高了完成多智能体多目标追捕任务的效率。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息