arrow
返回

Multi-agent proximal policy optimization supported dynamic behavior tree evolution for multi-agent systems

delete2026-01-14
delete0
PRE
AI
K
Koray Özdemir *
A
Adem Tuncer
DOI:10.1016/j.engappai.2026.113841delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
• 结合MAPPO和动态BT演化的决策方法。 • MAPPO学习到的策略使智能体能够根据环境变化调整BT结构。 • 智能体自主更新其BT,实现可扩展的去中心化系统。 • MAPPO优化后的BT提升任务传播效率并减少完成时间。 • MAPPO与BT模块化增强复杂多智能体系统中的决策能力。

期刊

Engineering Applications of Artificial Intelligence 封面图
Engineering Applications of Artificial Intelligence
IF:
8
论文数:
5.7K
被引数:
3.5W

机构

Y
yalova university
学者数:
47
论文数: 32
被引数: 0
引用论文

引用论文

err分享
err收藏
A survey and critique of multiagent deep reinforcement learning
err2019-10-16
err0
PREAI
errPablo Hernandez-Leal; Bilal Kartal; Matthew E. Taylor
err分享
err收藏
Towards a unified behavior trees framework for robot control
err2014-05-01
err0
errOAAI
errAlejandro Marzinotto; Michele Colledanchise; Christian Smith; Petter Ogren
err分享
err收藏
学者 查看更多内容