.png){kind=icon}
返回
Multi-UAV Cooperative Path Planning Method Based on an Improved MADDPG Algorithm
.png){kind=icon}
OA
AI
DOI：10.3390/electronics15081632.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为解决复杂环境下多无人机协同路径规划问题，本文提出了一种改进的多智能体深度确定性策略梯度算法，命名为优先经验多智能体深度确定性策略梯度（PE-MADDPG）。首先在强化学习框架内构建了城市低空巡检环境，将动态约束、安全间隔要求和编队协同目标纳入部分可观测马尔可夫决策过程。为提升训练效率，引入优先经验回放以增加信息样本利用率，设计了自适应探索噪声策略以调节探索强度，并在Critic网络中嵌入多头注意力机制以增强智能体间交互表征。三维城市巡检场景的仿真结果表明，PE-MADDPG在任务完成率、编队保持、飞行效率和能耗方面均优于所选基准方法。这些结果为城市低空巡检任务提供了有效解决方案。
Keyword:
multi-UAV
cooperative path planning
multi-agent reinforcement learning
prioritized experience replay
MADDPG
urban low-altitude inspection
期刊
IF:
2.6
论文数:
1.1W
被引数:
4.7W
机构
引用论文
Large-scale UAV swarm path planning based on mean-field reinforcement learning基于平均场强化学习的大规模无人机集群路径规划OAAI
OAAI分享收藏分享收藏3D UAV Path Planning Based on an Improved TD3 Deep Reinforcement Learning for Data Collection in an Urban Environment基于改进型TD3深度强化学习的城市环境数据采集3D无人机路径规划
PREAI
分享收藏Multi-Agent Multi-Target Pursuit with Dynamic Target Allocation and Actor Network Optimization多智能体多目标追捕，具有动态目标分配和演员网络优化.png)
ElectronicsOAAI
ElectronicsIF0
OAAI分享收藏
Game-Based Event-Triggered Control for Unmanned Surface Vehicle: Algorithm Design and Harbor Experiment基于游戏的事件触发控制用于无人水面艇：算法设计与港口实验
PREAI
分享收藏
查看更多内容