6、多智能体路多游戏协作路径规划与癫痫发作检测分类研究

多智能体路多游戏协作路径规划与癫痫发作检测分类研究

多智能体路多游戏协作路径规划

在路多游戏中，每个智能体的最大奖励由到达目标单元格所跨越的单元格数量体现，最多为 58 个单元格。新提出的算法将马尔可夫决策过程（MDP）原理引入路多问题，该算法基于一系列特性，能提高同一组内智能体之间的协作程度。这种协作体现在算法的防御策略上，可选择最佳目标进行击杀；还体现在通过增加参与玩家来提高游戏可能性。此路径规划还可用于解决工程问题，如机器人路径控制。

为实现路多问题，分析了使用 NetLogo 平台的应用。该面向智能体的平台提供了预定义方法，便于实现。每个智能体需浏览 58 个单元格以到达目标单元格，其回路由 14 个中立单元格和 44 个普通单元格（黑色单元格）组成。

模拟中考虑了两种不同情况：
- 情况 A ：使用协作路径规划的智能体组。
- 情况 B ：采用贪婪策略或试图最大化预期奖励以实现目标的智能体组，基于自私的智能体，每个智能体重复使用骰子，直到自己到达目标单元格才交给同组其他智能体，基于 Q - 学习玩家。

同时使用了两种不同的骰子：
- 普通骰子 ：在每次游戏迭代中返回 1 到 6 之间的随机数。
- 作弊骰子 ：为参与组返回相同的数字序列，用于避免抽签运气问题，并为组间提供一定公平性。

模拟结果基于对两组的研究，每组使用一种比较的路径策略。以下是具体的模拟结果：
|模拟情况|普通骰子平均游戏时长（迭代次数）|作弊骰子平均游戏时长（迭代次数）|