- 博客(7)
- 收藏
- 关注
RSS订阅原创 论文阅读——基于深度强化学习的层次异构多Agent跨域搜索方法（IF=7.9）
由于目标位置估计策略的输出在轨迹规划策略执行之前会改变环境，因此，不能单独训练两个串联耦合的策略，运动子任务可以依赖于目标随机发生器来训练，在目标估计任务的背景下，当π P在RL训练期间经历变化时，状态转移函数PE的概率性质受到环境变化的影响。RE 2（t）在ηT（t）不在估计区域内的情况下惩罚动作，在ηT（t）在估计区域内的情况下奖励动作，并且在估计区域过大的情况下避免给予奖励，因为可能不会积极地搜索任务。RM 2（t）是对应于UUV的当前运动方向与连接当前位置和MTP的线的方向之间的角度ω的回报。
2025-02-18 21:43:01
957
1
原创 论文阅读——基于改进深度强化学习的多无人艇任务规划方法（IF=8.2)
上述方法将复杂问题分解为若干子问题，基于子问题的目标和约束设计奖励函数，然后相应地分解Q函数，不仅允许每个sub-Q函数基于其对应的子问题的奖励函数进行优化，以更准确地评估策略的性能，而且还有助于提高Critic网络的训练效率，从而加速收敛过程。其中，Own_Critic iσ网络用于逼近Qπθiσ函数，Local_Critic σ网络用于逼近Qπθσ函数。其中，<oσ,t，aσ,t，oσ,t+1>表示在联合观测o σ,t下进行联合行动aσ,t后，将联军中的多USVσ转移到联合观测o σ,t+1的过程。
2025-02-17 17:03:46
804
1
原创 论文阅读——分层多智能体系统上的任务分配：当进化多目标优化遇到DQL时（IF=11.7）
1. 分配给agent联盟Ci的任务ti的执行时间2. agent满意度指数:agent对其回报的评价3. 任务集T的完工时间4. 任务ti的联盟Ci的资源利用率5. 任务集合T的任务分配成功率：如果：1）相应的代理联盟满足任务的要求;2）代理之间没有冲突;3）ti的等待时间和ti的执行时间之和不超过最大持续时间TDti，则称分配成功。6. 总任务等待时间定义算法3可以得到一个最优解集OSS，但实际上对于一个特定的任务分配问题最终只能执行一个解。因此，需找出最终解决方案的选择方法。
2025-02-13 21:20:44
1830
1
原创 论文阅读——MO-MIX：基于深度强化学习的多目标多智能体协作决策(IF=20.8)
为了提高最终解的一致性，对一个包含迄今为止找到的所有非支配解非支配集，在训练阶段，每一集采样一个ω，作为网络的输入。如果某一个子空间中的解比较稀疏，则其中偏好的采样概率会增加，这允许对性能较差的子空间中的权重进行更多次的采样和训练。MOMN将CAN的输出作为输入，首先基于目标对n个智能体的Q向量进行重组，组合对应于某个目标的所有Q值合并馈送到某个MOMN并行轨道中，然后将多个轨迹输出连接为整个网络的输出，输出联合动作值向量。网络的输入：智能体的观察和动作信息，以及表示偏好的偏好向量ω。
2025-02-11 20:21:26
2029
1
原创 Pareto frontier
然而，实际上，真正的帕累托边界通常是不可用的，通常用一组非支配策略近似真实帕累托集。在一个非支配集中，没有一个策略可以在所有目标上都优于其他策略。这种策略对一个目标的任何改进都将导致至少一个其他目标的倒退。在一个多目标决策问题中，没有一个单一的策略可以优化所有的目标。实线上红色的点是最优解，是非支配的，其他点不是最优解，是直接或间接被最优边界上的点支配的。否则，v={3，2，3，4，5}, w={2，3，4，4，6}，v不能支配w。例如：v={1，2，3，4，5}, w={2，3，4，4，6}，v支配w。
2025-02-10 21:11:42
244
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人