基于深度强化学习的智能体路径规划

扫码查看

原文链接

万方数据
维普

中文摘要：如今智能体工作环境越渐复杂,任务类型越渐繁多,但人们对于智能体工作效率的要求却不曾降低,因此传统的路径规划算法已经难以满足需求.为帮助智能体更好地完成任务,提出一种DRL(深度强化学习)在多智能体中的衍生MARL(多智能体强化学习)方法,并将其训练的多智能体系统与DRL训练的单智能体进行仿真测试与结果对比,仿真结果表明所提出的方法能在回合限制内在大型地图中拥有接近100％的任务完成率.

作者：

卢虹旭、孙丹丹、方彦成

展开 >

作者单位：

哈尔滨职业技术大学,黑龙江哈尔滨 150081

关键词：

单智能体路径规划深度强化学习多智能体

出版年：

2024

哈尔滨职业技术学院学报

哈尔滨职业技术学院

哈尔滨职业技术学院学报

影响因子：0.229

ISSN：1008-8970

年,卷(期)：2024.(6)