公开(公告)号：CN112966816B

公开(公告)日：2024-12-10

申请号：CN202110346490.0

申请日：2021-03-31

Applicant: 东南大学

Inventor： 陈杨杨 ,  徐磊鑫 ,  俞睿 ,  周珂

IPC: G06N3/0464 ,  G06N3/063 ,  G06N3/084

Abstract: 本发明是一种编队包围的多智能体强化学习方法，特别适用避碰要求和简单闭的包围轨线，包括如下步骤：a)确定强化学习环境中每个智能体的状态空间、动作空间和奖励函数；b)设计每个智能体的演员网络和评判家网络结构；c)由每个智能体的当前状态通过演员网络确定其动作，进而与环境交互得到该动作的奖励值和智能体下一步的状态；d)由所有智能体的动作、当前和下一步的状态通过评判家网络分别确定状态和动作价值函数，进而设计损失函数；e)根据反向传播算法重复步骤c)和d)更新演员和评判家网络中的权值直至期望要求。此种方法简单可靠、不依赖系统模型，能够快速地实现复杂环境中的编队包围任务。

公开(公告)号：CN112966816A

公开(公告)日：2021-06-15

申请号：CN202110346490.0

申请日：2021-03-31

Applicant: 东南大学

Inventor： 陈杨杨 ,  徐磊鑫 ,  俞睿 ,  周珂

IPC: G06N3/04 ,  G06N3/063 ,  G06N3/08

Abstract: 本发明是一种编队包围的多智能体强化学习方法，特别适用避碰要求和简单闭的包围轨线，包括如下步骤：a)确定强化学习环境中每个智能体的状态空间、动作空间和奖励函数；b)设计每个智能体的演员网络和评判家网络结构；c)由每个智能体的当前状态通过演员网络确定其动作，进而与环境交互得到该动作的奖励值和智能体下一步的状态；d)由所有智能体的动作、当前和下一步的状态通过评判家网络分别确定状态和动作价值函数，进而设计损失函数；e)根据反向传播算法重复步骤c)和d)更新演员和评判家网络中的权值直至期望要求。此种方法简单可靠、不依赖系统模型，能够快速地实现复杂环境中的编队包围任务。