公开(公告)号：CN119197566A

公开(公告)日：2024-12-27

申请号：CN202411296067.4

申请日：2024-09-15

Applicant: 北京工业大学

Inventor： 李方昱 ,  刘憬昊 ,  刘金溢 ,  王晶晶

IPC: G01C21/34

Abstract: 一种基于自适应模因算法的多智能体路径规划算法针对多智能体路径规划算法不够成熟且算法的收敛速度较慢的问题。该优化方法通过全局优化算法与局部搜索相配合的算法结构，利用染色体作为二维栅格地图中的生成路径，并对其进行“选择”、“交叉”等策略来优化其适应度值，并将爬山算法作为子算法对其进行局部优化，防止生成解陷入局部最优，从而提升多智能体运动控制精度，同时增强算法的收敛速度和寻优效率；解决了当前基于多智能体路径规划领域难以解决的算法收敛速度较慢和路径优化精度偏低的问题；实验结果表明该方法能够准确地对多智能体实现多目标点路径优化，且各路径随种群迭代平均长度均收敛于全局最优路径长度，算法测试达到预期效果。

公开(公告)号：CN119376241A

公开(公告)日：2025-01-28

申请号：CN202411245871.X

申请日：2024-09-06

Applicant: 北京工业大学

Inventor： 李方昱 ,  刘金溢 ,  孙浩源 ,  韩红桂

IPC: G05B13/04

Abstract: 本发明设计了一种基于去中心网络化多智能体强化学习的复杂运动体系统协同控制方法，实现在去中心化的场景下促进运动体合作。首先，采用一个实体图来建模复杂运动体系统，用于表示实体间的空间相关性，然后设计信息聚合策略，利用图神经网络和注意力机制来聚合邻居的消息并关注重要的邻居信息，此外，利用图信息瓶颈来减轻冗余信息对最优动作选择的影响。该方法可以解决在无法获取全局状态的场景中，传统的多智能体强化学习因观测信息有限，导致无法促进运动体之间协同的问题，提高了系统的协同性能，为各种无人运动体系统协同控制领域提供了一种有效的方法。