-
公开(公告)号：CN111667043B
公开(公告)日：2023-09-19
申请号：CN202010429905.6
申请日：2020-05-20
Applicant: 季华实验室
IPC: G06N3/006 , G06N3/0464 , G06N3/084 , A63F3/02
Abstract: 本申请实施例涉及一种棋类游戏对弈方法、系统、终端以及存储介质。所述方法包括：利用神经网络对蚁群算法进行优化，结合所述优化后的蚁群算法及树搜索算法进行棋类游戏的自对弈；根据所述自对弈数据对所述神经网络进行迭代训练，对所述迭代训练得到的神经网络进行棋力测试；当所述神经网络满足停止训练的预设条件时，将所述最后一次或最近一次训练得到的棋力测试胜率达到预设值的神经网络作为所述棋类游戏实际对弈的最优神经网络。本申请实施例提升了蚁群算法的搜索能力及棋力表现，拓宽了蚁群算法在更多的棋类游戏上的应用。
-
公开(公告)号：CN111897327A
公开(公告)日：2020-11-06
申请号：CN202010675357.5
申请日：2020-07-14
Applicant: 季华实验室
IPC: G05D1/02
Abstract: 本发明提供了一种多移动机器人控制/分派模型获取方法、装置、电子设备，通过获取各移动机器人的初始位置信息和身份识别信息；获取目标位置信息；获取多移动机器人分派模型；把初始位置信息、身份识别信息和目标位置信息输入多移动机器人分派模型中，以获取指派给各移动机器人的目的地信息和运动路径信息；把目的地信息和运动路径信息发送至对应的移动机器人；其中多移动机器人分派模型是基于多智能体强化学习算法的用于为多移动机器人指派目的地和规划运动路径的模型；从而能够快速地完成位置指派以及实时的运动规划，使多个移动机器人可以同时行动，无碰撞地完成位置指派任务。
-
公开(公告)号：CN111667043A
公开(公告)日：2020-09-15
申请号：CN202010429905.6
申请日：2020-05-20
Applicant: 季华实验室
Abstract: 本申请实施例涉及一种棋类游戏对弈方法、系统、终端以及存储介质。所述方法包括：利用神经网络对蚁群算法进行优化，结合所述优化后的蚁群算法及树搜索算法进行棋类游戏的自对弈；根据所述自对弈数据对所述神经网络进行迭代训练，对所述迭代训练得到的神经网络进行棋力测试；当所述神经网络满足停止训练的预设条件时，将所述最后一次或最近一次训练得到的棋力测试胜率达到预设值的神经网络作为所述棋类游戏实际对弈的最优神经网络。本申请实施例提升了蚁群算法的搜索能力及棋力表现，拓宽了蚁群算法在更多的棋类游戏上的应用。
-
公开(公告)号：CN111897327B
公开(公告)日：2024-02-23
申请号：CN202010675357.5
申请日：2020-07-14
Applicant: 季华实验室
Abstract: 本发明提供了一种多移动机器人控制/分派模型获取方法、装置、电子设备，通过获取各移动机器人的初始位置信息和身份识别信息；获取目标位置信息；获取多移动机器人分派模型；把初始位置信息、身份识别信息和目标位置信息输入多移动机器人分派模型中，以获取指派给各移动机器人的目的地信息和运动路径信息；把目的地信息和运动路径信息发送至对应的移动机器人；其中多移动机器人分派模型是基于多智能体强化学习算法的用于为多移动机器人指派目的地和规划运动路径的模型；从而能够快速地完成位置指派以及实时的运动规划，使多个移动机器人可以同时行动，无碰撞地完成位置指派任务。
-
-
-
Search Results
4
records
(took 0.018 seconds)
