公开(公告)号：CN116029473A

公开(公告)日：2023-04-28

申请号：CN202211719814.1

申请日：2022-12-30

Applicant: 湖北工业大学

Inventor： 王春枝 ,  程崟君 ,  严灵毓 ,  孙云 ,  陈宏伟 ,  苏军

IPC: G06Q10/047 ,  G06Q10/0631

Abstract: 本发明提供了一种基于多智能体强化学习的多UGV路径规划方法及设备。所述方法包括：步骤1至步骤8。本发明在现有资源的基础上操作，提高多智能体系统中各个智能体之间的相互合作和协调，使用分布式搜索结构，将复杂的学习问题自动分解为更容易学习的局部子问题，提升了智能化程度，扩大了应用领域，在集中设置中进行端到端的学习分散策略，大大降低了计算量，具有较高的实用性。

公开(公告)号：CN117371895A

公开(公告)日：2024-01-09

申请号：CN202311092488.0

申请日：2023-08-28

Applicant: 湖北工业大学 ,  武汉烽火技术服务有限公司

Inventor： 王春枝 ,  程崟君 ,  严灵毓 ,  孙云 ,  张玉泉 ,  胡记伟 ,  王若曦 ,  余亮 ,  童庆武 ,  张文凯 ,  鲁振东

IPC: G06Q10/0835 ,  G06N3/0442 ,  G06N3/084 ,  G06N3/092 ,  G01C21/20 ,  G01C21/34

Abstract: 本发明属于路径规划技术领域，公开了一种未知环境下多地面无人车路径规划方法、系统及介质，采用多智能体强化学习方法，设计出通用的路径规划任务模型实现未知环境下的集群路径规划；将MATD3算法与未知环境的应用场景相结合，基于actor‑critic框架和集中训练分布执行的方法，允许智能体之间学会协作与竞争；采用LSTM，通过使用智能体对连续时间步长的观察作为其策略网络的输入，允许LSTM层处理隐藏的时间序列信息。将UGV集群到达目标位置的奖励值、成功率和所需的步长作为性能指标，对不同多智能体强化学习算法的效果进行评估，有效提高了UGV集群对多个目标位置进行自主探索并完成任务目标的能力。