10.3969/j.issn.1000-386x.2019.08.029
基于强化学习的多Agent路径规划方法研究
以复杂任务下多个智能体路径规划问题为研究对象,提出一种基于强化学习的多Agent路径规划方法.该方法采用无模型的在线Q学习算法,多个Agent不断重复“探索-学习-利用”过程,积累历史经验评估动作策略并优化决策,完成未知环境下的多Agent的路径规划任务.仿真结果表明,与基于强化学习的单Agent路径规划方法相比,该方法在多Agent避免了相碰并成功躲避障碍物的前提下,减少了17.4％的总探索步数,形成了到达目标点的最短路径.
多智能体、强化学习、路径规划、Q学习算法、未知环境
36
TP301.6(计算技术、计算机技术)
广东省科技厅应用型研发基金专项2016B010127005
2019-08-28（万方平台首次上网日期，不代表论文的发表时间）
共7页
165-171
