【技术实现步骤摘要】
本专利技术涉及多智能体自动控制，具体涉及一种非凸环境下多智能体自组织协同围捕方法。
技术介绍
1、近年来，结合深度神经网络感知能力和强化学习决策能力的深度强化学习(drl)技术逐渐成为研究的热点，尤其在多智能体协同控制领域，包括智能追逃，航迹规划，协作搬运等场景。学术界对代表性问题多智能体追逃问题展开了大量的研究，其中就包括多智能体围捕问题。
2、有的文献提出了一种基于松散偏好规则的自组织方法，通过分解围捕行为，利用松散偏好规则使个体机器人自发形成理想的围捕队形。有的文献提出了一种基于动态围捕点的多机器人协同围捕策略。根据目标位置设置动态围捕点，并利用任务分配方法为围捕机器人分配最佳围捕点。然而这类围捕方法在面对环境变化和突发状况时，需要消耗大量资源重新对外界环境模型进行建模和计算。在群体智能算法方面，有的文献研究的改进glasius生物启发神经网络算法，可以对二维水下目标进行围捕；有的文献提出的基于狼群优化的空间目标围捕方法，解决了三维空间的围捕问题。同样群体优化算法对具体问题和应用环境的依赖非常大，而强化学习算法，通过与...
【技术保护点】
1.一种非凸环境下多智能体自组织协同围捕方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的非凸环境下多智能体自组织协同围捕方法，其特征在于，所述步骤S1中，用一个元组来表示n个智能体的马尔科夫博弈过程：
3.根据权利要求1所述的非凸环境下多智能体自组织协同围捕方法，其特征在于，所述步骤S1中，所述智能体的观测状态至少包括以下内容：
4.根据权利要求3所述的非凸环境下多智能体自组织协同围捕方法，其特征在于，所述步骤S1中，多智能体编队满足以下要求：
5.根据权利要求1所述的非凸环境下多智能体自组织协同围捕方法，其特...
【技术特征摘要】
1.一种非凸环境下多智能体自组织协同围捕方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的非凸环境下多智能体自组织协同围捕方法，其特征在于，所述步骤s1中，用一个元组来表示n个智能体的马尔科夫博弈过程：
3.根据权利要求1所述的非凸环境下多智能体自组织协同围捕方法，其特征在于，所述步骤s1中，所述智能体的观测状态至少包括以下内容：
4.根据权利要求3所述的非凸环境下多智能体自组织协同围捕方法，其特征在于，所述步骤s1中，多智能体编队满足以下要求：
5.根据权利要求1所述的非凸环境下多智能体自组织协同围捕方法，其特征在于，所述步...
【专利技术属性】
技术研发人员：张红强，石佳航，吴亮红，王汐，左词立，陈祖国，刘朝华，陈磊，
申请(专利权)人：湖南科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。