【技术实现步骤摘要】
本专利技术涉及多智能体协同规划，具体涉及一种多智能体强化学习的无人机集群编队动态协同多目标分配方法及系统。
技术介绍
1、随着无人机、无人车、无人船等智能体设备的快速发展，异构智能体已逐渐具备在多种环境下执行特定任务的能力。通过这些智能体的参与，能够显著降低人力成本，提升工作效率，并保障人员安全。目前，单个智能体(如无人机)的控制技术已经相对成熟，然而多智能体(如无人机集群)的协同控制技术仍有很大的研究和发展空间。
2、无人机编队控制技术能够高效地完成如战场侦察、森林火灾救援、灾难后人员搜寻等复杂任务，但智能体之间的协同能力不足、控制策略难以应对动态复杂环境的变化等问题，这限制了多智能体技术的广泛应用。
3、要实现多智能体的协同工作，一个重要的任务是解决智能体之间的数据共享和合作问题。目前的单层强化学习技术在多智能体的协同规划方面尚存不足，亟需利用分层强化学习来协调多个智能体，使其能灵活应对复杂场景并提出解决方案。
4、分层强化学习用来多智能体任务主要是充分利用分而治之的思想，将主任务分为多个不同的子...
【技术保护点】
1.多智能体分层强化学习的无人机集群编队协同多目标分配方法，其特征在于，构建了顶层决策、底层执行的分层强化学习架构，其中，顶层决策模型是单智能体系统，分析无人机集群所处位置、目标地点和运输目标信息，决策各无人机的任务目标；底层执行模型是多智能体系统，各智能体根据自身观测到的地形状态决策移动路径。
2.根据权利要求1所述多智能体分层强化学习的无人机集群编队协同多目标分配方法，其特征在于，所述方法还包括：
3.根据权利要求2所述多智能体分层强化学习的无人机集群编队协同多目标分配方法，其特征在于，所述方法还包括：
4.根据权利要求3所述多...
【技术特征摘要】
1.多智能体分层强化学习的无人机集群编队协同多目标分配方法，其特征在于，构建了顶层决策、底层执行的分层强化学习架构，其中，顶层决策模型是单智能体系统，分析无人机集群所处位置、目标地点和运输目标信息，决策各无人机的任务目标；底层执行模型是多智能体系统，各智能体根据自身观测到的地形状态决策移动路径。
2.根据权利要求1所述多智能体分层强化学习的无人机集群编队协同多目标分配方法，其特征在于，所述方法还包括：
3.根据权利要求2所述多智能体分层强化学习的无人机集群编队协同多目标分配方法，其特征在于，所述方法还包括：
4.根据权利要求3所述多智能体分层强化学习的无人机集群编队协同多目标分配方法，其特征在于，所述方法还包括：
5.根据权利要求3所述多智能体分层强化学习的无人机集群编队协同多目标分配...
【专利技术属性】
技术研发人员：肖进胜，普晨宇，严伯伦，马昊，于秋则，周剑，王中元，
申请(专利权)人：武汉大学，
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。