多机器人系统强化学习研究综述

• 作者: 张文旭 戴朝华 马磊
• 来源期刊: 西南交通大学学报
• 学科: 工学
• 关键词: 多机器人系统 强化学习 马尔科夫决策过程 计算复杂度 不确定性
• 年，卷（期）: 2014,（6）
• 页码范围: 1032-1044
• 页数: 13页
• 分类号: TP181
• 字数: 11323字
• 语种: 中文
• DOI: 10.3969/j.issn.0258-2724.2014.06.015

摘要

强化学习是实现多机器人对复杂和不确定环境良好适应性的有效手段,是设计智能系统的核心技术之一.从强化学习的基本思想与理论框架出发,针对局部可观测性、计算复杂度和收敛性等方面的固有难题,围绕学习中的通信、策略协商、信度分配和可解释性等要点,总结了多机器人强化学习的研究进展和存在的问题;介绍了强化学习在机器人路径规划与避障、无人机、机器人足球和多机器人追逃问题中的应用;最后指出了定性强化学习、分形强化学习、信息融合的强化学习等若干多机器人强化学习的前沿方向和发展趋势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马磊	西南交通大学电气工程学院	35	228	10.0	13.0
2	戴朝华	西南交通大学电气工程学院	86	1082	20.0	30.0
3	张文旭	西南交通大学电气工程学院	4	47	3.0	4.0