基于强化学习的多Agent路径规划方法研究

• 作者: 从帅军 孙运乾 王毅然 田涛 经小川
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 多智能体 强化学习 路径规划 Q学习算法 未知环境
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 165-171
• 页数: 7页
• 分类号: TP301.6
• 字数: 5143字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.08.029

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	经小川		19	41	4.0	4.0
2	田涛		6	14	2.0	3.0
3	从帅军		3	7	2.0	2.0
4	王毅然		2	5	1.0	2.0
5	孙运乾		4	27	2.0	4.0