基于強(qiáng)化學(xué)習(xí)的多機(jī)器人追捕問題研究.pdf

1、一種分段式強(qiáng)化學(xué)習(xí)方法來求解多機(jī)器人最優(yōu)協(xié)作追捕策略。
　　第三，研究未知環(huán)境下多個(gè)追捕機(jī)器人形成追捕團(tuán)隊(duì)追捕多個(gè)逃跑者的最優(yōu)協(xié)作追捕策略問題。首先通過有選擇的循環(huán)搜索法對(duì)逃跑目標(biāo)進(jìn)行搜索，發(fā)現(xiàn)目標(biāo)后，基于目標(biāo)分解與分配的理論基礎(chǔ)，通過整數(shù)規(guī)劃模型求解各目標(biāo)的追捕團(tuán)隊(duì)。接著根據(jù)任務(wù)規(guī)劃的結(jié)果，讓各協(xié)作團(tuán)隊(duì)同時(shí)分周期獨(dú)立學(xué)習(xí)各自的最優(yōu)行為決策，團(tuán)隊(duì)成員根據(jù)其他成員在此狀態(tài)下將要采取的動(dòng)作行為執(zhí)行最佳的響應(yīng)動(dòng)作，多次重復(fù)對(duì)策后得到該協(xié)

2、作團(tuán)隊(duì)的學(xué)習(xí)目的解。學(xué)習(xí)過程中由于不同協(xié)作團(tuán)隊(duì)之間的行為選擇相互影響，對(duì)學(xué)習(xí)結(jié)果進(jìn)行周期監(jiān)督，通過變化學(xué)習(xí)率來保證學(xué)習(xí)的有效性?？紤]上述方法對(duì)于追捕目標(biāo)分解與分配是相對(duì)粗略的，整數(shù)規(guī)劃問題實(shí)際求解過程本身也很復(fù)雜，創(chuàng)建追捕團(tuán)隊(duì)時(shí)沒有考慮到追捕者之間完成捕獲任務(wù)的能力互補(bǔ)等問題，提出一種未知環(huán)境下結(jié)合案例推理強(qiáng)化學(xué)習(xí)方法的多機(jī)器人協(xié)作追捕多個(gè)逃跑目標(biāo)策略，創(chuàng)建追捕團(tuán)隊(duì)時(shí)充分考慮追捕者之間能力互補(bǔ)問題，追捕團(tuán)隊(duì)成員協(xié)作追捕過程中，追捕者的行