基于強化學(xué)習(xí)的多機器人追捕問題研究.pdf

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

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