为保证各舰船之间的协同占位或位置协调,确定各舰船需要占据的位置或区域,提出舰船多智能体协同占位方案数学建模优化方法。以舰船多智能体运动数学模型为基础,分析各个舰船智能体的运动和航行状态,判断各个智能体的航行领域,并确定舰...为保证各舰船之间的协同占位或位置协调,确定各舰船需要占据的位置或区域,提出舰船多智能体协同占位方案数学建模优化方法。以舰船多智能体运动数学模型为基础,分析各个舰船智能体的运动和航行状态,判断各个智能体的航行领域,并确定舰船智能体的最近会遇距离;采用MADDPG(Multi-Agent Deep Deterministic Policy Gradient)算法结合该距离构建舰船多智能体多元组,以此获取舰船多智能体最佳的占位决策结果;在此基础上,引入同结构变换优化舰船多智能体占位编队结构,保证每个个体的精准占位以及位姿状态的一致性。测试结果表明,该方法能够有效完成各个智能体的位置决策,保证编队位姿状态的一致性,整个舰船智能体编队位置和理想位置之间的误差均低于(5,5)m。展开更多
文摘为保证各舰船之间的协同占位或位置协调,确定各舰船需要占据的位置或区域,提出舰船多智能体协同占位方案数学建模优化方法。以舰船多智能体运动数学模型为基础,分析各个舰船智能体的运动和航行状态,判断各个智能体的航行领域,并确定舰船智能体的最近会遇距离;采用MADDPG(Multi-Agent Deep Deterministic Policy Gradient)算法结合该距离构建舰船多智能体多元组,以此获取舰船多智能体最佳的占位决策结果;在此基础上,引入同结构变换优化舰船多智能体占位编队结构,保证每个个体的精准占位以及位姿状态的一致性。测试结果表明,该方法能够有效完成各个智能体的位置决策,保证编队位姿状态的一致性,整个舰船智能体编队位置和理想位置之间的误差均低于(5,5)m。