人工智人-家居设计-RoboCup中多智能体协作的研究.pdf

人工智人-家居设计-RoboCup中多智能体协作规划的研究及应用.pdf

人工智人-家居设计-RoboCup中基于强化学习的多智能体协作研究.pdf

递阶强化学习是解决状态空间庞大的复杂系统智能体决策的有效方法。具有离散动态特性的
A GV 调度系统需要实时动态的调度方法, 而具有M axQ 递阶强化学习能力的多智能体通过高效的强化
学习方法和协作, 可以实现A GV 的实时调度。仿真实验证明了这种方法的有效性。

东北大学的机器人足球设计，写得比较详细，希望大家需要

本文研究并设计了一个有效的防守系统，为机器人足球系统防守的有效性提供了保障.

​ 本文研究的一致性编队控制是刘腾飞的一篇论文： Distributed formation control of nonholonomic mobile robots without global position measurements 原文链接如下： Distributed formation control of nonholonomic mobile robots without global position measurements - ScienceDirect 主要对其进行MATLAB仿真以及分析 详细内容见博客： https://blog.csdn.net/weixin_44346182/article/details/125355548 ​

Julia 中多智能体路径查找的快速算法。

领导－跟随多智能体系统有限时间一致性

针对随机切换拓扑条件下离散多智能体系统的二阶分组一致性问题进行了研究，设计了一种新颖的分组一致性协议。该协议不依赖于保守的假设条件，能全面反映系统中智能体在分组内与分组间的相互影响。基于矩阵理论和新协议，得到了在马尔可夫切换拓扑条件下，系统达到分组一致的充分条件。在证明过程的结尾部分，使用线性不等式（LMI）工具给出了获取协议中控制参数的算法。最后，通过数字仿真实例证明了理论结果的有效性。