AA-SIPP（米）
描述
AA-SIPP（m）是一种路径规划算法，可为2D环境中以网格表示的一组智能体建立无碰撞轨迹。 它是优先计划者，即，为所有代理分配唯一的优先级，并使用AA-SIPP（任意角度SIPP）算法根据强加的顺序对路径进行逐一计划。 后者建立在SIPP计划程序的基础上，SIPP计划程序专门针对单个代理在静态和动态障碍（在此情况下为其他代理）中移动的路径查找而设计。 一个人可以选择禁用任何角度的移动并仅计划2 ^ k（k = 1,2,3,4,5）个移动，即k = 2-仅基本方向移动，k = 3-基本方向和对角线移动等。
在（x，y，\ theta）配置空间中进行规划。 考虑了代理的标题，平移和旋转速度，大小。
代理被认为是预定义半径的开放磁盘。 可以指定每个代理的半径，并且可以是任何正实数，例如，某些代理可以大于网格。 它们也可以更小。 “开放磁盘”表示当半径为r_1的代
2021-06-12 22:46:27
75.93MB
1
20210528-太平洋证券-信用债发行人的年报跟踪分析：2020年以来信用主体的资质分化有哪些特别之处.pdf
2021-05-28 18:02:09
1.48MB
奖励分享纳什Q学习
改进的Nash Q学习，解决不公平的多主体游戏
运行培训python3 src/main.py --config=nash_q_learning --env-config=gridmaze
2021-05-25 16:52:29
53KB
1
多代理深确定性策略梯度
多主体深度确定性策略梯度（MADDPG）算法的Pytorch实现
这是我在论文中提出的算法的实现：“针对混合合作竞争环境的多主体Actor评论家”。 您可以在这里找到本文： :
您将需要安装多代理粒子环境（MAPE），可以在这里找到： :
确保创建具有MAPE依赖项的虚拟环境，因为它们有些过时了。 我还建议使用PyTorch 1.4.0版运行此程序，因为最新版本（1.8）似乎与我在计算批评者损失时使用的就地操作存在问题。
将主存储库克隆到与MAPE相同的目录中可能是最容易的，因为主文件需要该软件包中的make_env函数。
可以在以下位置找到本教程的视频： :
2021-05-09 23:12:07
6KB
1