MAgent是一个多Agent强化学习的研究平台。 与之前的研究平台不同，这些平台专注于使用单个代理或少数代理进行强化学习研究，而MAgent旨在支持从数百到数百万代理扩展的强化学习研究。
2021-10-24 23:36:02
9.55MB
1
网络信息资源巨大膨胀，信息搜索技术面临越来越大的挑战。本文首先介绍了网络信息检索的相关概念，针对当前网络信息检索技术的发展现状和所暴露出的问题，提出了一种基于多Agent的智能化信息检索系统框架模型。通过对该系统结构框架的具体设计以及工作原理和功能模块的详细分析，证明该系统对网络智能化搜索有一定的实用参考价值。
2021-10-22 17:50:02
666KB
1
Enhanced ISAAC Neural Simulation Toolkit (EINSTein):An Artificial-Life Laboratory for Exploring Self-Organized Emergence in Land Combat (U)
《人工战争：基于多Agent的作战仿真》一书中所讲的重要仿真软件，主要阐述系统工程中的涌现、自组织等，这是该软件的使用手册。
2021-10-21 23:11:22
3.61MB
1
android原生User-agent数据，10万量级。数据来源于https://user-agents.net/random
2021-10-20 14:43:28
15.69MB
1
Postman Agent-win64-0.3.9-Setup.exe
2021-10-13 18:04:16
85.1MB
1
多agent 中文版 pdf原来英文版翻译multi－agent
Wooldridge
2021-10-12 09:19:00
36.88MB
1
MultiAgentPathFinding
MultiAgentPathFinding存储库的目的是使用灵活的环境选项（例如度量标准类型和可能的移动方向）创建不同路径规划算法的实现。 该项目是在HSE计算机科学学院的第二年完成的。
在Linux和Mac上构建
您可以选择“调试”或“发布”版本。
cd MultiAgentPathFinding/Build/Release
cmake ../../ -DCMAKE_BUILD_TYPE= " Release "
make
make install
运行使用：
cd ../../Bin/{Debug | Release}/
Dmitriy_
2021-10-09 15:45:46
1.15MB
1
python中的多代理路径规划
介绍
该存储库由Python中一些多主体路径规划算法的实现组成。 当前实现了以下算法：
依存关系
通过运行安装必要的依赖项。
pip3 install -r requirements.txt
集中式解决方案
在这些方法中，中央计划者有责任向机器人提供计划。
优先的安全间隔路径规划
SIPP是一个本地计划者，在考虑环境中的静态和动态障碍后，可以使用该计划生成无冲突的计划。 在多主体路径规划的情况下，环境中的其他主体被视为动态障碍。
执行
对于SIPP多主体优先级计划，请运行：
cd ./centralized/sipp
python3 multi_sipp.py input.yaml output.yaml
结果
可视化生成的结果
python3 visualize_sipp.py input.yaml output.yaml
录制视频
python3 v
2021-10-08 20:36:52
7.77MB
1