BioMARL:基于生物启发式算法的多智能体强化学习算法-源码

上传者: 42118423 | 上传时间: 2021-12-30 23:40:46 | 文件大小: 7.65MB | 文件类型: -
BioMARL:基于生物启发式算法的多智能体强化学习算法 项目介绍: 多智能体系统(MAS)通过解决复杂任务的规模,可靠性和智能性,已被广泛的地面不同的应用领域,如计算机网络,机器人和智能电网等。和生产的重要因素。然而,以往的多代理通信研究主要是预先定义的通信协议或采用额外的决策模块进行通信调度,这将造成巨大的通信开销,并且不能直接推广到一个大型代理集合。了一个轻量级的通信框架:基于信息素协同机制的分布式深度Q网络算法(Pheromone协作深度Q网络,PCDQN) ,它结合了深度Q网络和stigmergy机制。我们证明了PCDQN框架的优越性,同时也将我们的模型转移到解决多代理路径搜索问题上。利用PCDQN框架,多代理编队能够学习适当的策略,成功地在雷区导航环境中获得最优路径。 实验环境 Windows10操作系统,8GB内存,2核Intel Core i7-6500U pytorch-

文件下载

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明