原创力文档- 1、本文档共21页，其中可免费阅读20页，需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明提供一种基于最大熵强化学习的多机器人协同围捕方法。本发明方法，包括：建立追逃对抗场景；基于建立的追逃对抗场景和SAC的多智能体强化学习算法，设计适用于多机器人的MASAC算法；基于课程学习的多机器人围捕策略，设计奖励函数；将设计的奖励函数与MASAC算法结合，得到基于MASAC的多机器人协同围捕策略算法。本发明采用基于最大熵的多智能体强化学习算法实现二维场景中多个移动机器人对单个目标的协同围捕；将围捕阶段划分为搜索、围困、转移、捕获四个阶段，并采用课程学习的思想为各个阶段设计奖励函数和转换
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116341777 A
(43)申请公布日 2023.06.27
(21)申请号 202310123207.7
(22)申请日 2023.02.16
(71)申请人 大连海事大学
地址 116026
文档评论（0）