1.本方案面向有复杂的路径规划、运筹优化需求的客户，能够快速解决问题且具有良好效果
2.相比于市场中的各类算法，本方案运算速度快、算力开销小
3.为验证算法性能, 构建了含有随机障碍物、通信遮挡和传感器噪声的森林仿真环境, 设计了基于课程学习的 CEL-MADDPG 算法框架. 该框架把穿越任务分解成目标跟踪与队形维持子任务, 依靠分层奖励函数引导智能体学习协同策略, 并且利用相对经验学习也就是 REL 与优先经验回放也就是 PER 的双重筛选机制提高样本利用效率
点击空白处退出提示
技术信息
作品详情
功能介绍
示例图片
声明：本文仅代表作者观点，不代表本站立场。如果侵犯到您的合法权益，请联系我们删除侵权资源！如果遇到资源链接失效，请您通过评论或工单的方式通知管理员。未经允许，不得转载，本站所有资源文章禁止商业使用运营!
评论