基于強(qiáng)化學(xué)習(xí)的多機(jī)器人圍捕策略研究.pdf

1、隨著計(jì)算機(jī)技術(shù)和無(wú)線通信技術(shù)的發(fā)展，多機(jī)器人系統(tǒng)的研究得到越來(lái)越多的關(guān)注。與單機(jī)器人相比，多機(jī)器人系統(tǒng)具有靈活，高效以及容錯(cuò)性強(qiáng)等特點(diǎn)。多機(jī)人系統(tǒng)在大型船舶制造，空間探測(cè)，無(wú)人作戰(zhàn)系統(tǒng)，還社會(huì)和家庭服務(wù)等行業(yè)中都有廣闊的應(yīng)用前景。多機(jī)器人的智能圍捕是一個(gè)常用的檢驗(yàn)機(jī)器人學(xué)習(xí)策略優(yōu)劣的平臺(tái)，對(duì)智能移動(dòng)機(jī)器人的產(chǎn)業(yè)化具有重要的意義。本文以多機(jī)器人圍捕為研究對(duì)象，設(shè)計(jì)了一種新的圍捕方法，具體內(nèi)容如下:
　　首先，本文對(duì)多機(jī)器人系統(tǒng)，強(qiáng)化

2、學(xué)習(xí)以及多機(jī)器人圍捕進(jìn)行了綜述，介紹了它們各自的發(fā)展歷史和研究現(xiàn)狀。
　　其次，建立了機(jī)器人的動(dòng)力學(xué)模型，設(shè)計(jì)了機(jī)器人硬件的部分電路，完成了上位機(jī)軟件和下位機(jī)軟件的編寫(xiě)，并簡(jiǎn)單介紹了強(qiáng)化學(xué)習(xí)的基本原理和方法，對(duì)強(qiáng)化學(xué)習(xí)的各個(gè)方法進(jìn)行了簡(jiǎn)單的對(duì)比分析。
　　再次，設(shè)計(jì)了多機(jī)器人圍捕的任務(wù)模型，分析了機(jī)器人圍捕過(guò)程中滿足的一些條件。對(duì)于逃跑機(jī)器人，設(shè)計(jì)了一種智能的逃跑方式。對(duì)于圍捕機(jī)器人，采用基于狀態(tài)預(yù)測(cè)的強(qiáng)化學(xué)習(xí)算法進(jìn)行圍捕。

3、針對(duì)把強(qiáng)化學(xué)習(xí)用于多機(jī)器人系統(tǒng)中時(shí)不滿足馬爾科夫決策的問(wèn)題，引入狀態(tài)預(yù)測(cè)的方法;針對(duì)Q學(xué)習(xí)算法的收斂速度慢和容易收斂到局部最優(yōu)的問(wèn)題，提出一種改進(jìn)的Q學(xué)習(xí)算法，通過(guò)動(dòng)態(tài)的調(diào)整Q學(xué)習(xí)公式中的α，γ，T三個(gè)參數(shù)，提高了Q學(xué)習(xí)算法的收斂速度，通過(guò)設(shè)置可變的maxQ區(qū)間，避免了Q學(xué)習(xí)算法收斂到局部最優(yōu)。
　　最后，將基于狀態(tài)預(yù)測(cè)的強(qiáng)化學(xué)習(xí)用于多機(jī)器人圍捕中，并和常用的收縮包圍圈法在無(wú)障礙物環(huán)境下，有障礙物環(huán)境下以及機(jī)器人出現(xiàn)故障下的圍捕情