申请/专利权人：华东理工大学

申请日：2022-10-24

公开（公告）日：2023-01-20

公开（公告）号：CN115631165A

主分类号：G06T7/00

分类号：G06T7/00;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.02.14#实质审查的生效;2023.01.20#公开

摘要：本发明公开了一种面向群智夺旗博弈的深度强化学习方法和系统，解决不完美信息条件下外部竞争、内部合作的群智路径规划与夺旗的问题。具体而言，首先基于卷积神经网络的分通道提取图片特征；然后，基于图注意力网络根据自身观测信息与接收到的队友观测信息，定量确定不完美信息条件下各智能体间的竞合关系，使得智能体在决策时，充分考虑其他智能体的状态；最后，根据对于场上不同智能体的注意力值，辅助多智能体双重决斗深度Q网络实现多智能体在二维迷宫环境中的路径规划与自主导航，优化群智夺旗策略，以实现快速、精准地二对二夺旗。

主权项：1.一种面向群智夺旗博弈的深度强化学习方法，其特征在于，方法包括：步骤1：将复杂战场环境抽象为包括多个智能体在内的二维迷宫仿真环境；步骤2：基于卷积神经网络分通道提取输入图像的视觉特征；步骤3：使用强化学习双重决斗深度Q网络分别为分队的智能体初始化对应的网络；步骤4：根据群智夺旗任务目标构造奖励函数，根据由战场环境抽象出的夺旗规则，设置需要达到的目标；步骤5：在双重决斗深度Q网络结构中加入图注意力网络；步骤6：设置最大迭代轮次；步骤7：根据智能体在该时刻的观测信息和与队友间的通讯信息，计算每一步各智能体间的注意力值，智能体根据注意力值选择偏向进攻防守的动作；步骤8：根据选取的奖励函数执行动作，获取经验回放四元组；步骤9：获取新的环境部分观测，更新经验回放四元组，计算双重决斗深度Q网络目标值；步骤10：反复执行步骤7-9，更新双重决斗深度Q网络，直至迭代次数达到最大迭代次数，实现迷宫环境下的群智夺旗博弈。

全文数据：

权利要求：

百度查询： 华东理工大学 面向群智夺旗博弈的深度强化学习方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD