基于强化学习的多设备自适应监测方法

授权

摘要

本发明公开了一种基于强化学习的多设备自适应监测方法，包括以下步骤：构建基于图的无人机环境巡逻监控的环境模型拓扑结构；对无人机的运动方式和通信范围进行定义和约束；构建基于信息交互的巡逻监控协同模型；利用Q‑Learning方法获取最优的多无人机巡逻监控策略；构建分布式巡逻监控协同模型；通过集中式训练分布式执行的训练方法优化改进的值函数分解网络VDNs模型，利用优化后的模型实现极端环境多无人机自适应巡逻监控。本发明算法的鲁棒性很强，能够有效地解决不同复杂度的环境拓扑监控问题；在同一场景中，能够适应增加或者减少无人机数量的极端情况；且解决了极端环境下，多无人机之间不能互相通信的问题。

基本信息

专利标题：

基于强化学习的多设备自适应监测方法

专利标题（英）：

暂无

公开（公告）号：

CN112947554A

申请号：

CN202110149333.0

公开（公告）日：

2021-06-11

申请日：

2021-02-03

授权号：

CN112947554B

授权日：

2022-05-20

发明人：

顾晶晶马敬艳黄海涛

申请人：

南京航空航天大学

申请人地址：

江苏省南京市秦淮区御道街29号

代理机构：

南京理工大学专利中心

代理人：

朱炳斐

优先权：

CN202110149333.0

主分类号：

G05D1/10

IPC分类号：

G05D1/10