基于多智能体强化学习的目标跟踪辐射方法及设计OACSTPCD
Target Tracking Radiation Method and Design Based on Multi-Agent Reinforcement Learning
针对分布式空间功率合成中单平台微波发射装置有最大发射功率限制的问题,提出了一种基于Friend-Q多智能强化学习的微波发射装置路径规划方法,以实现对目标施加持续4 min及以上的10 mW/cm2～15 mW/cm2 的辐射强度.在所提方法中通过变ε-贪婪策略平衡探索和利用的关系,同时提出一种具有选择性的输入功率方案,以减少系统耗能.通过对三种具有代表性的仿真场景进行训练,实验结果表明:①相比于分散远离场景和单一接近场景,路径结合场景的成功率分别…查看全部>>
Aiming at the problem that single-platform microwave transmitting devices have maximum transmit power limitations in dis-tributed spatial power synthesis,a path planning method of microwave transmitting devices based on Friend-Q multi-intelligent reinforce-ment learning is proposed to achieve the radiation intensity of 10 mW/cm2～15 mW/cm2 lasting 4 min or more to the target.The rela-tionship between exploration and utilization is balanced by the variable ε-g…查看全部>>
陈翰;张远媛;何聪;朱城磊;张为
东南大学仪器科学与工程学院,江苏 南京 210096东南大学仪器科学与工程学院,江苏 南京 210096东南大学仪器科学与工程学院,江苏 南京 210096东南大学仪器科学与工程学院,江苏 南京 210096东南大学仪器科学与工程学院,江苏 南京 210096
电子信息工程
多智能体强化学习分布式空间功率合成跟踪辐射路径规划
multi-agent reinforcement learningdistributed space power synthesistracking radiationpath planning
《电子器件》 2024 (2)
544-551,8
2021年国防科技创新特区项目
评论