| 基于多智能体深度强化学习的多星观测任务分配方法 |
| |
| 引用本文： | 王桢朗,何慧群,周军,金云飞.基于多智能体深度强化学习的多星观测任务分配方法[J].上海航天,2024,41(1):108-115. |
| |
| 作者姓名： | 王桢朗 何慧群 周军 金云飞 |
| |
| 作者单位： | 上海卫星工程研究所，上海 201109;上海航天技术研究院，上海 201109 |
| |
| 摘 要： | 为应对多星环境中复杂多约束条件下的任务分配场景，提出一种多星自主决策观测任务分配算法，该算法采用基于集中式训练、分布式执行的多智能体深度强化学习算法。通过这种方式训练后的卫星智能体，即使在没有中心决策节点或通信受限的情况下，仍具有一定的自主协同能力及独立实现多星观测任务的高效分配能力。
|
| 关 键 词： | 多智能体系统 深度强化学习 多星系统 多智能体深度确定性策略梯度算法 任务规划 |
| 收稿时间： | 2023/12/19 0:00:00 |
| 修稿时间： | 2023/12/30 0:00:00 |
Multi-Satellite Observation Task Allocation Method Based on Multi-Agent Deep Reinforcement Learning |
| |
| WANG Zhenlang,HE Huiqun,ZHOU Jun,JIN Yunfei.Multi-Satellite Observation Task Allocation Method Based on Multi-Agent Deep Reinforcement Learning[J].Aerospace Shanghai,2024,41(1):108-115. |
| |
| Authors: | WANG Zhenlang HE Huiqun ZHOU Jun JIN Yunfei |
| |
| Abstract: | |
| |
| Keywords: | multi-agent system deep reinforcement learning multi-satellite system multi-agent deep deterministic policy gradient (MADDPG) mission planning |
|
| 点击此处可从《上海航天》浏览原始摘要信息 |
| 点击此处可从《上海航天》下载免费的PDF全文 |
