基于强化学习的地_空异构多智能体协作覆盖研究_张文旭

资 源 简 介

基于强化学习的地_空异构多智能体协作覆盖研究_张文旭

详 情 说 明

在智能体协同作业领域，张文旭的研究聚焦于利用强化学习方法解决地面与空中异构智能体的协作覆盖问题。该研究主要探讨如何通过算法设计使具备不同运动特性的智能体（如地面机器人与无人机）形成互补优势，实现目标区域的高效覆盖。

研究核心在于设计适用于异构系统的强化学习框架，重点解决三类关键技术问题：首先是异构建模，需要准确描述地面与空中智能体在移动能力、观测范围等方面的差异性；其次是协作机制，通过分布式决策实现智能体间的行动协调；最后是覆盖优化，将传统覆盖控制问题转化为适合强化学习的奖励函数设计。

该研究的创新点可能体现在将分层强化学习与混合观测空间相结合，既处理了不同智能体的感知差异，又实现了联合策略优化。实际应用中，这类算法可扩展至灾难救援、农业监测等需要多平台协同作业的场景，为复杂环境下的智能体协作提供新的方法论支持。