資源描述：
《多智能體q學(xué)習(xí)在多auv協(xié)調(diào)中的應(yīng)用與仿真》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、分類號(hào)：——UDC：——密級(jí)：編號(hào)：工學(xué)碩士學(xué)位論文多智能體Q學(xué)習(xí)在多AUV協(xié)調(diào)中的應(yīng)用與仿真碩士研究生：指導(dǎo)教師：學(xué)位級(jí)別：學(xué)科、專業(yè)：所在單位：論文提交日期：論文答辯日期：學(xué)位授予單位；李鋒嚴(yán)浙平教授工學(xué)碩士交通信息工程及控制自動(dòng)化學(xué)院2008年1月2008年3月哈爾濱工程大學(xué)多智能體Q學(xué)習(xí)在多AUV協(xié)調(diào)中的應(yīng)用與仿真摘要AUV(AutonomousUnderwaterVehicle，簡(jiǎn)稱AUV)作為一種高技術(shù)手段，在海洋環(huán)境監(jiān)測(cè)、海底資源調(diào)查、科學(xué)考察、危險(xiǎn)環(huán)境作業(yè)和打撈救生等方面起到了至關(guān)重要的作用。隨著執(zhí)行任務(wù)的復(fù)雜性日益增加，單AUV在大范圍內(nèi)作業(yè)的時(shí)效性、魯棒性和柔性等方面就
2、表現(xiàn)出明顯不足。需要多個(gè)AUV構(gòu)成系統(tǒng)來(lái)共同完成任務(wù)，而多AUV的協(xié)調(diào)控制成為關(guān)鍵問(wèn)題，本論文主要討論了一種新的多AUV協(xié)調(diào)控制方法、系統(tǒng)設(shè)計(jì)及仿真。本文首先介紹了多AUV技術(shù)的發(fā)展動(dòng)態(tài)以及課題研究的意義，然后根據(jù)多AUV協(xié)調(diào)控制系統(tǒng)的需要建立AUV運(yùn)動(dòng)模型、多智能體Q學(xué)習(xí)模型，在此基礎(chǔ)上建立了面向任務(wù)的多AUV系統(tǒng)結(jié)構(gòu)。對(duì)比分析了近幾年的幾種重要的多智能體強(qiáng)化算法，然后提出了一種新的多智能體Q學(xué)習(xí)算法，這種算法結(jié)構(gòu)簡(jiǎn)單，能夠大大簡(jiǎn)化狀態(tài)空間，加快收斂速度。試驗(yàn)表明，本文提出的多智能體Q學(xué)習(xí)方法是有效的。然后對(duì)多智能體Q學(xué)習(xí)算法實(shí)現(xiàn)多AUV協(xié)調(diào)的系統(tǒng)進(jìn)行了設(shè)計(jì)，用多個(gè)仿真實(shí)例說(shuō)明了多智能體
3、Q學(xué)習(xí)算法在多AUV系統(tǒng)中的應(yīng)用，試驗(yàn)證明，此本文提出的多智能體Q學(xué)習(xí)協(xié)調(diào)算法在滿足Nash均衡的同時(shí)，避免了研究多個(gè)均衡點(diǎn)同時(shí)存在的問(wèn)題，收斂速度快并且非常有效。關(guān)鍵詞：多智能體；Q學(xué)習(xí)；hash均衡；多AUV；仿真哈爾濱T群人學(xué)碩十學(xué)何論文ABSTRACTAutonomousUnderwaterVehicle(AUV)playsanimportantroleinmarineenvironmentmonitoting，seabedresourcesinvestigating，sciencerespecting，dangerousenvironmentexploring，rescueand
4、salvageandSOon．Alongwiththemissionbecomemorecomplicatedly,thesingleAUVobviouslyshowsinsufficientateffectiveness，robustnessandflexibilityinalarge。scaleoperatingmission-ItISnecessarytocoordinatewiththehelpofMulti—AUVsoperatingtogether，alldcooperationisthekeytechniquesofMulti-AUVs．Inthispaperacoopera
5、tivestrategy,aMulti．AUVscooperativesystem’sdesignandit’Ssimulationarediscussed．Firstly，thetrendofmultipleAUVsdevelopmentandtheresearchmeaningarepresented．ThenaAUVdynamicmodel，multiagentQ·learningmodelisdesignedbasedontheneedofmultipleAUVssystem，andanewarchitecture0tAUVbasedonmissionisproposed．Then
6、，severalsingleagentandmultiagentreinforcementlearningalgorithmsproposedinrecentyearsareinvestigated，comparedandanalyzeddeeplyinthispaper．AndamuliagentQ‘learningalgorithmisproposed．Thisalgorithminvolvessimpleproceduresandeasycomputations，andcanguaranteegoodlearningconvergence·Experimentresultsofmul
7、ti．AUV，scoordinationandcontrolshowthatthisalgorithmiseffective·Then．a(chǎn)Multi．AUVscooperativesystembasedonmuliagentQ。learningalgorithmisdesinged．SeveralsimulationexperimentshowtheapplicationofmuliagentQ．1earningalgo
