排序方式: 共有105条查询结果,搜索用时 375 毫秒
81.
82.
针对采用传统视距链或图传电台的无人机环保监测距离受限、在线传输数据量受限,以及大功率数据链无法搭载于小型环保无人机等问题,提出了一种基于3G/4G网络的多无人机环保监测任务调度的方法。首先,将3G/4G网络的时间特性与多无人机环保监测任务调度相结合,将多无人机任务调度问题建模为带时间窗的团队定向问题(TOPTW);然后,针对TOPTW求解中存在计算量大、易陷入局部最优的问题,提出一种局部迭代搜索(ILS)算法来优化求解TOPTW;其次,使用大量测试集检验该算法的可行性和运算性能,与现有的蚁群算法(ACA)比较结果的平均收益与计算时间;最后设计了3G/4G网络下典型的双机环保监测任务调度环境,并将ILS算法应用其中。仿真结果表明,与蚁群算法相比,ILS所得收益大部分都要低于ACA所得收益,所有算例收益的平均Gap为1.09%,最大值为10.8%,其中也有部分结果要优于ACA结果;计算时间平均缩减至千分之一。实验结果表明,ILS算法能快速得到多无人机任务调度序列,有效减少了计算时间而实验收益结果在可接受范围内。 相似文献
83.
84.
86.
目前的工业系统正向大型、复杂、动态和开放的方向转变,传统的工业系统和多机器人技术在许多关键问题上遇到了严重的挑战.分布式人工智能(DAI,Distributed Artificial Intelligence)与多智能体系统(MAS,Multi-AgentSystem)理论为解决这些挑战提供了一种最佳途径.将DAI、MAS充分应用于工业系统和多机器人系统的结果,便产生了一门新兴的机器人技术领域-多智能体机器人系统(MARS,Multi-Agent Robot System),MARS技术正在蓬勃发展之中. 相似文献
87.
得益于深度学习强大的特征表达能力和强化学习有效的策略学习能力,深度强化学习在一系列复杂序贯决策问题中取得了令人瞩目的成就.伴随着深度强化学习在诸多单智能体任务中的成功应用,其在多智能体系统中的研究方兴未艾.近年来,多智能体深度强化学习在人工智能领域备受关注,可扩展与可迁移性已成为其中的核心研究点之一.鉴于此,首先阐释深度强化学习的发展脉络和典型算法,介绍多智能体深度强化学习的3种学习范式,分析两类多智能体强化学习的典型算法,即分解值函数方法和中心化值函数方法;然后归纳注意力机制、图神经网络等6类具有可扩展性的多智能体深度强化学习模型,梳理迁移学习和课程学习在多智能体深度强化学习可迁移性方向的研究进展;最后讨论多智能体深度强化学习的应用前景与研究方向,为未来多智能体深度强化学习的进一步发展提供可借鉴的参考. 相似文献
88.
探讨一种新颖的分布式多智能体优化算法及其在求解约束优化问题上的实现方式.通过分析该算法在有限采样数下寻优能力所受到的影响,提出在迭代优化过程中引入补偿采样机制和平滑算子的改进方案,在保留原算法优点的基础上提高了采样过程对决策空间的覆盖度,增强了方法的全局和局部邻域搜索能力.实验结果表明,引入补偿采样和平滑算子后的概率集群优化算法在收敛速度、解质量和稳定性等方面均得到了明显改善. 相似文献
89.
DCT变换域盲图像水印的自适应检测 总被引:10,自引:1,他引:10
检测时无需原始图像的盲数字水印是实用的数字作品牌保护系统的关键技术之一,基于图像DCT交流系数的广义高斯分布模型,推理并实现了一种有效的自适应盲目图像印检测器,通过计算渐进相对效率证明了该检测具有较高的检测效率,实验结果表明该检测器具有良好的鲁棒性,优于Barni的线性相关检测器。 相似文献
90.