A Distributed Cooperative Dynamic Task Planning Algorithm for Multiple Satellites Based on Multi-agent Hybrid Learning

查看全文 作　　者：WANG Chong LI Jun JING Ning WANG Jun CHEN [1]Hao

机构地区：[1]College of Electronic Science and Engineering, National University of Defense Technology, Changsha 410073, China

出　　处：《Chinese Journal of Aeronautics》索引2011年第24卷第4期,共13页

摘　　要：传统地,启发式的重新计划算法被用来处理动态任务为多重卫星计划的问题。然而,传统的启发式的策略取决于具体任务,它经常影响结果的 optimality。注意到合作任务计划的历史的信息将影响计划的后者结果,我们为动态多卫星任务计划建议一个混合学习算法,它基于听说学习的政策重复和转移的多代理人加强。听说策略每颗卫星的加强与神经网络被描述。政策有最好的拓扑的结构和重量的神经网络个人被反复地使用 co 进化的搜索发现。为了避免历史的学习的失败,由随机发生的观察请求引起了,一条新奇途径被建议平衡计划的任务的质量和效率,它由使用学习的转移把历史的学习策略变换成当前的起始的学习策略算法。模拟和分析随随机发生的观察请求特别为状况显示出建议途径的可行性和适应性。 关键词：混合学习算法规划算法分布式协同卫星多代理启发式策略任务规划历史信息

相关文献

参考文献（27）
引证文献（16）
耦合文献（0）

参考文献(27)

引证文献(16)

互联网出版许可证新出网证(渝)字10号全国400电话 - 免长途话费

A Distributed Cooperative Dynamic Task Planning Algorithm for Multiple Satellites Based on Multi-agent Hybrid Learning

参考文献(27)

引证文献(16)

用户提示