Feb, 2023

量子多智能体 Actor-Critic 网络在多 UAV 系统中用于合作移动接入

PDF
TL;DR本研究提出了一种量子多智能体 actor-critic 网络算法用于利用多个无人机自主构建强壮的移动接入系统，该模型通过量子计算和 MARL 方法获得了较好的性能，并提出了一个噪声注入方案来处理环境不确定性。
发现论文，激发创造
  • 量子多智能体强化学习与自主移动协作

    基于量子供应链，并结合多智能体强化学习和量子优势，提出了一种能够实现多智能体合作、有效利用参数和快速收敛的量子 MARL 算法，并引入了投影值测量技术来进一步提高可伸缩性。

    Aug, 2023

  • 空中地一体化网络中的合作移动接入的量子多智能体强化学习

    利用基于量子多智能体强化学习（QMARL）的调度方法改善全球访问可用性和能效，解决了全球空气地面综合网络（SAGIN）仅通过 CubeSats 实现的挑战，提供差异化访问服务和在实际 CubeSat/HALE-UAV 设置中进行数据密集型实验验证了所提调度器的优越性。

    Jun, 2024

  • 具有动作掩蔽的多智能体强化学习在无人机移动通信中的应用

    本篇论文研究使用多个无人机作为基站，通过联合优化无人机三维轨迹和 NOMA 功率分配来最大化系统吞吐量，并使用基于加权 K-means 的聚类算法建立无人机 - 用户关联，研究表明使用共享的 Deep Q-Network 在系统吞吐量和训练时间上表现优于传统的 DQN，同时还可以收敛于具有不同动作空间的多个智能体，与 NOMA 的结合可以实现比现有基线方案更好的总速率。

    Mar, 2023

  • 基于多智能体强化学习的无人机网络资源分配

    本文探讨了使用无人机作为空中基站提供无线通信服务的动态资源分配问题，并通过多智能体强化学习框架实现了长期收益的最大化。研究结果表明，该算法在信息交互开销和性能提升之间取得了良好的平衡。

    Oct, 2018

  • 量子多机器人强化学习的软件模拟与可视化

    本文介绍了一种新型的基于量子机器学习的自主多无人机控制框架 - 量子多无人机强化学习框架，并在该框架下经过充分的训练和分析，实现了合理的回报收敛和服务质量表现，具有更稳定的训练结果及优秀的训练过程分析功能。

    Nov, 2022

  • 密度感知强化学习优化无人机辅助网络能效

    该论文提出了一种密度感知的通信多智能体去中心化双重深度 Q 网络方法，它最大化了每个无人机的轨迹、已连接用户数量和无人机的能耗，同时跟踪密集和不均匀的用户分布。该方法优于现有技术 65％-85％的能源效率。

    Jun, 2023

  • 基于模型辅助的联邦强化学习在物联网多无人机轨迹规划中的应用

    本文提出了一种新的基于模型的联邦多智能体强化学习算法，用于协调多个无人机在数据收集任务中，以解决传统多智能体强化学习算法需要大量真实训练数据的问题，并在各个方面取得了良好的表现。

    Jun, 2023

  • 多智能体自然演员 - 评论强化学习算法

    本研究提出三种完全分散的自然 Actor Critic （MAN）算法，具有全局收敛性和在交通网络中降低平均拥堵率的实际应用。

    Sep, 2021

  • eQMARL: 量子通道上分布式协作的纠缠量子多智能体强化学习

    提出了一种名为 eQMARL 的新型框架，通过量子通道促进协作，并通过量子纠缠的分裂评论家消除本地观察共享，实验结果表明，eQMARL 相较于传统的分裂和完全中心化的经典和量子基线，能够在更短的时间内收敛到合作策略，且拥有更高的整体分数，与传统的分裂经典基线相比，eQMARL 只需要少于 25 倍的中心化参数。

    May, 2024

  • 基于协作分布式强化学习的无人机场地覆盖

    本文提出了一种分布式的多智能体强化学习算法，可用于团队的无人机，通过使用协调均衡博弈解决动态联合行动的复杂问题，以及利用高效的函数逼近技术解决大量的状态空间表示挑战，通过仿真和实际实现验证了该无人机团队成功学习完成任务。

    Mar, 2018