基于强化学习的多机器人系统冲突消解方法

简介：
本研究提出了一种利用强化学习技术解决多机器人系统中冲突问题的新方法，有效提升系统的协同作业效率和稳定性。 在多机器人系统中，随着机器人数目的增加，系统中的冲突呈指数级增长，并且可能会出现死锁情况。本段落提出了一种基于过程奖赏和优先扫除的强化学习算法作为解决这些冲突的有效策略。 为了验证该方法的效果，研究团队针对典型的多机器人可识别群体觅食任务进行了计算机仿真实验。在此次试验中，系统性能指标被设定为收集到的目标物数量；而学习速度则通过计算算法收敛时所需的学习次数来衡量。实验结果表明，提出的基于过程奖赏和优先扫除的强化学习算法显著减少了冲突，并且能够有效避免死锁问题，从而提高了系统的整体表现。 此外，在与包括全局奖励及Q-learning在内的九种其他策略进行对比后发现，新提出的方法具有明显优势。